中信建投證券：券商數智管會平臺建設與應用

來源：鑫智獎·2025第六屆金融機構數智化轉型優秀案例評選

獲獎單位：中信建投證券

榮獲獎項：數字運營優秀案例獎

一、項目背景及目標

1.行業現狀和痛點

管理會計體系自20世紀初萌芽以來，已從制造業的成本控制工具發展為覆蓋金融、服務等多行業的戰略管理核心系統。當前證券行業整體處于數字化轉型關鍵期，多數券商已初步建立管理會計框架，但應用深度存在顯著差異。頭部券商如國泰君安、招商證券等多采用倉外集市基本實現預算、核算、考核的打通，其系統涵蓋成本分攤、收入分成、多維盈利分析等模塊；而中小券商多數僅搭建了費用預算、成本分攤等基礎模塊，尚未形成完整閉環。當前的管會平臺建設還存在不少問題，一方面，由于缺少整體規劃，大多數企業的管會體系建設的并不完備，覆蓋業務廣度和深度有待提升。另一方面，隨著市場規模擴大，分析維度和深度增加，對于計算分析時效性愈高，現有系統普遍面臨算力瓶頸、數據治理和高質量數據供給不足的問題。

2.項目的背景和必要性

從外部挑戰來看，首先，行業發展壓力增大，證券行業頭部集中趨勢顯著，競爭日益激烈，公司進行精細化管理及降本增效的需求十分迫切。

從監管來看，行業監管的要求越來越嚴格，這種情況下傳統的財務會計計量越來越難以有效支持。

從內部需求來看，公司經過20年的發展，在由粗放式的外延擴張轉變為集約化的高質量發展，急需打通計劃、經營、風控、考核的全流程，實現全面的、精細化的管理。公司各業務條線，要在有限資源的條件下，以投入產出比最大化為原則，進行稀缺資源的最優分配。

此外，隨著大數據技術、AI、大模型技術的涌現，以及證券行業數字化轉型的深入，為高效高質量的數據整合分析奠定了技術基礎。

在此背景下，通過搭建完備的管會體系，并融合高性能計算與智能化分析，數智管會平臺推動券商從“經驗驅動”向“數據智能驅動”轉型，為應對行業變局奠定技術基礎。

二、創新點

（1）信創湖倉一體化數據底座。采用信創的“數據湖+數據倉庫”混合架構，兼顧海量數據存儲與高性能分析，支持實時與離線混合計算。

（2）結合大模型構建AI大模型智能分析助手，有效降低數據使用門檻。

（3）證券行業首個倉內業財數據集市，突破傳統財務數據孤島問題，實現對證券企業全業務覆蓋和分析。

（4）業內首個集成資金成本、資本成本的多維盈利分析模型，支持客戶、產品、分支機構等多維度價值評價。

（5）實現考核報表全自動生成，支持數據穿透至業務明細。平臺內置可視化指標公式編輯器，支持用戶自定義分析模型，降低取數用數門檻。

（6）動態可配置的收入分成與成本分攤模型，支持“比例分成+批量調整+一事一議”混合規則，靈活適配跨部門協同收入和成本分配場景。

已獲得專利： CN115576770A 一種數據湖監控系統、方法、裝置、設備以及存儲介質

聯合中國信息通信研究院發布白皮書《云原生湖倉一體白皮書》

證監會課題預結項：證券行業湖倉一體數據平臺的研究與建設

中信金控2023年度管理會計體系建設突出貢獻獎

三、項目技術方案

1.設計思路及技術架構等

本項目在深入調研與分析后，發現在數據湖和數據倉庫之間存在多次數據搬遷問題，通過數據中臺無法同時查詢數據湖和數據倉庫，下游數據集市比較分散，數據下發時間較長等問題。同時，管會項目一方面面對涉及全公司所有部門所有業務的億級數據量需要按日、按月的加工處理，業務范圍、業務流程非常復雜，數據時效性要求較高，另一方面，面臨數據供給不足問題，包括數據質量參差不齊，公司級指標標簽庫、主數據等還在建設完善，取數用數耗時較長。為此，本期項目在設計時，重點圍繞湖倉融合，消除數據孤島，強化數據治理和數據資產管理，利用AI大模型技術等，消除用數取數的技術壁壘等關鍵點，進行技術探索與創新。

