段国圣：国内大型资管机构数字化建设的实施建议

　　意见领袖 | 中国财富管理50人论坛

　　作者：段国圣、迟哲

　　CWM50常务理事、泰康保险集团执行副总裁、首席投资官段国圣近日撰文，对我国大型资管机构数字化建设进行了系统性地思考。

　　文章指出了我国资管行业数字化建设中在数据治理、应用系统、业务流程支持、创新技术应用等方面存在的问题；从海外头部资管公司的数字化建设的经验中，提炼梳理资产管理行业数字化发展的基本逻辑和可行路径。

　　文章认为，中国大型资管机构的数字化转型可以按照二次信息化、数据智能化、决策智能化分步实施；根据数字化转型“三步走”的实施路径构想，文章提出适合国内大型资管机构数字化转型的实施建议：一是实数字化转型的组织与文化保障；二是数据治理先行，夯实数字化基础；三是打造统一应用平台，推动流程在线；四是推动数据中台建设，提升数据分析能力；五是创新技术应用，提升数字化转型价值贡献，助力决策智能化转型。

　　以下是全文。

　　伴随网络化、自动化、智能化为特征的现代信息技术快速发展，数字化建设已经成为资管行业竞争的新高地。数字化将从三个方面重塑资管机构的能力结构与竞争格局：一是提升公司整体的运作效率和承载能力，实现降本增效、业务增量不增人；二是提升财富管理与客户服务的效率，提升用户体验与粘性，支撑产品创新，扩大资金流入；三是提升投研分析效率与投资管理能力，如通过智能技术提升投研数据的处理效率、引入另类数据和因子等直接创造Digital Alpha。

　　数字化转型不进则退，如何使用数字技术对现有的投资研究模式、产品客户体系、风险管控方法、经营运作流程进行深度重构，优化客户与用户体验，提升服务实体经济能力，是当下每个资管机构都必须要面对的课题。

　　一、我国资管行业数字化建设中存在的问题

　　过去20年，国内资管行业蓬勃发展，相比于快速发展的市场规模与客户需求，资管机构内部的科技能力发展偏慢。在内部科技团队无法承担核心系统开发的情况下，信息化建设普遍采用“外购系统+内部运维”的模式。这种模式可以快速支持新业务上线与拓展，但也造成了目前资管机构数字化建设中普遍存在的一些问题，主要表现在：

　　（一）数据治理方面：业务数据孤岛化、质量差

　　实践中，资管机构普遍存在着数据孤岛、数据质量不高的问题。核心业务数据存储于相互独立、不同架构的应用系统中，缺乏统一的数据标准和口径管理，无法实现快速有效的数据汇集，导致难以在不同的业务条线之间构建有效的统合数据应用。

　　其中，主数据管理缺乏全局性考虑、主数据质量较差的问题尤为突出。主数据是指贯穿于业务流程的业务主体数据，它们较为稳定、使用范围广泛、跨多个业务板块和IT系统存在。主数据质量问题与业务流程问题往往相伴相生：由于主数据缺乏治理，导致业务流程难以打通；由于业务流程无法打通，进而又影响到上下游主数据的一致管理。资管行业长期依赖外部数据供应商提供市场主数据，但在内部业务数据如组合体系、账户体系、客户数据、场外品种、私募产品等方面缺乏全局性、高质量的主数据管理，导致业务流程难以贯通，流程衔接效率和效果不佳。

　　（二）应用系统方面：系统烟囱林立、缺乏规划

　　国内资管行业IT系统经过长期的建设，很多公司已经形成了较为体系化的应用系统集群，但因为大量采用外购产品，系统建设、架构升级经年累月叠床架屋，导致缺乏清晰的全局视图与发展路径。即使花大力气进行了规划项目，但由于自主开发能力与科技治理能力不足，规划蓝图无法在实际建设中得到有效实施，导致系统烟囱林立，流程不顺，数据不通，难以快速支持个性化需求，业务承载能力受限。

