2024年度上市公司数字化转型最佳实践丨招商证券：招商智研——一站式智能研究平台
为进一步落实党中央、国务院关于发展新质生产力、打造数字经济新优势等决策部署，坚定实施数字化转型任务，推动数字经济发展，中国上市公司协会开展了上市公司数字化转型最佳实践案例征集活动，并从技术领先、场景创新、社会价值贡献、产业链建设四个维度遴选出了40个优秀、69个典型案例入选《上市公司数字化转型典型案例》，这些案例集中反映了上市公司在数字化转型过程中的实践、挑战与成功经验，为上市公司开展数字化转型提供参考和借鉴。
招商智研——一站式智能研究平台（优秀案例）
一、案例简述
券商研究一直具备其核心价值的研究禀赋，而在“知识密集”+“劳动密集”研究生产过程中，存在着大量的手工、个性化的操作，导致研究能力无法有效地提升，研究成果无法较好地沉淀。在将研究成果提供给买方客户时，传统的服务形态导致研究成果的价值较难充分体现。
对此，招商证券启动“招商智研：一站式智能研究平台”的规划与建设，实现对研究的全生命周期 “方向构思、内容整理、成果撰写、合规审核、对客服务”的数智化覆盖。通过构建该平台，招商证券将当前研究的工作形态从“手艺”转为“工艺”，对传统的服务方式进行数字化和智能化的升级。
招商智研采用云原生底座，建设支持超大数据体量的时序+截面数据处理引擎，构建强大、丰富且灵活的引擎层，全面支撑各项研究业务场景及资产。平台通过其强大的平台能力、丰富且专业的研究资产、便捷的服务方式，全面实现“对内对外服务并重，一级二级市场并举”的战略目标。
二、转型工作情况
招商证券在“十四五”数字化子规划中明确提出打造“稳底座、强中台、敏应用”的金融科技体系，全面赋能财富管理、机构、企业、投资研究等业务，大力推动数字化转型，实现“一个客户ID、一站式服务”，高效赋能业务发展和客户服务。
研究业务方面，招商证券研究发展中心通过“研究+科技”的双轮驱动，构建“研究力+产品力”的双能态，紧紧围绕研究的“三条曲线”发展路径，通过价值共创，实现价值共享的研究新业态。
1、面向客户的数字化服务。实现传统服务能力的数字化升级，通过数字化的手段向外部机构客户以及内部部门提供卓越的研究服务与更丰富的多维度研究产品，其中包括六大传统服务的升级和八大创新研究方向的建设，服务形式上支持SaaS服务、API对接、私有化部署等多形态。
2、面向研究的能力沉淀。借助数字化能力，对研究员的知识能力进行资产化、系统化的沉淀和线上化管理，从研究数据采集与管理、研究模型实现、合规质控保障、对客展示输出到后续的客户运营，形成专业的体系，保障研究服务的及时性、完整性与真实性，过程可留痕，结果可追溯，极大地提升了研究能力沉淀。同时集智的研究沉淀模型进一步的提升了研究力。
3、面向用户的智能赋能。招商智研深入探索AI+场景，全面引入大模型赋能研究、审核及服务。初步完成研究领域的三库两能力（研究数据库、研究框架库、研究知识库、搜索能力、辅助撰写能力）的建设，全面赋能研究从生产到服务的全链路，对研究生产及研究服务的双场景进行了全面赋能，实现平台服务的升级，大幅提升用户体验。
（三）技术架构
项目基于云原生建设，技术架构以微服务框架为基础，秉承领域驱动设计（DDD）理念，按业务领域进行微服务拆分及设计，拥有完善的监控告警运维体系，引入服务治理等相关组件，保障服务质量。
主要创新如下：
研究全流程数据和管理数字化。
通过数字化管理提升数据资产的保护和运营效率。实时整合行情和交易数据、进行策略分析，以及将研究人员发现的有价值数据整合到研究平台，实现数据的商业化。同时通过数字化管理，对数据进行深入分析，以识别研究领域的热点问题，并定制化管理高价值数据。
2.研究模型可视化，将复杂多变的数据合成便于理解的图示。