在技術選型時，“湖倉一體數智管會平臺”項目重點關注湖倉一體數據底座的跑批和查詢性能不低于甚至優于傳統MPP數據庫，其資源的彈性伸縮和擴展不依賴于云底座，并且數據底座的性能和并發數可以通過擴展線性增加；基于數據底座高性能能力，“以用促建”構建公司級可信共性數據，構建統一的標準化規范化的業財融合管會集市，進一步構建收入分成、成本分攤等核心功能，并根據分成分攤結果和集市數據建立高效豐富的多維盈利分析框架，用于戰略落地、指導經營管理等場景。因此，“湖倉一體數智管會平臺”形成如下圖的整體架構。

圖1 數智管會平臺的整體架構圖

具體包括：

1.1 構建數倉一體的數據底座

在技術架構上，湖倉一體數據底座采用存算分離架構，通過將存儲與計算解耦，實現計算資源的彈性伸縮，并且存儲層采用了數據湖存儲，可以支持全域多模態數據存儲，滿足業務對于靈活性，敏捷化的要求。其架構設計如下圖所示：

圖2 湖倉一體數智管會平臺應用架構

數據采集層：批流一體數據采集，支持實時和批量。

數據存儲層：在物理層面，支持采樣管HDFS、對象存儲、HBase、Kafka消息中間件。按照類型可以分為結構化數據區、半結構化數據區和非結構化數據區。

數據計算層：通過多計算子集群技術，可以快速接入不同類型的計算引擎，支撐不通過的業務場景，如SQL引擎用于結構化數據處理；Spark引擎用于支撐大量的AI應用。

數據服務層：也稱接口層，整個平臺提供了JDBC/ODBC訪問接口、API接口用于支持數據應用系統直接對接。

在數據架構上。湖倉一體數據總體數據架構設計分為貼源層、整合層和應用層。

當前湖倉一體數據底座共接入公司320+個系統，日推送數據量4+TB，可以簡單查詢做到百億數據秒級響應，復雜分析做到百億數據分鐘級響應。其中涉及到管會平臺的，共計30+核心業務系統，300+源表,主要跑批任務在凌晨五點完成。

1.2 構建業財融合的管會集市

構建業財融合的標準化和規范化管會集市，將分散在各企業、各系統中的數據進行聚合，通過數據標準統一、數據治理，提高數據質量，供給管會應用使用。具體包括：

從數據范圍上講，基于湖倉數據底座匯聚的企業全域數據，以證券公司經紀、信用、投行、研究、資管等業務為事實主題形成集市的“經”，以公司級統一的標準的客戶、產品、合約、項目、科目、組織機構、員工等維度為“緯”，覆蓋企業的業、財、稅，構建覆蓋全業務的業財分析模型集市。

從數據分層上，如下圖，將整個集市架構分為三層，分別是基礎層、維度層和應用層。數據層是整個財務體系的底座，為整個財務體系提供了原料；維度層會對基礎層數據按照不同維度進行初步匯總加工。同時，非常重要的，在維度層還構建了業財轉換規則引擎，該引擎將業財中的各種核算邏輯關系單獨作為一部分加以管理，這里的規則包括業務和標準維度、總賬和標準維度的邏輯關系、交易和總賬的邏輯關系等。通過設計該規則引擎，大幅減少了代碼復雜度和工作量，提高了開發和運維效率。應用層則是對應著管會應用的接口表，作為管會應用的輸入。

