声明

本文涉及到的仅限于个人对资产管理数字化的一些思考，并非代表某家公司。其中涉及到的一些公开信息都来自互联网，如果涉及到隐私，请联系作者删除。

前言

我们经常听到的有“财富管理数字化转型”，“资产管理数字化转型”，“大资管数字化转型”，“投研数字化转型”，“资管数字化转型”等等名词。在做数字化转型前，我们需要先清晰的定义要解决的业务领域，抽象出问题域。那么我们先从“大资管”出发，逐步抽象出问题域，最终根据问题域来匹配对应的解决方案。

信息化与数字化

首先要先下个结论：数字化 ≠ 信息化。

“信息化”是“业务数据化”。即：对企业的生产过程、采购过程、销售过程、客户服务、事务处理、现金流动等业务活动和过程进行数据化记录的过程。

“数字化”是“数据业务化”。即：把信息化过程中，长期累积下来的交易数据、电商数据、媒体数据、行业数据、用户数据、潜客数据、产品数据、售后数据等，不断融入到企业的管理和经营活动中，通过数据发现问题、发现规律、发现商机，用数据优化业务组合，优化业务流程、优化经营模式，实现企业的持续运营、持续创新、持续发展。

【以上摘自：https://zhuanlan.zhihu.com/p/191628090】

按照传统基金公司来看，“信息化”的理解就是：产品部有产品管理系统，风控部有风控管理系统，基金运营部有基金运营系统。各自将各自的业务活动、管理过程进行数据记录、沉淀。

数字化就是解决信息化建设中信息系统之间信息孤岛的问题，实现系统间数据的互联互通的。更进一步来看数字化，就是上面提到的“用数据优化业务组合，优化业务流程、优化经营模式，实现企业的持续运营、持续创新、持续发展”。

可以这么理解，信息化到数字化是效率到效能的转变，是从“正确的做事”到“做正确的事”的转变。

比如以基金运营的角度来看数字化。

对于基金运营来看，行业的底线就是及时、准确地完成估值、对账、资金划转、信披这几件事，行业内对运营能力的规划大多是随着业务量的变化来进行的。 但是从数字化的角度来思考，需要我们考虑的是：

员工的潜能如何、员工做得好坏与否（比如都能按时、准确的完成估值、对账、资金划转、信批的前提下，哪些员工的效率最高？）、员工的工作状态和工作量、流程上是否还能优化提效等等问题。

回答这些问题，需要从信息化的系统中抽取出数据、形成关键绩效指标，然后随着流程的更新、信息化系统的不断升级，来不断更新关键绩效指标。从这里也侧面说明，为什么数字化是一把手工程。

因此，数字化的基础是信息化、是业务流程的信息串联，没有信息化就没有办法沉淀出有效的信息，所谓的数字化转型也就难以开展。基金公司的数字化还是要先解决信息化、流程串联的问题，然后同步的结合角色和业务工种的不同，定制不同的关键绩效指标，不断迭代这个过程。

基金公司资产管理业务域定义

大资管概念

大资管是对中国资产管理行业环境的一种泛指。由于监管的不断放开，资产管理行业进入进一步的竞争、创新、混业经营的阶段。站在大众角度来说，大资管让拥有小额资产的普通大众也能自主选择可信赖的机构为自己的资产进行保值并且增值。【来源于百度百科】

而在大资管领域中，资产管理机构是一个重要的参与者。其通过产品的创设和服务的提供，将不同风险/收益特征的资产与多样化的资金相匹配，以满足居民和企业的投融资需求。

目前的构成主要包括商业银行理财（非保本）、信托公司（单一与集合）、公募基金（一对一与一对多）、基金子公司、证券公司及其资管子公司（定向集合与专项）、私募基金（证券股权创投）、保险资管、期货资管等领域。其相关的特点如下：

