李伟：数据平台建设推动理财子公司数字化转型
“资管新规”自2018年发布至今已有3年，资管行业逐步迈向新阶段，呈现出新模式、新产品、新格局的特征。过去传统银行理财业务诸如刚性兑付、资金池运作、资产与产品期限错配、产品多层嵌套等模式将不复存在，银行理财回归到“受人之托、代客理财”的业务本源。在这种形势下，如何从众多资管机构中突围并形成自身独特的竞争优势成为了各家理财子公司的共同课题。在业务上转型求变，结合自身经营发展的实际需要，围绕智能风控、智能投顾等方向，运用大数据、人工智能等前沿技术和方法，积极谋求数字化转型，是理财子公司的必经之路。
徽银理财于2020年4月28日正式开业，现已具备能够支撑当前业务开展的信息系统架构。随着竞争的加剧，需要进一步挖掘客户需求、丰富理财产品体系、提高资产端投资效率并有效控制风险。这对信息系统的服务能力和数据管理能力提出了更高要求，只有通过数据治理和场景驱动实现内外部数据的整合和优化，提高数据服务能力，才能有效支撑业务的深化发展。在这种背景下，徽银理财启动了数据平台建设项目，积极探索数字化转型，充分发挥科技引领业务发展的价值。
徽银理财有限责任公司
信息科技部总经理 李伟
数据平台建设背景
经过一年多的经营建设，徽银理财已具备较为稳定的基础信息系统架构，初步覆盖了从资金端到产品端的业务需求，随着外部市场环境、客户投资需求的变化以及公司业务发展方向的明确，业务需求呈现出精细化、复杂化和高频变动的趋势。既要保证系统架构功能的安全稳定，又要满足业务快速创新迭代的需求，这就需要有一个中间平台充当“变速齿轮”，使两者速度协同一致。在此场景下，数据平台作为数据加工和应用的工具，较为适合作为中间引擎驱动业务场景、支持业务创新。基于以上考虑，徽银理财在公司三年战略规划的科技实施路径中，优先启动了数据平台项目，为公司数字化转型提供动力。
数据平台拟解决的问题
在当前新的理财业务模式下，信息系统服务时常面临三个问题。
首先是新场景下的系统重构问题。原总行资管部阶段，理财销售系统和资管系统是零售业务系统的一部分，注重的是对泛零售业务的适配性。而子公司阶段的理财业务模式，需要对诸如TA、分销、投资交易、反洗钱、估值核算、信用评级等系统进行重构，导致了原来汇总的业务流程和数据分散在不同的系统中，无法从全局层面进行总体把控，无法利用IT技术提高各部门系统间的协作效率。
其次是系统架构变化带来的基础信息维护问题。各业务系统都有自身独立维护基础信息的要求，比如TA、估值等系统有产品基础信息、机构信息、账户管理或外部机构信息等需要维护。当同一类信息分散到不同系统中，会带来一系列管理问题，分散的基础信息需要相关人员在不同的系统中登录维护，每个系统可能涉及到不同审批流程，极易造成混乱和遗漏。
最后是数据的一致性问题。在业务指标统计和监管指标报送等应用场景中，由于数据源分散，指标统计口径容易出现不一致，数据生产追溯的效率低下，内部业务数据和外部市场数据难以打通，系统间统一数据标准的改造成本较高且时效性不足。
上述问题的根源在于，多系统耦合模式下，每个系统都会从各自需求出发加工管理数据，而不同系统对数据的理解和需求并不一致，缺少核心中枢统一管理，难以保持系统间步调一致，这也是数据平台拟解决的问题。
数据平台价值
基于对上述痛点的分析，数据平台能够真正驱动银行理财子公司进行数字化转型的关键在于：要将业务特征注入平台建设，注重各源系统的数据整合，真正实现全域数据通联，并以数据API的形式提供统一数据服务。数据平台的价值延伸，可归为以下五个层次。
第一层是将数据管理好，核心就是通过数据治理打好数据价值利用的基础，数据治理既包括治理也包括数据架构设计，确保框架的合理性和可持续性。第二层是有效支撑业务，主要体现为数据集中化、标准化，实现对各种业务开展的数据支持，这里的业务支撑主要体现在系统层面。第三层是主动理解业务，通过对业务运作模式的洞察，发现运作中的问题和矛盾突出点，为业务优化打好基础。第四层是智能驱动业务，通过对业务的深入分析，全面优化业务结构与流程的价值。第五层是推动模式变革，实现数据的全面深度应用，重塑业务实现逻辑，实现智能化。
