大資管包括原銀保監監管下的銀行理財、信托、保險，原證監會監管下的公募基金、私募基金專戶及基金子公司、券商資管以及期貨資管。據統計，2022年底資管行業的資產管理規模也達到了136萬億元。 在《商業銀行理財業務監督管理辦法》《關於規範金融機構資產管理業務的指導意見》等理財新規、資管新規的要求下，大資管 ...
大資管包括原銀保監監管下的銀行理財、信托、保險，原證監會監管下的公募基金、私募基金專戶及基金子公司、券商資管以及期貨資管。據統計，2022年底資管行業的資產管理規模也達到了136萬億元。
在《商業銀行理財業務監督管理辦法》《關於規範金融機構資產管理業務的指導意見》等理財新規、資管新規的要求下，大資管行業結構持續優化，通過打破剛兌、去除通道、凈值管理、禁止錯配、禁資金池、限額管理、凈資本管理等措施，存量金融風險明顯收斂。
2023年3月1日，資管新規做了更新，為資管業務做了一些鬆綁，例如取消了結合產品募資驗資的義務，向員工持股計劃不穿透計算人數，以及擴大了一些封閉式資管計劃分期支付的現象，提高了自有資金參與資管計劃的比例。
另外，資管新規也繼續強調了一些禁止性的行為，來確保資管業務的健康發展。例如禁止自融、違規持有金融機構股權，還強調了資管計劃不得開展明股實債。
此外，還收緊了一些杠桿債務比例，例如投資於同一發行人及關聯方發行的債券比例，超過其凈資產50%時該資產管理計劃的總資產不得超過其凈資產的120%（原比例是200%）。
同時，新規當中也強化了一些關聯交易的規則，加強了監管信息共用機制。銀保監製定的《商業銀行理財業務監督管理辦法》與資管新規充分銜接，共同構成了銀行開展理財業務的監管規範。
而且，新規也嚴格區分公募私募理財產品，加強投資者的適當性管理，規範產品的運作。例如去通道控制影子銀行的風險，強化穿透管理，設定限額控制集中度。對客戶投資者進行信息披露，保護投資者合法權益。通過監管、數字化手段，對於風險客戶、產品能夠進行有效識別和相應處理。因而，促使資管行業在產品、風險、投研、客戶、營銷、管理、服務等各個層面加速數字化轉型。
數據成為重要的資源要素
為了更好地為在資產管理端、用戶配置端提供到相應的產品的服務，在整個資管服務當中數據也成為了非常重要的資源要素。
精細化客戶運營：以數據為依托深度提取客戶特征（如投資偏好、資產穿透、購買歷史等），刻畫全維度、全屬性的客戶畫像，提升運營效率、降低運營成本。
知識化投研體系：全面整合證券巨集觀、政策、基本面等多維信息，提取投資因數構建知識圖譜提升資產投資收益。
智能化投顧服務：基於整體探索最優資產組合配置，結合客戶畫像特征靈活定製投顧產品，實現客戶最大平穩收益。
全面化風險監控：通過數據整合全面分析市場、信用、流動性風險因素，實現從單一風險管理向全面風險管理轉型。
指標化業績分析：圍繞資管新規優化估值模式，通過數據全面分析產品風險及收益，推動產品運作信息披露透明化。
自動化理財監管：藉助數據推動理財新規動態監管，分析識別產品在打破剛兌、凈值轉型、去嵌套等環節的風險隱患。
數據中台，資管行業數字化轉型的基礎設施
在資管行業數字化過程中，數據中台在保障數據從生成、使用到共用的整個階段當中起到非常作用重要的作用。
通過中台進行全域數據治理，從數據加工處理到數據的標簽化、服務化、應用化，全面、深度挖掘數據形成數據投研投顧能力。同時整合前端各業務數據，打破業務部門壁壘，將異構數據進行集成加工處理，從而更好服務前端投資者。
中台為應用提供統一的數據支撐。在數據匯聚層，通過批流一體的方式進行相應的數據採集，包括資訊行情、櫃臺業務、 Mot等各種異構數據。採集完成之後，對各種異構數據加工處理、整合，這個過程可以數棧平臺的模型集市進行處理。
