充分激活數據要素潛能，推動金融服務乘“數”而上

近年來，隨著數字經濟的蓬勃發展，數據成為新型生產要素和國家基礎性戰略資源。國家和地方政府密集出臺數據領域政策，更好發揮數據要素作用，加快發展數字經濟，積極培育和發展新質生產力。在此背景下，數據要素活力更加迸發，業內普遍認為，數據領域將是一片全新的藍海市場，金融業等數據密集型行業正迎來前所未有的發展機遇。

與此同時，證券業尤其是頭部證券公司深入推進數字化建設，加快數字化轉型，越來越重視數據要素在高質量發展中的基礎性作用，圍繞“有數、治數、用數”目標，做好數據工作，夯實數據中臺，以數據要素聯動“人工智能+”，積極擁抱大模型探索落地應用，充分激活數據要素潛能，推動金融服務乘“數”而上。

數據領域政策東風頻吹，金融業迎來發展機遇

2019年10月31日，黨的十九屆四中全會審議通過的《中共中央關于堅持和完善中國特色社會主義制度 推進國家治理體系和治理能力現代化若干重大問題的決定》提出，健全勞動、資本、土地、知識、技術、管理、數據等生產要素由市場評價貢獻、按貢獻決定報酬的機制。這是黨中央首次提出將數據作為生產要素參與收益分配，標志著我國正式進入“數字紅利”大規模釋放時代。

此后，數據領域政策東風頻吹，頂層設計逐步落地，打通萬億數據藍海市場。2 0 2 2年12月，中共中央、國務院對外發布《關于構建數據基礎制度更好發揮數據要素作用的意見》（又稱“數據二十條”），從數據產權、流通交易、收益分配、安全治理等方面構建數據基礎制度，提出20條政策舉措。2023年2月，中共中央、國務院印發《數字中國建設整體布局規劃》，按照“2522”的整體框架進行布局，明確數字中國建設的兩大基礎是數字基礎設施和數據資源體系。同年，備受矚目的國家數據局組建掛牌、數據資產入表提上日程。

2024年《政府工作報告》提出，深化大數據、人工智能等研發應用，開展“人工智能+”行動，打造具有國際競爭力的數字產業集群；健全數據基礎制度，大力推動數據開發開放和流通使用；適度超前建設數字基礎設施，加快形成全國一體化算力體系，培育算力產業生態；推動解決數據跨境流動等問題。2024年1月，國家數據局等17部門聯合印發《“數據要素×”三年行動計劃（2024—2026年）》，選取金融服務等12個行業和領域，推動發揮數據要素乘數效應，釋放數據要素價值，賦能經濟社會發展。

在國家政策的大力支持下，證券業等金融業作為數據密集型行業，在“充分利用數據要素更好落地金融服務”這個課題上，面臨大好機遇、擁有廣闊前景，必將大有可為、必定大有作為。

證券業加快數字化轉型，加大對數據的投入與利用

信息化、數字化、智能化是科技革命催生出的三個遞進的發展階段，隨著數字經濟的蓬勃發展，目前大部分企業都在從信息化邁向數字化發展階段，三者亦可并行推進。

從證券業來看，經過多年的發展，行業在信息化建設方面打下了良好的基礎，證券公司紛紛邁入數字化發展階段，深入推進數字化建設，加快數字化轉型。從行業發展看，證券公司數字化建設可分為數字化轉換、數字化升級和數字化轉型三個階段，在此過程中，數據的重要性日益凸顯，證券公司不斷加大對數據的投入和利用力度。

在數字化轉化階段，證券公司通過技術手段，實現業務線上化，形成數據，屬于補短板的階段；在數字化升級階段，證券公司仍然通過技術手段，重點優化流程，提升組織能力，實現線上到線下（O2O）流程貫通、個性化服務和精細化管理的升級；在數字化轉型階段，證券公司從“以產品為中心”向“以客戶為中心”轉變，對內整合和提升公司運營能力，提供綜合金融服務，對外秉持開放共贏理念，以科技為橋梁，拓展外部合作，通過能力互補，建立協同生態，共同服務客戶。

數字化轉型是技術和商業模式的深度融合，核心解決的是企業經營模式問題，通過提升組織能力，圍繞“增長、體驗、效率、安全”等核心目標，在全渠道、全場景、全鏈路下實現業務數據化和數據業務化，賦能面向客戶、業務和管理三個層面的重塑與變革，加速推動企業升級蛻變，打造公司高質量發展的數字引擎。全面數字化轉型是一項系統工程，頂層設計、應用場景、數據治理、開發交付、組織建設等有機統一、缺一不可。其中，頂層設計明確數字化轉型的戰略路徑，應用場景定義數字化轉型的核心內容，數據治理提供數字化轉型的關鍵驅動，開發交付推動數字化轉型的全面落地，組織建設確保數字化轉型的人才供給。

發揮數據作為核心經營要素作用，建立“有數、治數、用數”良性循環

數據是數字化轉型的基礎，數據治理提供數字化轉型的關鍵驅動，因此，證券公司日益重視數據工作，通過設立獨立數據管理部門，圍繞“有數、治數、用數”目標，夯實數據中臺，為數字化轉型和高質量發展提供強勁動力。