基金管理公司	具备较成熟的投研/风控体系、人才培养机制，主动管理能力突出，但在零售客户获取上较依赖银行、券商及互联网平台等外部渠道
保险资管公司	具备相对稳健保守的投资风格和绝对收益管理能力，但长期服务于机构客户及保险资金、在个人客户领域经验积累较少
银行理财	在网点渠道和客户基础上具备显著优势，擅长于货币及固收类产品领域，但在专业化的投研能力（尤其权益领域）、市场化激励机制等方面存在不足
私募基金公司	在激励机制上具备明显优势，且通常组织结构精简、经营机制灵活、投资决策高效，但在销售/募资渠道上具备相对劣势
券商资管	一二级市场资产定价能力突出，依托内部各部门协同在客户获取和资产创设上具备差异化优势，但零售端渠道相对不足（但初具一定数量、风险偏好较高客户）、产品布局/投研能力较公募不足
信托公司	投资范围较为广泛、投资方式较为灵活，但较为缺乏主动投资能力

大资管产业链概览以及大资管问题域定义

广义的大资管产业链包括上游的财富管理、中游的资产管理、下游的资产创设及交易所，以及底层的交易及资本中介服务、金融信息数据服务/金融IT、资产托管/保管/外包服务等。

如下图所示：

【以上资料来自中金研报】

因此从基金管理人的角度来看，内部可以分化为两个机构，一个是面向资金的财富管理机构，一个链接资金端与资产端的资产管理机构。

从数字化建设的角度，一家基金公司的整体视角应该分为两大部门，财富管理数字化建设和资产管理数字化建设。

下面，就资产管理数字化层面进行深入，进一步对该领域的问题域进行定义。

资产管理数字化的问题域定义

经过上面推理出的资产管理业务领域，我们将进一步推理资产管理的问题域。

中国的资产管理行业经历了20多年的发展，其发展历程如下（参见中金非银及金融科技组报告《中国财富管理2030三部曲之资管篇：迈入高质量发展新阶段》）：

证监会于2022年4月26号发布关于“关于加快推进公募基金行业高质量发展的意见”，正式表明，自2022开始，中国的资管行业正式进入高质量发展的阶段。作为基金公司，我们首先需要思考的是高质量发展对我们带来的挑战是什么？下面先罗列一下行业内对高质量发展的总结。

华夏基金管理有限公司总经理李一梅：

下一步，华夏基金将以《意见》为行动指南，坚持以投资者利益为核心，着力提升投研核心能力，加强投研团队的体系化、长期化和平台化建设，助力资本市场改革发展、服务居民财富管理需求、支持实体经济与国家战略。同时，以满足居民财富管理需求为出发点，做到风险可测可控，强化投资者有效保护，加大产品和业务创新力度，特别是在养老金融服务、公募REITs、股权投资等方面积极探索和持续发力，践行社会责任，为千家万户美好生活贡献专业力量。

易方达基金总经理刘晓艳：

从公募基金行业发展的历史来看，一家基金公司是成为综合性大型公司还是特色化公司，是在市场化竞争环境中，受资源禀赋、优势特征、历史机遇、自主选择等因素影响的结果。

大成基金总经理谭晓冈：

差异化发展”居于首位，可见其重要程度。当前公募行业的同质化竞争日趋激烈，尤其是产品布局日趋同质化，产品发行数量越来越多，上万只基金产品给投资者选择造成较大困扰。在此模式下，行业已经形成较强的马太效应，中小基金公司想弯道超车变得越来越难。从海外资管行业的发展来看，资管机构根据细分行业、目标客群及产品特征，聚焦自身专业优势，打造特色的产品和服务体系，在差异化经营中建立起自己的竞争壁垒。差异化发展将是未来中国公募基金行业发展的主旋律，基金公司需要找准自己的战略定位，聚焦自己的资源禀赋，发挥差异化的竞争优势。

综合各基金公司高管的见解：高质量发展要求我们能够更好的履行社会职责，并且能够站在国际大舞台上与国际上的资管公司具备相同甚至更高的竞争力，能够实现“走出去、带回来”的理念，在国内实现差异化发展，有专业化的团队。总的来看，还是对基金公司的投研能力、产品运营能力、合规风控能力有进一步的要求。

作为基金公司的研发团队，在了解业务发展要求以及目标后，我们对问题域进行了定义。定义如下：

下面进一步对各问题域的子域进行推理，并结合行业内经验进行解决方案输出。

资产管理数字化的问题子域定义

大运营

大运营问题子域的定义

之所以先提到“大”字，是用来区别传统基金公司对运营的理解，传统基金公司对运营的理解可能就是特指“基金会计”。我们提出“大运营”的概念，基于以下几点思考：

1. 涉及到产品的运营运作流程中，都是基于特定“事件”而产生的流程。比如基金获批、基金分红等事件，触发了相关流程来协同各个部门的运作。
2. 运营属于保障型工作，是以流程为导向的服务，工作内容较为繁琐，服务过程难以留痕和量化，导致工作成果难以量化。
3. 对于产出的结果，有国家监管的要求、公司要求等，相对规范化、标准化

