中小型基金公司是如何考虑数据建设“性价比”的？

中小型基金公司如何考虑数据建设的「性价比」。

一直以来，基金都被视为门槛投资领域，不仅是因为产品的复杂性，更是因为渠道的局限性以往投资者主要通过银行代销和基金公司自销的渠道购买基金产品，但前者价格昂贵，后者产品单一，只能满足少数投资群体的需求

直到互联网金融平台盛行，情况才开始改变。

这些变化对于基金公司来说，既喜又忧流量的涌入自然带来交易量的增加，但一方面，传统基金交易与互联网平台基金交易的数量级已经不可同日而语，这对基金公司的底层技术能力是一个从量变到质变的考验

在日前的专访中，九泰基金总经理严军举了一个例子以前传统基金公司的交易最多也就几万到几百万，通常只在新基金申购的最后几天才达到几十万或者最多几百万，互联网平台测试短期并发，流量峰值甚至会超过十亿

闫军强调，面对这种海量的动态购买和赎回，用户在意的是体验感，也就是说，商业交易的过程是有连续性的如果用传统方式处理这种大并发，数据处理系统可能会直接宕机

另一方面，更多公众投资者乃至财富管理人的进入，要求基金公司具备更强的风险管控能力，不断优化投资组合，满足投资者的多元化需求在这个过程中，只有守住数据，才能守住变化

但对于九泰基金这样的小基金公司来说，相比基金巨头基金数十亿，数万亿的公募管理规模，其目前的体量也不过数十亿至数百亿据严军介绍，在基金行业，考虑到资金成本，资源比例，人员投入等性价比，像九泰基金这样的大公司通常不会自建数据中心，而是通过恒生等第三方平台提供的工具获取交易数据很多关键的销售数据和赎回数据都无法掌握，更不用说把数据作为资产保留下来，以盘活和赋能所有业务

但是，九泰基金并没有走这条所谓的普通道路九泰基金自成立以来，就非常重视IT投资虽然只有十几个技术团队，但只用了一年多的时间，就建成了自己的数据中心从搭建系统到搭建数据中心，从数据整理分类到数据分析，从单一数据引导到集群数据赋能，九泰基金从零开始，找到了一条小型基金公司的数据能力建设之路

01为了摆脱孤岛，小公司也应该建立自己的数据中心。

过去传统基金公司的系统架构主要是烟囱建设模式，一般是基于计划容量进行设计开发这是因为当时基金公司推出的产品有限，用户规模可以估计在极端情况下，系统负载压力也可以通过用户排队等机制来降低可是在互联网场景下，互联网金融平台的各种活动层出不穷短时间内，用户集体申购赎回基金的行为会增多，从而导致大数据并发这时候采取简单的等待排队策略，会严重降低用户体验

其次，传统基金公司的业务很少相互访问，业务服务在设计和运行过程中没有考虑重用，难以满足多场景下并发访问的要求但基于互联网，投资者与基金公司的互动频率会越来越高显然，这种设计和运营模式很难快速响应用户需求在竞争激烈的市场中，拥有速度和经验就意味着拥有用户的关注和认可，也就意味着传统基金公司可能会错失很多商机

除了快速为用户提供产品，关注基金的销售数据和用户的赎回数据，进而洞察用户的深层需求也是必不可少的而传统基金公司过去的数据资源要么已经在其原有的历史系统中，要么在银行，券商等各种渠道中，导致数据整合困难，质量差，无法实时同步等问题，难以为洞察用户需求提供有价值的信息

严军表示，这些前车之鉴是九泰基金自建数据中心的非常重要的原因我们希望把所有的系统整合在自己的数据平台上，通过数据中心形成一个完整的运营体系，而不是成为一个个孤岛

据他介绍，目前九泰基金已经建成了投研，营销，内部管理三大数据中心，涵盖了投资，销售，运营等大量数据这对九泰基金的工作人员来说意义重大

比如，对于传统的基金销售人员来说，以前靠拍脑袋来猜测用户的投资偏好，还要一次又一次的进行问卷调查，不仅效率低，而且销售也不一定好基于后台数据，销售人员可以分析成千上万的人，包括哪个地区的人买什么结构的产品最多，什么类型的人喜欢买什么产品多等等

