郎平：我国证券公司数字化转型中全面风险管理体系优化进路

作者简介：郎平，女，甘肃酒泉人，博士，河北大学法学院副教授，河北大学国家治理法治化研究中心研究员，研究方向为金融法。

纵观证券公司数字化转型的发展演进历程，依次呈现如下“阶段性”发展势头：最初为信息化阶段（1993—2000年），即依托互联网仅开展网上交易结算业务；其后为“线上+线下”信息化普及阶段（2000—2013年），即在依赖互联网拓展业务的同时，开展“线上+线下”业务营销；而今为数字化服务生态重构阶段（2014年至今），即通过嵌入区块链、大数据、云技术等数字技术，对证券公司产业元素、业务营销等进行赋能升级。随着2023年ChatGPT带动人工智能进入新的发展阶段，人工智能及大模型在资产配置、智能交易等领域的应用将催生出更多的数字化、智能化新业态。证券公司要想在数字化转型浪潮中立足，需要综合考虑业务、技术、架构等多个方面（王思轩，2021）。据此，学者们围绕证券公司数字化转型路径展开深入研究，如证券公司数字化转型中的财富管理发展模式及路径（华泰证券课题组和朱有为，2020）、经纪业务数字化转型方向与实践（潘劲松，2021）、债券承销业务的数字化路径（郭春磊等，2021）等，不一而足。此外，还立足域外视野，以财富管理业务为例，研究发现摩根士丹利、瑞银、高盛等国际证券公司财富管理业务的数字化成功经验在于以客户为中心，通过技术为产品和客户服务赋能的同时，发挥组织协同能力，故我国证券公司的数字化转型应聚焦行业创新、产品服务（中银证券课题组和金坚，2022）。学者们还聚焦证券公司运营中凸显的高风险“痼疾”，认为一方面要以证券公司数字化转型中的数据治理与智能服务两大特点为抓手，构建评价体系对其进行量化分析，从而为证券公司的业务重塑、科技治理提供依据（孙国茂和李猛，2022）；另一方面须坚守合规风控底线，坚持稳健经营等全面风险管理理念（赵贵成，2022），采取强化风险管理意识、规范严格的管理制度等措施（郝敬东，2020），推进证券公司风险管理的智能化转型。

梳理以上研究，学者们对证券公司数字化转型的研究存在如下不足：一是忽略了证券公司数字化转型的应用场景，导致对证券公司数字化转型路径的研究呈现“碎片化”；二是对于证券公司数字化转型中的风险管理，尽管从理念、措施、智能化转型路径等方面提出了建议，但是由于没有聚焦证券公司数字化转型中的风险管理“痛点”，理论与实践无法“知行合一”。鉴于此，相较于已有研究，本文聚焦证券公司的数字化转型场景，从业务营销、产品和客户服务三个视角将证券公司数字化转型的路径“具象化”，在此基础上，依据治理、风险管理与合规性（Governance，Risk Management and Compliance，GRC）理论解构证券公司全面风险管理体系，深挖全面风险管理实践中“金字塔状”组织结构与技术保障中的“痛点”，从打造扁平化组织结构和完善数智化风控系统两个视角提出对策，为证券公司全面风险管理提供理论参考，为资本市场的稳健运行肃清障碍，为国家金融安全的法治保障建言献策。

二、我国证券公司转型中的数字化场景及其外部性

（一）我国证券公司转型中的数字化场景前瞻

在人工智能、区块链、云技术、大数据等数字技术赋能下，证券公司数字化转型场景呈现出业务营销、产品创新以及客户服务的数字化。以下分而述之。

1. 业务营销数字化。随着金融数字化的纵深发展，数字化转型已从商业银行向证券公司延伸，证券公司数字化转型呈现出业务营销的数字化，范围涵盖证券经纪业务、资产管理业务、证券承销业务、证券自营业务等。证券公司的业务流程包括研发、加工、营销三个步骤。综合类证券公司适用“大营销、小加工、大研发”模式，专业型证券公司适用“大营销、大加工、小研发”模式，而中小型证券公司适用“小营销、大加工、小研发”模式。数据具有同质化、可复制、可编辑等特性，在创新业务营销模式方面具有天然优势。实践中，证券公司业务营销数字化的主流做法是将线上化的数据在业务领域加以应用，利用数字技术实现自身业务模式、业务流程、业务运营的优化和发展（中国证券业协会原互联网证券委员会专题研究小组，2022）。下文将以证券公司的债券承销业务流程为例来透视证券公司业务营销数字化一隅。债券承销业务流程包括承揽、立项、发行上市、存续期管理等（郭春磊等，2021）。对此，在承揽阶段，大数据和知识图谱技术将客户信息形成可视化图像，为承揽决策提供数据支持（吕怀立等，2023）。在立项阶段，根据业务需要，依托云技术不仅可以对文档进行提取和核查，还可以深挖关联方和关联交易中的关联关系，形成企业关系图谱，从而识别关联交易中的潜在风险。在发行上市阶段，通过嵌入区块链技术建立簿记发行系统，在缓解信息不对称的同时，还可计算发行定价、模拟发行结果，为承销人的发行方案提供参考。在持续监督阶段，利用大数据技术智能监控企业上市后的发展情况，可发挥排查风险、监测企业外部舆情等效用。

