本文共字，預計閱讀時間。
文/北京熵簡科技有限公司高級分析師龔霄，聯合創始人金簫
（本文為「證券機構數位化轉型與證券科技創新」徵文活動入圍文章。）
作為證券市場的主要參與者，我國證券機構正處於一個前所未有的新時期。隨著我國資本市場的成熟度與開放度不斷深化，多層次資本市場建設穩步推進，中國證券市場的廣度和深度不斷拓展。科創板的推出和註冊制的加速推行，使我國上市公司數量保持快速增長的勢頭，衍生出大量證券業務的相關機會，也考驗著證券機構的業務管理與服務響應能力。與此同時，我國自主推動了新一輪金融業對外開放，大幅放寬了外資在銀行、金融、保險等領域的市場準入。大量發達資本市場的同業機構湧入，帶來激烈的市場競爭，我國證券機構迫切需要引入創新工具、產品，以差異化競爭手段，樹立品牌影響力。
本文所探討的數據治理課題側重於從研究數據的角度入手，解決券商研究部門所面臨的數據使用實際與發展要求之間的矛盾。之所以從這個角度來解決數據治理問題，是源於對證券機構業務痛點的認識。券商研究所作為證券公司的重要業務部門，研究所的高素質人才和優質服務是證券公司核心競爭力的重要組成部分，同樣需要跟隨券商整體戰略而進行調整。
與經紀業務系統、投資交易系統、CRM系統這類與前臺業務相連接、已經高度IT化的系統相比，目前券商研究業務整體還處在業務IT化、組件化的初級階段，因此開展數據治理的任務更加緊迫，提升空間大。另一方面，由於券商研究所的各類數據被廣泛用於對外開展研究服務，因此研究所的數據治理有較大的外溢效應。解決券商研究所的數據治理問題，就從很大程度上緩解了接收服務的資管機構的數據治理壓力，對整個行業生態具有良好示範效應。
目前券商研究所的數據治理難點及痛點，主要體現在以下幾個方面。
（一）數據投入較大，卻未沉澱為資產
研究部門持續支出成本採購第三方數據（包含各類網站、終端帳號）以建立研究壁壘，但高投入不一定帶來高回報。究其原因，部分高頻利用的數據並沒有沉澱為機構的數字資產，取用過程零散，用後便被廢棄，無法重複使用。此外，由於機構內部難以統計不同帳號的使用情況，研究員不清楚企業的數字「家底」，部分帳號使用頻率較低卻持續產生成本。
另一個常見場景是，研究員通常會持續跟蹤多種行業特色數據，許多是以人工方式進行維護，並以EXCEL表格形式零散地存放在研究員的電腦中，一旦本地研究資料丟失或數據跟蹤中斷，這些數據也就隨之流失，沒有沉澱為公司資產。更進一步地，研究員的研究邏輯是研究所建立核心業務壁壘的保障，但隨著研究員的流動，這些邏輯沒有在機構內部留痕，帶來投研邏輯的傳承問題。
（二）沒有建立以人為本的過程管理體系，難以實現降本增效
傳統IT系統以「管理」為本，而不是以「人」為本，沒有讓系統反過來對人賦能；在未來的金融科技場景下，需要基於豐富的埋點和標籤集對標的、用戶進行更全面的畫像，更科學的衡量公司各項資源的投入產出比。
為實現系統對人賦能，需要考慮分析師作為主要使用者的實際需求。作為對市場擁有獨到見解的專業群體，分析師的數據需求通常千人千面，且帶有複雜業務邏輯，僅依靠內部IT力量難以滿足全部需求。而即使採購了第三方資料庫，如果不能提供業務端一種便捷的調取方式，這些數據的使用也會十分困難。
（三）在系統層面無法自主可控，形成研究能力的產品化輸出
傳統外部IT廠商系統架構老舊、封閉，無法滿足快速迭代的業務需求；機構對功能模塊的升級高度依賴於廠商的服務，歷經多年積累的產品底層框架如果接收新增需求，則面臨重構的高昂成本，使許多傳統廠商望而卻步。
國內日臻完善的雲計算生態催生了一批擁有最新IT架構的新興廠商，作為「後浪」，為行業帶來新的活力。這些廠商能夠基於雲原生的開源架構開發產品，接口全開放，幫助證券公司實現自主可控；同時新一代產品的功能高度可配置，更靈活的響應客戶需求。對於證券公司而言，如何實現新舊產品的數據接續與功能無縫對接，成為必須應對的問題。
這些複雜的問題，本質上可以被歸納為「數據使用最後一公裡」的問題，在「最後一公裡」，數據的處理與使用是一個以人工為主導，過程零散的「黑盒」。藉助網際網路思維，需要通過產品化、組件化的方式，將相關業務場景轉化為線上的透明化、標準化業務流程，以先進IT架構支撐研究業務創新。即打造券商研究中臺，建立面向業務場景的專業數據倉庫，賦能分析師，對外輸出標準化產品。
（一）融合多源異構數據
