【編者按】為深入貫徹落實黨的二十大精神，引導基金行業機構踐行《證券期貨業科技發展“十四五”規劃》，共促基金行業數字化轉型，按照中國證監會總體工作部署，于2022年11月開展“證券期貨業數字化轉型主題宣傳月”活動。通過開展“證券期貨業數字化轉型主題宣傳月”活動，搭建交流平臺，展現數字化轉型成果案例，激發金融科技創新活力，營造金融科技長效發展新生態。該篇為“證券期貨業數字化轉型主題宣傳月”系列宣傳之三。

    數字化轉型探索與實踐

    ——華夏基金

    一、引言

    當前，數據已經成為關鍵的生產要素，并上升為國家數字化戰略的重點。中央和監管機構出臺的一系列政策也為數字化轉型提出了新要求，指明了發展方向。2020年4月，《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》首次將“數據”納入生產要素，明確提出“加快培育數據要素市場”；2021年3月，《中國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》中明確指出：“迎接數字時代，激活數據要素潛能”；2021年10月，證監會《證券期貨業科技發展“十四五”規劃》提出“數據作為要素資源發揮更大作用”。

    數據的重要性早已得到行業共識，數據資產的積累是數字化轉型的重要前提，補足和構建基礎數據能力是重中之重?；鸸緫褦祿Y產當作一個新的管理對象，打造覆蓋全生命周期的數據資產管理體系，健全數據治理流程機制，加強統一數據平臺建設，提升數據流通與共享效率。同時也要時刻思考和展望數據資產化所帶來的業務模式創新，加快數據價值創造。

    資本投資品種越來越多，投資環境變得越來越復雜，傳統的系統化、結構化的管理模式已不能滿足投研需求，各資管機構紛紛在投研一體化建設方向發力。隨著市場競爭加劇，夯實主動管理能力成為資產管理機構提升核心競爭力之本。充分利用大數據、人工智能等技術挖掘海量數據蘊含的投資機會，已逐步成為各資管機構構建智能化投研體系的重要抓手。

    客戶群和偏好變化牽引服務創新。據BCG2020年報告，財富市場客戶群體正在發生代際轉化，具有“數字化基因”的千禧一代及“數字原住民”正式進入財富管理市場，并逐漸成為主力客群，這部分群體呈現高度依賴移動端、追求極致體驗等特征。面對高度數字化和個性化的需求偏好，作為財富市場的重要參與者，基金公司必須借助科技力量加快加深對客戶行為、心理的洞察，深刻理解客戶需求，打造陪伴式服務的競爭優勢。

    伴隨著中國資管市場蓬勃發展、客戶需求的日新月異，在數字經濟發展新格局下，華夏基金將“數字化”作為實現加速發展和轉型升級的核心引擎。在頂層設計層面，結合公司業務戰略目標，華夏基金制定了“十四五”數字化發展規劃，致力于從科技賦能向科技引領升級。在應用探索層面，華夏基金在數字化戰略的框架下，優先聚焦重點難點，集中力量攻堅重大項目，成立若干研究中心和特性工程團隊，堅持以數據為驅動，重點在數字化營銷、智能投研、運營自動化等業務領域挖掘數字化場景并深耕細作。配套基石層面，華夏基金致力于推進數據能力建設、架構管理升級、流程組織優化、金融科技生態建設等，不斷提升數字化轉型的基礎能力。

    本文將聚焦華夏基金數字化轉型的某些重點方向（圖1），分別從數據能力一體化建設，投研和營銷兩個領域的數字化實踐和典型成效展開。

    華夏基金數字化轉型探索與實踐

    （一）數據能力建設探索與實踐

    在數字經濟時代的浪潮下，用數據驅動業務創新發展已經成為企業的必然選擇，證券基金行業機構也在積極地推進數字化轉型，但機遇與挑戰并存。數據要轉化為數據要素，需要系統化、體系化的數據能力建設作為催化劑，才能釋放出生產力，就如業務能力、財務能力、人力資源能力一樣，數據能力已經逐漸成為企業的核心能力之一，并成為企業數字化轉型必修的內功。那么如何強化數據能力建設并發揮數據價值，已成為企業數字化轉型道路上必須面臨的重要課題。

    1、整體建設思路

    在公司“十四五”數字化發展規劃的指導下，華夏基金堅持統籌推進、聚焦痛點，強化數據能力建設，在完善數據治理體系、搭建大數據技術、提升數據服務能力等方面持續發力，多措并舉打好“組合拳”，逐步探索形成了符合華夏基金自身特色的數據能力建設之路。