申言之，未来通过数字技术赋能业务发展，将成为证券公司提升自身核心竞争力、实现可持续发展的重要路径。

2. 产品创新数字化。纵观历史，金融产品的演进呈现出货币、基础金融产品（如银行存贷款、债券、保险产品、股票、商品期货合约等）、金融衍生产品层层推进的路径。证券公司除不能经营商业银行、保险公司的专属金融产品外，债券、股票、商品期货合约以及金融衍生产品等金融产品均可经营。根据产品来源，证券公司的金融产品包括自有金融产品和代发代销金融产品两类。前者主要包括资管产品、理财产品、投资咨询产品等，后者则包括基金、代销的理财产品等。而今，随着第四次产业革命的到来，证券公司充分利用下沉在“链”上、上传于“云”上的海量数据，通过算法和算力挖掘“数据”价值，以创新金融产品，从而克服同类产品的同质化问题。例如，中信证券对其公募基金产品数据体系进行设计，通过增加产品标签，构建了11个产品大类、95个产品小类的基金标签，将其充实并集成到公司各个应用系统，在满足内部业务部门产品营销需求的同时，通过“一站式基金产品浏览”迎合客户外部需求（中国证券业协会，2022）。

3. 客户服务数字化。数字服务是以数字形式向用户提供的服务，主要由用户、服务、软件、数据、网络、硬件等要素构成。其中，软件、数据、网络、硬件等属于必备的基础要件，而用户服务则是数字服务的核心要件。实际上，自互联网技术诞生以来，由于数字技术的局限性，证券公司客户服务的数字化只能以互联网为基础，通过传递网络信息为客户提供服务，故证券公司仅实现了客户服务的信息化。而今，人工智能、大数据、云技术等对数字技术的迭代发展使得证券公司所提供的客户服务已经实现了从信息化向数字化的蜕变。如中信建投证券信息技术部结合自身实际，提出了“薄前端、厚中台、强核心”的架构体系，通过业务中台、技术中台、数据中台建立了一套综合共享的信息平台，以此拓展客户服务边界。目前证券公司客户服务数字化最典型的应用场景当属人工智能投资理财顾问。为实现投资理财顾问客户服务的数字化，实践中会依托数字网络，在前端配置人工智能投资理财顾问应用，在中端嵌入云技术为调用数据、信息等提供支持，后端会通过大数据，在捕捉和筛选客户的交易、资产、投研等数据的同时，提供数据计算、采集、加工服务，以此实现对公司所有数据的充分利用，从而形成统一的客户信息视图，以此拓展人工理财顾问的服务边界，为客户提供更为精准的理财方案，拓宽服务边界。

审视证券公司数字化转型场景，证券公司作为服务供给方，以客户需求为导向，基于海量数据，利用数字技术洞察并深度挖掘客户需求，准确识别客户行为特征，建立客户画像，以明确客户的个性化需求。在此基础上，证券公司利用数字技术对产品和服务进行智能分析和管理，并对结果进行智能化、自动化评估，以此优化服务方案，提升客户服务体验，以个性化的服务来实现业务的精准化营销与产品的多元化供给。易言之，证券公司业务营销、产品创新、客户服务数字化场景之间并非相互割裂，反而在客户需求导向下，呈现出以客户服务数字化为“塔尖”，产品创新与业务营销数字化为“塔基”的“倒金字塔”图景（见图1）。

（二）证券公司数字化转型的外部性透视

外部性概念起源于经济学，意指溢出效应或外部影响，包括正外部性和负外部性。据此，如下将审视证券公司业务营销、产品创新以及客户服务的数字化转型场景带来的正外部性和负外部性。

