一
推出Fusion买方数据平台
5月10日，摩根大通宣布推出“摩根大通Fusion”（下称Fusion），为机构投资者提供端到端数据管理和报告解决方案。数据管理是摩根大通的关键战略重点，为了向客户数据全生命周期提供多种支持，摩根大通证券服务部门建立了由行业专家领导的专门数据解决方案业务，并且开发了差异化的云原生平台Fusion，帮助客户以可扩展、高效的方式管理和使用数据。
Fusion允许买方客户将多个来源的数据无缝集成和组合到一个数据模型中，具有规模化和降低成本的优势，增强买方及时分析和洞察力的能力，提高运营效率。平台将丰富、高质量的数据与可在整个投资生命周期中统一利用的治理框架相结合。
Fusion的开放数据架构支持数据灵活分发，包括与云和数据提供商的合作，全部由摩根大通数据技术专家进行管理。基于证券服务作为行业领先的托管人、基金管理人和中台外包提供商的全球运营模式和丰富的数据基础，Fusion将头寸和交易信息与客户自己的数据以及来自可信赖的第三方供应商的数据和伙伴。该平台的单一数据模型允许客户扩展其数据的广度和深度，并使用强大的分析工具查询相关信息以帮助决策。
图1 Fusion平台特性
资料来源：华锐金融科技研究所《金融科技专属内参（2022年5月）》
二
摩根大通2022年投资增量展望
5月23日，摩根大通发布2022年全球科技发展战略（主要内容见本文末），基于简化流程、定期增删投资方向、评估尚未进行的优秀投资活动三项原则，分为基础设施升级和新产品进行投资。
图2 2022年摩根大通60亿美元增量投资方向
资料来源：华锐金融科技研究所《金融科技专属内参（2022年5月）》
基础设施升级方面：

  • 已花费22亿美元建设基于云的新数据中心，新旧中心同时运行产生费用；
  • 近2000个应用程序（相关数据库）正在被重构，以便在云环境中运行；
  • 还包括现代化开发工具和嵌入运营弹性和网络安全控制等成本。
新产品及服务构建软件：
  • 保持技术、运营、销售、产品和控制方面的投资应对金融科技公司冲击；
  • 基于特定目的开发标准化AI工具，能够降低成本或者改进服务；
  • 开发了1000多个API接口方便各类客户将企业系统安全接入摩根大通；
  • 包括多智能体模拟、合成数据和加密方法等，开启新的交易方式、管理风险和评估生产力。
下为摩根大通2022年可能重点发力项目或平台：
图3 摩根大通现有部分项目或平台
资料来源：华锐金融科技研究所《金融科技专属内参（2022年5月）》
三
基于数据网格架构提高数据应用能力
在数据的使用过程中，允许整个机构内部自由共享数据可能产生巨大价值，但数据越自由共享，机构可能面临的风险就越大。为了释放数据价值，摩根大通采取双管齐下的方式实现数据易于共享，并保持适当控制。
首先，通过定义数据产品，由了解数据及其管理要求、允许用途和限制的人进行；其次，通过实施数据网格架构，使机构能够将其数据技术与这些数据集保持一致。这种组合方法实现了以下三个目标：①授权数据集所有者对其数据进行管理和使用决策；②通过“共享”数据而不是“复制”数据来执行这些决策；③保证了整个机构中用于分析数据的清晰可见性。
1.通过数据网格架构形成数据产品
摩根大通将多个业务条线人员和公司职能人员组成团队。为了使团队成员能够快速便捷查找和获取他们需要的数据，同时围绕这些数据的使用提供必要的控制，需要基于数据网格架构产出数据产品。数据产品由业务运营系统提供，是基于需求形成的具有特有特征的数据集合。摩根大通将每个数据产品存储在其产品特定数据湖中，并提供物理隔离。每个数据湖都有基于云的单独存储层，通过云服务对每个湖中的数据进行分类和模式化。
保存数据的特定于数据产品的湖和使用湖数据的应用程序域相互连接以形成数据网格。数据网格是链接在一起的分布式数据节点网络，以确保数据安全、高度可用且易于发现。
图4 数据产品基本流程及架构
资料来源：华锐金融科技研究所《金融科技专属内参（2022年5月）》
2.授权人员进行数据控制
数据网格架构允许每个数据产品湖由数据管理团队进行管理，每个团队人员了解其领域中的数据特征，并且可以就数据管理做出基于风险的决策。
目录将由数据移动到数据湖时自动维护，因此能够始终反映湖中当前的数据。
目录允许机构人员查询和请求数据，当机构人员需要来自产品湖的数据时，会在企业级数据目录中找到他们需要的数据。
由于每个湖都由一个了解其领域数据的团队管理，并且可以帮助正确的决策者做出快速、权威的决策，所以需求人员的等待时间被最小化。
图5 数据产品管理流程
资料来源：华锐金融科技研究所《金融科技专属内参（2022年5月）》
3.由“共享”代替“复制”达到控制效果