　　（三）业务流程支持：端到端流程的线上化亟待完善

　　当前，国内资产管理行业内的很多业务流程已经实现了系统支撑，但流程线上化距离实现端到端“流畅高效”的业务体验目标还有差距。一方面，流程管理存在部门化的现象。在系统建设、流程设计方面或多或少都有“康威定律”的影子，业务流程还仅限于业务部门内部线上化管理，难以实现端到端打通，部门间流程还需要手工处理进行衔接。另一方面，线上改造只是简单、机械地复制线下流程，并未根据线上化特点，对原有流程进行优化和变革。这导致很多流程线上化之后，不仅没有减轻业务用户的负担，反而增加了线上操作的工量。久而久之，线上化流程逐步退化，预期中的流程驱动往往蜕变为线上账本，甚至荒废不用。此外，如前所述缺乏全局性的主数据管理也是业务流程难以实现跨部门流转的重要原因。

　　（四）创新技术应用：技术架构相对落后，创新技术应用不足

　　资管机构科技团队普遍缺乏自研能力。资管机构科技团队主要从事项目管理及系统运维工作，信息科技核心开发与分析能力严重依赖金融科技厂商。近年来，随着资产管理机构与互联网渠道的合作越来越紧密，在零售、客服、渠道管理方面，资管机构的自研能力在快速提升，但在投资核心系统方面，依然缺乏自开发能力与大型平台项目经验。

　　数据分析技术架构相对落后。国内资管行业数据体系，基本都是架设在以Oracle系统为主的传统关系型数据仓库上。伴随企业数据规模增长和业务需求的多样化，旧的技术架构无法满足复杂、快速增长的业务需求，特别是在高并发、实时计算与即席查询等应用场景上，对于传统数仓体系进行技术升级已是当务之急。

　　投资领域的创新科技应用处于早期探索阶段。人工智能、大数据等能力在国内资管行业的应用还处在点状尝试的状态，在零售营销与运营自动化方面有较好的应用，但在被给予厚望的投资决策与研究方面，体系化的规划和落地鲜有显著成果，性价比不高。

　　二、海外大型资管机构数字化建设的实践经验

　　比照国内资产管理行业，海外资产管理行业起步早，发展快。伴随着信息技术的快速发展，信息技术的创新不断被应用于资管业务领域，甚至很多技术创新来源于投资业务发展的需要。在此背景下，我们可以从海外头部资管公司的数字化建设的经验中，提炼梳理资产管理行业数字化发展的基本逻辑和可行路径。

　　（一）行业共享的同质化应用平台与机构自建的差异化科技平台相结合

　　海外资管巨头普遍将科技能力视为公司基础能力与核心竞争壁垒。科技平台建设经历了漫长的演变过程，逐步形成了通过行业共享的应用平台支持同质化的业务流程实现提效降本、通过自建的科技平台提升差异化竞争力的基本格局。海外资管行业的通用运营与信息科技基础设施能力比较完备，全面地覆盖了数据、运营、交易执行等同质化业务的平台化和共享化支持。同时，资管巨头的科技能力充分体现在研究分析、投资决策、风险控制、资产定价、量化对冲、客户服务等差异化服务领域，形成独特的核心竞争能力。

　　（二）集中管理的科技平台与分布式管理的科技资源相结合

　　头部金融机构在全球范围内对科技平台进行多维度的集中管理，包括技术架构、数据标准和主干应用平台，较好地解决了流程标准化与数据标准化的问题。而科技资源，特别是面向应用和业务的科技团队，一般采用与业务团队融合管理的方式，通过科技能力前置有效提升了对业务需求的响应效率。基于统一的数据管理平台，科技团队为业务团队提供的解决方案也丰富多样，包括应用模块、微服务、模型脚本、数据接口等，大大提升了技术对于业务的支撑能力。这些得益于统一的数据架构与技术架构，以及业务用户普遍较强的科技应用素养，避免了快速响应构建的应用模块及小工具的混乱和失控。

　　（三）高度重视数据治理，设置专业的团队与平台统筹管理全公司的各类数据

　　头部机构对数据治理都非常重视，由全职的数据团队和技术平台进行各类业务数据的全生命周期管理。特别是在全球主数据、私募产品数据、客户数据等方面，资管机构投入巨大，通过在岸或离岸数据处理中心来实现非标准数据的标准化管理，并在全球范围内进行共治、共建与共享。

