【金融科技专题报告】金融科技如何助力券商转型？

爱卡网小编 · 发表于 2022-8-26 16:25:00

中国资本市场研究院研究员匡继雄
近年来，随着人工智能、大数据、云计算、物联网等信息技术与金融业务的深度融合，金融科技已逐渐成为推动金融行业转型升级的新引擎，深刻影响着传统金融机构的经营和管理模式，持续重塑包括银行、券商、保险等机构的金融服务新业态。
2020年12月29日，中证协互联网证券委员会举办了以“金融科技战略下证券公司数据中台建设”为主题的线上交流会。与会专家认为，证券公司应建立统一的数据中台，实现公司内部数据统一、模型统一、服务统一，促进数据作为经营要素在公司有序流动，从而推动证券公司在业务、运营及管理等方面向数字化、智能化转型。何为数据中台？券商数字化转型的痛点是什么？券商智能化转型需要什么样的基础设施？中国资本市场研究院在系统论述数据中台产生背景的基础上，尝试探讨证券行业在数字化转型过程中，从数据中台升级到智能中台必要性，梳理国内头部券商的具体打法，提出券商智能中台建设相关建议，为业界提供决策参考。
证券行业数字化转型为什么需要“中台”？
数字化转型背景下企业价值链和管理模式变化催生中台需求:
1.数字化浪潮下客户需求变化带来企业价值链改变
随着以大数据、云计算、区块链、人工智能、移动互联等为代表的数字化技术发展，客户的需求行为变得更加个性化和多元化，更加追求服务体验，客户在不同商家间的流动也更容易，这决定了企业必须由原来以“产品为核心”的管理价值链转变为“以客户需求为核心”的管理价值链，重点是快速响应客户服务需求。
2.数字化技术发展驱动企业管理模式转型
数字化技术的发展使得数据的流动不必再遵循自上而下或自下而上的等级阶层，极大地颠覆了企业传统的金字塔型管理模式，企业组织管理逐渐由以流程为主的线性范式向数据驱动的扁平化协同化范式转型，形成信息高效流转、需求快速响应、创新能力充分激发的管理新模式。
3.中台顺应而生
中台是相对于前台和后台而言的。前台需要满足前端客户的多样化需求，讲求快速创新迭代；后台储存了复杂的数据资源，是企业运营的基石，需要稳定运转。前台和后台的关系就像两个不同转速的齿轮，中台的存在，就像在前台和后台中间添加的一组“变速齿轮”，为前台与后台搭通桥梁，匹配速率。一方面将早已臃肿不堪的前台系统中的稳定通用业务能力沉淀到中台层，为前台减肥，恢复前台的响应力；另一方面将后台频繁变化的业务能力抽象整合为前台可复用、可共享的核心能力，打破“烟囱式”、“项目制”系统之间的集成和协作壁垒，赋予这些业务能力更强的灵活度和更低的变更成本，最终提升企业的组织效能。目前证券行业在数字化转型过程中主要面临管理模式落后、组织架构落后等痛点，亟需中台赋能，提高响应客户的能力：
1.管理模式落后
数字化转型背景下企业管理内涵应从管控转向赋能、从条线走向融合，需要技术与业务、部门与部门、总部与分部、集团与子公司多股力量拧成一股绳，但目前不少证券公司的管理还停留在层层加锁的金字塔形管理模式，存在形式管理重于实质管理的问题，合力尚未形成，各个主体的协同机制难以有效建立，导致其既难以快速响应客户需求和市场的变化，也无法发挥风险管理等内控能力。
2.组织架构陈旧
面对日益多样化、复杂化和综合化的客户需求，科技开发人员可通过新技术重新定义业务需求的实现方式，证券公司各类业务的边界也随之不断模糊，但券商的组织架构多以牌照为中心，灵敏度相对较低，无法做到快速响应客户需求。
数据中台是券商中台建设的起点
在数字经济时代，企业业务、客户和管理均运行于大数据之上，数据为基础生产要素，是业务系统的核心，数据的响应能力、处理能力决定了业务效率和管理效能，因而证券公司中台建设中的起点为数据中台，并处于核心地位。
1.数据中台的定义
