随着长期资金市场改革全面深化、金融科技持续不断的发展,证券行业在迎来重要发展机遇的同时,行业竞争
随着长期资金市场改革全面深化、金融科技持续不断的发展,证券行业在迎来重要发展机遇的同时,行业竞争也日趋激烈。为在行业竞争中弯道超车,券商加速数字化转型已成为大势所趋。
在「观远数据 2023 智能决策峰会暨产品发布会」金融分会场,某证券企业数据平台负责人分享了券商数据赋能员工,加速企业数字化转型的成功实践。作为一家引领行业发展、实力卓越的大型证券公司,该证券企业的创新实践为证券行业数字化转型树立起了业务与IT融合共创的标杆。
数字化转型是技术革新也是业务变革,是“一把手工程”也是“全动”,是需要业务引领、技术驱动的“双向奔赴”,这是我们对于数字化转型的认识和理解。
A证券的数字化转型工作目前进行了将近三年,我们的最终目标是实现商业经济价值。从这点出发,我们应该做两个方面的事:
其一,做正确的事,业务即IT,IT即业务。指的是要把我们现在的业务数字化,并研发数字化产品。在互联网行业或许天然就是这样,IT研发都是直接服务于客户或交付成产品。但在传统金融机构,IT或科技部门是职能部门,并不直接交付产品或服务。因此数字化转型就是要让我们从用户场景出发,产品驱动,并基于这些场景来进行数字化运营。
其二,正确地做事,高质量、快速、可持续交付。指在研发数字化产品的过程中,我们应该一些方法论或工具支撑,来实现高质量、快速、可持续的交付。系统方面,分为敏态和稳态两类系统,不一样系统通过不同方式交付,稳态系统依旧基于传统瀑布研发模式,敏态系统则会更多用到例如CMMI敏捷的理论来做。工具方面,将原来烟囱式的系统建设结构分层,在每一层上形成平台能力,包括技术底座平台、业务中台、用户端前台。
3、转“组织”。业务与IT合作共创,采用精益的产品研究开发方式,引入敏捷开发和持续交付流程,实现需求的快速响应。
4、转“方法”。驱动业务模式创新,从线下到线上,不断丰富和完善数字化方法论,驱动业务改进和模式创新。
5、转“模式”。技术模式转型,新增应用采用“云原生”方式直接构建在云平台之上,采用微服务架构DevOps敏捷开发模式。
数字化转型的内核是数据驱动业务,因此,基于公司数字化转型战略要求,我们梳理了数字化转型关键事项,包括:
1、业务数据化。伴随着企业的数字化转型,在补齐信息化或线上化的过程中,会沉淀大量业务过程数据和业务结果数据,需要将这一些数据全部汇聚到同意的企业级数仓中,实现业务数据化。
2、数据资产化。通过数据治理,规范完善数据元数据信息,提供数据地图、数据目录、数据血缘,使数据变得可见、可懂、可用,形成企业级的数据资产。
3、数据服务化。提供统一标准化服务API,将各类数据服务直接给到业务使用。
4、数据智能化。借助AI能力或融合ChatGPT能力,进行智能推荐、营销、客户服务等方面的探索实践,与数据结合,交付高的附加价值的智能化产品和服务,提升客户体验和业务价值。
A证券2007年开始规划建设数据中心,到2010年建设数据仓库,2015年进行数仓升级扩容,而后在2018年进入重点建设阶段,开始大数据平台建设,完整更新了整个数据平台的技术栈,并在平台之上重新搭建了数仓。到2019年启动数据中台建设,直到现在一直在升级迭代。最近的两三年,在完成基础设施建设后,开始主要投入到数据资产、数据应用、数据服务的建设上。
A证券的数据平台整体架构,是覆盖了“采、存、算、管、用”全生命周期的一体化数据中台体系,支持多模态计算与服务化,破除数据供需壁垒,沉淀企业高价值数字资产,构建业务场景驱动的数据产品,为运营机制、组织、人才提供持续保障。构建“听、说、读、识”基础智能平台,基于平台能力赋能业务场景智能化。
数据平台建设的效果体现在“一个大数据平台、一个数据资产底座、一套数据中台流水线、一套数据治理与运营体系、一系列数据产品与服务”。最近,我们正将一系列的数据产品和服务整合到数据门户中,让公司所有员工,只需要到统一的门户中就能够正常的使用所有的数据产品和服务。
在介绍完A证券的数字化转型背景后,我想分享一下作为一家券商,我们的数据赋能典型场景与在各场景中的具体实践。
分支机构系统零散,缺少统一的获取数据途径,是长期被忽视的一个群体,用数需求始终没得到很好的满足。去年起,A证券开始重点解决分支机构用数的问题。我们梳理了分支机构用数的主要场景,包括数据报送、明细数据查询、运营营销、业绩考核、数据分析等。