　　（四）强大的数据分析能力融入生态建设，形成差异化竞争能力

　　海外头部资产公司均有专职的数据科学团队为投研、客户、产品、风控等业务团队提供专业高效的数据分析服务，数据分析的服务方式涵盖分析应用、模型开发、数据接口服务等多种类型。通过业务科技共建共享，强大的数据分析能力通过模型、因子与指标逐步沉淀和固化到业务平台中，并通过平台向客户开放进而成为差异化竞争力之一，在资产配置、风险控制和定价方面效果尤为显著。

　　（五）大数据与人工智能技术得到全面应用

　　大数据与人工智能技术在海外机构得到深入应用，在销售支持、客户洞察以及投研效率提升方面效果明显，也形成了基于另类数据的系统化投资体系，特别是在对冲基金和因子化投资方面。但对于大规模主动投资而言，AI技术更多是辅助性而非颠覆性，其目的是将投资专家从例行重复工作中解放出来，给他们提供更加快速、全面、有价值的信息，从而实现更好的投资结果。

　　三、国内大型资管机构数字化建设路径思考

　　大型资管机构数字化建设需要整体规划、分步推进。一方面，各资管机构应该根据自身业务战略、发展阶段、能力禀赋及对科技趋势的理解，明确数字化建设的总体蓝图，并建立持续的跟踪与评估机制，对于规划落地实施的内容、效果和方向进行评价和调整，确保“一张蓝图绘到底”。另一方面，数字化转型是一项涉及数据、技术、流程、组织等要素的长期系统性工程，需要兼顾长期业务价值与短期业务赋能设计合理的实施路径，有序、分步推进。在笔者看来，中国大型资管机构的数字化转型可以按照二次信息化、数据智能化、决策智能化分步实施。

　　简单来说，二次信息化是在统一的系统规划和数据治理体系基础上，构建与整合核心系统平台，提升各项业务流程的自动化水平，解决业务痛点，提升业务承载能力。数据智能化的核心是建设共享的数据中台、提升数据分析能力，为各项业务提供便捷、智能的数据分析支持。决策智能化则是数字化转型的高阶阶段，其本质是推动业务模式、业务逻辑的系统化、平台化，这一过程必须由业务团队深度参与、主导推进。业务模式和逻辑的系统化是实现决策智能化的前提条件。

　　值得注意的是，二次信息化、数据智能化和决策智能化三步走，并非时间上的先后顺序，而是数字化的理念与逻辑渐次向业务流程渗透的过程。三步走的方式总体上遵循了先易后难的基本逻辑，但实践中可结合业务特点与IT资源投入情况有选择的并行推进。

　　从资源投入角度，三步走的方式同样强调在构建资管机构长期竞争力和解决业务眼前痛点之间寻求平衡。二次信息化、数据智能化工作的推进可优先解决用时短、成本低的数据和系统功能问题，从而在数字化转型初期充分调动业务团队参与数字化转型的积极性，为数字化转型“积攒人气”。

　　（一）二次信息化：以数据治理和平台建设为抓手，推动信息化水平再上台阶

　　经过多年建设，国内大型资管机构普遍建立起能够支持业务运作的基础信息化平台，也存在前文提到的烟囱林立、数据孤岛等问题。二次信息化的核心含义，就是针对此类痛点，以“数据治理+应用平台化”为抓手，构建公司级系统，推动端到端的流程线上化，提升工作效率与数据质量。

　　第一，系统推动数据治理体系建设。数据治理是系统平台建设和数据中台建设的基础前提。数据治理在行业内不是新鲜事，但达到预期效果的数据治理项目不多。加强基础数据的治理能力，特别是贯穿于各业务流程的主数据的治理，才能为跨领域流程打通、数据整合与协同分析打牢数据基础。

　　第二，构建公司级系统平台，实现业务流程的端到端闭环支持。国内资管机构所需的IT系统数量繁多，仅通用型系统可多达20余个，考虑其他专用系统与应用模块，数量可能成倍增长。要打破系统烟囱林立的状况，就必须着力构建公司级系统平台，实现在投资管理、产品管理与客户管理全流程的平台支撑。一方面，要通过推动主干流程的横向打通，实现数据共享、运作提效与风控前置；另一方面，通过提升系统内在自动化水平以及引入RPA等自动化工具，来提升垂直业务领域的操作自动化。

