段国圣：中国大型资管机构数字化转型的路径思考与实施建议 外资保险资管公司招聘信息

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

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