金融智能化转型中的数据治理需求
人工智能加快进入金融业务,数据治理的重要性随之显现。证券、期货等领域积累了大量交易和客户信息,但不同系统之间的数据标准、统计口径和管理权限并不一致。模型接入之后,这些问题仍然需要逐项处理。一次风险研判、一项监管报送,都有赖于准确的数据和明确的业务规则。
当前,我国持续推进“人工智能+”,促进数据资源开发利用,产业关注点也进一步转向实际应用。高质量数据供给、行业知识积累和安全管理,正在成为技术转化的重要条件。软件企业如何参与这一进程,既关系到自身业务调整,也关系到各行业能否把技术投入转化为经营管理的实际改善。
位于中国(南京)软件谷的江苏红网技术股份有限公司,是这一产业分工中的参与者。作为国家级专精特新“小巨人”企业,红网技术围绕数据开发治理、智能决策等开展业务,其公开的金融行业方案涉及监管报送、数据质量管理、客户运营等环节。这些业务所对应的,正是金融机构在智能化过程中需要持续解决的具体问题。
同一客户的信息可能分散在不同业务系统,一项指标也可能涉及多个部门的数据。用于分析的数据是否完整,统计口径是否一致,出现异常时能否追溯来源,都会影响后续业务判断。人工智能应用范围扩大后,文档、语音等非结构化信息也需要经过整理,才能与原有业务数据结合使用。
红网打造的鸿鹄企业级数据基座围绕数据分散、标准不一等问题,将不同业务系统的数据接入、开发和治理纳入统一管理。从多源异构数据接入、治理、质控、资产化到开发、合规和多模态处理,通过DataOps一体化流水线,把分散沉睡的结构化与非结构化数据转化为可信、合规、可复用的高质量数据资产,为业务分析与大模型应用筑牢底座。
鲲鹏企业级智能决策基座依托治理后的数据,结合行业规则构建算法模型,面向客户运营、风险识别和监管报送等业务提供分析与决策支持,支撑智能风控、合规审查、精准营销和风险预警,形成“数据—分析决策—执行反馈”的业务闭环。
项目通常需要经历方案交流、概念验证、招标和上线等环节,产品能否适应业务环境,需要经过持续检验。对科技型中小企业来说,获得客户认可,依靠的是产品在实际使用中的表现,以及能否持续处理后续问题。
红网技术企业负责人表示,除了数据脱敏、权限管理和审计,还需要企业建立相应的规章制度,通过统一平台把管理要求落实到数据采集、开发和使用等环节。数据应用越深入,使用范围、管理责任和追溯方式就越需要清晰,安全管理也必须覆盖数据的整个生命周期。
红网在证券行业上,将数据质量校验、访问权限控制和操作审计等纳入建设内容。这些环节反映出专业软件需求的变化。客户采购系统时,需要考虑功能实现,也要考虑数据使用责任以及系统长期维护。技术服务逐步延伸到业务运行过程,供应商需要与客户共同处理规则更新、数据变动和系统衔接等问题。
数据要素价值的释放,同样离不开机构内部治理。只有先弄清数据的来源、质量和使用范围,后续共享利用才有可靠依据。对于金融机构,减少重复核对、提高分析效率、及时发现业务异常,都是数据应用价值的具体体现。这些变化未必以新增平台的数量呈现,却直接关系到日常经营和管理成本,也为扩大数据应用范围创造条件。
产品覆盖哪些功能,与实际应用取得何种成效,仍需分别检验。数据整理是否减少了重复劳动,模型分析是否适合具体业务,系统维护成本是否处于合理范围,都要在持续运行中评估。
这一变化与江苏的软件产业发展密切相关。江苏拥有较为完整的产业体系,金融、制造、能源等行业的转型需求,为软件技术应用提供了广泛场景。南京正在推进软件产品智能化升级,促进技术供给与行业需求对接。企业能否理解不同场景的约束条件,将影响软件产业优势向应用成效转化的程度。
大型机构的业务系统日益复杂,需要供应商对某一环节保持长期投入。数据标准的梳理、监管口径的适配以及系统间的衔接,都依赖持续积累。
专精特新企业的成长,也需要稳定的应用机会,使产品能够在真实业务中反复验证、逐步完善。
江苏正在推进人工智能与金融业务融合,围绕数据基础建设、技术研发和应用场景加强协作。对于本土科技型中小企业,这意味着更多参与行业建设的机会,也提出了更具体的能力要求。把金融领域积累的方法用于其他行业,仍须结合各自的生产流程和管理制度重新验证。可推广的技术成果,应当经得起不同应用环境的检验。
软件产业参与新质生产力培育,最终要落实到生产和管理方式的改进。像红网技术这类中小型科技企业通过专业服务承接重点行业需求,使数据更有效地进入业务流程。随着更多细分环节形成稳定、成熟的技术供给,江苏的软件产业将更有条件促进技术与应用衔接,在释放数据要素价值、推动传统产业升级的过程中形成持续的专业能力。(任晓杨慎慎)
2026-11-16 15:35:59