　　（二）数据智能化：推动数据中台建设，打造数据分析能力

　　数据智能化是智能化的初级阶段，核心抓手是推动数据中台及智能分析平台建设，从数据角度为业务拓展、客户服务、投资分析与风险管理等各项业务赋能，提升组织效率。

　　例如，如果我们把投资经理和研究员看成厨师，他们的工作对象——不同来源的内外部数据和资讯就是食材，那么数据中台的建设就是要打造一个高效的中央厨房，为大厨们解决“洗菜、配菜”的问题，显著提高他们的工作效率，帮助他们专注于“炒菜”的核心价值贡献环节。具体而言，数据智能化可以从三个方面推进建设：第一，在扎实的数据治理体系基础上，构建企业级数据中心，实现包括小数据与大数据在内的统一数据服务能力。第二，加强数据分析能力与业务场景的结合，特别是风控分析、客户洞察、以及经营管理方面，在业务端建立数据驱动的分析与经营能力。第三，开发标准化的数据分析工具，为业务团队提供灵活、便捷的数据查询与分析功能，利用新技术提升可视化分析体验。

　　（三）决策智能化：以数字化转型推动业务模式的系统化、标准化演进

　　决策智能化是数字化转型的高级阶段，工作重点是推动业务模式的数字化变革。特别是通过数字化能力对投资业绩直接产生积极效果，被视为是资管行业数字化转型的“圣杯”，头部资产管理机构无不在此领域进行尝试，试图构建与其他机构差异化的领先优势。

　　在三步走的数字化转型路线图中，决策智能化对业务模式变革的要求最高。与二次信息化、数据智能化相比，决策智能化阶段的数字化建设更加强调坚持业务导向——数字化建设是业务模式系统化、标准化、平台化演进的辅助手段而非目的。在具体推动过程中，应以业务逻辑特征为依据，把握决策智能化建设的优先级。例如在投研领域，对于宏观研究、利率研究等系统化程度较高的总量研究领域和信用评估等标准化程度较高的领域，可以作为试点率先推进、甚至超前建设；而在个股、个券研究等个性化程度较高的领域，则必须结合业务模式转型统筹推进，切忌为数字化而数字化、简单的将工作内容和流程线上化，反而可能对业绩产生负面影响。

　　四、国内大型资管机构数字化建设的实施建议

　　我国大型资管机构在数字化建设理念、IT系统生态建设、数据分析能力、创新技术应用等方面相比国际同行仍有明显差距，必须跳出传统系统建设的固有思维，推动一场全面数字化的战略转型。根据数字化转型“三步走”的实施路径构想，结合笔者多年来在资管机构数字化建设中的实践探索，提出适合国内大型资管机构数字化转型的若干实施建议。

　　（一）夯实数字化转型的组织与文化保障

　　1．凝聚数字化战略共识

　　数字化转型是一个战略选择，需要在整个组织形成战略共识。战略共识是最大的执行力。第一，需加强数字化整体规划和路径设计，明确数字化建设蓝图，有步骤、有计划地推动数字化转型。第二，必须确保数字化转型资源投入，在科技数据团队建设和关键人才引荐上下大力气。科技条线需要提升微服务、容器化、分布式、敏捷开发等基础技术能力，同时建立与技术架构升级相匹配的运维开发一体化能力，构建数字化转型的技术底座。第三，推动数字化转型需要既懂技术也懂业务的复合型人才，如有必要，可以成立由复合型人才组成的全职数字化转型工作小组推动相关工作开展。同时，应鼓励跨界合作和业技融合，在技术创新领域形成和提倡“不厌恶风险、不问责导向”的管理文化。