再比如，对于运营人员来说，无论是面对外部监管还是公司内部运营，都可以通过数据后台提取所需数据只需要两名操作人员，最快几分钟内就可以生成相关报告这样不仅节省了时间成本，也增加了工作的便利性在适应日益流行的金融监管数字报告机制的过程中，这提供了非常关键的支持

闫军介绍，目前很多小型基金公司对于监管数据的报送会依赖外部第三方公司，可能会造成报送过程不可控，也可能无法保证项目进度，从而使公司处于被动状态。

但他同时强调，九泰基金在自主搭建数据架构的过程中，也保留了第三方公司提供的系统代码和逻辑这样做的好处是，当分析同一组数据时，两边的系统可以分别运行如果结果完全一致，证明数据一定准确，可以直接上报，如果运行结果不一样，证明有错误，需要员工重新检查

也就是说，通过数据中心的自主建设，可以沉淀九泰基金的大量实证数据，不仅可以构成驱动系统应用的核心，还可以整合资源，通过平台服务支持各项业务的接入需求。

02人员有限，系统应该自己开发还是外包。

但是，就像罗马帝国不是一天建成的一样，九泰基金的数据基础也不是短时间内打下的，在这个过程中，他们也遇到了很多挑战。

首先，九泰基金成立较晚，IT建设从零开始，这意味着在数据处理之前，它还有大量的基础建设工作需要完成但一开始，九泰基金的技术人员不到10人据严军介绍，他们接到的第一个任务是在一个月内搭建14个主要系统在人员有限且公司业务必须向前发展的情况下，应该先构建哪个系统怎么建如何最高效地满足当时业务的发展需求这些问题亟待解决

毫无疑问，最快的解决方案是外包技术提供商的通用系统严军表示，一些企业会担心外包系统灵活性低，自主性弱的问题而对时效性要求极高的系统，如销售系统，投资系统等，并不是基金公司的技术开发强项通过解决投资公司遇到的常见问题，技术供应商通常可以提供更专业和成熟的解决方案所以这部分系统，九泰基金会考虑完全外包，不占用不必要的人力，让系统尽快投入使用

此外，对于业务逻辑相关性强，但短期内缺乏自我开发能力的系统，九泰基金优先考虑与外部科技公司共建在合作共建的过程中，技术厂商提供成熟专业的技术和工具，九泰基金可以提供针对性的数据和业务逻辑指导

比如如何使用工具从系统中抓取所需数据技术工具本身不是九泰基金的强项，主要是哪些业务流程捕获的具体数据字段是什么这部分需要九泰基金内部成熟的业务人员和外部专业公司的参与，比如APP可以自己开发，但其安全防护模块涉及身份识别，密码插件等各种关键安全防护技术这时候就需要外部的专业公司在技术上提供相应的服务，将相关的安全防护技术产品嵌入到APP中

也就是说，共建的方式可以解决九泰基金的一些急事，利用外部资源弥补自身的短板，同时满足部分业务的个性化需求。

但显然，这还不够伴随着公司业务的扩大，个性化需求越来越多，共建体系的弊端也逐渐显露出来——比如你要调整一些功能，还需要双方大量的时间一起协商长此以往，会增加时间和人力成本，得不偿失所以对于高度个性化的系统，九泰基金全部选择了自研

比如投资系统可以外包，但是研究报告系统最好自己开发我们希望所有的报告都可以自己智能筛选，从大量的报告中找出高质量的研究报告，进行持续的跟踪和评估目前市场上的研究报告系统普遍不尽如人意而且伴随着基金品种的增加，业务复杂度进一步增强，大家都有差异化发展的目标这种个性化需求会越来越多严俊解释道

比如包括OA在内的管理系统，九泰基金未来也会选择自研由于九泰基金正处于高速增长期，伴随着人员的增加，部门的扩大，业务的变化，OA系统必须能够及时动态调整，以满足公司个性化经营管理的需要