数据中台是一个集数据采集、融合、管理和分析为一体，把可以复用的能力放在一起，用统一标准和口径，向前台业务部门和决策部门以 API 的方式提供数据和计算服务的整体平台,是链接前台业务系统和后台数据系统之间数据和能力的一条快速通道。由于有中台的支撑，解决了数据的存、通、用难题，各类开放服务可对前端应用的快速变化做出响应，达到减少冗余、增加复用、快速响应客户需求的目的。如果将企业数据比作池子里的一堆积木，在没有数据中台之前，想要调用某些特定数据，就需在积木池里从头到尾寻找那块特定的积木，运气好的时候第一块就是想要的，运气不好的时候要把所有积木都要翻一遍；有了数据中台之后，其将对所有积木按照形状分类，企业在需要特定数据的时候，数据中台直接提供相对应形状的积木，效率大幅提升。
【金融科技专题报告】金融科技如何助力券商转型？

2.数据中台的四大作用
一是数据汇聚，承上启下。数据中台策略的基本理念是，将所有的数据汇聚到数据中台，以后的每个数据应用全部从数据中台获取数据。二是提供复用能力。数据中台通过对通用业务逻辑抽象包装后，转化为前台可复用共享的核心能力。三是降低试错成本。数据中台具有快速编排、组合服务的能力，可以以较小的成本投入来构建一个新的前端业务，即使失败了，企业损失也很小。四是提高创新能力。数据中台能够帮助企业用数据思维从不同角度发掘业务价值，并将业务价值转变为用户易懂、易用、易理解的东西，形成发展新动力。
3.建设数据中台的难点
企业建设数据中台面临的难点在于大量多模数据的采集、融合和管理等层面上。采集要面对多模异构的数据形态；融合要面对各种业务领域；管理要在安全可信的前提下，实现数据共享使用，这些均需要强大的技术平台和深厚的业务领域知识积淀。
数据中台升级到智能中台是必然趋势
企业数字化转型的本质是敏捷智能地支撑创新业务需求，证券公司需利用金融科技进行将数据中台升级到智能中台：
一是随着企业数据规模及复杂度的增加，需借助智能化技术进一步深入挖掘数据价值。随着数据中台可获取的数据越来越多，对其中有价值信息的辨识、数据关系的发现、数据趋势的把握都将变得越来越困难，必须借助智能化的方法对大数据进行分析，才能提升业务，进而做到业务创新。由此可见，智能化是企业数据化发展的方向，数据中台必须向具备智能化能力，为业务、管理实现赋能的方向演进。
【金融科技专题报告】金融科技如何助力券商转型？

二是业务竞争及客户需求的不断升级，需要数据中台提升智能化水平。除了基于数据自底向上的智能化驱动以外，随着业务竞争的日趋激烈及客户需求的不断升级，驱动业内开始形成自上而下的企业智能化理念，通过迅速将前端变换的业务场景和后台强大的数据分析能力结合起来的能力，实现数据中台智能化水平提升，来满足客户个性化服务需求和企业管理需求。
三是借助AI技术，将数据中台与应用场景紧密结合，打造智能中台。智能中台是在原来的数据中台基础之上叠加一层AI算法，通过这些算法来学习预测前台业务场景中的服务及管理需求，实现AI技术与前台场景的紧密结合，智能化解决企业客户服务、业务开发等决策需求。
【金融科技专题报告】金融科技如何助力券商转型？

IDC研究显示，预计到2022年，全球数字经济占比达60%，中国数字经济占比达65%，数字化将为经济的发展贡献巨大价值，智能中台正成为实现数字经济的基础设施。一个合格的智能中台需要具备三种能力：一是数据模型能力。在业务层面，80%的共性问题由业务抽象解决，20%的个性问题由开放的系统架构解决，但为避免业务逻辑之间的冲突，需要把平台上的业务逻辑分开，这在智能中台表现为数据的中心化，即数据的高内聚、低耦合，需对共性问题抽象出业务规则，建立数据模型。二是 AI 算法模型能力。要实现数据业务化，需要通过算法模型从数据原油中提炼可以使用的汽油。三是行业应用能力。和数据中心化类似，数据业务化需要很强的行业经验来指导，建立合适的业务场景，在场景里面去使用数据，从而体现数据的价值。
证券行业六大应用领域亟需智能中台赋能