    2、探索與實踐

    （1）制定“一體兩面N中心”數據體系建設規劃

    整體規劃上，我們提出了“一體兩面N中心數據體系”建設框架，旨在通過完善一體化數據治理體系、構建“兩面”大數據技術生態、打造N個數據匯聚和服務中心，逐步實現“一體牽引、兩面驅動、多能力賦能”的數據體系發展愿景。進一步展開來講，一體，即貫徹數據資產化理念，搭建和落實數據架構管理機制，持續推進數據治理各領域工作，從而為數據體系建設保駕護航；兩面，不斷引入各項創新技術能力，形成完善的大數據技術生態體系，“一面”滿足傳統結構化數據的管理訴求，“一面”支撐非結構化、大規模數據的管理趨勢，以實現技術“兩翼”驅動創新發展；N中心，即堅持以數據服務為落腳點的建設策略，根據業務需要和數據特點，打造投資者信息中心、產品信息中心、交易信息中心、資訊中心等多個數據整合和服務中心，全面支持數字化營銷、智能投研、運營提效等應用場景，促進數據要素價值釋放。

    （2）完善“一體化”數據治理體系

    作為支撐數據能力建設的重要基礎，數據治理已經成為實現數據資產有序管理的關鍵手段，華夏基金在統籌規劃下，以建章立制為起點，遵循分階段、分目標、逐步成熟的原則開展具體工作，圍繞數據架構、數據標準、數據質量逐漸完善數據治理體系并取得了一定的成果。

    制度、流程實施層面：重點構建數據架構管控機制，全面提升數據治理水平。通過制定配套的數據架構管控辦法及實施細則，并深入到系統建設流程中試點執行，在關鍵環節有策略地落實數據分布流轉、元數據及數據資產管理、數據標準、數據模型等方面的管控，實現數據全生命周期的有效管理；推進權威數據認證，建立數據認責機制，促進“數出一口”。通過對關鍵業務數據進行權威數據認證，明確數據權威源頭和出口、業務屬主、權威屬主等，此項認證舉措通過數據治理工作組和金融科技委員會審批后，在公司范圍內進行宣傳推廣，有利于減少數據重復錄入和建設，促進數據一致性和共享。開展專題數據質量提升工作，保障源頭數據質量。以業務數據痛點為抓手，重點解決跨系統、跨部門產生的數據一致性、準確性等問題，逐一確定數據根因和解決方案，并通過數據質量專題報告等機制對問題的解決過程進行沉淀，以形成良性循環的數據質量提升飛輪。

    工具平臺層面：建設企業級數據資產管理平臺—達摩DM，集元數據管理、數據資產目錄、數據質量監控、數據標準管理四大核心能力于一體，通過自動化進行元數據采集，建立統一的數據資產目錄，支持數據標準聚合推薦及落標、數據質量閉環監控，力求通過自動化、智能化管理簡化數據治理實施過程，幫助企業實現更高效的數據治理。

    （3）搭建“兩面”大數據技術能力

    在數據能力建設過程中，大數據技術至關重要，從公司大數據技術演進的路線看，從傳統數據倉庫到大數據平臺，從單一組件到多樣化工具，這個過程中緊跟大數據時代發展，逐步提升了數據存儲、計算和服務能力。

    建設一體化大數據平臺。通過引入大數據技術架構，構建了高性能、易擴展、高可用的一體化大數據平臺，突破了傳統數據庫對存儲容量和查詢計算能力的限制，支持以橫向方式無限擴展存儲容量和計算額能力，增強了數據平臺的水平擴展能力，提升了數據處理能力，形成企業級集中數據存儲。同時提供對離線數倉應用、實時流數據應用、綜合搜索引用、數據分析挖掘應用的支持，在此基礎上構建銷售和投研數據模型及數據集市，賦能各類業務場景。

    提升實時計算能力。在金融行業數據的時效性非常重要，傳統的T+1離線大數據模式有時難以覆蓋復雜場景的需求，為提升實時計算能力，完成了實時計算引擎Flink的落地，支持在大數據高并發的場景中快速進行數據的處理，以往需要T+1完成的數據處理可提速到秒級。

    建設非結構化數據處理平臺。據IDC調查，目前企業結構化數據僅占到全部數據量的20%，其余80%都是以文件、圖片等形式存在的非結構化和半結構化數據，尤其是對于基金公司營銷領域、中后臺運營領域來說，人工處理圖片單據、文件等量比較大，有必要建設通用的非結構化數據處理能力，支撐業務部門的PDF、圖片類數據解析需求，自動提取出關鍵信息。目前華夏基金正在運用OCR等創新技術建設非結構化數據處理平臺，涵蓋文本識別、圖片識別、關鍵信息抽取等能力，未來與RPA、NLP技術結合起來，可實現跨系統、復雜流程的業務自動化，減少人工處理工作量。

