民生证券：综合服务平台构建完善基础

石菲

云计算、大数据，这些IT业界的新技术对每一位CIO都有着强烈的诱惑，对于民生证券而言，不盲目跟风冒进，做好基础平台建设，为今后的新技术应用打好基础是关键。

整体规划统一实施

证券行业属于IT应用较早的行业之一，随着网上交易的迅速发展，服务系统逐渐成为提升客户体验的重要一环。

服务系统一般针对证券经纪业务客户服务，比如对客服的投资咨询，包含交易、理财、投行客服等全方位服务。由于涉及部门多，系统庞大，很多证券公司都是分为几个项目分批实施。而民生证券最近上线的综合服务平台采取了整体规划，同时推进，前台、中台和后台统一实施。

“该项目集成度和复杂度高，涵盖内容广，并且将现在最时髦的互联网金融和基础服务全涵盖其中。通过项目的过程管理锻炼了自己的开发测试队伍并完善了运行环境，为今后的进一步拓展打好了基础。” 民生证券技术总监颜阳说。

颜阳表示，综合服务平台项目虽然是一个项目，但涉及多个不同系统，很多公司在做服务平台的时候每一个子系统都是一个完整项目。民生证券将综合服务平台作为一个大型项目来推进，必须严格管理才能保证项目的成功。

此外，由于综合服务平台的需求一直在不停迭代，不断有新的需求涌现出来，项目管理显得尤其重要。因此，民生证券在项目管理时尝试采取了PRINCE2（受控环境下的项目管理资格认证）方法。与目前流行的PMP（项目管理专业人士资格认证）不同，PRINCE2一般用于甲方公司内的项目管理，不只是单纯管理外包的服务商团队，还要管理内部IT团队和业务人员。

作为项目管理领域目前两个广为流行的知识体系，PMP方法是一种建议及最佳实践集锦，而PRINCE2是一种方法，有明确的程序，步骤及模板，描述了如何以一种逻辑性的、有组织的方法，按照明确的步骤对项目进行管理。它不是一种工具也不是一种技巧，而是结构化的项目管理流程。在PRINCE2中，开始项目之前，强调更多的是项目管理，第一步都要确定项目的质量需求，验收标准并明确项目组中成员的责任。

同时，由于服务商人员是动态变化的，除了本地的实施团队，还有在外部的编码团队。因此，民生证券按照PRINCE2方法将综合服务平台项目管理文档按照阶段划分，通过平台授权自动同步完成，将项目中的所有文档管理起来。

在项目组织架构设计上，综合管理平台采取了两条线，一条是按照职能划分的垂直线，由项目经理进行管理，还有一条质量控制线作为补充。

由于综合服务平台和公司管理相关度较高，在项目上线过程中，线下和线上使用感觉会有差异，业务部门也需要一个熟悉和习惯的过程。因此需要和业务部门一起推进，并不断进行调整。比如在前台，客户使用第三方支付购买产品，客户付款后在系统内进行查询时需要确定很多流程，如到账后后台如何确认，是由财务人员还是服务人员确定核准，整个过程是手工操作还是自动实现等，这些都需要仔细考虑。

民生证券采用了沙盘模拟，和业务部门一道，建立流程总视图。每走一步有哪些动作，哪些动作需要系统来实现，哪些要靠手工或者流程实现，将业务流程从初始点到最后端点重新梳理了一遍。

综合服务平台建成后，有一个从建设到运营的转移过程，内部员工对平台使用的熟悉程度直接影响到系统的使用和推广，项目管理的全生命周期的完结还需要一个消化的过程。

向云中迈进

对于云计算，目前很多大型集团企业更偏向于进行私有云建设，而中小企业现阶段更倾向于公有云，可以节省更多人力资源用在和业务对接上，从而获得更大利益。

一直重视云计算技术的颜阳对公有云的前景非常看好。颜阳认为目前的云计算环境正在逐步改善，除主流运营商在提供服务外，还有很多第三方服务商也在涉足云计算领域，竞争促进环境的正向发展。虽然有些用户在公有云推进过程中会有反复，存在技术磨合，但私有云也正在趋向于开源化，且随着外部公有云的逐渐成熟，当安全因素和运维质量逐步提高，运维质量提高，用户还会逐步将应用向公有云进行迁移。

颜阳透露说民生证券已经有一个项目将关键业务放到公有云环境之上，目前已经运行了一段时间，该项目准备申报2013年度相关奖项。

下一站大数据

颜阳表示在建设综合服务平台时预留了完整意义上的大数据接口，未来条件成熟后可以通过服务平台对接前端展示系统，建立微信服务系统、呼叫中心、email系统等，并通过移动客户端为客户提供渠道层的服务。

未来，证券行业也开始着手研发趋势交易系统，实时抓取互联网中的财经数据，找出每篇博客、微博、新闻中关于每支股票的观点和情绪，汇总数据计算出此时的看涨看跌比例。

与趋势交易系统相近的是股市舆情分析。股市情绪分析系统是基于金融行为学理论和客观的机器学习算法，对股市涨跌数据、社会化媒体言论数据进行采集和挖掘。该系统计算出来的结果能够帮助投资者洞察股市的情绪，从而进行市场预测。

颜阳表示，舆情分析系统如果只是形成报告，供基金公司或者投资者参考，则是面向卖方市场。真正面向买方市场的是能够建立面向买方市场的趋势交易系统，可以直接产生订单。这两种系统的分析方法不同，面向买方市场要降低维度，在将多种可能性罗列出来后，排除掉与买方无关的维度，直接给出结论。

这种情况的难点在于建立知识库，如果按照传统手法进行关键词匹配，需要系统拥有自学习技能。基础的元数据是一个个单词，按照分类标准进行分类，当单词积累到一定程度要有类似于神经网络的语义关联能力，建立语义空间，要求机器自己有思维思考能力。

这需要好几方一起努力探索，首先庞大的计算量需要云计算架构才能在很短时间内演绎出来，而证券公司现有的信息系统架构目前还做不到。其次语义分析是另外一个学科，其分词处理技术和IT基础技术完全不同。第三，机器的自学习能力至关重要。“目前业界还没有能够对中文拥有自学习能力的机器人，IBM的沃森据说可以达到中级咨询师的水平，但也只针对英语对话”。颜阳说。