圖3 管會集市架構

1.3 推進業財融合，建設管會應用的核心功能（核心業務流程）

1.3.1 收入分成體系建設

收入分成功能基于多維核算體系（如業務條線、產品、客戶、項目等維度），結合業務貢獻度、風險承擔比例、客戶服務旅程等參數，制定差異化的分成規則。系統通過自動化計算實現數據歸集、分攤和校驗，減少人工干預，確保核算透明性和可追溯性。

圖4 收入分成體系

1.3.2 成本分攤功能體系建設

以構建集團內部的科學管理體系為核心，以"誰使用、誰承擔"為基本原則，全面考慮各經營單元的資源成本特征，精準識別成本分攤動因，建立權責對等的成本歸集機制，推動各主體強化成本管控與承擔意識，促進資源優化配置。通過搭建多維立體的成本分攤框架，實現成本責任的清晰劃分，保障經營決策的準確性。具體體現在三個維度：

（1）機構維度

打破"成本壁壘"，以券商總部與分支機構、母公司與專業子公司的戰略協同為核心，構建“集中管控+區域適配”的分攤框架，解決集團資源集約化與業務屬地化之間的矛盾。針對共享資源（如IT系統、品牌宣傳等）建立專有的分攤模型，根據各機構實際使用量、受益程度進行差異化分攤。對跨區域聯合作業形成的協同成本，按業務參與方的資源投入比例進行追溯分攤。

（2）部門維度

穿透"部門邊界"，以“業務驅動”為原則，通過數字化手段實現前中后臺成本責任穿透，破解“前臺創收、后臺埋單”的資源配置矛盾。通過建立成本池、責任中心表和動因庫，將后臺支持部門的公共成本（如人力、行政等）按實際服務量向前臺業務部門傳導。對跨部門聯合項目形成的沉沒成本，依據資源占用時長、人員投入強度等維度進行彈性分攤。

（3）項目維度

成本分攤體系綜合項目戰略優先級、資源占用度、價值產出等維度進行，實現成本責任分配，解決了傳統項目管理中"資源錯配"、"部門扯皮"、"短期行為"等痛點，實現"財務穩健性"的平衡，最終推動重大項目從"成本中心"向"價值引擎"轉型升級。

該體系建設通過建立"權責清晰、過程透明、動態優化"的分攤機制，有效解決傳統成本管理中的"大鍋飯"問題，推動各經營單元從"成本承擔者"向"價值創造者"轉變，為精細化管理和戰略決策提供數據支撐，最終實現集團整體成本最優化目標。

1.4 構建多維度多層級價值核算數據分析體系（核心業務流程）

1.4.1 建設多維分析報告

該平臺引入了可視化指標公式編輯器，支持用戶自定義分析模型和指標。同時通過自助式商業智能BI，支持靈活建立易用的管理報告應用，快捷搭建分析模型，制定多維度分析報告。

同時為加強平臺自動化智能化運營，平臺設置了系統規則和預警條件，在企業內部高效傳遞數據洞見，實現異常監控實時預警、數據變動歸因溯源和智能化數據報告功能。實現對異動發現、解決措施、解決進度與成效的跟蹤，建立從數據到行動一體化的集團數智財務體系。

圖5 多維盈利分析報告

1.4.2 探索AI+智能分析助手

管理會計系統與大模型結合的技術方案以“降低使用門檻、提升決策效率”為核心目標，通過構建“AI+業財”雙引擎架構，將大模型的自然語言交互能力與檢索增強生成（RAG）技術深度融入系統。

在功能設計上，系統分為智能助手與智能分析兩大模塊：

（1）智能助手基于RAG技術整合操作手冊、業務規則文檔，建立向量化知識庫，通過對話式交互引導用戶完成復雜操作（如成本分攤規則配置、預算編制），并自動診斷問題場景，顯著降低系統使用門檻；

