本文共字，预计阅读时间。

文/北京熵简科技有限公司高级分析师龚霄，联合创始人金箫

（本文为“证券机构数字化转型与证券科技创新”征文活动入围文章。）

一、背景：证券研究所数据治理任务正当其时

作为证券市场的主要参与者，我国证券机构正处于一个前所未有的新时期。随着我国资本市场的成熟度与开放度不断深化，多层次资本市场建设稳步推进，中国证券市场的广度和深度不断拓展。科创板的推出和注册制的加速推行，使我国上市公司数量保持快速增长的势头，衍生出大量证券业务的相关机会，也考验着证券机构的业务管理与服务响应能力。与此同时，我国自主推动了新一轮金融业对外开放，大幅放宽了外资在银行、金融、保险等领域的市场准入。大量发达资本市场的同业机构涌入，带来激烈的市场竞争，我国证券机构迫切需要引入创新工具、产品，以差异化竞争手段，树立品牌影响力。

本文所探讨的数据治理课题侧重于从研究数据的角度入手，解决券商研究部门所面临的数据使用实际与发展要求之间的矛盾。之所以从这个角度来解决数据治理问题，是源于对证券机构业务痛点的认识。券商研究所作为证券公司的重要业务部门，研究所的高素质人才和优质服务是证券公司核心竞争力的重要组成部分，同样需要跟随券商整体战略而进行调整。

与经纪业务系统、投资交易系统、CRM系统这类与前台业务相连接、已经高度IT化的系统相比，目前券商研究业务整体还处在业务IT化、组件化的初级阶段，因此开展数据治理的任务更加紧迫，提升空间大。另一方面，由于券商研究所的各类数据被广泛用于对外开展研究服务，因此研究所的数据治理有较大的外溢效应。解决券商研究所的数据治理问题，就从很大程度上缓解了接收服务的资管机构的数据治理压力，对整个行业生态具有良好示范效应。

二、问题：券商研究所数据治理面临IT架构与业务需求的矛盾

目前券商研究所的数据治理难点及痛点，主要体现在以下几个方面。

（一）数据投入较大，却未沉淀为资产

研究部门持续支出成本采购第三方数据（包含各类网站、终端账号）以建立研究壁垒，但高投入不一定带来高回报。究其原因，部分高频利用的数据并没有沉淀为机构的数字资产，取用过程零散，用后便被废弃，无法重复使用。此外，由于机构内部难以统计不同账号的使用情况，研究员不清楚企业的数字“家底”，部分账号使用频率较低却持续产生成本。

另一个常见场景是，研究员通常会持续跟踪多种行业特色数据，许多是以人工方式进行维护，并以EXCEL表格形式零散地存放在研究员的电脑中，一旦本地研究资料丢失或数据跟踪中断，这些数据也就随之流失，没有沉淀为公司资产。更进一步地，研究员的研究逻辑是研究所建立核心业务壁垒的保障，但随着研究员的流动，这些逻辑没有在机构内部留痕，带来投研逻辑的传承问题。

（二）没有建立以人为本的过程管理体系，难以实现降本增效

传统IT系统以“管理”为本，而不是以“人”为本，没有让系统反过来对人赋能；在未来的金融科技场景下，需要基于丰富的埋点和标签集对标的、用户进行更全面的画像，更科学的衡量公司各项资源的投入产出比。

为实现系统对人赋能，需要考虑分析师作为主要使用者的实际需求。作为对市场拥有独到见解的专业群体，分析师的数据需求通常千人千面，且带有复杂业务逻辑，仅依靠内部IT力量难以满足全部需求。而即使采购了第三方数据库，如果不能提供业务端一种便捷的调取方式，这些数据的使用也会十分困难。

（三）在系统层面无法自主可控，形成研究能力的产品化输出

传统外部IT厂商系统架构老旧、封闭，无法满足快速迭代的业务需求；机构对功能模块的升级高度依赖于厂商的服务，历经多年积累的产品底层框架如果接收新增需求，则面临重构的高昂成本，使许多传统厂商望而却步。

国内日臻完善的云计算生态催生了一批拥有最新IT架构的新兴厂商，作为“后浪”，为行业带来新的活力。这些厂商能够基于云原生的开源架构开发产品，接口全开放，帮助证券公司实现自主可控；同时新一代产品的功能高度可配置，更灵活的响应客户需求。对于证券公司而言，如何实现新旧产品的数据接续与功能无缝对接，成为必须应对的问题。

三、解决方案：以互联网思维推动券商研究中台建设

这些复杂的问题，本质上可以被归纳为“数据使用最后一公里”的问题，在“最后一公里”，数据的处理与使用是一个以人工为主导，过程零散的“黑盒”。借助互联网思维，需要通过产品化、组件化的方式，将相关业务场景转化为线上的透明化、标准化业务流程，以先进IT架构支撑研究业务创新。即打造券商研究中台，建立面向业务场景的专业数据仓库，赋能分析师，对外输出标准化产品。

