继华北大数据沙龙成功举办之后，日前，根网科技大数据业务闭门沙龙·华东站在上海圆满结束，数十家华东地区的券商大数据领域资深专家积极交流，反响热烈。本次沙龙以“数力汇聚 智助成长——大数据助力券商业务的转型与发展”为主题，探讨大数据技术对于券商业务的赋能与引领，共绘券商数字化转型蓝图，谋求高质量发展。

根网新一代金融行业数智化大数据平台

根网科技副总裁、大数据事业部总经理 马野

根网科技副总裁、大数据事业部总经理马野先生，首先向大家分享了根网金融行业数智化大数据平台。

1. 行业大数据能力在被动转型中

在业务多元、监管趋严、数字化转型的条件下，券商在大数据领域必定要进行数据一体化、数据服务化和数据资产化。这个过程是被动选择，更是必然发展。

2. 根网科技新一代大数据平台框架

该框架以透明化、智能化和平台化作为逻辑基础，通过大数据智能工具套件、数据资产盘点套件、数据资产透明化，实现平台化支持投资管理、风险管理、财富管理和监管报送，并通过数智化过程实现数据集市的构建，最终建设坚实底座，实现透明数据集中，智能应用插拔，云原生高效部署。

3. 新一代大数据平台深化要点

以需求标准化自动化作为出发点，以流程梳理对接和模版标准解析为主要内容，以业务分析流程化-数据服务接口为第一条通路，指标矩阵-报表模版-低代码数据开发-湖仓一体数据模型作为第二条通路，最终汇聚到数据资产盘点和管理。

4. 根网科技大数据综合能力

最后，马野先生全面展现了根网科技大数据在大能力积淀、业务支撑、低代码能力和模型/AI等方面的综合能力。

国泰君安全面数字化转型实践与探索

国泰君安数据平台运营部数据治理总监 张玲岩

接下来，国泰君安数据平台运营部数据治理总监张玲岩先生，为大家分享了《国泰君安全面数字化转型实践与探索》。

张玲岩先生表示，数字化转型是一项复杂的系统性工程，应该围绕技术、数据、流程、组织四要素开展工作。既要自上而下，以客户为中心，依托组织变革和文化建设，引导技术、业务、管理能力提升，实现经营管理模式创新；又要自下而上，以技术赋能为支撑，回归业务的本质进行优化与变革，构建数字协同生态，创造新价值。

国泰君安于2021年发布“SMART投行”的全面数字化转型愿景，从数字化的业务模式、核心能力中台、组织保障三个层面绘制了转型蓝图。当前，国泰君安的全面数字化转型已全面按照五大重点方向持续推进：

1. 促进商业模式创新：持续优化三类客户业务模式

依托数字化技术加快推进获客、客户体验、生产效率等方面的财富管理数字化转型；打造一体化机构业务综合化服务平台，推进各项业务稳步增长；依托数字业务中台实现投行业务全链条线上化，共建开放平台赋能“投行+”生态。

2. 驱动业务增长：将技术优势转化为业务竞争力，量化交易平台助力交易份额攀升

积极打造安全与开放架构，完成自主研发的新一代信创分布式低延时核心交易系统的升级，真正实现交易、账户、清算相分离。提前布局的低延时技术，为公司在信用、国际化、量化交易等业务领域赢得竞争优势。主动规划并建设以交易为核心的增值服务生态网络，从金融数据服务、投研一体化服务和交易全栈服务等方面全面开展多层次量化交易柜台体系建设。量化交易竞速排名稳居前列，为机构客户提供极速体验，助力交易份额持续攀升。

3. 提升客户体验：把复杂留给平台，把方便留给客户

以客户为中心进行O2O流程再造，打造线上智能APP、线下智能网点，发展智能客服、智能投顾等，推动全渠道数字化，提供个性化、场景化、智能化的普惠金融服务，提升海量客户服务效率和体验。打造e网通办升级客户体验。

4. 优化运营协作效率：构建高效协同的全连接数字职场

2019年开始建设集团一体化的开放共享平台“全连接”，连接员工与客户、前端与后台、公司上下资源，为员工展业、协作提供强有力的平台支持。基于全连接推进财富职场、投行职场和员工职场等数字职场建设，为企业运作提质增效。

5. 拓展创新生态：首倡开放证券，积极探索前沿技术

公司行业首倡并积极践行“开放证券”的发展理念，倡导资本市场各参与方通过思维开放、业务开放、技术开放，开创多方受益、合作共赢的新格局。创设金融科技联合实验室，探索前沿课题研究和内外部创新成果孵化。