（2）智能分析模塊則利用大模型的數據理解能力，將用戶自然語言提問（如“營業部A近三月投顧創收排名”）轉換為數據查詢指令，實時計算并自動生成可視化圖表（如折線圖展示趨勢、桑基圖呈現成本流向），同時提煉簡明業務洞察，進行初步歸因分析（如“客戶保證金利息收入環比下降12%，主因是利率下調”），賦能敏捷決策。

2.資源需求

（1）數智管會應用

采用3臺8C 32G虛擬機作中間件，部署信創化BCS和BWS，5臺16C 64G虛擬機，用于部署管會服務、報表服務、智能分析服務等。此外對于管會應用的事務型數據使用OceanBase數據庫。

圖6 管會應用部分部署架構

（2）湖倉一體數據底座

如下圖是湖倉一體邏輯架構圖。其中計算層服務器涉及23臺物理服務器，存儲類型服務器也使用23臺物理服務器。

圖7 湖倉一體數據底座部署架構

3.應用場景及解決的實際問題

（1）用于績效考核。該項目實現了多維盈利分析，精準公允地計量了各總部業務部、分支機構收入分成前后、成本分攤前后的損益數據，為績效考核提供了可溯源的精準數據。

（2）指導戰略落地。借助本項目，打通預算、經營、風控、考核全流程，實現管理導向的有效傳達與實施情況的及時監控，確保公司戰略規劃平穩落地、風險有效管理。

（3）強化經營分析。通過面向各個層級的報表，從經驗轉向數據驅動優化管理決策，實現精細化管理，優化資源配置，引導業務鋪排，降本增效，確保投入產出最大化。

（4）助力監管報送。為監管報送提供了較為明細的損益類數據。通過統一數據口徑、自動化生成報表，保障監管報送的準確性與時效性；內置合規規則校驗，防范數據失真或違規風險，滿足穿透式監管要求。

（5）大幅提升數據治理和數據資產工作。“以用促建”，通過該項目促進了產品客戶員工等主數據建設，提升了相關系統的數據標準和質量，提高了指標標簽的管理。

四、項目過程管理

1.需求分析和概要設計階段

此階段起始時間為2023年10月至2024年2月，在此階段，我們與業務部門進行了深入的溝通和交流，全面梳理了業務需求，并進行了細致的需求分析。基于這些需求，我們制定了項目的概要設計方案，明確了項目的整體架構、功能模塊和技術路線。同時，我們還編寫了詳盡的需求分析報告和概要設計文檔，為后續工作提供了清晰的指導。

2.系統詳細設計階段

此階段起始時間為2024年3月至2024年6月，在此階段在概要設計的基礎上，我們進一步開展了系統的詳細設計工作。這一階段，我們重點完成了數據庫設計以及界面設計等工作。我們充分考慮了系統的穩定性、可擴展性和易用性，并采用了先進的技術棧和框架進行實現。同時，我們還編寫了詳細的設計文檔，包括數據庫設計說明書、接口定義文檔等，為后續的編碼工作提供了堅實的基礎。

3.系統開發、測試和上線準備階段

此階段起始時間為2024年7月至2024年10月，在此階段，在系統詳細設計完成后，我們進入了開發測試與上線準備階段。項目組成員按照分工，開始了系統的編碼工作。在編碼過程中，我們嚴格遵守編碼規范，確保代碼的質量和可維護性。同時，我們還進行了單元測試和集成測試，確保每個模塊的功能正常，并與其他模塊能夠順利集成。

4.試點上線階段

此階段起始時間為2024年10月至2025年1月，在此階段，在完成了系統的編碼、測試與上線準備后，我們選擇了以收入分成功能，涉及計劃財務部、財富委等部門作為試點單位，進行了系統的上線試運行。在試點期間，我們密切關注系統的運行情況，建立用戶反饋機制，收集用戶問題，并對系統進行了必要的優化和調整。通過試點上線，我們驗證了系統的可行性和穩定性，為后續全面推廣應用積累了寶貴的經驗。

