充分激活数据要素潜能，推动金融服务乘“数”而上

近年来，随着数字经济的蓬勃发展，数据成为新型生产要素和国家基础性战略资源。国家和地方政府密集出台数据领域政策，更好发挥数据要素作用，加快发展数字经济，积极培育和发展新质生产力。在此背景下，数据要素活力更加迸发，业内普遍认为，数据领域将是一片全新的蓝海市场，金融业等数据密集型行业正迎来前所未有的发展机遇。

与此同时，证券业尤其是头部证券公司深入推进数字化建设，加快数字化转型，越来越重视数据要素在高质量发展中的基础性作用，围绕“有数、治数、用数”目标，做好数据工作，夯实数据中台，以数据要素联动“人工智能+”，积极拥抱大模型探索落地应用，充分激活数据要素潜能，推动金融服务乘“数”而上。

数据领域政策东风频吹，金融业迎来发展机遇

2019年10月31日，党的十九届四中全会审议通过的《中共中央关于坚持和完善中国特色社会主义制度 推进国家治理体系和治理能力现代化若干重大问题的决定》提出，健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。这是党中央首次提出将数据作为生产要素参与收益分配，标志着我国正式进入“数字红利”大规模释放时代。

此后，数据领域政策东风频吹，顶层设计逐步落地，打通万亿数据蓝海市场。2 0 2 2年12月，中共中央、国务院对外发布《关于构建数据基础制度更好发挥数据要素作用的意见》（又称“数据二十条”），从数据产权、流通交易、收益分配、安全治理等方面构建数据基础制度，提出20条政策举措。2023年2月，中共中央、国务院印发《数字中国建设整体布局规划》，按照“2522”的整体框架进行布局，明确数字中国建设的两大基础是数字基础设施和数据资源体系。同年，备受瞩目的国家数据局组建挂牌、数据资产入表提上日程。

2024年《政府工作报告》提出，深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群；健全数据基础制度，大力推动数据开发开放和流通使用；适度超前建设数字基础设施，加快形成全国一体化算力体系，培育算力产业生态；推动解决数据跨境流动等问题。2024年1月，国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，选取金融服务等12个行业和领域，推动发挥数据要素乘数效应，释放数据要素价值，赋能经济社会发展。

在国家政策的大力支持下，证券业等金融业作为数据密集型行业，在“充分利用数据要素更好落地金融服务”这个课题上，面临大好机遇、拥有广阔前景，必将大有可为、必定大有作为。

证券业加快数字化转型，加大对数据的投入与利用

信息化、数字化、智能化是科技革命催生出的三个递进的发展阶段，随着数字经济的蓬勃发展，目前大部分企业都在从信息化迈向数字化发展阶段，三者亦可并行推进。

从证券业来看，经过多年的发展，行业在信息化建设方面打下了良好的基础，证券公司纷纷迈入数字化发展阶段，深入推进数字化建设，加快数字化转型。从行业发展看，证券公司数字化建设可分为数字化转换、数字化升级和数字化转型三个阶段，在此过程中，数据的重要性日益凸显，证券公司不断加大对数据的投入和利用力度。

在数字化转化阶段，证券公司通过技术手段，实现业务线上化，形成数据，属于补短板的阶段；在数字化升级阶段，证券公司仍然通过技术手段，重点优化流程，提升组织能力，实现线上到线下（O2O）流程贯通、个性化服务和精细化管理的升级；在数字化转型阶段，证券公司从“以产品为中心”向“以客户为中心”转变，对内整合和提升公司运营能力，提供综合金融服务，对外秉持开放共赢理念，以科技为桥梁，拓展外部合作，通过能力互补，建立协同生态，共同服务客户。

数字化转型是技术和商业模式的深度融合，核心解决的是企业经营模式问题，通过提升组织能力，围绕“增长、体验、效率、安全”等核心目标，在全渠道、全场景、全链路下实现业务数据化和数据业务化，赋能面向客户、业务和管理三个层面的重塑与变革，加速推动企业升级蜕变，打造公司高质量发展的数字引擎。全面数字化转型是一项系统工程，顶层设计、应用场景、数据治理、开发交付、组织建设等有机统一、缺一不可。其中，顶层设计明确数字化转型的战略路径，应用场景定义数字化转型的核心内容，数据治理提供数字化转型的关键驱动，开发交付推动数字化转型的全面落地，组织建设确保数字化转型的人才供给。

发挥数据作为核心经营要素作用，建立“有数、治数、用数”良性循环

数据是数字化转型的基础，数据治理提供数字化转型的关键驱动，因此，证券公司日益重视数据工作，通过设立独立数据管理部门，围绕“有数、治数、用数”目标，夯实数据中台，为数字化转型和高质量发展提供强劲动力。

