随着资本市场改革全面深化、金融科技不断发展，证券行业在迎来重要发展机遇的同时，行业竞争也日趋激烈。为在行业竞争中弯道超车，券商加速数字化转型已成为大势所趋。
在「观远数据2023智能决策峰会暨产品发布会」金融分会场，某证券企业数据平台负责人分享了券商数据赋能员工，加速企业数字化转型的成功实践。作为一家引领行业发展、实力卓越的大型证券公司，该证券企业的创新实践为证券行业数字化转型树立起了业务与IT融合共创的标杆。
以下为嘉宾分享实录整理：
（为保护客户隐私，以下涉及企业名称处统称为“A证券”）
数字化转型的认识和理解
数字化转型是技术革新也是业务变革，是“一把手工程”也是“全民运动”，是需要业务引领、技术驱动的“双向奔赴”，这是我们对于数字化转型的认识和理解。
A证券的数字化转型工作目前进行了将近三年，我们的最终目标是实现商业价值。从这点出发，我们需要做两个方面的事：
其一，做正确的事，业务即IT，IT即业务。指的是要把我们现在的业务数字化，并研发数字化产品。在互联网行业或许天然就是这样，IT研发都是直接服务于客户或交付成产品。但在传统金融机构，IT或科技部门是职能部门，并不直接交付产品或服务。因此数字化转型就是要让我们从用户场景出发，产品驱动，并基于这些场景来进行数字化运营。
其二，正确地做事，高质量、快速、可持续交付。指在研发数字化产品的过程中，我们需要一些方法论或工具支撑，来实现高质量、快速、可持续的交付。系统方面，分为敏态和稳态两类系统，不同类型系统通过不同方式交付，稳态系统依旧基于传统瀑布研发模式，敏态系统则会更多用到例如CMMI敏捷的理论来做。工具方面，将原来烟囱式的系统建设结构分层，在每一层上形成平台能力，包括技术底座平台、业务中台、用户端前台。
数字化转型的“五大转变”
基于对数字化转型的认识和理解，在公司战略层面，明确要开启“五大转变”：
1、转“文化”。打造数字思维、敏捷文化。
2、转“意识”。回归业务，实时感知，为客户/用户创造价值。
3、转“组织”。业务与IT合作共创，采用精益的产品开发方式，引入敏捷开发和持续交付流程，实现需求的快速响应。
4、转“方法”。驱动业务模式创新，从线下到线上，不断丰富和完善数字化方法论，驱动业务改进和模式创新。
5、转“模式”。技术模式转型，新增应用采用“云原生”方式直接构建在云平台之上，采用微服务架构DevOps敏捷开发模式。
数字化转型的内核是数据驱动业务，因此，基于公司数字化转型战略要求，我们梳理了数字化转型关键事项，包括：
1、业务数据化。伴随着企业的数字化转型，在补齐信息化或线上化的过程中，会沉淀大量业务过程数据和业务结果数据，需要将这些数据全部汇聚到同意的企业级数仓中，实现业务数据化。
2、数据资产化。通过数据治理，规范完善数据元数据信息，提供数据地图、数据目录、数据血缘，使数据变得可见、可懂、可用，形成企业级的数据资产。
3、数据服务化。提供统一标准化服务API，将各类数据服务直接给到业务使用。
4、数据智能化。借助AI能力或融合ChatGPT能力，进行智能推荐、营销、客户服务等方面的探索实践，与数据结合，交付高附加值的智能化产品和服务，提升客户体验和业务价值。
数据平台发展历程
A证券2007年开始规划建设数据中心，到2010年建设数据仓库，2015年进行数仓升级扩容，而后在2018年进入重点建设阶段，开始大数据平台建设，完整更新了整个数据平台的技术栈，并在平台之上重新搭建了数仓。到2019年启动数据中台建设，直到现在不断升级迭代。最近的两三年，在完成基础设施建设后，开始主要投入到数据资产、数据应用、数据服务的建设上。
A证券的数据平台整体架构，是覆盖了“采、存、算、管、用”全生命周期的一体化数据中台体系，支持多模态计算与服务化，破除数据供需壁垒，沉淀企业高价值数字资产，构建业务场景驱动的数据产品，为运营机制、组织、人才提供持续保障。构建“听、说、读、识”基础智能平台，基于平台能力赋能业务场景智能化。
数据平台建设的效果体现在“一个大数据平台、一个数据资产底座、一套数据中台流水线、一套数据治理与运营体系、一系列数据产品与服务”。最近，我们正将一系列的数据产品和服务整合到数据门户中，让公司所有员工，只需要到统一的门户中就可以使用所有的数据产品和服务。
数据赋能场景与实践
在介绍完A证券的数字化转型背景后，我想分享一下作为一家券商，我们的数据赋能典型场景与在各场景中的具体实践。
场景一：分支机构用数