（一）融合多源异构数据

券商研究中台，是从证券公司数据中心中独立封装成的一个面向研究业务场景的数据湖，各类来自第三方数据供应商的数据能够被融合到一起，成为前端系统的底层数据支撑。在此基础上，建立包括聚合搜索、数据浏览器、知识图谱、智能研报在内的多个应用，使研究人员的数据取用均能够基于研究中台实现，形成数据获取-数据加工-数据呈现-数据输送的闭环。

（二）建设数据生产加工平台

从业务层面，数据作为新生产要素，势必将在证券公司提升差异化服务水平、提高业务创新水平与品牌价值的过程中发挥愈加重要的作用。对于券商研究所，基于业务逻辑进行的数据加工，以及基于数据进行的各类价值发现工作，都能够以数字资产的形式被沉淀在研究中台，实现数据资产化，能够追溯数据使用过程并进行业务留痕，最终以标准化的数据产品形式进行输出。从人才层面，基于研究中台之上的各类应用进行的数据处理与跟踪，通过可视化、自动化、可重复的方式，降低了传统数据维护工作中的无效劳动，保障了数据质量。可视化、低代码的数据处理过程，使研究人员能够充分发挥主观能动性，定义并监控数据的处理、使用过程，进行数据探索与价值发现。因此，研究中台与研究人员的关系是相辅相成、相互支撑的，将成为研究人员的研究利器，而研究人员的积极使用，反过来也使研究中台不断沉淀价值，灵活响应业务需求。

（三）各类应用建设，提供标准化输出

完成研究中台建设后，研究所可基于此开展各类上层应用的建设，最终提供比以往更加标准、丰富的数据服务产品，包括提供在线数据报表服务，提供API接口传送的数据服务，基于行业数据的产业链图谱，基于个股数据的公司图谱，基于图谱提取出的脱水研报等。而作为服务的接收方，资管机构能够获益于相较传统数据服务形式（往往是一张excel表格）更加持续、稳定的创新型数据服务，包括以API对接方式获得数据并在线查看，获得由卖方提供的知识图谱服务，以此比较不同卖方的研究框架及相关数据的异同。通过各类创新的数据应用与服务，证券公司能够和资管机构客户，乃至于政府、产业客户群体建立更加全面、深化的合作关系，基于数据智能的服务生态具有良好的外溢效应，势必将为证券研究这样的知识密集型行业增添新的活力。

在对内服务层面上，研究中台建设能够和其他IT系统数据联通，站在公司整体角度勾勒出一幅宏观、定量、不断变化的市场与行业数据全景图，从而为组织战略制定、风险控制、人员管理提供决策依据，帮助证券公司拥抱大数据带来的战略发展与组织变革红利。

四、进一步探讨：券商研究中台建设的现实困难

尽管建设研究中台具有诸多好处，但在实际执行过程中仍然面对一些现实困难需要解决。

（一）前期数据资产梳理工作需要业务人员深度参与。

对于数据资产梳理，由于与业务逻辑耦合度较高，需要对各类数据的清洗、筛选、聚合工作进行需求指引。对于业务人员而言，参与数据治理工作并不属于已有职责范围，却需要耗费大量时间精力，配合度往往有限。因此对于业务人员的工作参与需要从组织层面予以协调，并给予数据治理工作成果更高的绩效权重，鼓励大家从观念上认知其重要性。

（二）对上游数据供应商的服务形态提出了更高要求。

没有一家数据供应商能够提供券商研究所所需的全部研究数据，研究所聚合来自多个数据供应商的数据资源，在此基础上进行生产加工。目前上游数据供应商所提供的数据服务标准化水平参差不齐，主要体现在数据质量的差异，如数据缺失、数据重复、格式不统一等，成为券商研究中台建设的阻碍。研究中台的建设需要上游数据供应商统一数据标准，提供更高水平的数据供应服务。从这个层面看，证券研究所作为需求方开展的数据治理工作，有助于倒逼数据供应商的服务质量变革。

（三）需要对数据治理情况进行持续管理监督。

数据治理涉及一套完善的管理体系，包括组织、制度、流程、工具。券商数据治理工作要建立长效的发展机制，在研究中台建设及使用过程中，需要专门人员对数据治理工作进行实时持续的管理监督，避免人员缺位现象。也就是说，在研究中台建设过程中，需要配备相应的人员组织、管理制度与流程机制，这样才能稳步推进中台建设，不断解决执行过程中遇到的现实问题。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。