首先，“有数”提升效率。在“有数”方面，通过全面数据资产盘点，以“专家规则+机器学习算法”破解海量数据分级分类难题，为面向全员的差异化分级共享提效和数据安全保护提供基础性支撑。发挥好数据作为核心经营要素的作用，加快数据要素的流动、供给效率，实现“数跑人不跑”的目标，破解用数“最后一公里”难题，将合适的数据，以最大化的效率提供给合适的用户是“有数”工作的出发点和落脚点，为此需要通过在全局数据盘点和分级分类、隐私及敏感信息保护等方面久久为功，建立适合公司发展的数据流通及管理机制。

其次，“治数”保障质量。头部证券公司近年来纷纷显著加大数据治理和数据中台建设投入，对照国家标准开展数据治理能力提升工作，从组织、制度、流程等多个层面提升数据质量，具体包括：优化顶层设计，建立数据治理工作机制；健全数据治理和数据资产运营制度体系；搭建数据治理平台，实现数据治理核心领域的高效线上化管理等。我们认为，数据治理工作属于公司治理的一部分：需要对照国家标准及行业最佳实践，建立起适合公司发展的数据战略、组织、制度及流程体系；需要通过夯实数据中台的技术基础，积极研究布局前沿数据技术能力，通过“数业结合”“数技联动”等举措发挥好数据中台连接业务、连接科技的纽带作用；发挥好综合化数据治理体系的保障、牵引作用，还应从转意识、转组织、转文化等领域持续推进，将“数据驱动”文化打造成公司精细化管理的基因，将数据治理能力打造成公司高质量发展的重要软实力。

最后，“用数”实现价值。证券公司通过数据中台链接业务场景和信息系统，实现数据驱动的业务流程自动化和智能决策，持续发挥数据应用价值。“有数”“治数”为“用数”提供支持和保障，最终目的是充分发挥数据作为经营要素的核心作用。证券公司应建立从“准、快、全、广”等角度数据应用价值的评估体系。“准”的角度可以从千人千面、个性化推荐的点击率、召回率、点击通过率（C T R）等指标入手，评估单位数据供给的产出弹性；“快”的角度可以从全链路数据处理时长、平均数据供给耗时等评估数据的时间价值；“全”的角度可以从“人无我有、人有我优”方面评估数据资产的汇聚、应用覆盖程度；“广”的角度可以从数据中台用户在公司的渗透率、活跃率、留存率等角度评估用数能力。

积极拥抱大模型探索落地应用，深化“人工智能+”

近年来，随着人工智能（AI）大模型浪潮的兴起， 特别是2 0 2 3 年以来， 美国人工智能研究公司Op e n AI推出智能聊天机器人ChatGPT，发布文生视频模型Sora，引发全球一轮又一轮的创新热潮。在这一浪潮中，数据要素是大模型竞争的关键要素之一，高质量数据集作为大模型训练的重要基石，显得尤为关键。

证券公司可以借助自身丰富的研究报告、客服问答等内部数据资源，为大模型提供宝贵的微调训练素材，不过，自建语料库也面临着一些新的挑战，需要结合大模型的应用特点引入新的数据处理方式；在语料丰富度角度需要业务深度协作，严守隐私保护等合规底线，证券公司还须借助外部高质量语料，进一步丰富大模型训练数据集。

在欧美国家，英文学术论文、开源数据集等为大模型训练提供了丰富的高质量数据集，相比之下，我国开源数据集数量少、规模小，中文高质量数据集相对匮乏，既无法满足国内证券等行业对大模型训练数据的迫切需求，也在一定程度上制约了我国AI大模型领域的发展。因此，业内普遍认为，加快数据市场化配置改革，促进数据要素流通，构建中文高质量数据集，具有重要意义，已经势在必行。

在业内人士看来，“通用大模型”+“垂直小模型”的综合化发展路径是适合行业发展的有效实践。例如，近年来有头部证券公司前瞻布局人工智能，积极拥抱大模型，开展大语言模型的测试与应用研究，同步开展开源模型的研究和数据集训练，铺设了“大模型数据+算力智能”底座，私有化部署开源大语言模型，采用“大模型+垂直领域小模型”“商用模型+开源模型”并举的方式，依托通用大模型的认知能力、生成能力、数据能力，构建了自主可控的领域中模型、小模型，并不断探索多场景创新应用，升级业务新模式。

总结来看，我们认为，证券公司发挥好数据作为核心经营要素作用的关键举措在于：一是完善顶层设计，从公司治理的角度持续完善组织、制度、机制、流程体系建设，保障数据要素和人工智能的价值发挥；二是战略牵引，从公司战略执行传导环节深化一体化、平台化的发展方向，以数据连接业务，连接中后台；三是实践中可以采用速赢项目、敏捷团队、专项激励，加大资源投入等方式以点带面体系化推进；四是重视文化氛围营造工作，通过转意识、转组织、转机制，深化“人人数字化、处处数字化”的公司能力打造。

（俞枫为国泰君安证券股份有限公司首席信息官。责任编辑/王茅）