文 | 张齐齐 编辑 | 付媛媛

来源 | 首席数字官

证券行业本身依赖信息系统开展工作，因此数字化程度较高。比如，交易所与企业链接，企业又与客户连接，客户发出购买基金申请的过程就类似数字化过程。在通过深沪交易所买卖证券的数字化传递，形成交易数据和市场数据等。此外，上市公司资讯的数据、盈利数据、舆情变化、以及对行业的影响，这些数据都会被保留下来。

以前，大家对数据的认识不重视也不深刻，更多停留在信息化层面。在客户行为、对客户服务的深化、细化程度等方面，与一些互联网电商相比存在一定差距。因此，南方基金近几年在丰富客户行为数据的方面，采取了措施。 比如，研发APP推广给卡户使用，APP设置采集点，会保存用户的使用记录，通过分析用户行为数据，得知用户需求，从而为客户提供更精准的服务。

成立数据治理小组，充分挖掘数据价值

南方基金在公司层面成立专门的数据治理工作小组，主要负责数据质量、数据标准以及深度挖数据价值的相关工作。

数据是资产。在南方基金，客户、产品、渠道、投资研究、交易、人力、财务风险等各方面业务场景所产生的一些信息，构成了公司全部的数据资产。

在数字化转型的方方面面，比如平台管理、数据存储、数据计算、数据模型标准、质量监控、数据安全等，南方基金提出高标准、严要求，公司内部的某些应用的管理和使用设置了相应权限。

与传统IT技术相比，数据治理是是学科和企业相结合的新面貌事物，需要工具和方法来支撑。对此，IBM提供了比较成熟的治理经验，贯穿数据产生的全过程。实际上，数据也并非全部具有价值，需要专业人员，比如CIO、CDO等，去发掘数据的价值，发现新的业务创新点和增长点。总体而言，根本还是依据数据做科学、精准的决策分析。通过获得客户的交易数据、行为数据，使客户画像更加清晰，从而为客户提供更精准的理财服务。

南方基金代销渠道很多，每个渠道都有自己的合作基础与客户特征，通过数据分析优化配置方式，助力业务部门。最后，利用大数据技术支撑风险管控和新业务。

例如，智能投顾。基于用户画像，定制千人前面的产品，基于客户数据以及产品的特征数据作出选择。只有深挖数据，才能更好的完成这方面的业务。

组织设置、管理模式和团队分工

组织设置方面，2017年，IT部成立了数据管理组，成立之初主要是负责大数据平台的建设。目前这个小组有12个人，划分为平台运维组、平台开发组、数据挖掘组。2018年，公司内部又成立一个在信息技术委员会下面的治理工作组，以数据管理组和运保数据港作为协调执行小组，在每个业务部门设立了一个数据专员，从而完成了公司在数据管理方面的组织架构和人员的安排。

数据管理组的职能由三个小组来承担：

平台运营组负责大数据平台的建设，包括一个大数据集群、一些扩容生产环栽培环境以及日常数据采集和任务调度，保证大数据平台的一个稳定运行。

平台开发组主要是负责公司数据仓库的分层架构模型设计、各业务领域的主题建模，以及相关的数据指标开发，向下游系统提供相应的数据加工和接口服务，自建很多跟业务相关的数据创新应用，同时完成数据治理和日常关键数据的一些集合监控，确保数据的一些准确性、及时性和有效性。

数据挖掘组主要是开展智能化的以及数据类的一些创新和研究，主要是利用数据挖掘去学习算法，开展精准营销、智能投资、智能投顾等智能应用。

技术和业务部门之间存在协调、支撑，业务部门在收集数据问题、反映数据需求时需要有归口，公司数据对外发布的时候也应有统一的出口。证券基金业有很多面向监管报送、面向外部披露的数据，因此，在管理架构以及职能方面，南方基金将“裁判员”和“运动员”进行切割和分离，保证数据传递的及时、有效和安全。