    （4）打造“N”個數據服務中心

    為更好地推動數據賦能業務，敏捷響應用戶的公共和個性化需求，基于大數據平臺打造了“N”個數據服務中心，目標是通過匯聚公司數據資產，廣泛整合內、外部數據，形成統一的數據底座，逐步實現數據打通共享，支持數字營銷、智能投研、運營提效等應用，促進數據要素價值釋放。

    現已建設形成涵蓋交易信息中心、資訊中心、另類數據中心、投資者信息中心等多個業務主題的服務中心，對各領域的業務開展和分析輸送了源源不斷地“數據”彈藥。以重點中心為例，交易信息中心采集投資交易系統、估值系統、交易所的數據，加工整合并建設統一的交易數據模型，保證數據的完整性、正確性，提供統一的對外服務方式，借助大數據平臺的流數據處理技術，對基金產品的各項投研指標進行實時計算，形成實時估值服務，對風控和運作等業務系統提供實時數據服務；資訊中心整合了多套資訊商數據，并進行轉換、清洗、整合等工作，最終輸出一套高質量、標準化的資訊主數據，解決資管機構多套資訊數據不一致的問題，全面提升金融資訊數據質量、數據時效以及數據覆蓋面，為相關業務系統提供基礎資訊數據支撐能力；另類數據中心基于大數據技術采集整合各類非結構化數據、外部數據，實現對投資研究的創新性賦能。

    此外，在新業務和新模式快速發展的背景下，我們持續洞察新服務中心建設的必要性和可行性，以不斷擴充公司數據資產，優化數據服務模式，提升數據管理能力。

    二、智能化投研

    在投研數字化轉型方面，華夏基金組成跨部門團隊實施投研一體化工程，致力于打造流程一體化、服務一體化、決策一體化的智能化平臺；成立了AILab，統籌AI算法模型及人才資源，與投研部門密切合作開展了一系列專題研究，充分利用人工智能前沿技術助力投資決策；依托大數據、NLP等技術，構建集成的全市場數據，利用知識圖譜將孤立的數據信息進行關聯，增強資產價值的深度挖掘和風險監控能力，提升信息獲取和決策效率。

    具體來說，在智能化投研創新領域，華夏基金首先針對碎片化、多源化的投研數據進行了深度整合，面向業務端提供一站式投研數據分析平臺，打通數據到業務的最后一公里服務。同時，基于整合的數據，華夏基金在知識圖譜、基本面量化等投研創新應用方面也做了積極的探索和嘗試。

    （一）投研數據聚合平臺

    投研行為高度依賴豐富的數據與信息。其中，結構化數據的比例極少，大部分以半結構化、非結構化形式雜亂分布。投研工作場景中往往存在數據碎片化、多源化、數據無法共享流動、技術能力和適配性要求高等痛點。因此，投研數據聚合平臺（iData）在華夏基金應運而生。

    作為華夏基金面向投資研究核心業務搭建的一站式大數據平臺，iData著眼于行業數據庫，力爭解決行研數據的一致性、及時性、準確性、權威性等問題。聯合外部科技廠商，通過自建投研數據中臺，將內外部多源異構的投研數據進行統一歸集、梳理、融合與輸出；對外聯通各券商、數據服務商，對內服務基金經理、研究員、數據分析人員等，讓數據金礦觸手可及。

    數據上，平臺深度整合了各行業數據需求，將20類多源異構數據結構化入庫，沉淀為幾萬個常用指標，有效盤活投研數據資源，提升數據流轉和共享效率；功能上，通過統一入口，提供一系列便捷高效的數據分析工具，助力數據價值的深度挖掘；技術上，依賴高性能、無代碼的數據操作臺，融合人工智能算子，快速實現數據處理工作。打通了多數據提供方與使用方在數據定義、數據維護、數據應用等維度的差異與壁壘，構建海量數據的閉環管理與融合體系，是兼具理念先進性與業務實用性的投研數據平臺。

    投研數據聚合平臺解決了投研人員當下面臨的數據碎片化嚴重、處理費時費力、缺乏規范標準等困境，打破以往IT部門與業務部門的數據藩籬，為數據資源的充分利用和管理跟蹤奠定堅實基礎。目前，iData已在華夏基金自建的數據中臺成功部署，穩定提供數據服務，切實賦能投研業務提質增效，為行業數據生態的規范化發展提供先行探索與實踐經驗。