　　2．强化数字化领导力

　　数字化转型的本质和目标是业务价值链的重塑与管理模式的变革，因此强化数字化领导力、推动内生改革，就成为数字化转型成败的关键。第一，构建数字化转型领导组织。公司一把手需要深度参与，在数字化战略方向把控、构建转型领导组织、确保资源投入等方面发挥领导决策作用。各业务部门负责人应当是本领域数字化转型的第一责任人，在积极推动业务决策变革方案等方面发挥重要作用。此外，应当构建完善的科技治理架构，成立专门的委员会及工作组织，负责制定数据科技战略，推动数字化转型战略落地。第二，强化“企业架构”的总体设计与落地。企业架构是包含业务架构、应用架构、数据架构和技术架构在内的一整套基准体系，描述了公司业务模式、流程体系与支持IT架构，作为转型的基准、共识的载体以及沟通的靶子。应该重视对于企业架构的全生命周期闭环管理，确保公司企业架构设计符合经营环境、业务战略及前沿技术趋势。为数字化转型奠定良好基础。

　　3．促进业务技术有机融合，以IT效果评价促进IT效能提升

　　通过制度与组织设计，加强业务团队与技术团队深度融合，特别是对业务场景与需求的反复讨论，理清业务的痛点、痒点，确保需求与解决方案的合理、有效。对于数字化成果，科技部门需要加大培训及推广力度，引导业务用户积极使用系统、主动反馈问题，业务部门也要多用多试多反馈，形成技术与业务的良性互动。在此基础上，构建科技成果的评价与跟踪体系，特别是关注新建系统的使用量、点击率、问题反馈量、系统迭代频次等，通过对于这些指标的分析，促进快速优化迭代，真正提高系统的生命力。

　　（二）数据治理先行，夯实数字化基础

　　资管机构可在如下方面着重推进数据治理工作：

　　第一，明确企业级数据管理组织和领域数据责任人职责。数据是无形资产，类似公司的各类有形资产，数据资产也需要明确资产属主、生产者、消费者等部门与岗位，并明确权责。这是数据治理的关键，也是难点。

　　第二，以解决业务痛点为目标作为数据治理的切入点。数据治理领域庞大、千头万绪，需要找到业务用户的核心痛点，以实现难易度和价值贡献度两个维度来综合衡量，优先处理那些见效快、实施成本低的数据问题，快速建立业务用户对于数据治理的获得感，推动业务用户的参与积极性。所有成功的数据治理离不开业务价值拉动，离开了业务价值的数据治理一定不会成功。

　　第三，配合流程平台主干道建设，推动主数据治理。主数据治理与业务流程梳理息息相关。在推动主数据治理时，必须依托流程线上化，明确业务属主和数据属主，推动主数据的统一管理和运维，实现一处生产、多处使用，并对主数据在多个系统中的应用情况进行定期的质量检查，实现主数据的闭环管理。

　　第四，重视数据治理平台的建设。数据治理不可能一蹴而就，需要持续管理与优化，因此必须将数据治理框架、方法与流程内置到数据治理平台中。数据治理平台一般包括主数据管理、数据地图、数据血缘、数据质量、数据资产目录、数仓建模规范化管理等功能，通过系统化平台的支持，确保数据治理持续有效。

　　第五，重视数据治理文化的建设。数据治理方法框架和制度规范的有效性，还依赖于公司整体对于数据治理理念、数据分享价值、数据治理方法的一致认同，这要求公司必须形成数据治理的文化、推广数据分享理念。

　　（三）打造统一应用平台，推动流程在线

　　为解决系统割裂、烟囱林立的问题，考虑国内资管机构的业务实际，二次信息化应围绕4大主干流程推动业务流程线上化。

　　1．多资产端到端的投资管理平台

　　大型资管机构资产管理规模大、投资策略多、账户结构相对复杂，构建多资产、全口径、端到端的投资管理平台是支撑大规模投资管理的体系化运作的基础。除传统交易功能外，完善的投资管理平台可实现指令管理（包括场外品种、非标品种）、组合管理（多维度风险与绩效分析）与合规管理（支持个性化合规要求）的线上化与标准化，为投资经理提供一站式的信息分析决策支持，有效扩大投资经理的管理半径。投资管理平台中的指令管理、风险管理需要充分考虑非标资产指令的标准化、多资产管理的统一视图以及ESG投资的管理要求，以满足多元化投资管理的需要。