在應用層面，為網金零售、資訊風控等部門提供到相應數據支持，保障業務能夠有數可有數可用，包括我們是高質量的數據能夠提升到我們整個平臺的服務和相應的能力。
現在主流的引擎比較多，計算引擎包括Spark、presto、Flink，智能引擎Impala等，袋鼠雲進行相應能力的分裝。底層不管是Database，還是基於Iceberg相關的計算場景，都可以基於袋鼠雲的平臺做整合。在業務側能夠提供一些營銷推薦、投資管理，包括證券行情當中的實時管控、投顧服務。
數據類型多、結構複雜如何整合？
從數據集成到數據治理再到數據分析探索和應用支撐過程中，會面臨各種異構的數據源。例如資訊數據就有二三十種，比如德勤、萬德、同花順、雪球等等，還有客戶交易數據、客戶適當性評估，全市場當中的產品數據、托管數據、投顧數據。
數據應用多、場景複雜如何分析？
報送類、監管類、業績管理類、客戶運營類、零售網金類等場景，可以通過袋鼠雲的平臺會去做更多的業務數據類場景。
客戶畫像、組合分析、績效歸因、投研整合等，可以通過袋鼠雲的平臺進行多元異構場景處理。通過一套數據模型的管控，以及統一數據化服務，從而為應用提供支持。
傳統數據處理模式一般基於Lambda架構而做，一般存在多套的架構，包括一套流式的框架，一套批處理的框架，還有一套基於分析檢索的框架，傳統模式當中數據增量整體維護起來成本是非常高的。
通過袋鼠雲批流一體的方式，對於像行情類、實時業務，可以通過統一的flink的處理框架進行處理數據，對於技術減負能夠到相應的提升。
在效率上，通過袋鼠雲的一套平臺對增量存量的數據進行實時分析，統一降低技術成本，那麼通過一套架構來去解決就是我們原來多套的這種應用服務的架構的一些管理和維護，整個在運維成本上大大效率的進行相應的提升和相應的管理。
在應用場景當中，像我們場外基金的實時預估、場內基金分析，可以用流批一體的方式進行相應計算，流式滾動地處理申購份額，更好服務前端的業務。
通過數據中台的構建，可以將業務數據、財務數據等進行統一加工處理，搭建起數據資產中心。結合金融數據分層分類的規範，進行數據資產管理，對於數據的安全許可權進行相應的管控。
在數據資產賦能上，能匹配前端客戶畫像，以及後端投研的能力當中，發行產品更好和市場結合，更好推薦給客戶。結合客戶場景、客戶需求去打磨產品，幫助設計更多高收益、高成長、高價值的產品。
投研能力結合資產平臺當中的投研機制、外部資訊，構建數字化投研知識圖譜，結合股票漲跌、換手率、實時行情、股東持股信息，打磨投研能力。此外，結合客戶留存、簽約的情況、付費轉化、客戶投訴量、客戶流失率做綜合的計算，對投顧體系進行評價和支撐。
在風險管控層面，結合歷史持倉、實時數據，基於流式框架，對動態指標進行監控，包括投資範圍、投資偏離度、投資杠桿率、資產集中度等進行事前事中事後的管控。
通過平臺進行統一的數據整合、數據服務，實現研發質量推送，前端風險可視化監測，投顧績效歸因，投研分析，自動化輸出行情監測報告，更好進行經營報表分析、資訊整合、業務指標展示。
截至目前，袋鼠雲在金融領域已成功服務了銀行、證券、壽險、財險、基金、理財、支付、租賃、信托、期貨、金控、財務公司、投資集團等數百家客戶，擁有豐富的產品和項目經驗。公司已沉澱出一套成熟的解決方案，涵蓋了信貸反欺詐、精準推薦、證券行情、風險管理、智能投研等多個金融業務場景，歡迎聯繫我們瞭解更多。
《數據治理行業實踐白皮書》下載地址：https://fs80.cn/380a4b
想瞭解或咨詢更多有關袋鼠雲大數據產品、行業解決方案、客戶案例的朋友，瀏覽袋鼠雲官網：https://www.dtstack.com/?src=szbky
同時，歡迎對大數據開源項目有興趣的同學加入「袋鼠雲開源框架釘釘技術qun」，交流最新開源技術信息，qun號碼：30537511，項目地址：https://github.com/DTStack