为用户提供的信息直观与可视，引导用户通过直观的分析挖掘其中的研究规律特征。可视化设计包含旭日图、桑吉图、关系图、树形图、瀑布图、叠加图、雷达图等。将复杂多变的资产历史数据进行简明可视，通过属性赋值方式，融合数据连接、数据加工建模、自助分析、可视化展现等功能为一体。
3.基于图数据库及子图融合算法的产业链构建。
引入图数据库技术，实现万量级的产业链关联上下游产品节点的复杂关系查询；提供关系查询服务，图挖掘服务，和沿产业链知识图谱的推理服务，支持长程的、广范围的关系查询和推理；利用子图融合算法，图谱校验，冲突检测等算法，支持完整行业知识图谱schema建设流程。
4.打造本土化的新型大类资产配置平台。
从卖方研究的角度出发，结合卖方深厚的宏观、中观及微观的研究经验，融合国内金融工具特点，为以“资产配置+委托管理”为核心投资管理模式的资管机构，打造本土化的新型大类资产配置解决方案平台。围绕资产配置模型，实现基于自定义资产指数和自定义资产指数组配置资产方案。
5.结合云原生与分布式图计算技术，构建了算力可动态伸缩的计算引擎。
基于分布式计算框架，运用其可扩展性、强大的并行计算能力等，处理大量数据和高并发请求，通过简易添加更多节点来实现扩展，并自动管理计算任务的分发和复制，满足复杂研究模型的计算。
6.整合多源数据，打造多维度的投研大数据平台。
建立多维度的投研数据服务平台，利用自动化技术整合多源数据，包括基础数据、行业特色数据、基金研究数据、ESG数据、投研衍生数据，并基于量化金融和AI算法进行数据分析、计算、挖掘、推理和预测，以提升买方机构的投研效率和风险管理能力。
三、转型成效
（一）实现对内对外服务并重。招商智研作为招商证券研究发展中心数字化服务的统一输出口，实现研究服务的范式2.0升级，大幅提升研究服务效率，以及对客服务价值提升。
对内全面助力三投联动，深度挖掘投行投资视角的产业链，高度研究并沉淀半导新材料等8大重点领域产业链，服务投行业务。
对外提升买方客户的服务质量，现已通过SaaS、API等多方式服务近180+机构客户，2000+个人，同时通过数字化服务的方式提供给8+机构客户等基金公司。
（二）实现一级二级研究并举，招商智研通过对重点方向重点领域的研究进行了全过程的数字化支持，在助力分析师研究的过程中，实现了研究知识成果的沉淀。其中行业数据库服务，已沉淀电新、交运、机械等8个行业共20w+的特色指标；产业链服务，当前已沉淀研究产业链100+，涉及节点3199+、覆盖上市公司9500+、非上市公司1600家；通过将基金评价全业务流程线上化，覆盖公募基金评级和公募基金风险评价，当前共支持4761支基金的业绩评级，103家基金管理公司评级，1.8w支基金的风险评级。
（三）招商智研从研究日常工作场景的痛点出发，实现部分工作的标准化与线上化，其中研究产业链图谱，提供图形化和列表编辑联动构建的模式，降低研究员构建工作量大约25%以上，实现了研究产业链图谱从“重知识、难继承”到“标准化、线上化”的转变。通过基金评价全流程线上化，每个季度的评级出数时间从天缩短至小时级，且全过程留痕，通过评级逻辑重构，结果的稳定性、准确率分别提升一倍多。
四、面临的痛点难点及建议
（一）研究领域涉及面广，研究方向多，专业度高，需要集业务认知+数字化思维的复合型人才。推动中后台人才往一线业务进行学习，通过真实且深度的参与业务，深入了解业务形态，在实践中成长，在成长中建设。以做促学，以学促建，更好更快地成长与进行专业领域建设。
（二）数据依赖来源多，存在行业差异，个人习惯差异，数据治理工作难度高。对外，外部数据源信息质量参差不齐，难以保证信息的准确性和完整性；对内，外部数据与外部数据，外部数据与自有数据存在整合问题。如何打通和融合全部数据是研究数据底座建设的难点。通过约束数据源头，制定完善且明确的治理机制，配套全链路的数据监测工具，充分做好数据领域建模，实现异构数据源的有效整合。
供稿单位：招商证券股份有限公司