5.正式推廣階段

此階段起始時間為2025年1月至今，在此階段， 在試點成功的基礎上，我們全面展開了推廣應用工作。我們組織了多次培訓會議，幫助業務部門快速熟悉和掌握系統的使用方法。 同時，我們還制作了詳細的操作手冊和在線支持文檔，為用戶提供便捷的自助學習途徑。此外，我們還建立了問題反饋機制，及時響應和處理用戶在使用過程中遇到的問題和困難。

五、運營情況

（1）推廣情況：

已推廣至全公司使用，涵蓋總公司、子公司、分支機構使用。

月活數達到450+，涵蓋公司領導、部門領導、中臺負責人、二級組負責人、財務人員等。

已經應用到領導駕駛艙、績效考核、客戶服務體系、監管報送等各場景，不斷提升精細化管理粒度。

（2）系統運行情況：

7×24小時服務：保證服務高可用，系統可用度達到99.9%以上。

六、項目成效

1.產業效益

管理會計系統落地后，對產業應用及技術發展產生了深遠影響，主要體現在以下幾個方面：

（1）建立證券行業領先的管會會計方案

通過業財數據集市和多維盈利分析框架，管理會計系統實現了客戶、產品、部門等多維度的精細化核算，打通部分系統間壁壘，實現全面的成本管理與資產管理。同時，項目獲得中信金控管理會計體系建設突出貢獻獎。為證券行業在建立管理會計上提供了豐富的借鑒經驗。

（2）建立高效的項目協同機制

中信建投數智管會項目是復雜非標項目，涉及公司所有業務線及經營管理的方方面面。為實現協同確保達成項目目標，項目組建立了高效協同機制，并取得良好效果，為行業類似項目提供了標桿。

（3）打造信創全棧適配的管理會計架構體系

率先完成國產化數據庫（如偶數數據庫、OceanBase）、中間件、操作系統全棧適配，打造信創圈占適配的管理會計架構體系。

（4）建立自動化智能化的數據運營體系

針對管理會計系統的數據復雜度，及對數據的準確性、及時性的要求較高，數據運營工作顯得非常重要，項目根據“完整性+準確性+一致性”三重校驗規則，實現異常數據實時預警與根因定位，大幅加強了差錯管理，提升了運維效率。

2.社會效益

證券公司由于其業態特殊性，以及其所處成長與發展的特殊階段，在管會體系建設方面整體處于起步階段，因此該項目對于整個行業管理會計發展產生了比較積極的影響。具體如下：

（1）建立完善的項目組織架構，明確成員職責

中信建投證券公司管理會計項目覆蓋公司全業務，項目組規模龐大。為確保高效運轉，項目組明確了各小組，各崗位，各成員的目標，職責與分工。同時，項目也得到了公司領導的高度重視，由公司董事長親自掛帥，并設置了統籌運營的項目辦公室，按業務形態分類的執行小組以及按任務類型分類的專題小組。項目對整個公司層面產生較深的影響。

（2）積累證券行業管理會計建設項目的先進經驗

在數智化背景下，深入研究證券企業如何構建管理會計體系，并在項目中總結規律與提煉方法，為證券公司更好地做好數智化變革下的管理會計體系建設提供經驗與示范。同時，提升管理會計實踐與應用效果，促進企業價值創造與精細化管理水平，實現可持續的高質量發展。

（3）推動企業數字化轉型，探索行業高質量發展

管理會計項目通過湖倉一體的數據底座建設，整合和優化數據資源，為公數字化轉型提供了堅實的數據基礎。可以為管理層提供智能化的數據分析和決策支持，推動業務升級和高質量發展。