1. 证券公司数字化转型的正外部性。微观层面，数字化转型有助于证券公司提升经营业绩，强化自身竞争力。例如，国泰君安证券公司成立的上海青浦分公司采用创新渠道合作、集约数字化经营方案，依托君弘智投服务体系，致力于做大公司客户规模，做好海量客户数字化经营，筹备期内服务互联网渠道客户6万多人，前景向好，成为其提升自身效益的“助推器”。根据艾媒咨询（iiMedia Research）的《2024—2025年中国证券行业数字金融业务现状及发展趋势研究报告》，目前我国有69.1%的证券公司正在经历数字化转型，23.9%的证券公司还未进行数字化转型。在经历数字化转型的证券公司中，基本完成数字化转型的占4.8%，数字化转型程度较高的占16.4%，数字化转型程度中等的占34.6%，数字化转型程度较低的占38.9%，仍处于计划阶段的占5.3%。可见，证券公司数字化转型的提升空间极大。未来，随着人工智能、区块链、云技术、大数据等数字技术的快速发展，开发移动应用程序、构建智能投顾系统、打造智能交易系统、加强区块链技术应用等必将成为证券公司数字化转型的布局重点，以此实现对产业元素、经营模式等的赋能升级，助力其强化竞争力，抢占国内及国际金融市场份额。

宏观层面，数字化转型有助于提升服务实体经济质效，助力数字经济发展。当今世界正经历百年未有之大变局，随着新一轮科技革命和产业革命深入发展，欧盟推出《数字欧洲计划》，日本也制定了“IT立国”战略，全球经济竞争日益聚焦于数字经济发展。我国自党的十八大以来就高度重视发展数字经济，将其上升为国家战略，从国家层面部署推动数字经济发展。审视当下，证券公司业务营销、产品创新和客户服务的数字化，不仅是对数字产业化和产业数字化的“回应”，而且各数字化场景的应用必将促进资本的高效流动，进而提升服务实体经济质效，为数字经济发展助力。

2.证券公司数字化转型的负外部性。一方面，由于数字技术对业务营销、产品创新、客户服务的赋能升级，以往传统的信用风险、流动性风险、利率风险、汇率风险、业务风险、行业风险（黄运成和徐锦文，1999）等可能会因数字技术而发生异化。以证券公司的信用风险为例，其通常源于保证金借贷、过桥贷款、回购协议等触发的风险，但随着数字技术的迭代升级，证券公司必然会加强智能交易和资产组合管理方面的研发，将数字技术充分融入投资和资产管理实践中，这使得资产组合效应下的金融衍生产品的信用风险更加复杂。另一方面，数字技术作为一把“双刃剑”，在提高资本配置效率、提升客户体验的同时，也将滋生数据安全风险、网络安全风险等新生的数字化风险。例如，2021年3月美国券商Robin hood遭到黑客恶意攻击，导致超过700万用户的数据被泄露，泄露的数据包括超过500万用户的电子邮件地址、200万用户的姓名以及310位用户的个人身份信息。此外，不容忽略的是，目前证券公司的数字化服务系统都是集权系统，其中终端集中管理和身份认证系统存储着大量数字凭据，数字网络作为其集权系统不可或缺的数字技术，却凸显“系统性暴露”问题，这必然使得潜在的数据安全风险、网络安全风险等存在交叉传染的可能性。网络安全风险、数据安全风险等数字化风险一旦爆发，来源迥异的各类数字化风险可能快速积聚，导致证券公司集权系统的瘫痪，甚至IT风控系统的失灵，严重时可导致证券公司陷入破产窘境。

易言之，证券公司数字化转型中的负外部性主要表现为异化的传统风险和新生的数字化风险，一旦不察，不仅会影响证券公司数字化转型的有序推进，还可能危及主权国家金融系统的稳定性。可见，对数字化转型中的证券公司而言，当务之急是如何消除负外部性。

三、我国证券公司全面风险管理体系的理论溯源与实践

聚焦证券公司数字化转型中的“倒金字塔”场景，在数字技术对业务营销、产品创新、客户服务的赋能升级后，证券公司惯用的全面风险管理体系是否仍适用于数字化转型中风险的全面管理呢？存在哪些“痛点”？以问题为导向，下文将先溯源我国证券公司全面风险管理体系理论，并对其全面风险管理实践进行分析，进而深挖我国证券公司数字化转型中全面风险管理的痛点。

（一）我国证券公司全面风险管理体系的理论溯源

证券公司基于公司治理、风险管理和合规性的共同目标，形成了三位一体的GRC理论（lyons，2007）。基于GRC理论，证券公司为落实风险管理和合规性要求，实现风险的全面管理，一般会设置审计委员会、执行管理委员会、风险监督委员会、风险政策小组、业务单位、公司风险管理委员会等组织。与此同时，还会组建一个强有力的技术支撑部门，利用数字技术来传输、统计、定量分析相关信息，以此实现风险防控的数字化（宋国良等，2014）。如今，基于GRC理论搭建的全面风险管理体系已被广泛应用于各国证券公司的风险管理之中。从GRC理论检视证券公司全面风险管理体系，其包括公司治理结构、组织结构以及IT风控系统三大要素。