分支机构系统零散，缺少统一的获取数据途径，是长期被忽视的一个群体，用数需求一直没有得到很好的满足。去年起，A证券开始重点解决分支机构用数的问题。我们梳理了分支机构用数的主要场景，包括数据报送、明细数据查询、运营营销、业绩考核、数据分析等。
为了解决分支机构的用数问题，我们按照分支机构的人员角色及工作场景，针对性给予了场景数据服务。例如，普通客户与两融客户的对账单，过去没有这类数据工具时，业务只能提需求给技术，描述要什么客户什么时间的什么数据，也没有统一格式，还需要线下反复确认，工作量非常大。我们将这些场景逐一整理出来做成标准化产品后，业务只需要输入客户号，选一个时间段，就可以得到标准化的报表，并可以导出下载再提供给客户。
以上只是其中一类，目前我们已经整理了几十个这样的场景，既解决了分支机构用数的问题，也大幅释放了数据团队的工作量。过去我们一年取数的需求有上千单，上线了这类工具后，数量减少一半。随着数据服务与产品持续增多，这类需求的量还会逐渐下降。
场景二：企业运营与经营决策
这类场景对应总部中后台部门的需求，包括业务运营、经营分析、风控合规、员工服务等。针对这些需求，我们也做了各类数据应用，来辅助企业经营决策。如给营运中心的数据大屏，包含了每天的交易量、清算笔数等数据内容，将整个公司由营运中心负责的业务通过数据大屏实时展示。如给业务运营同事做的用户行为分析看板，包括标签画像、客户圈群等，业务同事可以通过选择特定标签、特定客群，下发到CRM、运营平台投放素材，再通过行为数据回收，看最终营销活动的执行效果，实现运营闭环。
不仅给业务数据赋能，我们也落地了IT的数字化场景。通过观远BI搭建数据团队的运营驾驶舱，过去要每周有人发邮件才能看到的数据团队内部运营数据，现在可以直接在驾驶舱里可视化呈现。给软件开发部做的研发效能管理看板，将所有研发效能数据、指标可视化，已成为部门每次管理例会必备。
场景三：前台业务支撑
前台部门的投资研究、财富管理业务、机构业务、投行业务等，也是与数据强相关的应用场景。针对这些前台业务，我们与观远数据合作构建场景数据应用，如给投行用的债券地图，将原本内容繁杂的报表通过BI可视化，使用门槛大幅降低，并能够以更灵活的形式展现，如数据联动、指标下拽等，使其具备了在投行部门广泛推广的条件。现在，投行部门的同事50%以上都已经成为了这一工具的用户，基本都在使用其看数据。我们还做了舆情系统，爬取外部公共舆情信息并提供预警。同时也正在建设智能投研平台，整合大量外部数据，按照投研的研究口径进行指标加工，辅助公司内部的投资研究决策。
我们做了很多数据工具，看起来是为了解决一个个场景问题，但是实质上是希望通过数据工具满足多层次用数需求。
上述场景中我们通过指标看板、管理驾驶舱等解决了数据可视化的问题，而在另一些场景里，业务临时想看一些数据或者验证一些业务想法，过去的做法是业务给数据团队提需求，数据开发的同学写SQL、取数据。但现在，我们希望能够基于业务同事自身应用数据的技能水平，为其提供不同的数据工具，让他们具备更多数据分析能力。
如业务同事有基本的数据分析概念或使用数据分析工具的技能，我们就会提供一些指标平台、BI工具、数据浏览器等简单的数据分析工具，使其能够进行自助洞察分析。如其具备更高能力，例如会写SQL，就可以提供自助查询平台等，让他能进行复杂数据分析与加工，获得更强大、更灵活的数据分析能力。再进一步如果有代码编写的能力，就会提供数据科学实验室，使其能做数据清洗、加工等，挖掘更深度的业务规律。
规划与展望
在A证券的数字化转型工作推进过程中，我们也发现了一些待解决的问题。例如文化与意识方面，很多人会把数字化转型理解成就是做数字化平台建设或者IT系统建设，认为只是数据团队的事情，这会阻碍数字化转型工作的开展，企业需要建设整体的数据文化氛围，高层与员工都要建立数据驱动的意识。员工技能培训方面，要让数据分析工具的使用变成通用技能而不是专业技能，在整个企业加强培训与推广。组织与机制的建设也十分重要，包括企业级的全局数据规划与管理，数据管理权责明细，数据共享与安全的机制配套等。
因此对未来的数字化建设规划，我们有四点展望：
推动公司成立企业级的数据管理与运营部门，统筹规划、建设、管理企业全局数据资产；
数字化转型过程中重点培育数据驱动意识与文化；
启动工作坊和技能大赛，在工作中锻炼和培养员工使用数据和工具的专业技能；
推动各部门配置数据分析岗位，健全数据驱动型企业的人才梯队。
注：文/龚作仁，文章来源：Laborer，本文为作者独立观点，不代表亿邦动力立场。
文章来源：Laborer