　　2．覆盖客户全旅程的财富管理平台

　　为满足客户经营、销售服务支持、客户体验管理等职能，财富管理平台应包括客户触达、客户管理、交易支持、销售管理、营销管理、客户调研等核心模块，实现客户旅程的全覆盖。通过知识图谱等创新技术的应用，还可以实现客户信息与业务关系的图谱化，进而实现包括客户关系在内的“全部外部关系”的集中管理，为销售机会和持续营销提供更加精准的决策支持。

　　3．全生命周期的产品管理平台

　　产品管理平台包括产品管理、合规风控、运营管理等操作版块，可以实现产品相关事务操作和管理的线上化，具体包括：第一，产品设计线上化，包括产品需求、要素、合同、报备、信披的线上化；第二，产品决策线上化，包括产品创意、决议、执行归档的线上化；第三，产品管理线上化，贯穿产品、运营、投资、风控等业务环节，以流程驱动进行数据的分发和同步，解决产品全生命周期管理过程中的风险与效率问题；第四，产品评估的线上化，在产品设计、产品表决、产品管理线上化之后，可以实现对产品进行多维复盘，包括产品营销回顾、业绩分析、持有人分析、策略分析等。

　　4．超自动化运营管理平台

　　运营管理平台是提升资产管理机构运作效率、控制操作风险、支持业务创新的核心平台。运营体系通常是公司系统化程度最高、对系统依赖性最强的版块。行业普遍采用第三方产品实现估值核算、注册登记等标准化业务，但产品之间的流程与数据联通却存在较大空白。在此背景下，可以从以下五个方面构建超自动化的运营管理平台：第一，推动第三方产品的效率提升与消息接口开放，以实现与其他系统的高效链接；第二，自主开发满足个性化需求的流程驱动平台，通过高度可配置的流程引擎，实现异构系统的流程对接，打通自建系统与外购系统的运作流程；第三，通过指标核对引擎，实现全域数据核对自动化，降低业务强度与运营操作风险；第四，发展RPA数字化员工平台，通过RPA实现异构系统联动、外部系统拟人操作及非结构化文件文档处理等，实现运营体系内空白领域填补；第五，构建一体化运营管理分析平台，将分散在不同系统和流程中的运营状态和消息数据集中统一起来，进行监控与管理，最终实现数据决策、流程驱动、事件触达的一体化运营管理平台。

　　（四）推动数据中台建设，提升数据分析能力

　　资管机构的数据中台应该是一个公司级、平台化的数据共享服务中心，目标是构建内部小数据与外部大数据的“中央厨房”。数据中台应当具备如下能力：

　　第一，统一的数据服务平台：数据中台汇总了投资端、财富端、风控端、运营端、经营端等业务领域的贴源数据，通过主题建模，形成面向主题的数据视图与指标体系。数据服务平台应支持自定义数据API构建，允许业务系统通过调用API获取数据，同时对开放的API进行统一的管理和发布。

　　第二，统一的数据分析与开发平台：面向数据科学、产品客服、运营分析和开发人员等提供交互式自助分析平台，支持通过图形化界面和统一的SQL语法对各类数据进行查询，支持跨源、跨库关联查询，从而覆盖绝大多数查询分析场景。面向开发人员，提供一站式、可视化的数据开发平台，支持离线分析开发和实时流式数据开发，提供统一的调度工具和监控平台。

　　第三，高效的大规模分析计算平台：大型资管机构投资组合数据规模可观，组合查询分析功能可能面临性能瓶颈。数据中台需要通过技术架构升级，实现对超大规模的组合查询分析的支持，例如，通过大数据分布式处理机制，实现批量数据的分布式ETL处理和清洗，辅以大数据体系下完善的任务调度机制，构建清晰明确的数据流程图；再如，引入大数据体系下的OLAP查询引擎，提供海量数据即席查询的秒级响应。

　　第四，支持数据安全管理。数据中台构建后，容量与维度都有较大提升，安全问题更加突出。在构建数据中台的同时，需进一步加强数据安全建设：一是防泄漏，构建完整的数据权限体系和统一鉴权体系，强化数据使用的授权管理和审计管理；二是防攻击，形成网络安全、平台安全和数据安全一体的技术防护环境，强化终端安全加固、办公体系安全管理等高危领域，形成综合可控的立体防护机制；三是强监控，对于数据应用、数据服务、数据访问、数据提取等环节进行详细的、例行的监控、分析、管理和预警，建立数据异常应用的技术溯源能力。