    （二）知識圖譜

    近兩年，華夏基金攜手外部科技廠商打造了投研知識圖譜。以提升投研信息交互和共享效率為出發點，將上下游產業鏈、投資邏輯通過可視化的方式表達，形成產業鏈、宏觀、行業、個股動態跟蹤框架，沉淀投資智庫，助力資產價值的深度挖掘。

    知識圖譜是為投研業務打造的全新生產力工具，涵蓋了產業鏈、投研邏輯、底層圖譜等豐富的模塊，同時配備了全量數據集和可視化交互功能。將產業鏈、行業、個股、實體、產品、關聯方等繁雜的信息統一轉換為有序的智能化關聯。投研人員可以通過平臺搭建可編輯、可更新、可追溯的個性化投研框架，分析模型，風險監控模板，基于個性化的投資體系實現歷史回測、實時跟蹤、指標預測等智能化場景，為投資決策提供有效支撐。

    基于對多源異構信息的聚合和處理，知識圖譜有效助力提升了投資研究效率，降低了跨行業研究的信息共享門檻，提升風險的早預見性。作為投資研究的知識中樞神經，知識圖譜是智能化投研轉型過程中不可或缺的一環，為AI技術在投資研究中的落地應用奠定了基礎，是實現投資研究系統化、自動化、智能化的必經之路。

    （三）基本面量化

    在境外，機器學習等AI技術在投資研究的應用已經有了較長時間的探索。AI量化投資工具被越來越多的資產管理公司運用，不僅應用于純量化策略的構建，還被用來輔助基本面研究，如處理海量另類數據、股票KPI預測等，進而達到輔助投資決策的目的。

    華夏基金正就將可解釋機器學習在基金業務領域的落地應用進行積極嘗試。與境外領先的人工智能公司攜手，引入基于大數據的基本面量化投資平臺。將可解釋AI技術作為一種輔助性的投資工具，集中應用在輔助評估海量數據集、動態股票篩選、提高投資效率等領域。

    不同于以往的黑箱操作，可解釋算法提供了對不同變量如何相互作用的因素，有助于解釋機器學習為何會做出決策，從而讓使用者對機器學習模型有更深入的了解，來輔助基本面投資策略中的因素分析、模型構建，增強投資觀點生成、進行風險預警等，為基本面研究提供現代化的數據挖掘和機器學習工具。

    三、數字化營銷

    在數字化營銷方面，華夏基金正逐步推進數字化服務體系建設，利用數據技術手段，科學、細致、深入的進行投資者投前、中、后的分析挖掘，全面了解投資者在投資過程中的困惑、障礙、習慣、心理和行為?；诳蛻羯钊攵床?，推動精準化、千人千面的數字化客戶服務，針對廣大的個人客戶提供更個性化的財富配置方案、更具溫度的關懷陪伴，針對機構客戶提供更定制化、更專業、更高效的一體化解決方案。

    其中，智能營銷平臺的建設是營銷數字化轉型中具有代表性的一環。

    （一）智能營銷平臺

    近些年，隨著投資者對專業資產管理的需求日趨旺盛，資產管理行業的競爭也在加劇，這迫使基金公司著重于投資者教育和陪伴工作?；鸸镜臄底只癄I銷能力也逐漸成為企業關鍵競爭力，但建設過程主要存在以下難點：

    1、基礎弱：由于公募基金存量客戶龐大，而公募基金銷售長期依托代銷渠道和互聯網渠道，客戶數據分散、多端身份不統一，導致基金公司對自身客戶的理解能力比較有限，缺少對投資者需求變化和行為變化有效研究手段。

    2、難匹配：透過大量問卷和數據分析發現，不同人群、不同需求的投資者，對產品要求和收益目標等有明顯的差異，操作行為也有明顯的不同。這就要求基金公司具備有效客戶分層識別能力，產品推薦的精細化能力，投教內容差異化能力，進而提升投資者投資體驗。但由于營銷系統的閉環能力較弱，很難了解基金產品是否滿足了用戶的需求，改善了投資體驗。

    3、應用淺：在指標不科學、無體系，數據分析深度不夠，缺乏業務洞察和建議等問題面前，很多企業止步在有數據和看數據階段，并未將數據分析與營銷業務結合起來，提出有意義的洞察和建議。

    為幫助提升客戶投資體驗、充分發揮大數據資產的價值，華夏基金與多家廠商攜手打造了一套全流程智能化營銷解決方案。總體來說，華夏基金智能營銷平臺（MIPS）的建設分為六個階段：