第一，公司治理结构是关于不同利益主体间权、责、利关系的制度安排。故可将其划分为两类：一是单层制架构，通常由股东会和董事会组成。董事会兼有经营和监督之责，公司可设立独立董事，但不设置监事会。而今，这种模式被广泛应用于英美等国。二是双层制架构，通常由股东会、监事会和董事会组成，董事会不设独立董事，而监事会作为董事会上位机构，享有董事任免权、报酬决定权、重大决策权和监督权等权利。而今，这一架构被普遍应用于德国等大陆法系国家。纵观我国法人治理结构，主要沿袭了大陆法系传统，设立股东会、董事会和监事会双层架构。证券公司作为我国法人中的一类，在治理结构上也适用双层制架构。

第二，组织结构指的是内部所设机构及其组合的表现形式。目前法人组织结构包括直线职能制（U形结构）、事业部制（M型结构）、矩阵制、母子公司制等。通过组织结构形式的建立，治理结构与组织结构中形成了三条不同的链节关系，即命令指挥链、委托代理链和目标手段链（林志扬，2003）。在交错的链节关系中，法人治理结构凸显“管理型”思维，这一“管理型”思维会渗透至法人组织结构中。在法人组织结构中表现为高层经理负责规划决策蓝图，下级按图索骥执行决策。由于企业规模、业务覆盖范围等不同，实践中我国证券公司的组织结构呈现混合化趋势，如同时设立子公司和分公司，并在控股公司下适用事业部制，而在事业部制下采用直线职能制。不容忽略的是，各证券公司尽管采用了个性化的组织结构，但这些组织结构呈现的共性是“科层化”。以风险管理为例，组织结构的“科层化”表现为每一层级仅负责监管其职责范围内的风险，对掌握的风险信息进行由下至上的传递，且下级不能主动管理职权之外的风险。可见，我国证券公司组织结构的“科层化”在运作中呈现“金字塔”结构。

第三，从IT风控系统审视，证券公司全面风险管理中通常会构建风险预警、监控、管理与报告的风险管理技术保障体系，以便在治理结构和组织结构的支持下，运用这些控制性的技术工具，在开展业务的过程中对风险进行有效的跟踪管理。从技术组织互构论视角解析IT风控系统，技术与组织具有复杂性、确定性和互倚性，二者构成了一个互为表里的结构体系（张燕和邱泽奇，2009）。可见，证券公司组织结构的“科层化”使得适用中的IT风控系统也呈现有层级的“金字塔”结构。

综上所述，证券公司全面风险管理实践中，治理结构、组织结构与IT风控系统三大要素全面管理风险的内在逻辑是：公司治理结构决定着公司组织结构，公司组织结构的风险防控目的与公司治理结构的风险防控决策息息相关，IT风控系统因技术与组织的互构而完全依赖并服务于组织结构。

（二）我国证券公司全面风险管理实践——三级风控架构

审视我国证券公司全面风险管理实践，依托双层治理架构、“科层化”组织结构和IT风控系统，基本建立起了全面风险管理长效机制——三级风控架构。第一层级的风险防控往往遵循“双人、双职、双责”原则，建立重要业务部门，以业务部门为单元划分风险管理小组，由业务部门内各风险管理小组来测量和监督风险情况，及时向风险管理部门报告，并对不同风险来源提出预防措施，通过IT风控系统将业务部门掌握的风险信息及时传递至风险控制部门和合规部门。第二层级的风险防控要求风险控制部门和合规部门根据各业务部门上传的风险信息，通过制定的整体持仓、交易、风险限额等指标，依托IT风控系统对潜在风险进行全面监控。其中，风险控制部门主要侧重于对新产品、新业务中所包含的风险进行识别、评估，并发布相应的风险管理报告，制定风险指标以实现风险的全面防御。合规部门则通过审查新产品和新业务交易全流程的合规性，重点对操作风险、法律风险进行事前防控。第三层级通过设立独立的审计部门，由其负责监督、发现公司内部风险防控的制度漏洞并提出完善措施，而后将规则嵌入IT风控系统以提升风险管理的有效性。

目前，我国证券公司基于全面风险管理的长效机制，基本完成了信用风险、流动性风险等IT风控系统建设，IT风控系统中的三级风控架构包括服务于第一层级的前台、第二层级的中台和第三层级的后台。