总而言之，在时间紧，任务重，人员有限的多重挑战下，九泰基金根据任务的优先级和系统的个性化需求程度，选择了三种方式建设基础系统设施，将仅有的技术人员投入到必须独立开发的项目中，充分利用现有资源，保证公司业务的有序运行。

03数据如何真正带来价值。

众所周知，数据是数字化转型的核心，数据处理是用好数据的关键也是最难的环节根据严军的介绍，企业的数据能力建设有三个关键部分:数据清洗，数据分类和数据分析

第一步:数据清洗，挖掘业务+IT复合型人才。

我们刚开始采用的数据系统来自四五家IT供应商，如恒生，郑锦，赢时，浪潮等成为自己的数据中心是一个巨大的挑战你需要把底层的数据全部铺开，把数据处理，清理，识别的工作人员全部铺开严军补充道

具体来说，基金业务流程涉及开立基金账户，申购赎回基金，选择基金分红方式，设置赎回模式等在这个过程中，包含了用户，产品，销售，交易等大量信息这些信息通常以不同的领域和方式存储在相应的数据中心数据清洗的目的是洗去无效和重复的信息，保证数据质量，使数据尽可能完整，准确，一致和可用通过这种方式，可以使用数据来实现服务

据闫军介绍，该营业部提出的需求是一年内将九泰基金的所有数据进行梳理当时系统中已经沉淀了四年多的数据，规模达到近百TB，数据质量参差不齐对于技术部门来说，这个工作量不小交给专门的数据处理公司虽然更快，但成本较高，而且双方在业务理解上可能会有偏差而且，一个公司要想真正提升自己的专业能力，提高数据的准确性和利用效率，这是绕不过去的坎，迟早要做所以，我们选择在内部做

时间紧，任务重，但数据质量的问题一点也不能马虎高质量的数据意味着更大的商业价值反之，如果数据质量差，就会导致一系列问题比如，不准确的数据在严格的审核机制面前无法通过，比如数据质量差，难以为公司运营赋能，无法精准构建客户画像，把握投资需求更有甚者，可能提出错误的战略方向，影响公司业务发展

闫军说，数据质量保证没有诀窍唯一的办法就是让合适的人做合适的事，让真正懂业务的人做工作因为他会知道哪些数据有用，哪些没用如果技术人员不清楚这一点，他很可能会删除一些有效数据，但留下无效数据严军说

但是，这种既懂业务又懂技术的复合型人才，是任何行业都遇不到的对于企业来说，解决的办法只有两个，一个是在外部积累人力资源，一个是在内部培养复合型人才

对于闫军个人来说，他曾在天津证券，渤海证券，博时基金，信达澳银基金等金融机构任职长期以来，具有商业和技术的双重视角他说，这些经历对他后来的人力资源积累起到了非常重要的作用他认为技术人员必须走出企业，在专业领域多交流，多学习只有这样，他们才能遇到更多优秀的专业人士

对于内部人才的培养，公司需要有一定的战略目标，比如把一些IT人员下沉到业务部门，跟业务部门一起学习同时，人才激励制度的建立也不容忽视比如传统的IT人员的工作职责可能只局限于技术层面，绩效考核和激励也多以此为标准但如果公司要进行数字化转型，IT人员的工作职责必然会扩大在这个过程中，首先要明确考核和激励的权责，让人才得到更好的激励，第二，与业务部门形成联动机制，共同培养复合型人才

第二步:数据分类，从业务出发，基于关系图寻找关键数据。

如果数据清理的目的是设计建筑基础，那是必不可少的基础工作，那么数据分类的目的就在于一楼要建什么，这是一种选择性的战略部署。

严军表示，数据分类的目的是对大量数据进行聚类和组织，以便更好地为公司业务赋能但是不同的维度有各自的价值，如何选择一个维度对数据进行分类，需要考虑数据分类的目的

总的来说，首先从技术角度来说，需要考虑数据会被用来做什么，比如基本的查询，建模分析，或者在未来人工智能算法中的应用其次，基于未来的发展，需要考虑数据的处理方式，比如原来的数据会不会发生变化，会不会合并新的数据等等如果原始数据不会发生变化，那么数据分类的粒度可以适度大一些，如果以后融合产生新的数据，数据的分级粒度要更细，避免数据融合分析时无法拆分数据