首先，“有數”提升效率。在“有數”方面，通過全面數據資產盤點，以“專家規則+機器學習算法”破解海量數據分級分類難題，為面向全員的差異化分級共享提效和數據安全保護提供基礎性支撐。發揮好數據作為核心經營要素的作用，加快數據要素的流動、供給效率，實現“數跑人不跑”的目標，破解用數“最后一公里”難題，將合適的數據，以最大化的效率提供給合適的用戶是“有數”工作的出發點和落腳點，為此需要通過在全局數據盤點和分級分類、隱私及敏感信息保護等方面久久為功，建立適合公司發展的數據流通及管理機制。

其次，“治數”保障質量。頭部證券公司近年來紛紛顯著加大數據治理和數據中臺建設投入，對照國家標準開展數據治理能力提升工作，從組織、制度、流程等多個層面提升數據質量，具體包括：優化頂層設計，建立數據治理工作機制；健全數據治理和數據資產運營制度體系；搭建數據治理平臺，實現數據治理核心領域的高效線上化管理等。我們認為，數據治理工作屬于公司治理的一部分：需要對照國家標準及行業最佳實踐，建立起適合公司發展的數據戰略、組織、制度及流程體系；需要通過夯實數據中臺的技術基礎，積極研究布局前沿數據技術能力，通過“數業結合”“數技聯動”等舉措發揮好數據中臺連接業務、連接科技的紐帶作用；發揮好綜合化數據治理體系的保障、牽引作用，還應從轉意識、轉組織、轉文化等領域持續推進，將“數據驅動”文化打造成公司精細化管理的基因，將數據治理能力打造成公司高質量發展的重要軟實力。

最后，“用數”實現價值。證券公司通過數據中臺鏈接業務場景和信息系統，實現數據驅動的業務流程自動化和智能決策，持續發揮數據應用價值。“有數”“治數”為“用數”提供支持和保障，最終目的是充分發揮數據作為經營要素的核心作用。證券公司應建立從“準、快、全、廣”等角度數據應用價值的評估體系。“準”的角度可以從千人千面、個性化推薦的點擊率、召回率、點擊通過率（C T R）等指標入手，評估單位數據供給的產出彈性；“快”的角度可以從全鏈路數據處理時長、平均數據供給耗時等評估數據的時間價值；“全”的角度可以從“人無我有、人有我優”方面評估數據資產的匯聚、應用覆蓋程度；“廣”的角度可以從數據中臺用戶在公司的滲透率、活躍率、留存率等角度評估用數能力。

積極擁抱大模型探索落地應用，深化“人工智能+”

近年來，隨著人工智能（AI）大模型浪潮的興起， 特別是2 0 2 3 年以來， 美國人工智能研究公司Op e n AI推出智能聊天機器人ChatGPT，發布文生視頻模型Sora，引發全球一輪又一輪的創新熱潮。在這一浪潮中，數據要素是大模型競爭的關鍵要素之一，高質量數據集作為大模型訓練的重要基石，顯得尤為關鍵。

證券公司可以借助自身豐富的研究報告、客服問答等內部數據資源，為大模型提供寶貴的微調訓練素材，不過，自建語料庫也面臨著一些新的挑戰，需要結合大模型的應用特點引入新的數據處理方式；在語料豐富度角度需要業務深度協作，嚴守隱私保護等合規底線，證券公司還須借助外部高質量語料，進一步豐富大模型訓練數據集。

在歐美國家，英文學術論文、開源數據集等為大模型訓練提供了豐富的高質量數據集，相比之下，我國開源數據集數量少、規模小，中文高質量數據集相對匱乏，既無法滿足國內證券等行業對大模型訓練數據的迫切需求，也在一定程度上制約了我國AI大模型領域的發展。因此，業內普遍認為，加快數據市場化配置改革，促進數據要素流通，構建中文高質量數據集，具有重要意義，已經勢在必行。

在業內人士看來，“通用大模型”+“垂直小模型”的綜合化發展路徑是適合行業發展的有效實踐。例如，近年來有頭部證券公司前瞻布局人工智能，積極擁抱大模型，開展大語言模型的測試與應用研究，同步開展開源模型的研究和數據集訓練，鋪設了“大模型數據+算力智能”底座，私有化部署開源大語言模型，采用“大模型+垂直領域小模型”“商用模型+開源模型”并舉的方式，依托通用大模型的認知能力、生成能力、數據能力，構建了自主可控的領域中模型、小模型，并不斷探索多場景創新應用，升級業務新模式。

總結來看，我們認為，證券公司發揮好數據作為核心經營要素作用的關鍵舉措在于：一是完善頂層設計，從公司治理的角度持續完善組織、制度、機制、流程體系建設，保障數據要素和人工智能的價值發揮；二是戰略牽引，從公司戰略執行傳導環節深化一體化、平臺化的發展方向，以數據連接業務，連接中后臺；三是實踐中可以采用速贏項目、敏捷團隊、專項激勵，加大資源投入等方式以點帶面體系化推進；四是重視文化氛圍營造工作，通過轉意識、轉組織、轉機制，深化“人人數字化、處處數字化”的公司能力打造。

（俞楓為國泰君安證券股份有限公司首席信息官。責任編輯/王茅）