基于上述思考，产品部、运营部、风控部、合规部都应该在大运营的范畴内。

因此我们对于大运营的问题子域定义如下：

产品运营面临的问题

产品、运营所面临的的问题有：

1. 缺乏中枢。自建的系统都集中在解决当前面向的业务域的垂直问题，并没有形成一种横向的事件导向的思维，且没有对于事件的沉淀以及统一管理和触发事件的平台。
2. 流程断点。公司很多运营流程都存在断点，这里有部门墙的原因，也有业务系统割裂性的原因。需要构造一个基于全公司便捷使用的公共流程平台作为各项流程的载体，从具体业务场景出发，逐步将线下流程、断点流程进行优化改造，实现业务申请、处理全线上化，各业务节点及操作实现无缝衔接、闭环处理。
3. 数据割裂。业务系统的割裂性，导致了流程、操作、监控分散在各个系统，大量的数据散落在不同系统中，形成了数据孤岛，不同系统同一数据存在不一致，导致数据服务困难。同时，缺乏以流程的统一运营平台来串联产品运营工作，运营数据未落地，难以对运营工作进行高效地分析和优化。

在行业实践层面，上银基金与恒生共同在着手开始打造运营一体化系统。其中包括的功能包括：产品管理中心、产品运作中心、信批中心、运营价值中心等。

在落地实践层面，我们提出了基金产品“T”型周期概念，将产品的生命周期与基金产品成立后的每日运作周期结合，以事件串联流程，以流程沉淀数据，以数据驱动业务。

风控合规面临的问题

风控、合规面临的问题有：

1. 数据、指标问题。投资组合风险管理涉及全公司多个业务条线，投资、交易、估值、TA等业务，数据分散到各个系统，重复、口径不统一等痛点。风控人员需要针对特定的事件进行反应，需要有系统快速支持且动态响应风险测算需求
2. 算力问题。风险监测预警是风险管理活动的重要环节，需要对全市场、全组合最新情况进行监控，对数据以及计算结果时效性要求非常高。而这部分因为恒生O32这类外采系统采用了传统的老式架构，导致性能无法得到有效提升，要求的机器配置与业务量成线性比例关系。
3. 需要专业的模型建设能力。比如市场风险模型、信用风险模型、流动性风险模型、业绩评估模型、风险计量模型等。

在行业实践层面上，除了日常风控流程相关的功能之外，博时基金、国元证券等，基于其数据、指标、模型中台，搭建了一整套关于市场、信用、流动性、风险定价、业绩归因等方面的风控类应用。同时，外部供应商包括像金仕达、衡泰等都在基金风控领域有不错的市场。

投资交易

投资交易业务以及O32发展史

按照投资标的的交易场所，我们通常把投资交易划分为场内与场外。其中场内多数是股票交易，场外包括：银行间现券/回购询价交易、一级债、网下申购（新股/可转债/定增）、存款存单、场外开基。目前在投资交易领域，O32占据了绝对的地位。如下图所示（来自恒生O32介绍）：

投资交易涉及到的核心概念

涉及到投资交易的专业名词比较多，这里先简要介绍一下相关名词。

名词	全称	释义
DMA	Direct Market Access	交易市场直连
FIX	Financial Information Exchange	金融信息交换
OMS	Order Management Systems	订单管理系统。是订单管理的核心业务系统。
EMS	Execution Management System	订单执行管理系统。是提供更多订单类型和订单执行的核心业务系统，是OMS的强助力。
PMS	Portfolio Management System	组合管理系统。是提供对客户的资产组合分析的系统，提供如资产报告、交易报告、组合分析、盈利分析、风险分析、交易行为分析、账户诊断、风控与合规等功能。
POMS	Portfolio and Order Management System	PMS和OMS结合的系统的统称