券商研究中臺，是從證券公司數據中心中獨立封裝成的一個面向研究業務場景的數據湖，各類來自第三方數據供應商的數據能夠被融合到一起，成為前端系統的底層數據支撐。在此基礎上，建立包括聚合搜索、數據瀏覽器、知識圖譜、智能研報在內的多個應用，使研究人員的數據取用均能夠基於研究中臺實現，形成數據獲取-數據加工-數據呈現-數據輸送的閉環。
（二）建設數據生產加工平臺
從業務層面，數據作為新生產要素，勢必將在證券公司提升差異化服務水平、提高業務創新水平與品牌價值的過程中發揮愈加重要的作用。對於券商研究所，基於業務邏輯進行的數據加工，以及基於數據進行的各類價值發現工作，都能夠以數字資產的形式被沉澱在研究中臺，實現數據資產化，能夠追溯數據使用過程並進行業務留痕，最終以標準化的數據產品形式進行輸出。從人才層面，基於研究中臺之上的各類應用進行的數據處理與跟蹤，通過可視化、自動化、可重複的方式，降低了傳統數據維護工作中的無效勞動，保障了數據質量。可視化、低代碼的數據處理過程，使研究人員能夠充分發揮主觀能動性，定義並監控數據的處理、使用過程，進行數據探索與價值發現。因此，研究中臺與研究人員的關係是相輔相成、相互支撐的，將成為研究人員的研究利器，而研究人員的積極使用，反過來也使研究中臺不斷沉澱價值，靈活響應業務需求。
（三）各類應用建設，提供標準化輸出
完成研究中臺建設後，研究所可基於此開展各類上層應用的建設，最終提供比以往更加標準、豐富的數據服務產品，包括提供在線數據報表服務，提供API接口傳送的數據服務，基於行業數據的產業鏈圖譜，基於個股數據的公司圖譜，基於圖譜提取出的脫水研報等。而作為服務的接收方，資管機構能夠獲益於相較傳統數據服務形式（往往是一張excel表格）更加持續、穩定的創新型數據服務，包括以API對接方式獲得數據並在線查看，獲得由賣方提供的知識圖譜服務，以此比較不同賣方的研究框架及相關數據的異同。通過各類創新的數據應用與服務，證券公司能夠和資管機構客戶，乃至於政府、產業客戶群體建立更加全面、深化的合作關係，基於數據智能的服務生態具有良好的外溢效應，勢必將為證券研究這樣的知識密集型行業增添新的活力。
在對內服務層面上，研究中臺建設能夠和其他IT系統數據聯通，站在公司整體角度勾勒出一幅宏觀、定量、不斷變化的市場與行業數據全景圖，從而為組織戰略制定、風險控制、人員管理提供決策依據，幫助證券公司擁抱大數據帶來的戰略發展與組織變革紅利。
儘管建設研究中臺具有諸多好處，但在實際執行過程中仍然面對一些現實困難需要解決。
（一）前期數據資產梳理工作需要業務人員深度參與。
對於數據資產梳理，由於與業務邏輯耦合度較高，需要對各類數據的清洗、篩選、聚合工作進行需求指引。對於業務人員而言，參與數據治理工作並不屬於已有職責範圍，卻需要耗費大量時間精力，配合度往往有限。因此對於業務人員的工作參與需要從組織層面予以協調，並給予數據治理工作成果更高的績效權重，鼓勵大家從觀念上認知其重要性。
（二）對上遊數據供應商的服務形態提出了更高要求。
沒有一家數據供應商能夠提供券商研究所所需的全部研究數據，研究所聚合來自多個數據供應商的數據資源，在此基礎上進行生產加工。目前上遊數據供應商所提供的數據服務標準化水平參差不齊，主要體現在數據質量的差異，如數據缺失、數據重複、格式不統一等，成為券商研究中臺建設的阻礙。研究中臺的建設需要上遊數據供應商統一數據標準，提供更高水平的數據供應服務。從這個層面看，證券研究所作為需求方開展的數據治理工作，有助於倒逼數據供應商的服務質量變革。
（三）需要對數據治理情況進行持續管理監督。
數據治理涉及一套完善的管理體系，包括組織、制度、流程、工具。券商數據治理工作要建立長效的發展機制，在研究中臺建設及使用過程中，需要專門人員對數據治理工作進行實時持續的管理監督，避免人員缺位現象。也就是說，在研究中臺建設過程中，需要配備相應的人員組織、管理制度與流程機制，這樣才能穩步推進中臺建設，不斷解決執行過程中遇到的現實問題。
非常感謝您的報名，請您掃描下方二維碼進入沙龍分享群。
[Source]
本文系未央網專欄作者發表，屬作者個人觀點，不代表網站觀點，未經許可嚴禁轉載，違者必究！
本文為作者授權未央網發表，屬作者個人觀點，不代表網站觀點，未經許可嚴禁轉載，違者必究！
本文版權歸原作者所有，如有侵權，請聯繫刪除。