　　（五）创新技术应用，提升数字化转型价值贡献，助力决策智能化转型

　　决策智能化是数字化转型的终极目标。为了实现这一目标，一方面需要业务团队探索推动业务模式的系统化、平台化演进，另一方面，要积极探索各类创新技术应用，助力决策智能化转型。下面主要探讨投研决策智能化方面的系统建设与创新技术应用。

　　1．可组装智能投研分析平台

　　传统的投研系统以满足研究过程与合规管理需要为主，对投资研究框架与体系的支持明显不足。为真正推动投研框架与流程的线上化，实现研究体系的线上沉淀、迭代，自研系统的必要性更高。系统建设过程需要科技团队与业务团队反复探讨，对研究过程进行解析、抽象和再重构。数字化投研产品应当灵活支持包含数据、指标、分析框架与成果互动等核心要素的按需组装，能够帮助研究员实现研究框架自定义构建、研究逻辑图形化表达与研究体系持续更新，实现与投资团队之间、研究团队内部的高效分析与互动。

　　2．金融垂直领域智能搜索引擎

　　金融垂直领域搜索引擎的引入可以帮助研究员大幅提升信息检索和收集的效率，也增强了投研系统平台对业务用户的吸引力。打造一站式智能投研搜索引擎，需要精准整合海量信息空间，将结构化的指标数据、半结构化的新闻公告、用户互动等文本数据，以及非结构化的研报、图表、投研框架、量化模型等投研信息，打通合并到一个搜索引擎下，底层数据和信息来源不仅要涵盖了万得、财汇等外部数据服务商，通常还要包括各级各地政府网站、各行各业的卖方数据、公司内部研究积累的历史数据和投研模型，以及投研平台上各种文档或图表解析算法、数据分析算法所输出的各类数据等。在搜索引擎和推荐算法的设计方面，需要运用深度学习、自然语言处理等技术，构建基于语义理解的搜索引擎。与传统基于关键词匹配的搜索引擎相比，语义搜索引擎在语义空间中进行搜索，指向性更强，通常针对特定知识领域建立相应的语义空间，更适合于某一垂直领域下的特定语义场景。

　　通过海量数据整合与搜索引擎算法优化，投研搜索引擎能够根据投研人员输入的搜索关键词，理解其背后真实的搜索意图，同时返回指标、研报、图表、新闻舆情、投研框架等多种信息，供用户参考。

　　3．基于知识图谱的投研分析框架体系

　　投资研究本质上是研究市场对企业的定价。知识图谱可以最有效、最直观地表达出实体间的关系模型。随着各种基本面的数据、公告数据、研报数据、工商数据等都逐步实现结构化、图谱化，在投资领域构建金融领域知识图谱，以支持行业研究、产业链研究、信用风险预警等研究体系将是投研平台的终极模式。基于知识图谱的投研体系，将融合数据、框架与经验，将研究员的知识、经验、方法论进行复制和重用，沉淀研究框架，探索深度关系的发现。

　　数字化转型是一项长期系统工程，它不仅是针对业务流程的“科技赋能”，更是业务模式、业务逻辑的重塑与再造。国内资管机构的数字化建设仍处于早期阶段，道阻且长，行则将至，行而不辍，未来可期。相信这场数字化转型的浪潮能够帮助中国资管行业不断降本增效、改善客户体验、提升服务实体经济的能力，走向真正的高质量发展。

　　（作者：段国圣，泰康保险集团执行副总裁、首席投资官；迟哲，泰康资产首席技术官）

　　本文原发于《保险研究》2022年第3期

　　(本文作者介绍：中国财富管理50人论坛（CWM50）于2012年9月16日成立，是一个非官方、非营利性质的学术智库组织。论坛致力于为关心中国财富管理行业发展的专业人士提供一个高端交流平台，推动理论、思想、创新和经验交流，为相关决策与研究机构提供理论与实务经验参考，进而为财富管理行业的发展提供不竭的思想动力，最终对中国金融体系的优化产生积极影响。)