フィンテック中国
← ステッカーウォール
AGENT · DETAIL
決算書PDF一括構造化抽出代行：個人で月収2.4万元のデータ入庫
ワークフロー：毎日、金融データアウトソーシングプラットフォームや直接の顧客から送られてくる処理待ちの上場企業決算書PDFを受信し、定期報告書やESG報告書などの標準化された文書を優先的に処理する。ローカルにデプロイした決算書抽出Agentを呼び出し、損益
AGENT
主要項目
FIELD STAMPS業界フィンテック
地域中国（中国大陆）
規模中小企業
チャネルオンライン
🔧 ワークフロー
毎日、金融データアウトソーシングプラットフォームや直接の顧客から送られてくる処理待ちの上場企業決算書PDFを受信し、定期報告書やESG報告書などの標準化された文書を優先的に処理する。ローカルにデプロイした決算書抽出Agentを呼び出し、損益計算書、貸借対照表、キャッシュフロー計算書の主要項目データおよび重要テキスト情報を自動的に抽出し、標準的なJSONまたはExcelの構造化ファイルとして出力する。人間のチェッカーが異常な財務科目（前年同期比50%以上変動している項目など）の抽出精度のサンプリング検査を担当し、フォーマットを再確認した上で顧客のデータベースに納品する。全プロセスにおいて、決算書を1ページずつ手作業で読み込む必要はない。
🛠 構築のハードル
Pythonの基本的なスクリプト呼び出し能力が必要であり、オープンソースのstockfinlensなどの決算書抽出フレームワークをベースに二次開発を行い、長文ドキュメント解析をサポートする大規模言語モデルのAPI（DeepSeek、Moonshotなど）に接続する。初期構築には1〜2週間を要し、異なる市場（A株、H株、科創板）の決算書のフィールド抽出ロジックとPDFのレイアウトマッピングルールを調整する。日常の運用保守は、決算書のフォーマットのバージョンアップに起因する少数の解析エラーへの対応のみでよく、継続的な開発リソースの投入は不要である。
🧰 ツールチェーン
- 🔧 stockfinlensオープンソースフレームワーク
- 🔧 DeepSeek API
- 🔧 Python
- 🔧 Feishu（飛書）マルチ維度テーブル
💰 収入
① データベンダーによる入庫件数ごとの決済（主収入）：データプラットフォームとデータベンダーの間で一件あたりの従量課金となり、0.5元/件×決算シーズンの月間処理5万件＝2.5万元。カード内には別途2.4万元/月と記載されており、月収の約100%がこの項目から得られている（推算値であり、事例の手がかりのソースは独自検証されていない）。② 細分化カテゴリプラン――H株ESGと目論見書の財務データ：同じく一件0.5元の仕組みであり、決算シーズン以外は月平均1.9万元、決算シーズンには3万元を突破する。このプランが月収に占める割合は開示されていない（サードパーティの事例であり、独自の再確認は未実施）。③ プロジェクト制による補完納品（エコシステム）：証券会社やデータベンダー向けにプロジェクト単位で過去の財務データを補完し、同業他社3〜5社の比較を追加して納品する。四半期のプロジェクト総収入は4.8万元で、単一プロジェクトの提示価格および収入に占める割合はいずれも非公開（データソースは事例側のものであり、サードパーティによる検証はない）。④ オポチュニティ項目――機関投資家向けモジュール別のサブスクリプション納品：モジュールの価格設定およびこの領域の収入規模についてはいずれも公開数値がない。
💸 コスト
大規模言語モデルの長文API呼び出し費用が約1500元/月、クラウドサーバーのレンタル費用が約800元/月であり、月間コストの合計は約2300元、利益率は90%を超える。
⏱ 時間投入
毎日4時間を投入して抽出タスクの実行、異常項目の処理、および顧客の要件対応を行い、決算シーズンのピーク時には1日の投入時間が6時間に増加する。
🚀 初心者ガイド
第一歩として、オープンソースコミュニティからstockfinlensプロジェクトをクローンし、ローカルにデプロイして異なる市場の上場企業年報3件以上でテストを正常に実行し、フィールド抽出ルールとエラー処理ロジックに習熟する。第二歩として、標準的な抽出サンプルを整理し、Zhubajie（猪八戒）、Ali Crowdsourcing（阿里衆包）などのプラットフォーム、または金融データ会社のデータ編集部門に直接アプローチし、0.5元/件という低いハードルでテスト注文を受注する。納品物の安定性を検証した長期外包契約を締結する。
🔑 成功のカギ
- ✅ A株、H株、科創板など異なる市場の決算書レイアウトに対する高耐障害性の抽出能力
- ✅ 金融データプラットフォームとの件数ごとの従量課金による長期安定的な決済エコシステムの構築
- ✅ 財務の基礎知識に習熟することで、大規模言語モデルのハルシネーションに起因する財務データの取り違えを目視検査で回避できる
- ✅ PDF解析ルールをマスターすることで、決算書のフォーマット変更に伴うフィールドの変動に素早く適応できる
⚠️ 风险
- ⚠️ 決算発表期（毎年4、8、10月）に注文が集中し、発表期以外では注文量が40%以上減少する可能性があるため、事前に他のデータ抽出系顧客を備蓄しておく必要がある
- ⚠️ 一部の古いスキャン版決算書ではOCRの認識精度が不足し、大規模言語モデルの解析エラー率が上昇するため、手動による校正コストを投入する必要がある
- ⚠️ 金融データのコンプライアンス要件は厳格であり、抽出エラーが原因で顧客のデータ製品にfactual error（事実誤認）が発生した場合、損害賠償や長期的な提携の打ち切りに直面する可能性がある
📌 実例
- 📌 1. あるフルスタックの個人開発者がstockfinlensとDeepSeekの組み合わせを活用し、East Money（東方財富）のChoiceデータ向けに2024年年報シーズンの構造化データ入庫サービスを提供し、単月で安定して4.8万件のデータを納品し、月収2.4万元を達成した
- 📌 2. 成都のあるAIスタジオが同花順iFinchの決算データ補完プロジェクトを受注し、カスタマイズされた抽出Agentを通じて科創板企業の目論見書の過去の財務データを処理し、四半期のプロジェクト総収入が4.8万元に達した
- 📌 3. 深センの個人開発者がH株ESGレポートにおける財務データの抽出を専門に手がけ、Futu（富途牛牛）のデータバックエンドにデータを供給し、決算シーズン以外の月平均収入は1.9万元、決算シーズンの月収は3万元を突破した