为了解决分支机构的用数问题,我们按照分支机构的人员角色及工作场景,针对性给予了场景数据服务。例如,普通客户与两融客户的对账单,过去没有这类数据工具时,业务只能提需求给技术,描述要什么客户什么时间的什么数据,也没有统一格式,还需要线下反复确认,工作量非常大。我们将这些场景逐一整理出来做成标准化产品后,业务只要输入客户号,选一个时间段,就能够获得标准化的报表,并可以导出下载再提供给客户。
以上只是其中一类,目前我们已整理了几十个这样的场景,既解决了分支机构用数的问题,也大幅释放了数据团队的工作量。过去我们一年取数的需求有上千单,上线了这类工具后,数量减少一半。随着数据服务与产品持续增多,这类需求的量还会逐渐下降。
这类场景对应总部中后台部门的需求,包括业务运营、经营分析、风控合规、员工服务等。针对这些需求,我们也做了各类数据应用,来辅助企业经营决策。如给营运中心的数据大屏,包含了每天的交易量、清算笔数等数据内容,将整个公司由营运中心负责的业务通过数据大屏实时展示。如给业务运营同事做的用户行为分析看板,包括标签画像、客户圈群等,业务同事能够最终靠选择特定标签、特定客群,下发到CRM、运营平台投放素材,再通过行为数据回收,看最终营销活动的执行效果,实现运营闭环。
不仅给业务数据赋能,我们也落地了IT的数字化场景。通过观远BI搭建数据团队的运营驾驶舱,过去要每周有人发邮件才能看到的数据团队内部运营数据,现在可以直接在驾驶舱里可视化呈现。给软件开发部做的研发效能管理看板,将所有研发效能数据、指标可视化,已成为部门每次管理例会必备。
前台部门的投资研究、财富管理业务、机构业务、投行业务等,也是与数据强相关的应用场景。针对这些前台业务,我们与观远数据合作构建场景数据应用,如给投行用的债券地图,将原本内容繁杂的报表通过BI可视化,使用门槛大幅度降低,并能够以更灵活的形式展现,如数据联动、指标下拽等,使其具备了在投行部门广泛推广的条件。现在,投行部门的同事50%以上都慢慢的变成了了这一工具的用户,基本都在使用其看数据。我们还做了舆情系统,爬取外部公共舆情信息并提供预警。同时也正在建设智能投研平台,整合大量外部数据,按照投研的研究口径进行指标加工,辅助企业内部的投资研究决策。
我们做了很多数据工具,看起来是未解决一个个场景问题,但是实质上是希望能够通过数据工具满足多层次用数需求。
上述场景中我们通过指标看板、管理驾驶舱等解决了数据可视化的问题,而在另一些场景里,业务临时想看一些数据或者验证一些业务想法,过去的做法是业务给数据团队提需求,数据开发的同学写SQL、取数据。但现在,我们大家都希望能够基于业务同事自身应用数据的技能水平,为其提供不同的数据工具,让他们具备更多数据分析能力。
如业务同事有基本的数据分析概念或使用数据分析工具的技能,我们就会提供一些指标平台、BI工具、数据浏览器等简单的数据分析工具,使其可以有效的进行自助洞察分析。如其具备更高能力,例如会写SQL,就能够给大家提供自助查询平台等,让他能进行复杂数据分析与加工,获得更强大、更灵活的数据分析能力。再进一步如果有代码编写的能力,就会提供数据科学实验室,使其能做数据清洗、加工等,挖掘更深度的业务规律。
在A证券的数字化转型工作推进过程中,我们也发现了一些待解决的问题。例如文化与意识方面,很多人会把数字化转型理解成就是做数字化平台建设或者IT系统建设,认为只是数据团队的事情,这会阻碍数字化转型工作的开展,企业要建设整体的数据文化氛围,高层与员工都要建立数据驱动的意识。员工技能培训方面,要让数据分析工具的使用变成通用技能而不是专业技能,在整个企业加强培训与推广。组织与机制的建设也十分重要,包括企业级的全局数据规划与管理,数据管理权责明细,数据共享与安全的机制配套等。
推动企业成立企业级的数据管理与运营部,统筹规划、建设、管理企业全局数据资产;
启动工作坊和技能大赛,在工作中锻炼和培养员工使用数据和工具的专业技能;
以上内容与证券之星立场无关。证券之星发布此内容的目的是传播更多详细的信息，证券之星对其观点、判断保持中立，不保证该内容（包括但不限于文字、数据及图表）全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关联的内容不对各位读者构成任何投资建议，据此操作，风险自担。股市有风险，投资需谨慎。如对该内容存在异议，或发现违法及不良信息，请发送邮件至，我们将安排核实处理。
