数据对各类资管机构投资决策的影响力日益提升。

“如今，决定我们每天投资决策的最重要因素之一就是数据。”一位公募基金交易主管向记者透露。但是，光有数据，似乎越来越不能满足投资机构的需求。

这位公募基金交易主管发现，随着数据日益丰富海量，他正遇到新的烦恼，一是如何从海量数据里提取有价值的信息，二是如何及时萃取到对投资决策产生重要影响的有价值信息，屏蔽无效“噪音”，三是如何让数据“自己说话”，形成模型和其他衍生服务，辅助投资机构提升投资决策精准度并降低潜在投资风险。

记者多方了解到，这正驱动投资领域数字信息服务赛道发生代际变革。

“以往，多数金融数据服务商更像是数据聚合平台，主要提供数据的静态呈现，却无法协助资管机构洞察数据之间的逻辑与关系，为资管机构提供更多维度的投资决策辅助工具，如今，他们中的一些头部机构开始通过数字科技技术，搭建基于认知智能的信息数据平台体系，深度分析数据关联，助力提升机构投研效率。”私募排排网创始人李春瑜此前接受本报记者采访时指出。

通联数据CEO王政表示，相比于传统的数据聚合，要搭建基于认知智能的信息数据平台体系，绝非易事。首先，它需深刻理解资管机构投研、投资决策、风险管理、投顾服务等各个环节，才能最大限度发挥投资机会洞察与规避投资风险的效果，其次，它需更强的数据综合处理能力和时效性，包括快速聚合数据，快速分析数据，快速便捷的投资模型搭建工具，7×24小时监控与智能化预警等。

“虽然这项工作落实起来难度不小，但它代表信息数据技术赛道未来十年的全新方向。打个形象的比喻，过去传统的信息数据服务，只做数据聚合，但这种数据呈现是静态的，没有挖掘数据之间的深度关联、缺乏数据汇总归纳的认知能力，就像一张没有生命力的脸谱。如今，随着认知智能技术的迭代升级，未来的信息数据服务平台将更聚焦挖掘数据之间的深度关联，对有效信息进行汇总归纳，就变成了一个会思考的智能外脑，成为资管机构专业研究人员的智能投研助手，提供更多具有价值的投资决策参考。”

他指出，目前公司基于认知智能与知识图谱的信息数据平台体系，已与众多银行、保险、信托、公私募、券商等金融机构开展合作，表明认知智能技术与金融数据服务的融合，契合各类资管机构对数据使用的多元化需求。

一位金融数据服务平台负责人向记者直言，要做好基于认知智能的信息数据服务，相关技术准入门槛相当高——尤其是传统科技公司会面临诸多技术革新挑战，最难的是需在底层数据上构建投资逻辑的知识图谱，通过人类经验+机器学习的深度结合，有效帮助各类资管机构深度洞悉数据关系，从蛛丝马迹中找出投资价值，让碎片化的数据和信息真正“动”起来；此外，金融数据服务机构还需实现更友好的知识沉淀共享，为资管机构不同投研人员个性化投研需求提供可快速自定义的可视化工具，大幅提升他们的数据使用分析与归纳认知能力。

记者获悉，当前浙商基金等公募基金公司已率先建立基于上述理念的AI+HI智能投资体系和Smart Beta策略产品，成为资管行业数智化的试水者。

王政表示，未来金融数据服务商的核心竞争力，除了基础数据的聚合能力，还在于能够为各类资管机构提供更快、更准确、具备价值的深度认知智能投资决策辅助服务。

朝阳永续副总经理李智向记者透露，目前众多金融数据服务商正依托大数据分析等技术，将结构化数据与非结构化数据混合，为各类定制化数据贴上标签，构建一系列指数助力私募基金等资管机构投资策略多元化与个性化，并持续跟踪其业绩表现优化选股策略。

“智慧线索”助力投资策略差异化

上述公募基金交易主管向记者直言，此前他们投资建模时，最缺的就是数据。但如今，他们反而发现数据太多太杂，无法抓取真正有价值的信息。

“更重要的是，现在很多数据都高度透明化公开化，无形间提高了各类资管机构投资策略同质化程度。”他直言。比如多数私募机构在投资建模时，都会将业绩、市场偏好、估值作为重要的数据参考维度，而他们获取的数据，几乎都是上市公司财报（每股盈利等）、头部券商的同一份上市公司估值研报、高度公开的市场资金流向数据，其结果是投资策略模型的同质化程度与日俱增。

“这令各类资管机构有能力打造差异化的投资策略。”李春瑜向记者直言。因为不同资管机构所需的深加工数据与数据维度“截然不同”——以量化投资策略为例，传统的量化策略主要聚焦寻找市场的某些普遍的投资规律获利，比如从低估值、高动量维度进行选股。但多数量化投资机构发现自己最缺的，是基于上市公司、行业发展基本面的深度研究能力，若金融数据服务商能根据他们需求提供相关定制化数据，则能形成更具差异化的基本面+量化投资策略；反之主观投资策略私募机构也遇到类似问题，他们有着丰富的上市公司、行业调研数据与建模因子，但缺乏鉴于量化投资的业绩归因研究方法与参考数据，若金融数据服务商能根据他们需求提供相关的量化投资风控因子与参考数据，同样能令他们的投资模型更加“个性化”。