南方基金的IT团队以精简的人员，全面支撑起各种各样的业务系统，更多的是与合作厂商合作开发、搭建平台等。

数据价值的总目标和规划

数据治理是漫长之路，数据要全面、及时、准确且一致。客户和产品的画像更准确，自动化的营销才能更精准，提高成交率，降低营销成本，同时也减少对客户的打扰。

在投资领域，南方基金通过各种资讯数据，清楚的描绘企业画像。当企业有任何变化，甚至上下游波动对其产生的影响，都可以及时察觉，从而快速作出减仓或加仓的决策。如此，投资更有针对性，产生更好的效果。

数据管理要符合公司战略，南方基金旨在打造“聪明”的资产管理公司。“聪明”意指公司IT的科技水平和智能化水平，表达出对数据价值的高期许。国内外排名靠前的资产管理公司往往都是科技公司或数据科技公司。但在国内，特别是公募基金受长久以来IT人员结构的影响，数字化道路仍然很长。

南方基金在2017年初开始建设大数据平台，至2018年底，客户规模从3000万涨至6500万，至2019年10月，客户规模突破1个亿。随着公司业务发生翻天覆地的变化和发展，传统系统和数据平台的处理能力无法承担庞大是数据体量。从数据管理和对数据价值方面来讲，沉淀的客户数据越多、交易行为越频繁，客户对公司的要求就会更高，尤其是公司投研和风险的要求会更高。而公司不能等亏损发生后再去提醒客户投资有风险、入市需谨慎。基于此，南方基金将客户打上标签，产品分级别，在客户交易之前，经风险评估及时发出，为客户带去更安全可靠的体验。同时，公司的经营研究实力全部通过数字化、大数据、人工智能提升，意味着公司的投入会更大，要求会更高。

未知领域及业务场景会越来越多，行业监管的态势也越来越紧，特别是内外部环境的变化对行业提出更高要求，企业对数字化的理解及应用，要落实到企业业务发展战略，与企业一起成长，成就更多客户，产生更大的业务价值。

数据管理、数据挖掘和数据安全的成果

数据管理。基于Hadoop，建设大数据平台，同时面对前端业务，比如APP、网上交易以及客户端，进行持仓盈亏的实时查询等。其次，报表中心面向公司内部管理、业务以及报表的制作，通过互助BI、可视化、数据发布的全新升级，推进了数据治理工作。在质量、数据标准以及监督数据的方面，更多由高管去管理驾驶仓、财务去做多维分析，以及构建一些成本利润中心、绩效考核、营销一体化服务。基于大数据，搭建反洗钱系统。

在渠道方面，实现了将传统公募基金、代销渠道的资产管理演变为通过互联网进行客户引流和对互联网渠道客户资产的管理和运营，并满足上亿规模客户、每日百亿交易流水的资产规模统计和计算，且提供千亿级流水在线查询。

数据挖掘：基于客户、产品标签化，勾勒客户、产品画像，基于画像进而达到精准营销以及流失预警；基于大数据技术的机器学习、数据挖掘实现了反洗钱管理、债券违约模型构建和信用评级。

数据安全：围绕客户核心指标、敏感数据、保护客户隐私和公司重大商业机密，利用数据治理完善相应制度和流程。基于OA系统，通过特定人员岗位，定义严格数据需求和服务流程，制定数据问题反馈机制，对核心数据进行资产盘点，实现数据的分类分级；同时，利用数据脱敏和加密技术，保证数据在传输过程中的安全和可靠。

数据管理过程中面临的挑战

数据准确性、及时性、时效性的管理与治理。在数字管理过程中，南方基金经常出现数据错源头错误，由于最终到达数据中心的数据均是由各方采集而来，且许多源头便产生了数据错误或数据不及时等情况，因此会对数据产生结果造成错误影响，需要加强源头数据治理。

随着数据量的增大，其对基础设施的要求也越来越高，特别是在爆发式的增长下，其对系统的存储和足够余量带来巨大挑战。

数据科学家欠缺。数据科学家已成为了全行业的紧缺资源，企业十分需要既懂业务又懂技术还能够深挖数据价值的人才，能够从数据中形成结果，看到数据背后的价值。

未来，南方基金致力于实现更“聪明”的资产管理，快速成长为风险及时管控、客户值得信托的智能化资产管理公司。