证券行业IT投入连续两年增幅超过20%,多家券商每年投入超过10亿元。在金融科技投入成本有限的情况下,如何保持数字化转型发展不掉队,是大多数中小券商无法回避的问题。同时,证券行业数字化转型复合型人才的供给不足,造成数据技术应用难以保持同步,实际业务与数据技术应用覆盖范围之间长期存在偏差。
基于行业现状,南京证券制定以聚焦匹配、业务融合为原则,"一个战略,三大体系,五项能力”的发展路径,建设以客户服务为核心,提升业务能力与工作效率、降低综合风险与运营成本为目标的公司数字化发展战略,自主研发打造的数智化客户营销服务运营展业平台(以下简称"展业平台”),平台依托云原生架构进行一体化敏捷开发,提升交付速度,降低试错成本,高效响应需求,提高用户体验,全方位赋能员工展业和南京证券财富管理转型。
图:数字化转型蓝图
技术架构方面,展业平台依托技术中台,实现应用的快速迭代开发、监控、治理、渠道接入与访问控制,架构出“大中台,小应用“模式,根据不同业务场景实现业务应用,下沉技术组件和公共模块,做到灵活支持业务的创新迭代,快速响应用户需求。同时,基于国产
大数据技术建设大数据平台,结合Hive, Kafka, HBase, Flink等技术组件,以及元数据管
理、数据质量管理、血缘分析等数据管控工具,实现数据的集中存储与计算,消除了业务和系统之间的分散隔阂,大幅提升了数据质量,实现了高可靠、高可用,并在技术中台和数据中台的基础上,建设数智化客户营销服务运营展业平台,搭建了客户中心、画像中心、产品中心、运营中心、内容中心等业务组件。
业务模式方面,展业平台目前用户规模1000余人,覆盖证券行业相关的多业务条线,比如经纪业务、零售业务、机构业务、信用业务等。平台通过客户经理、投资顾问等一线员工服务了南京证券的大晕客户,提升南京证券金融服务的能力水平以及客户服务体验和满意度。作为南京证券数字化转型的重要组成部分,对内提升运营效率,对外提升客户体验,赋能一线分支机构,扩大服务半径、提升服务效能,实现队伍综合业绩与业务收入的突破性增长。
展业平台成为南京证券经纪业务数字化转型的配套基础,实现了对客户全生命周期的数
细化管理,以客户为中心,利用数据挖掘和算法优化等方法,建立客户全生命周期运营体系,实现超百万客户的标签画像体系精准分析与精细化管理。
为客户经理在获客、服务、提醒、转化、营销、挽留、关怀等提供一揽子策略支持。平台融合汇聚各业务系统,打通系统数据隔闵,实现业务的便捷管理与精准统计。展业平台的 “经管佣金设置和信用佣金复核”功能在原有基础上提升信息处理时效40%,整体工作效率提升30%, “客户资料预审”为公司节约后期管理维护费用约200万元,实现了降本增效。
展业平台的建设,使得公司在企业级应用APP相关平台的细分市场上份额能够大幅提升,从而对接更多交易合作伙伴,日新增运营超过原有承载能力的多个产品,处理数据量远超同类平台。同时通过该项目的自主研发,进一步提升了相关技术人员的基础研究能力,促进产研技术的进步,有效带来丰富的研发项目管理经验以及研发知识的累积,为突破技术瓶颈以及未来的研发活动的开展夯实牢固的基础。
展业平台的建设面向大型证券企业数字化转型升级的重大战略需求,针对满足严格监管环境下,研发企业级应用APP提高企业开发和建设能力,在追求不同场景多标准适用的同时,实现数据处理的伸缩扩展稳定性达到最高水平,为金融行业客户运营提供了成功的实践经验和经典案例,推动了细分领域内的技术革新与多样化。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。