王政表示，通联数据正致力于借助认知智能与知识图谱等技术，向有意探索“基本面+量化”投资的各类资管机构提供便捷化、可视化的数据分析、投资建模和预测辅助工具。

“我们调研发现，基于定制化、深加工的数据与建模工具在推动基本面+投资策略多元化方面正发挥巨大的作用。究其原因，一是基于人工调研的基本面投资难以覆盖众多公司，导致投资模型覆盖面不够广泛，可能错失不少投资机会，二是量化策略研究的确可以覆盖众多上市公司，但未必对各家上市公司业务发展状况研究做到又深入又专业，容易漏过潜在的投资风险，因此这些工具首先要立足于帮助资管机构解决这些痛点。”他指出。

记者了解到，要做好这项工作，还需克服“意外”的挑战。具体而言，券商、公私募、信托等资管机构都有自己特定的研究逻辑与投研框架，若基于认知智能等技术所呈现的数据分析归纳过程，与他们现有研究逻辑与投研框架不在一个“频道”，就很难形成有效的投资决策辅助效应。

如何深度理解投资专业场景？通联的办法是，邀请新财富排名靠前的证券分析师加入团队，在自身认知智能与算法技术沉淀的基础上，结合分析师的研究逻辑与投研框架基础，搭建基于“人机结合”的宏观、行业、公司数据采集分析归纳体系，形成互补性的投资建模与投资决策参考价值。

不过，要推动资管行业进一步加快数智化征途，金融数据服务商还需做好更多工作，比如经过AI充分训练的认知智能产品还需具备多项新技能，包括快速展示投资逻辑的特色搜索结果、快速提炼各类研报的核心观点和情感取向、快速处理非结构化数据、提供可视化可调整的预测模型工具、开展7×24小时监控市场异动并提示投资价值、进行复杂的多元归因风险管理等，最终成为各类资管机构投资决策的一个辅助“外脑”。

大型资管平台搭建数据中台征途

值得注意的是，随着数据在资管机构投资决策的影响力与日俱增，不同资管机构也形成截然不同的数据使用需求。这令信息数据公司不仅需提供好的产品内容，还要具备相对灵活的对接服务技术能力。

具体而言，中小资管机构更希望金融数据服务商提供一站式的数据定制化采集与分析归纳平台，供自身投资策略快速迭代升级，相比而言，行业头部大型资管机构则倾向自建数据中台，以此搭建更强的投研体系与投资决策辅助工具。

一位国内大型公募基金IT部主管向记者透露，行业头部大型资管机构之所以更倾向自建数据中台，一方面是为了充分发挥自身较强的投研能力，通过数据赋能构建更丰富的投资策略；另一方面也能有效保护自身投资策略的隐秘性，从而提升投资安全性与回报性。

他直言，数据中台的搭建，同样绝非易事。以往，他都是从各类券商机构接入研报、新闻等数据，但他们很快发现，不同券商的数据接入接口差别很大，数据中台若要接入所有券商的数据端口，需要投入不菲资金、人力和时间成本。

后来，他所在的公募基金决定向一家数据聚合平台采购数据，但他们发现此举收效不高，原因是老一代数据聚合平台受制于自身技术架构的局限，无法让他们灵活提取所需数据，接入到自身数据中台，很多时候他们不得不采取人工操作，导致数据输入时常出错。

记者多方了解到，目前新一代基于认知智能的数据聚合平台针对上述痛点，开始尝试采取更轻、更灵活的云孪生+微服务等新型技术，以便大型资管机构可以随时提取所需数据灵活接入自身数据中台，便于后者使用数据与存储相关数据研究成果等。近期，汇添富基金在数据中台建设方面接入通联数据的底层数据服务。

此外，围绕数据中台的赋能，新一代金融数据服务商能更精准地一站式解决某些痛点，包括部分行业数据更新频率不稳定、部分数据仍需研究员手动更新且容易遗漏、部分数据难以靠自身资源获得等问题。

上述国内大型公募基金IT部主管向记者指出，随着认知智能与知识图谱等新技术兴起，目前行业头部资管机构对金融数据服务商的数据要求也持续上升。首先，数据必须更全面，除了公共数据，金融数据服务商还需通过算法和其他途径提供多元化的独家另类数据；数据必须更快速，既能满足资管机构的各类数据更新频率要求，且这些数据均通过健全的内部质量体系检查，具有高精准性与及时性；数据必须更具深度，尤其是不少个性化数据需金融数据服务商有能力定制开发。

王政透露，通联数据已基于认知智能技术，将某些投资决策辅助模块联同数据分析定制能力快速整合纳入资管机构各类业务流程，推动资管机构面对瞬息万变市场波动能做出快速精准投资决策。