OMS（订单管理系统）是所有买方投资者交易活动的中枢，专注于提供投资者电子的交易能力，用来让投资者管理和记录其电子化交易活动，被买方投资者用来很好的与其经纪商交互，特别是基于FIX（Financial Information Exchange）的交易记录管理系统。随着交易技术的发展，Direct Market Access（DMA）的引入、算法交易及订单路由（Order Routing）的出现，买方交易迫切需要一种新的、更侧重于管理交易执行过程而非仅仅有交互和记录功能的系统，解决方案就是随后出现的EMS（订单执行管理系统）。EMS专注于增强经纪商在直接市场（Direct Market）、算法交易等方面执行电子交易策略的功能，即通过内嵌的算法交易引擎，利用ECN、Crossing网络等项，找寻多元交易选择，从而发掘更全面的流动性来源。随着市场的发展，执行管理系统和订单管理系统有互相靠拢的趋势，EMS和OMS也逐渐具备了对方系统的部分功能。

就目前来看，O32在场内承载了OMS+EMS+PMS的能力。

投资交易面临的相关问题以及现状

场内投资交易面临的问题有：

1. 业务标准化，但投资品种、交易方式、交易平台繁多，交易业务创新的支持效率要求高、投入大。
2. 业务量大，交易性能严重影响业务运行效率。
3. 风控合规指标要求多，标准化监管指标的快速精准控制能力跨业务平台的统一风险管理平台能力不足。
4. 跨境内外的场内投资，缺乏统一的投资交易管理平台，投资人员个性化的组合管理高效下单的oms平台能力也需要完善。

场外投资交易面临的问题有：

1. O32仅能承载部分场外业务的OMS（订单管理）、EMS（订单执行管理），缺少场外业务的PMS以及投资管理过程的能力。
2. 彭博和O32之间、自建的垂直的场外业务平台（比如存款、一级债等等）与外购系统之间的割裂。
3. 部分场外业务系统化能力的缺失，比如银行间询价、FOF投资交易管理、跨境全球投资交易。
4. 场外的业务流程跟公司的内部职责分工和审批流程相关，非常个性化，而且变动情况也比较多。没有统一工作台性质的业务管理平台（交易工作台、投资管理工作台）。

行业现状：

1. 目前场内还是聚焦在O32上,自研提供交易数据、组合数据分析等能力
2. 场外基本都是自研或者外采场外的投资管理系统。其中，业界实践得比较多的是融先科技的产品。在华安基金、中信诚保、兴全基金、工银瑞信、中银基金等都有落地。融先科技一方面是在场外投资管理上做得比较深入，另一方面是基于O32的底层数据，抽象了自己的模型，实现了自己的交易旁路，解决算力等问题。

投资交易问题子域定义

综合来看，我们对投资交易域的子域定义如下图所示：

投资研究

研究的日常工作和痛点

先展示一张图来表示一个研究员是一个什么工种以及其日常工作内容。

经过业界以及对我司研究员的调研，我们归类研究工作的痛点如下：

1. 数据问题。研究员、基金经理面临数据爆炸，数据获取、数据维护复杂，数据质量难以保证，数据难以共享等问题。举个例子，研究员经常要处理很多卖方提供的数据库（excel形式），要保证数据更新及时、数据质量等等，这个占据了研究员很多宝贵的时间。
2. 知识沉淀与共享问题。研究过程在个人的Excel里，研究形成的知识容易流失，研究过程质量控制不足、各行业组之间交流互动多以PPT报告为主，形式单一，效率低
3. 研究绩效考核问题。对研究结果的考核维度单一，难以量化。也会导致研究体系很难完善，且缺乏定量的科学依据。

