以人机物互联共融为新生产关系的智能新时代面临deepfake,fake news等情报分析新挑战,需要基于大数据与AI重构情报分析框架,融合社会/物理/信息/认知空间数据,利用复杂网络相关算法进行人（假冒者）、物、组织、真假事件及相互关系的感知、理解、预测。本文围绕情报分析框架tjuIAF及其实证,开展了以下工作:首先,提出了基于复杂网络的情报分析框架tjuIAF。根据特定情报需求,从社会/物理/网络/心理空间获取数据并对数据进行清洗等操作,然后基于处理得到的数据构建多层异质复杂网络完成信息融合,据此进行情报感知、情报理解和情报预测,为现实需求提供指导建议。其次,利用某商业银行数据进行tjuIAF框架中关键节点识别方法在重要客户识别的实证。该方法融合操作性属性与网络拓扑结构属性,是评估客户重要性程度的判断指标。拓扑结构属性可以刻画网络中节点对网络的关键度、中介度、连接度等指标,操作性属性可以个性化描述具体行业中的对象重要性,两者结合可刻画研究对象即客户对所属行业的重要性程度。最后,利用某商业银行数据进行tjuIAF框架中风险角色识别方法在客户流失预警的实证。针对某商业银行,通过划定时间切片,计算客户重要性程度随时间变化趋势来判断客户是否具有流失风险,该方法所得结果经验证,与该商业银行实际场景吻合,能帮助其定位流失风险客户,提前采取措施。将此情报分析框架应用到商业银行领域,可实现对商业银行客户的情报分析,辅助实现商业银行客户风险管理和精准营销。此外,该框架具有很好的可扩展性,适合于需要对客户情报进行精准感知的应用行业,具有一定的实现价值和应用前景。