以上五个层次具有逻辑上的递进关系，可以看到数据平台的价值始终与业务密不可分，其价值的体现一定要与业务发展阶段相匹配，既要高屋建瓴，注重顶层设计，又要循序渐进，不可好高骛远，注重成本收益的效率比。
数据平台建设规划
根据需求层次，徽银理财将整个数据平台建设工作规划为三大阶段。
首先是完成基础平台的构建，初步实现“用数据统计业务”。此阶段重点是从平台、工具、数据和应用四个方面进行顶层设计，完成全局架构，同时推进数据服务网关建设，让数据流动起来。数据应用方面，优先建设指标体系，以业务统计报表（自助分析）、管理驾驶舱、智能大屏展示为切入点，完成整体平台的初始化稳定运行。
第二个阶段是业务覆盖阶段，目标是深化应用，实现“用数据解释业务”。进一步完善数据开发管理工具与流程，完善数据资产运营机制，同时推动业务系统积累更多数据，迭代完善数据汇总层和集市层是此阶段的工作重点。在数据应用上，需要从指标的汇总展示过渡到对业务场景的拓展，例如客户营销评价、投资绩效评价、产品分析等。
第三个阶段是深化提升，全面推进业务数据化。此阶段已有长期的数据积累，通过引入算法模型等机器学习组件，补充模型类标签和数据应用，例如客户画像等，持续开展基于业务的数据平台智能化迭代，深度梳理业务，全面推进业务数据化，拓展场景应用，将数据和业务系统直接对接，推进数据业务化，如智能风控等。
具体建设内容分为三部分：一是资管数据资源中心建设，实现对源系统数据的加工和整合，并通过主数据管理，实现数据全局归一与标准化。二是数据集市建设，这是基于对业务模块与业务过程的抽象，建立维度化结构的数据主题，实现数据业务化。三是指标中心建设，这是企业级业务视角的数据资产呈现，是对所有业务指标的集中管理和呈现，是上层应用访问、获取数据的入口，也是业务用户使用数据的入口。
通过数据平台建设，
构建数字化运营体系
运营需以数据为基础，数据平台在充分挖掘运营数据价值方面具有先天优势，通过对数据的交互汇聚和集中处理，有助于提高运营类管理报表、产品报表、监管报表及其他定制报表数据的生产效率。
运营数据中心作为数据源可以为所有的运营业务集中提供服务，能有效保障运营数据的一致性和连贯性，降低原有模式下应用系统间数据交互、核对带来的额外人工成本。而集中处理的数据能为业务整合型的报表生成提供便利，替代传统的报表合并模式，帮助应用系统间的数据报表更“可用”。结合运营业务场景进行数据标准化建模，通过数据治理和场景应用，实现数据价值有效利用，是数据平台助力数字化运营体系建设的落脚点。
借助数据平台建设，
打造优秀的数据能力
数据能力是金融科技战略落地的前提和基础，而数据平台建设是数据能力培养的抓手和落脚点。数据能力培养可从以下四方面着手。
一是利用大数据领域的先进技术，搭建标准高、扩展能力强的数据基础设施。建设好从大数据底层平台到应用平台的各类基础设施，形成能够统领全局的数据管理能力。二是持续做好数据治理。数据治理能力是一项软实力，应着眼长远建立有效的数据治理领导和管理机制，抓好元数据管理、数据标准、数据质量、数据安全等关键要点，消灭信息孤岛。三是培养场景化、服务化的数据服务能力，打造面对各类不同场景和需求的数据服务能力，全面满足内部管理、产品销售、客户服务等需求，并能够为系统交互、人工智能等提供高质量的数据接口调用支持，有效加强系统的扩展能力和业务场景拓展能力。四是通过优秀的金融科技合作伙伴赋能，引入先进的数据技术和管理模式，培养自己的金融数据团队。数字化转型也是人才的转型，只有培养出人才，才能获取持久的发展动力。
（栏目编辑：韩维蜜）
推荐阅读
（点击图片查看精彩内容）
精彩内容回顾
（点击查看精彩内容）
■ 培训丨GA38-2021《银行安全防范要求》等标准宣贯培训班开课了！
■ 伯乐 | 中国工商银行软件开发中心2022年度校园招聘正式启动
《金融电子化》新媒体部：主任 / 邝源 编辑 / 傅甜甜 潘婧