数据网格能够共享来自产品湖的数据，而不必复制到使用它的机构人员处。除了降低存储费用之外，共享还可以最大限度地减少产生数据的系统和使用数据的系统之间的数据差异，保证了将数据用于分析、AI/ML和报告时是最新且准确的。此外，由于数据不会实际离开数据湖，因此更容易执行数据管理团队对其数据做出的决策。例如，如果数据管理团队决定在数据湖中标记某些类型的数据，则机构人员只能访问标记化的值。数据湖外不会出现未标记数据的副本引起数据管理问题。
但是，数据“共享”需要比控制对复制数据的访问实行更复杂的访问控制机制。当数据“共享”时，数据管理团队需要将可见性限制在非常精细的级别——特定列、记录，甚至单个值。例如，当业务条线人员查询数据湖共享的参考数据池时，其账号或系统可能仅被授予访问与该业务线相关的参考数据的权限。
图6 数据产品“共享”机制
资料来源：华锐金融科技研究所《金融科技专属内参（2022年5月）》
4.跨组织的数据使用情况分析
根据传统的数据使用情况，系统之间的数据交换要么是系统间的，要么是通过消息队列进行的，所以传统没有所有数据流的中央、自动化存储库，数据产品所有者无法轻易看到他们的数据何时在系统之间流动。
数据网格架构可以通过使用基于云的网格目录来促进数据和机构人员之间的数据可见性，产出基于云的数据目录。该目录不包含任何数据，但它能够查看哪些机构人员正在访问哪些共享数据。这提供了对整个企业数据流的单点可见性，并使数据管理团队清楚数据在哪里被使用过。
图7 跨组织数据使用情况
资料来源：华锐金融科技研究所《金融科技专属内参（2022年5月）》
四
混合云发展战略
1.基本情况
尽管多个竞争对手在2021年都快速与云服务厂商建立合作关系，摩根大通仍然坚持混合云的发展战略。以下为摩根大通混合云基本情况：
  • 摩根大通自2014年以来一直采用私有云，并在2016年前后与谷歌、微软、亚马逊、IBM等头部云服务商达成公有云相关合作；
  • 摩根大通全球技术基础设施CIO认为混合云战略能够对冲单一服务商带来的业务连续性风险，并提出增加云服务商数量并将部分业务迁移回私有云中；
  • 多个云服务商提供云服务能够避免触及带宽上限导致浮动成本增加。
2.云使用方式
阿拉丁数据云是贝莱德的托管DaaS（data-as-a-service，数据即服务)解决方案，由Snowflake的数据平台提供支持。它由阿拉丁数据仓库（Aladdin Data Warehouse，ADW）演变而来，将ADW的所有功能包含在一个新的集中式、自动化、使用云不可知架构（cloud-agnostic）的平台中，为用户提供了一个单一的平台来托管来自阿拉丁内部和外部的所有数据，并能够有效地将这些数据用于各种用途。
五
总结及参考建议
在业务方面，随着经纪业务利润压缩，经营机构开始寻求向C端财富管理和B端机构业务进行转型，多家机构将大数据、机器学习、智能算法等技术与自家业务深度融合，推出极速交易平台或系统，提供更加专业化、个性化、综合化的服务。一方面，运用新兴的信息技术赋能证券公司业务，符合证券经营机构的金融科技发展战略，加速其数字化转型进程；另一方面，较高的信息技术水平能够吸引机构客户，为证券经营机构业务带来新的利润点。经营机构可以参考此次摩根大通推出的Fusion平台，在现有的交易速度快、量化策略多等特色上，从增加数据访问渠道、提高数据质量、完善数据处理方案、精简报告流程等方向提高机构客户体验。
在数据处理方面，由于数据与大多数生产资源不同，其在使用时不会贬值，相同的数据可以在许多地方被使用，机构创建的数据组合越多（例如参考数据与来自整个机构业务流程的数据），企业内部的可见性、实时分析能够提取的价值就越多，还能够训练更准确的AI和ML预测。在法律允许的情况下，善于在内部共享数据的机构可以从数据资源中实现更多的价值。经营机构可以参考摩根大通数据网格架构模式，在合规前提下，先整合数据形成企业级数据湖，然后将具备合规知识、数据管理能力人员组成数据管理团队，最后不断优化管理模式，记录数据流动情况，适时协助监管单位构建行业级数据湖，提升行业数据管理能力。
在云发展方面，摩根大通的混合云战略为其业务发展提供了冗余和弹性，避免依赖单一云服务商，稳定了业务成本，但其存储、定制和集成的成本相当高，基本只有头部经营机构才能负担得起混合云战略，较为经济高效的使用混合云。目前行业多家经营机构正加强云计算技术相关人才储备，主要是云平台开发方向，经营机构可以先根据发展需求完善自身金融科技战略中云计算战略部分，在合规范围内厘清各部门对云平台需求情况和迫切程度，做好云计算发展规划。
附：摩根大通2022年全球科技发展战略主要内容

声 明
本报告由华锐金融科技研究所提供，所载内容反映的是截至报告发表日的判断，如所载内容出现变动，我们将及时补充、修订或更新内容及观点。本报告版权属于华锐金融科技研究所，如需引用本文，请明确注明引自华锐金融科技研究所。
继续阅读
阅读原文
关键词
金融科技
摩根大通
业务
经营机构
华锐金融科技研究所