    第一階段：投資者數據基礎建設

    在投資者數據建設階段，實現線上、線下、場外、場內投資者數據體系的集成與互通成為一個難點。建設方案為：

    1.在引入大、全、細、時的線上數據埋點技術基礎上，搭配ID-Mapping技術，實現線上數據與基金公司現有賬號體系打通，完成投資者多端身份統一。

    2.充分將投資者基礎數據模型轉化為先進的用戶行為模型，并利用大數據平臺相關技術工具的算力、存儲能力，對數據重新進行清洗、加工和模型構建等。

    最終，實現了70+種投資者的線上、線下、場內等多場景的百億數據的計算、存儲和建設問題。

    第二階段：實時分析能力建設

    在數據應用場景下，業務往往希望能在幾秒內快速獲得數據分析的結果，但實際的數據量高達上百億。在進行分析引擎技術選型時，首先需要考慮滿足億級數據秒級查詢的能力。因此，我們沒有選擇Hive，而是考慮類似于MPP架構的查詢引擎方案，經過全方位權衡，最終選定Impala為查詢組件的解決方案。該方案引入后，配合大量的存儲、計算資源，平臺已經可以全面支持多渠道多場景下的百億級數據自助式分析，解決了投資者行為分析復雜、低效、指標計算困難等問題。目前，平臺可同時滿足上千次分析訴求，并給出即時響應。

    第三階段：建設投資者分層能力

    在人力和成本投入等受限的情況下進行“有取舍、有挑選”的客戶運營，就需要提升精細化服務的能力。對比常規全量服務，精細化服務需要針對客戶進行分層定義，區別不同群體投入不同成本和服務能力，從而滿足不同群體客戶的需求?；鹂蛻舴謱拥脑瓌t有兩個：不同群體所呈現出不同特征，不同需求，需要分層運營；不同群體的運營目標不一樣，例如低凈值群體向高凈值轉化、非權益類持倉群體向權益類轉化等目標。全客戶服務場景和精細化服務場景在業務當中是同步建設的。而平臺構建的分析工具，可以幫助業務實現按照生命周期、高低凈值人群、投資行為、投資經驗、投資偏好等不同分層來進用戶運營。

    第四階段：拓展投資者挖掘能力

    引入數據挖掘能力可以拓展投資者分層能力，其難點在于如何充分利用前期建設的大量數據。反復衡量多種備選組件的優劣之后，最終引入挖掘組件，并設計了基礎數據的最佳同步和共享方案，保證分析組件、挖掘組件能夠無障礙地使用前期建設的百億數據底座，充分發揮分布式分析、計算、建模的優勢，靈活完成投資者分層的分析?；谥悄芡诰蚪M件構建的智能挖掘平臺，擁有交互式圖形化人工智能開發環境，支持圖拖拽操作，集豐富的預處理工具、特征工程支持、高效模型訓練、模型評估能力、模型管理能力和工作流調度能力于一體，可以高效滿足業務機器學習應用的開發需求，充分發揮分布式建模、預測的優勢。

    第五階段：打通多觸點閉環營銷能力

    該階段通過引入從營銷策略配置到客戶觸達，再到效果分析閉環式的智能運營引擎，針對投資者的投資行為進行分析、用戶分層、用戶分群，并搭配多種觸達通道進行營銷動作。之后再對行動進行效果評估和反饋，從而進行策略的快速調整，讓行動越來越有效。此階段閉環營銷驅動能力的實現，依賴于前四個階段對用戶完整認知和分層能力的建立。目前已完成實驗700+次。

    第六階段：深度分析專題能力

    投資者分析往往圍繞人、貨、場三種維度展開。該階段由專業的分析師配合業務人員，針對投資者抽樣調研結果、業務提出的猜想和假設，通過構建分析專題、分析框架等方案，結合前幾個階段建設的數據和分析工具，進行大數據分析求證。

    總體來說，智能營銷平臺MIPS為華夏基金進行投資者精細化營銷和陪伴式服務打造。全面采用自助式分析工具，提供必要的數據基礎和大數據分析能力，實現從營銷策略配置到客戶觸達，再到效果分析閉環式的智能運營模式，支持多業務部門進入智能化、數字化的營銷時代。

    四、結語

    科技創新是發展數字經濟的核心源動力。基金公司等金融機構是資本市場數字化轉型的主力軍。

    對于華夏基金來說，我們正處于數字經濟持續高速發展的偉大時代里。新機遇新征程下，華夏基金將牢牢把握數字經濟發展規律，致力于以數據服務為目標，以數據要素為核心，以技術創新為抓手，全面加強數據能力建設，深化技術引領業務領域創新，加速數據價值向業務價值轉化，充分發揮在資本市場行業鏈中的“引領創新”作用，爭做資本市場數字化轉型先鋒，助力數字經濟和資本市場高質量發展。