3.經濟效益

分析項目的直接和間接經濟效益，主要包括市場定位、盈利方式、市場預期等，需提供商業合同等相關支撐材料 。

（1）建立業內領先的管理會計方案，全面提升公司業財數據分析

結合公司業務實際和特殊需求，設計了覆蓋組織、業務類型、收支類型、客戶、產品、項目、合約七大維度，并設計能夠覆蓋資金成本、資本成本、風險成本的經濟利潤表和各類業財分析表；設計了原則明確、范圍完整、路徑清晰的成本分攤體系，形成全面的投入產出分析能力，提升公司精細化管理與降本增效工作的有效性。

（2）數據集中化管理，降低建設成本實現資源優化

項目通過整合數據湖和數據倉庫的功能，充分發揮數據統一存儲和集成能力，并通過數據集市統一輸出，減少了以往多系統間點對點對接方式產生的額外數據存儲成本，提升了系統數據加工效率，同時也變相的減少了運維人力成本。

（3）快速賦能公司財務分析，使數據價值最大化

項目自上線以來，支持公司收入分成、成本分攤等多個核心場景，代替原來手工生成數據方式，降低大量人工成本。

（4）提升公司主數據可用性

客戶、產品、機構主數據一直是公司數字化轉型的重要基礎，通過該項目，對公司全量客戶、產品、機構數據進行勾稽校驗，篩查出客戶主數據問題，產品主數據問題，全面提升數據可用性。

七、經驗總結

數智管會項目作為公司2024年度重點工作，是公司落實國企改革深化提升行動的重要舉措和公司數字化轉型的抓手工程。2024年，因項目推進有力、組織方法得當、過程產出突出，公司獲評中信金控管理會計體系建設突出貢獻獎。在公司的統一部署下，持續保持全力投入。自24年10月31日起，陸續實現基礎服務、收入分成、成本分攤、報表管理等平臺核心功能的分階段上線。項目取得非常好的效果，目前已經應用于客戶服務體系建設、績效考核、經營戰略落地等。本項目的成功實施，主要有兩方面做的非常突出，具有較強的借鑒意義和可復制性：

一方面，整個建設過程保持長期投入、科學管理、高效協同。包括：

（1）高強度投入：穩扎穩打，設計、梳理、夯實流程、系統與數據基礎，包括核心流程、接入上游系統、建設公司級指標標簽庫，形成各類核心數據血緣圖、數據檔案、核心數據映射規則。

（2）科學化管理：動態調整組織架構，設立跨部門項目辦公室、5個方案小組、十余個專題攻堅小組、專項功能建設與測試小組、數據檢查與核對小組并充分動員，高效協同；利用WBS、JIRA等管理工具，通過晨會、周會、月會，進行項目進展的精細化、清單化管理；優化建設路徑，同步開展頂層方案設計與底層數據溯源、正反向數據核對，雙向推進，螺旋式上升。

（3）管會人才團隊搭建：

另一方面，建立了業內領先的管會方案與平臺。具體包括：

（1）多維多層價值核算分析體系：設計了覆蓋組織、業務類型、收支類型、客戶、產品、項目等維度，綜合考慮了資金、資本成本的經濟利潤表及各類業財分析表。經報表與數據開發，自24年11月起陸續上線近百張。

（2）收入分成：設計了要素齊全、場景清晰的分成體系，實現功能集成及相關數據的精細化、清晰化、可追溯，通過客戶數據在各業務線間的矩陣式統計分析，以及未來與i企查協同，對客戶服務記錄進行集成與分析，支持業務協同。

（3）成本分攤：設計了范圍完整、路徑清晰的分攤體系，通過各類分攤，將公司全成本分至二級利潤中心；梳理成本“預、采、控、核、管”全流程，打通其中部分流程、系統與數據。相關系統群在24年12月底正式聯合上線。

本項目通過搭建完備的管會體系，并融合高性能計算與智能化分析，數智管會平臺推動券商從“經驗驅動”向“數據智能驅動”轉型，為應對行業變局奠定了技術基礎和先進經驗。

更多金融科技案例和金融數據智能優秀解決方案，請在數字金融創新知識服務平臺-金科創新社案例庫、選型庫查看。