證券公司的數字化管理

證券公司數字化管理系統的建設必須考慮兩個關鍵因素：一是要符合公司的發展戰略，二是要滿足相關業務需求和功能需求。

總體規劃

系統以包含全公司數據的數據中心為基礎，涉及了企業數字化管理的三個層次。業務處理層各子系統主要是向數據中心輸入數據，企業管理層和決策支持層首先從數據中心提取數據，將數據處理成有用的信息，再輸回到數據中心。業務處理層包含了證券公司的主要業務系統，多數券商已經實現；企業管理層的核心是財務系統，基礎是市場研發管理系統，下一步發展重點是客戶關系系統；而決策支持層主要包含績效管理和綜合智能兩個方面，目前各個券商基本上都未涉及。

數據中心是證券公司數據資源的統一規劃與整合的平臺，是整個系統的基礎和核心。因為財務數據是企業全部數據的核心，是從價值方而反映和監督企業的財務狀況和各項業務的經營成果；財務信息系統在數字化管理系統中處于核心地位，所以財務數據應成為數據中心的核心。并且，研發部門應為其他各業務部門提供強有力的支持，所以研發數據是數據中心的基礎。

數據中心數據來源的系統不同、平臺不同，如何將這些數據整合在一起?另外，即使成立了數據中心，如何在這些海量數據中獲取有意義的信息，增強企業管理，指導企業決策?商業智能系統能幫助我們解決這個問題。

實現保障——商業智能系統

商業智能(Business Intelligence，簡稱BI)是1990年代末首先在國外企業界出現的一個術語，是為提高企業運營性能而采用的一系列方法、技術和軟件。它把先進的信息技術應用到整個企業，不僅為企業提供信息獲取能力，而且通過對信息的開發，將其轉變為企業的競爭優勢，也有人稱之為“混沌世界中的智能”。因此，越來越多的企業提出他們對BI的需求，把BI作為一種幫助企業達到經營目標的一種有效手段。

商業智能通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。從技術層面上講，商業智能不是什么新技術，它只是數據倉庫、OLAP和數據挖掘等技術的綜合運用。

BI的關鍵是從許多來自不同的企業運作系統的數據中，提取出有用的數據，進行清理以保證數據的正確性，然后經過抽取(Extraction)、轉換(Transfo rmation)和裝載(Load)，即ETL過程，合并到一個企業級的數據倉庫里，從而得到企業數據的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP-V具等對其進行分析和處理(這時信息變為輔助決策的知識)，最后將知識呈現給管理者，為管理者的決策過程提供支持。

實現

從證券公司實際狀況出發，想要全面實現數字化管理，主要任務是逐步建立數據中心，利用BI開發企業管理層和決策支持層各系統。

對數據中心數據的分析要靠BI來完成。BI在國內的應用才剛剛開始，它實施的最大難度在于總體框架設計和需求分析。BI的建設是一個系統工程，需要不斷地完善，它的實施和開發一定要做到總體規劃、分步實施；需求分析同樣重要，大部分企業的技術人員不了解業務，而業務人員又不知怎樣提需求。沒有好的需求分析是無法開發出好的系統的。

下面舉一個利用BI對券商的財務、經紀業務數據進行一體化分析的簡單需求模型，如右圖所示。

因為手續費收入的主要構成是經紀業務的代買賣收入，此需求模型從利潤表的手續費收入出發，完成了與之相關的經紀業務的各項業務指標的分析，找出手續費收入變化的原因。

模型按照“明細科目、部門分析、地區分析、經紀業務指標”四項內容分析手續費收入的構成，這四項內容可以交互查詢，并有同比、環比等各項數據、各種圖形及排序和匯總等統計功能。

通過這樣的分析，實現了從財務到經紀業務的比較深入的一體化分析，隨著其他業務數據的加入，面向全公司的包含所有數據的一體化分析以及管理層和決策層各系統的實現會讓券商受益匪淺。

企業數字化管理進程一般可分為三個階段：第一個階段是建設數字化應用系統，是用計算機代替部分手工操作；第二個階段是企業數字化，信息技術開始滲透到企業的業務中去，數字化管理系統對企業的經營影響越來越深；第三個階段是造就數字化企業，整個企業的組織結構、運營模式都將是按照數字化管理系統的特點而設計，數字化管理系統將成為企業的靈魂。

我國證券業一開始就采用了“無紙化”信息技術，數字化管理系統建設步伐比較快。目前我國證券公司的數字化管理進程基本上處于第二個階段的后期，正向第三個階段邁進。隨著證券公司數字化管理的深入，實現了數字化的證券公司將出現在我國證券市場上，并在行業競爭中贏得優勢。