目前证券行业随着市场竞争加剧、客户需求进阶、资本市场监管要求细化，证券公司在业务发展和管理提升方面面临的痛点日益增多，以人工智能等金融科技为支撑的智能中台，可通过对信息数据的理解和处理能力，大幅提高证券行业的服务效率、服务质量和管理水平，进而提升企业核心竞争力。目前证券公司对建设智能中台有明显需求的应用领域主要有以下几种：
1.智能营销
以身份信息、消费数据等多层次数据为基础，利用智能中台洞悉客户、挖掘需求，对客户经历的每一个业务环节和场景进行关联分析和有效引导，实现贯穿全客户生命周期的智能营销方案。
2.智能服务
一是智能投顾方面，基于客观数据，通过金融科技将投资逻辑固化为系统规则，避免人为主观性，为客户提供标准化的资产配置模型和基金组合服务，实现客户长期稳定的资产增值目标，同时通过标准化服务降低基础服务的人力成本，降低投资者资金门槛，提升客户服务覆盖率和有效性。二是智能客服方面，智能机器人结合自然语言处理技术、语义分析等新技术应用，可精准识别用户咨询意图，实现基础知识问答、业务办理指引等功能，实现客户服务模式由传统的向APP、官微等全渠道智能服务模式的转变。三是线下智慧网点建设方面，通过VTM（远程视频柜员机）、机器人提供全方位现场服务，基于人脸、声纹、虹膜识别等技术实现客户识别、自动匹配服务，实现线上线下跨渠道服务协同，提供一致性的客户体验。
3.智能投研
智能中台通过基于自然语言处理技术，从网络文本中获取数据，基于深度学习等学习算法对获取的各类数据进行分析预测，建立财经新闻、公司公告等文本事件与相关资产在金融市场中表现的关联，迅速判断市场中出现的各类机会，整个投资逻辑自动演绎，并能对投资的风险点进行归纳总结，建议资产的最佳买入和卖出时间点，为客户制定个性化投资参考。
4.智能投行
一是利用大数据模型分析市场利率波动和行业风险等因子，基于分析结果确定合适的发现价格、发行规模、承销方式等；二是利用大数据分析投资者市场行为，设计受市场欢迎、迎合投资风险偏好的证券；三是利用网络爬虫等技术对海量的工商、监管、投融资、新闻资讯等各方面信息进行整合处理，实现资本市场产业链相关客户的挖掘，带动投行综合化联动营销；四是以市场大数据为基础，通过推动大投行体系客户信息、项目信息等大数据化，洞察业务机会，为投行客户开发及客户关系维护提供决策依据。
5.智能风控
利用大数据技术收集和分析风险及其来源、特征、形成条件和潜在影响，为风险计量提供科学和准确依据；通过人工智能技术，对首次公开发行申报材料、法律文件和财务报表等金融文档进行半自动化检查，降低文档的不一致性和出错概率；通过智能中台把所有风控数据进行规整和一体化，将AI能力输出到传统的信用风险、操作风险、市场风险、流动性风险等模型。
6.智能运营
一是财务操作智能化。包括财务系统中的流程性操作、发票等实物票据识别、结构化数据抽取等。二是文档审核智能化。采用“人机同行”的方式实现包括招股书、债券募集书等投行文案撰写、文档摘要生成、财务报表勾稽关系校验、跨文档要素审核、企业估值模型优化等工作。三是智能运维。运用运维大数据和人工智能技术提升运维操作、故障定位分析、安全态势感知等领域的智能水平，实现无人值守、自适应处理。
龙头券商智能中台探索经验借鉴
目前国内多数证券公司意识到金融科技浪潮所带来的发展机遇，纷纷将金融科技发展战略提升到企业战略规划高度，其中国泰君安、华泰证券等龙头券商在建设数据中台方面积极推进，将客户、业务、管理等数据化，打造一个能沉淀所有业务领域资源和能力的强大数字化中台。以国泰君安为例，其在业务智能化的过程中探索了以下应用场景：
1.智能营销
公司利用人工智能进行模型匹配，促进营销方式从以人为核心转变为以数据为核心；依托标签体系建立用户画像和客户画像，完成了千人千面的精益化零售客户服务体系的构建；基于3A3R（感知Awareness、获取 Ac、活跃Activation、留存Retain、营收Revenue、传播Refer ）指标体系实现了互联网业务全数字化运营，有效指导短名单精准营销，提升交易客户转化率，大幅减少了营销资源的浪费。