市场投研系统现状

经过市场调研，我们将市面上比较出色的投研系统按照供应商和自研维度做了两个列表。

自研类：

系统	能力
中信证券投研魔方2.0	以达成中信研究数据服务平台化，业务协同服务闭环运作为目标，增强中信研究的内外部服务能力和客户粘性，提升管理和研究效率，并以个股研究为核心，整合研究部所有投研数据资产，定位为面向中信证券内部投研人员的工作平台，和面向买方客户的服务窗口。在投研产品服务端，包括研报全景、会议直播等全面上新，同时模型专栏支持个股精度数智化服务；在投研数据服务端，ESG数据模块、政策舆情模块、多维数据模块列装上线，辅助深度研究数据需求；在白名单服务模式下，投研魔方2.0还可实时提供中信证券研究部全部数字化投研服务产品。
广发证券战心投研系统	广发资管智能投研平台（即“战心投研系统”）从证券公司资产管理业务投研及风险管理体系数字化的构建路径出发，自主开发了从信息获取、信用研究、投资决策、交易测算、组合管理、风险预警的一体化智能投研平台，覆盖了公司固收、权益等业务条线，增强了对FOF研究及资产配置的支撑。
博时基金新投决系统	借助数字化建立投研核心竞争力的战略性项目，它覆盖投研内部价值链和外部生态，建立起全资产、全流程、全球化的一体化的投研数字化支撑平台。博时基金表示，“新投决系统”共有8大子系统、49个业务模块、超过4000项关键功能点，有两层作用：一是集成了实时估值、投资管理、场外交易、合规管理、风险管理、运营保障、数据网关等核心关键功能，适用于公募、私募、养老金等各类金融资产，支持QDII和海外子公司等全球化业务
华泰证券“LENS明鉴”FOF/MOM投研一体化管理平台	实现尽调管理、基金筛选、风格分析、组合构建、风险管理、业绩归因、客户服务等MOM/FOF业务全流程管理。同时，该系统建立了强大的底层数据中心，基于平台化、体系化、数字化的支撑，实现对基金管理人和产品的科学研究评价，有效落地机构投资者、高净值客户定制化的资产配置需求。
嘉实基金	研究分析（行业、固收、量化、资产配置） 投资管理平台（交易、风控、头寸、估值、投后管理） 投后分析（绩效风险分析、压力测试、VAR）
中金	投研系统建设主要是两个方向：1. 权益 2. 固收 权益主要是三件事情： 一、模拟组合 二、金股推荐 三、研报系统 固收主要是：信用评级、舆情预警、主体分析等

供应商：

系统	能力
熵简	基于数据中台套件实现多源异构数据的融合与实时更新，全面梳理投研数据资产，打造面向投研的统一数据管理与应用平台；通过搭载智能看板等具备行业特色的轻BI套件，提升研究信息与观点的查看、互动、共享与传承效率，助力数据驱动研究。
讯兔	面向场景重新集成封装数据流、信息流和工具流，在研究环节解决生产效率、信息降噪、知识沉淀三大问题，在投资环节实现业绩考核、质量控制、情报搜集三大功能，将AI模型赋能应用于信息抽取、信息检索和个性化推荐三大核心场景，让研究员和基金经理可以更高效地生产和获取高质量信息，更便捷地完成业务流程，切实地提升投研转化，助力机构实现投研数据和知识资产的中台化沉淀。
通联	通联在投研相关软件的建设上这几年非常投入，基于自身的数据，围绕宏观研究、股票、债券都有相关的产品及功能，也有围绕FOF的基金投研及投后管理系统。
携宁	在买方机构具有极高的占有率，系统功能上基本上围绕投研的都具有，但因为之前更多的是围绕投研管理功能的。比如晨会、研报、入池流程审批等等。但目前围绕投研的一些高级需求，如研究数据平台、模拟组合功能、信用债舆情等，不敢说携宁不能做，只是从零做这些估计有困难，同时还要面对在这块已经具有垂直领域的一些新厂商的竞争。
丹渥智能&聚源	产业图谱：基于行业研究逻辑的可视化产业链知识图谱投研框架：覆盖基于宏观、行业、公司维度的研究框架沉淀、数据计算、指标建模、传导预警等宏 中 微：行业公司宏观三大维度全景视图信息EDB数据：海量指标数据一键获取，涵盖宏观、行业经济、外部数据
智睿投研	主攻固收。旗下的IBP智能投研管理平台针对投前研究的分析工作平台,旨在为风控、投资及研究等部门提供相关业务支持。平台覆盖债券定价及利差分析、信用评级与管理、债券跟踪与预警、债券投资池管理等固收业务流程所需功能。FinGeek智能投研管理平台，是一套覆盖投前研究，投中投资交易管理，及投后绩效归因、风控管理等的全业务流程的一体化解决方案。旨在打造覆盖全业务流程的综合管理平台，打通整个固收交易环境各部门，各岗位，各系统之间的业务流转，数据交互。