传统的数据分类是基于技术的角度，然后考虑未来业务的发展和变化但是，面对越来越复杂的业务逻辑，如果从技术角度对数据进行分类，必然会遇到数据分类不合理等问题从业务的角度来看，九泰基金的做法是先做一个简单的分类比如销售系统肯定是销售数据，投资系统肯定是投资数据等等

但是，它们并不是完全分离的，因为一些关键的基础数据是相同的，比如客户的基本信息，会在不同的业务系统中找到，比如再投资收益数据，它可能对销售和投资都有指导作用所以，对于这些复杂的数据维度，我们不能简单地说它属于哪一类，我们需要一个‘数据字典’基于‘数据联系图’，我们可以找出它们之间的潜在关系，最终呈现给前端的数据用户，这是一个串行关系图

第三步:数据分析，可以参考但不能盲目依赖。

在拥有大量数据的基础上，分析关键数据，让数据产生价值才是关键。

但是很多企业说数据利用率不高，核心问题在于数据量够不够，数据清洗和数据分类做得好不好，数据维度是否丰富首先，基金公司的目标应该是让它所有的持有人和客户在自己的平台上留下你需要的信息，这是基金会的根本

其次，这个过程中是否有统一的数据标准和体系，也会影响数据分析的结果例如，如果不同系统中数据的分类维度和标签不统一，可能会因数据提取中的遗漏而导致分析结果不准确，或者不同系统之间的数据不匹配，从而导致数据分析师不知道参考哪个系统

"另外，在这个过程中，企业通常会遇到许多非常特殊的情况."闫军说，比如我们通常判断一个用户的手机号属于他所在的位置，并基于这个共识做出分析但也不排除有人用的是老家的手机号，但长期在外地工作这时候数据分析的结果就不准确了

也就是说，即使基于非常扎实的数据准备工作，数据质量非常高，数据体系非常完善，数据分析的结果也只能作为参考，不能绝对依赖。

除此之外，利用好AI还可以帮助基金公司达到数据分析的目的比如AI在基金行业最早的应用场景是量化交易，即从不同市场挖掘投资机会，分析海量交易数据，制定和优化投资策略和策略组合

在严军看来，量化交易赋予了基金公司业务发展新的逻辑在传统的基金交易中，判断投资的影响因素主要是人，人通过数据分析得到最佳的投资方案但是在量化交易中，分析和替换因素是一瞬间的事情极端情况下，几十个甚至上百个因素实时变化，人不可能在变化的瞬间及时做出反应可是，AI可以学习哪些因素是有效的，哪些是无效的，何时应该删除无效的因素，以及何时应该添加新的有效因素

定量分析有优势，但是入门门槛很高，很难做好它在中国仍然是一个利基业务

首先，市场能提供的相关复合型人才有限普通的金融+技术复合型人才不仅要具备基本的编程技能和软件技能，还要具备一定的金融知识这样的人才在市场上已经是少数定量分析人才最重要的是要有很强的数学分析能力，帮助进行计算，数据收集和分析，对市场风险进行预测和评估

其次，量化投资的投入成本很高，涉及强大的计算机计算能力和数据支持系统，如:收集大量数据，建立准确的数据模型，通过多角度数据分析挖掘有效因素，优化迭代交易系统。

所以定量分析需要一个完整的生态，人才和技术同等重要。

不过，虽然基金的量化分析有一定难度，但严军认为，只有差异化才能在基金行业形成竞争力因此，九泰基金一直将量化投资作为公司的重要发展方向，通过人才和技术升级，基于海量关键数据，人才+技术+数据共同驱动量化分析业务的发展如今，九泰基金正在探索逐步打通宽基指数，智能贝塔，量化对冲绝对收益产品等领域的量化产品布局

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。