2.智能服务
公司对三千多万客户进行分级，把客户分成五个等级，打上不同的标签，目前客户画像已有一万多维，并基于此进行线上线下融合。线上的君弘手机APP，服务人员利用人工智能技术开发智能客服，目前96%的请求由机器人应对，智能投顾中心98%以上也用人工智能来解决，在线下投教基地中引入了VTM、人脸识别、实体机器人等技术，加快网点智能化建设、进一步探索与虚拟现实相结合的网上营业厅、优化O2O服务流程。
3.智能投研
研究报告方面，公司要求所有研究报告数据通过IT进行收集，提升了研究员的工作效率，大幅缩短报告撰写时间；投资方面，公司与专业机构合作推出智能投研服务，基于知识图谱分析资本市场复杂信息间的内在关联，基于机器学习和预测实现从事件到投资观点的一步跨越。
4.智能投行
公司通过建立上市公司知识图谱、对IPO文档词法进行分析与纠错、勾稽关系校验等自动优化企业估值模型，加快投行从数字化走向智能化。
5.智能风控
公司完成了专业风控系统的一体化整合，建立了跨母公司、子公司的集团级风控数据湖，并完成了子公司风控全景视图展现。基于大数据平台实现了互联网业务实时反欺诈，在交投领域实现了实时市场风险监控，为线上综合金融服务提供自优化信用风险模型。
6.智能运营
公司着力推进财务、法律、合规智能工具建设，重点实现电子合同与实物校对、财务数据录入与校验、解读非结构化文案等功能。建立了集监控、分析、操作等为一体的大数据自动化运维平台，结合机器学习开展网络安全态势感知模型建设。
券商推进智能中台建设的几点建议
1.提升数据治理能力
证券公司的系统主要按照牌照和部门建设，缺乏统一规划，且不同部门对数据的定义和使用存在较大差异，每个部门都会有业务数据的产生、保存、使用等环节，内部各业务条线存在较严重的“数据孤岛”现象。证券行业在市场与客户细分、金融产品定价、风险管理、内部精细化管理等方面对数据均存在迫切需求，数字化能力将是其未来的核心竞争力，数据治理是一项基础性工作，能力亟待提升。
2.建设集中统一的数据中台
数据中台的建设由于需要集中企业内外部所有数据、产品与技术，寻找到可复用的能力进行沉淀，所以在系统建设上要保持唯一性，做到功能统一。功能强大的数据中台需要具备应用精准营销、智能风控、智能投研等多种智能化服务的技术能力，以及企业客户、业务、管理等数据资产的管理能力，做到数据应用灵活组装、数据服务稳定高效，进而为智能系统学习进化、业务应用快速上线奠定基础。
3.挖掘多样化的应用场景
一是应用场景越多，智能中台的能力越强。智能中台的能力最终由汇集的数据种类和数量决定。智能中台之上的各种应用场景所产生的数据会不断反馈到智能中台，应用场景越多，提供的数据种类和数量也就越多，智能中台的能力也会越来越强。二是较多应用场景会降低建设智能中台的成本。据有关资料介绍，如果企业数据应用场景数量大于3至5个，智能中台将整体上节约30%的成本，随着数据应用场景的增长，这样节约的成本还会更大。目前证券行业主要有以下智能应用服务场景：
【金融科技专题报告】金融科技如何助力券商转型？

4.组建专业化水平高的团队
智能中台项目是一个企业级的变革项目，需要有相当专业的团队来完成，通常包含以下角色且缺一不可：一是数据治理和分析团队。在解决数据质量和安全问题的基础上深入挖掘数据，产出业务逻辑，生成大数据资产，为业务服务。二是数据中台建设团队。负责数据中台的功能层开发、数据服务开发和中台系统的运营。三是智能算法团队。为数据分析、业务探索提供智能工具和算法工具。四是业务专家团队。了解业务、梳理业务场景，确定数据资产与业务场景的一一对应关系，判断业务场景的优先级，为智能中台的建设提供依据。
5.预算层面加大金融科技专项投入