综

研究问题子域定义

综合市面上投研系统来看，其实在投资研究领域重点解决两类问题：

1. 研究过程管理
2. 研究工作支持

第一类是针对研究的日常工作实现信息化，最终实现考核的量化，使得管理过程“看得见”，结果“可衡量”。

另一类是对研究员的研究工作提供支持，让研究员将精力集中在应该做的行业研究、宏观研究、个股个券研究等方面，促使研究团队往更专业、差异化的方向发展。

因此我们对投资研究问题域的子域定义如下：

在研究过程管理领域，又可以细分：固收、权益等等。

解决方案

经过上述推理，我们抽象出投资管理数字化领域的问题域，如下图：

结合行业实践经验以及自身情况，我们大概可以对所有的问题子域做一层解决方案的归类。

我们抽象出了三类应用解决方案。首先，我们先对三类应用做一层归类：

一、流程、操作类

二、数据应用类

三、核心改造类

其中，流程、操作类涉及到的问题子域包括：

1. 产品、基金运营、部分风控合规操作流程
2. 研究过程管理
3. 场内投资交易系统
4. 场外投资交易系统

数据应用类涉及到的问题子域：

1. 风控、合规大盘以及相关的细分领域，比如主体信用风险、
2. 研究工作支持

核心改造类设计到的问题子域：

1. 双核心架构

流程、操作类主要是改善运作流程、加强部门间联系，提升产品运营能力，实现管理创新、降本提效。

数据应用类主要是为了提升基金经理、研究员的研究效率，让他们讲精力放在加深研究的专业性上，具备差异化、专业化的竞争力。

核心改造类主要是通过自研技术来提升外采系统的性能、效率以及破局外采系统带来黑盒等问题。

流程、操作类

不断贯穿已知流程的前提下，重点在产品事件和主数据平台建设以及与其他系统的串联逻辑上。

结合行业内以及基金公司管理办法、管理流程的特点，提出“T”型周期理论。横轴以产品的生命周期贯穿，纵轴以每日的运作周期贯穿。

以生命周期和运作周期事件为触发，贯穿流程，串联各个业务系统。并以流程沉淀数据，以数据反哺业务。

研究过程管理

在流程操作类中，有一类是比较特殊的，就是研究过程管理。上面已经对研究过程管理有了基本的定义。

研究过程管理需要“以终为始”，以对研究结果的量化考核维度为出发点，来思考需要如何用系统来支撑。

一般业界公认的研究考核维度包括：
1.日常工作量统计（调研次数、研报数量）

2.模拟组合绩效

3.优秀股票推荐

4.基金经理的主观打分

基于这些考核维度，我们需要加强研报以及投资池系统、内部研究结果跟踪系统、模拟组合系统等建设。

目前在研究过程管理领域内，携宁的新版投研系统还是比较先进。

数据分析类

在加强基金公司专业性、差异化竞争能力上，数据分析类应用尤为重要。

在建设数据分析类应用上，需要依靠强大的数据中台、模型中台以及技术底座的支持，同时对于低代码、人工智能等技术的应用也十分广泛。

研究工作支持

以研究工作支持问题子域，我们进一步举例进行推演。当我们具备讲繁琐的数据处理工作系统化之后，下一步就可以进入智能投研的时代。结合市场上已有的实践【熵简科技认为智能=数据+逻辑】，我们进一步细化认为：智能投研 = 数据 + 投资逻辑。

一旦数据治理系统化了，解放了研究员，再结合特定的研究员的看数、用数、分析的逻辑就可以产生各类数据分析类型的应用。

核心改造类

基于实时的数据同步技术，将O32的指令、委托、成交等单据以及状态变化同步到新核心中。以实现算力的提升，进一步加强实时风控、实时头寸以及实时估值的计算等能力，提升风控、运营效率。

在市面上做得比较好的一家是融先科技。

产品架构总览

资料来源

三问业务数据化与数据业务化

为什么信息化 ≠ 数字化？终于有人讲明白了

从4个方面、16项措施推进 公募基金高质量发展有了路线图

中金全球资管系列 | 机构篇：百花齐放下的“大资管”格局

中金全球资管系列 | 综述篇：拥抱高质量发展的“大资管”新时代

聚焦核心能力圈 坚定向基金高质量发展迈进