全业务指标体系支持业务智能分析

根网科技大数据业务高级咨询顾问 施远

根网科技大数据业务高级咨询顾问施远，以“全业务指标体系支持业务智能分析”为题，分享了根网科技在券商数据应用领域的新一代方法论和成果。

主要内容分成三个层级：

首先从业务和技术两个角度讨论当前券商数字化转型尤其是数据应用上的普遍痛点：比如分析手段相对单一和固化，难以应对业务多层次的分析要求；指标缺乏统一的、标准化口径，权责不清楚，同名不同义、同义不同名大量沉淀等内容。

其次，详细介绍通过全业务指标体系，有针对性地解决上述痛点：按照券商共性的组织架构和岗位设置对指标进行业务分类，以期建立业务-技术的共同语系；通过模板化的解析、指标矩阵的业务逻辑拆解、固定报表工具和自定义报表工具、门户自动部署发布等配置式、低代码的开发模式和自动化逻辑的积累，形成倍速开发的能力。

最后，主要从方法论和落地案例上介绍全业务指标体系如何在大数据平台中发挥作用，指标矩阵支撑大量场景化无限枚举的应用指标，指标矩阵与数据模型在汇总层形成“握手状态”，对齐业务口径和技术口径，平台化的具象到风险、财富、自营等专项业务落地，拉通整个数据链路。

以上分享结束后，不少嘉宾现场踊跃提问，从各自在大数据建设实务中的经验与痛点出发，与主讲人直接对话，更加充分、透彻地对相关话题进行探讨，极大地丰富了本次沙龙交流话题的深度与广度。如：

问：现在市场上都在说建设宽表、大宽表，是否有考虑过建“窄表”？

答：建设宽表成为主流在逻辑和现实上都具有意义，在业务需求缺乏变更空间的情况下，能快速满足大多数诉求。指标视角千变万化就是在做组合，比如月平均、过去三个月、近一年这种时间上的，股债基衍生品，然后股基一起看的这种品种上的。业务的视角在打开，我们数据的视角怎么打开呢？就是要拉出宽表，意义在于加速这个过程。其实我看现在的券商，二十、三十张宽表就够了，但是我们在思考的是：值不值得再多做一点宽表，来加深对业务的反应速度，这个平衡非常需要进行把控。宽表的设计原则有很多，比如核心主题域关联原则、业务覆盖性原则等等，但核心原则就是具体业务的激发点是否具有高频特征。另一个宽窄的判断点是，对业务的响应速度要求。如果没有响应压力，数据量并不大，品种也不多，那其实就可以不用做，因为加深层次之后检查数据质量的工作就要增加和复杂，这是得不偿失的。一旦跨品种、跨主题这种复杂应用出来，我们立刻就会思考宽表。

问：指标一定是分层级的，基础指标其实很少，绝大多数是衍生指标。至于宽表不宽表，我们一直理解这是个技术层面的问题，比如现在大数据层面一个普遍现状，交易能力非常弱，那你把他打开成一个宽表用起来会非常简单，可以自己就去做一些汇总级的计算。

答：我们做数据，对业务的支撑就在于：什么是指标，什么是维度。维度可能150个就是最常用的，但是维度的变化和衍生是一定要控制住的。当你一个应用指标量过大的时候或者计算逻辑过复杂的时候，一定是你下层的这个东西设计得有问题，指标维度设计问题、宽表设计问题、底层表设计问题或者源系统认识有问题，因为这些事情做混淆了才造成了上层的困扰。

问：绝大多数是衍生指标，我们统计过经纪业务的底层指标，差不多100就够，因为你指标乘以维度之后支撑能力会非常厉害。

答：上周我们刚完成一家北京券商的应用指标集拆解。4536个应用指标，且已经经过加工梳理的，比如加了下划线去表示维度、主题这类，已经很难去重了。那我们用指标矩阵去拆解的时候，这个全业务的4500+的应用指标，基础指标是112个，维度值是586个，就可以完整地覆盖了。其实实践中还有一个很重要的考验——落地能力。拆出来标准化之后，得落地到具体的数据层上去支持它，并且是覆盖够的。不能拆完之后只是个业务表象、只是个拆分逻辑出来，一定是要成套地落到具体数据层次上，就说明已经把这个指标维度覆盖全了，基于这个层次上去支持业务的，数据团队压力就会小非常多。

最后，在马野总关于人工智能/大模型于券商数据业务的应用展望中，沙龙活动圆满结束。与会嘉宾表示，本次交流为他们的大数据建设带来了不少启示，提供了更广阔的思路。

根网科技凭借对证券金融业务的深刻理解与多年积淀，将继续面向全域数据的深度探索，助力金融机构充分发挥数据价值，以科技赋能业务高效发展。