智能中台作为券商利用金融科技进行智能化转型的核心武器，建设周期长，涉及费用高，需要证券行业加大信息技术投入。据中证协数据，2019 年证券行业的信息技术投入达 205亿元，同比增长 10.5%，但与银行、保险等其他金融机构以及国际投行同业相比，投入力度依旧不足。我国银行业、保险业2019 年信息技术投入分别为 1730 亿元、330 亿元，是证券行业信息技术投入的 8.4 倍、1.6 倍；摩根大通、花旗集团2019 年度信息技术投入分别达 685.1 亿元、493.7亿元，是我国证券全行业信息技术投入的 3.3 倍、2.4 倍。
【金融科技专题报告】金融科技如何助力券商转型？

6.制定合理的项目目标
制定合理目标是项目成功的基础。证券公司在构建智能中台之前，一定要进行咨询规划，对标企业中长期发展战略，梳理业务现状，摸底企业技术和数据现状，制定出合理的、可行的、有价值的中台实施路线。如果证券公司不清楚中台到底要解决什么问题以及如何解决，贸然启动智能中台项目存一定风险。
券商建设智能中台面临的难点
1. 高端人才储备不足
智能中台需在原有数据中台基础之上叠加一层人工智能算法，但我国人工智能领域的发展时间还较短，学术界、产业界的高端人才储备不足，且已被头部企业瓜分。
2.智能化应用场景理解能力欠缺
智能中台的建设必须与智能化应用场景需求相结合，但证券行业业务和流程非常复杂，证券业务人才不懂技术，技术人才不懂证券业务的现象较为普遍，欠缺对证券行业智能化应用场景的理解能力。
3.数据的累积实力问题
人工智能技术的高效产出离不开算法的反复迭代优化，需要海量的数据支撑。证券行业作为一个高度信息化的行业，拥有大量的交易数据、客户资料、市场信息数据、行情数据等结构化和非结构化数据，但其数据样本在广度和深度等方面仍存一定限制，如在用户画像方面，券商拥有的是用户持仓、自选股以及交易流水等数据，缺乏在财务、消费、信贷等领域的数据，影响画像精准度。
智能中台价值巨大，但不是万能的
1.中台受质疑
去年以来，中台领域出现了不少负面新闻：由于盲目上中台，深圳一家女装企业的CIO 被开除；在华南一个有几十人的CIO社群内，2019年由于中台项目失误导致离职、调岗的高管达十多位；贵州茅台因对中台服务公司承建的中台项目极不满意，放话不支付任何费用，让其滚出公司。在诸多失败案例带来的质疑之下，市场上不断涌现看衰中台的声音。中台受到质疑主要有以下原因：投入人力、物力大，协同困难，短期看不到明显效果，产品化程度有待进一步提升，定制化开发偏多，且迭代困难。但不可否认中台的出现确实让企业意识到数据形成资产化之后给业务应用带来的巨大价值。
2.中台具备巨大价值，关键在于怎么建、怎么用
打造中台并非一朝一夕的事情，这其中涉及到的问题方方面面。与企业规模、架构、企业对数据的理解以及各部门互通配合相关。当企业内部均不愿意解除数据孤岛，中台功能再强大也没用。目前，国资委已经在发布的《关于加快推进国有企业数字化转型工作的通知》中，专门指出要探索“数据中台”等新型IT架构模式，这表明数据中台确实对于企业数字化转型具备一定价值。据麦肯锡全球研究院报告表明，数据驱动的组织在吸引客户能力、保留客户能力和盈利能力上，分别是一般企业的23倍、6倍和19倍。而数据中台是能让企业迅速转型成以数据驱动营销和管理企业的武器，具备巨大价值，问题的关键在于企业要怎么建设、怎么用。
3.智能中台较难做到颠覆式创新
颠覆式创新是要打破前台、中台、后台间的隔阂，颠覆现有模式和能力，从根上做到创新，而中台是将企业现有业务能力进行组合，抽象整合为可复用的能力，它强调的能力的标准化，是一种组合式创新，不适合做颠覆式创新。智能中台带着中台基因，较难做到做颠覆式创新。
任何企业发展到一定的规模，肌体会不可避免地老化，响应市场的速度变得迟缓，因而需将中台变薄，把更多繁琐个性化的业务放在前台，更敏捷快速地响应市场变化，更有利于企业释放生产力，未来“小中台大前台”的模式或许更适合企业数字化战略变革。