可见，在原有三级风控架构上增加防线，依托数字技术将原有的IT风控系统改造为数智化风控系统，不仅可以极大地节约风险管理成本，而且还可以最快地适用于证券公司数字化转型中的风险管理。那么，这一“改造方案”能否提升全面风险管理的有效性呢？基于此，下文将从治理结构、组织结构以及智能化风控系统三大要素检视证券公司数字化转型中的全面风险管理体系。

首先，从治理结构中高层的风险决策目标来检视，设置全面风险管理体系的风控目标主要有两个：一是以合规性（Compliance）为目的，通过“信息长城”控制或者隔离有害信息在自营业务、经纪业务、资产管理业务、承销业务等各部门之间的流动，防止因信息滥用而可能发生的利益冲突和内幕交易；二是以风险管理（Risk Management）为目的，建立有效的法人“防火墙”和业务“防火墙”，以阻止风险的传播（庞介民，2005）。而今，数字化转型中的证券公司并未因业务数字化、产品数字化、用户数字化的“红利”而忘本，在全面风险管理中仍然以“合规性”和“风险管理”为目标。

其次，从组织结构来检视风险的管理流程，在“管理型”思维的导向下，加之经验导向下的“人控”模式，风险的防控仍凸显“科层化”。即从下至上的每一道风控防线的识别、监测内容、防控措施等，需要下级根据上级的风控指示制定风控目标、设置风控防范措施、制定风控报告，对超越自己权限范围的风险，需要“上传”至有权限的层级，由其下达“指令”并由下级执行。如果企业规模不断扩大，“上传下达”的风险信息链条就会被延长，从而增加风险信息的传递时间，凸显“时滞”问题，导致风险管理的延误，甚至风险决策的失灵，这一弊端在数字化风险防控中尤为明显。由于“技术与组织”互为表里的结构关系，组织结构中凸显的“时滞”问题会直接被嵌入数智化风控系统中，反而遏制了数智化风控系统自动化、智能化的效率优势。

最后，从运行中的智能化风控系统来检视，一方面，打造中控平台的证券公司信息技术研发部门，通常会根据管理权限隔离标准预设算法，先行编制智能合约代码，将法律规则以及风险管理事项“代码化”，通过生成式人工智能技术来管理数据，以此提升“信息长城”和“防火墙”的风险防控效果。另一方面，面对潜在的各类风险，数据是智能化风控系统自动预测、防控、处置风险的必备要素，多维度的海量数据将满足各环节风险防控的数据需求。这些数据包括网络行为数据、企业业务数据、客户偏好数据、客户交易数据、授权数据源、公开数据源等。其后，根据链上、云上的数据，利用人工智能技术进行文本挖掘、自然语言处理、机器学习、预测算法、聚类算法等以挖掘数据潜力，从而实现对不同交易场景中风险的精准和及时防控。但实践中数智化系统却暴露出两大“痛点”：一是证券公司全面风险管理中存在的“数据孤岛”问题。“金字塔”状的全面风险管理体系使得不同层级的各类数据存在物理意义上的隔离，数据碎片化严重，导致风险的监测、分析、评估无法有机结合，难以及时拦截风险。二是证券公司在风险管理中因数据质量问题给数智化系统风险管理带来负外部性。实践中暴露的问题是：前端采集的原始数据质量不好，中端采集的基础数据标准覆盖领域有限，如注重业务类、事件类的数据标准的全覆盖，忽略对产品类、账户类等领域数据标准的全覆盖；后端数据指标不统一，使得同一数据采用不同算法，导致其经过多重计算、加工后，数据难以溯源，质量也无法得到保障，使得证券公司的数智化风控系统可能会因“问题数据”的积累而失灵。

可见，对于证券公司数字化转型中的全面风险管理体系，其治理结构导向下的风险管理目标并未改变，但是组织结构的“科层化”凸显“时滞”问题，这一“时滞”问题反而制约了数智化风控系统的数字化、自动化、智能化效用。此外，聚焦数智化风控系统，“数据孤岛”和数据质量问题如不及时解决，智能化风控系统可能会成为“僵尸系统”。以上两大“痛点”亟待破解。

五、我国证券公司数字化转型中全面风险管理体系的优化进路

聚焦我国证券公司数字化转型中全面风险管理体系暴露的“痛点”，不仅需要将证券公司“科层化”下“金字塔”状的组织结构变革为“扁平化”组织结构，还应尝试消除智能化风控系统中的数据“痛点”。

（一）变革证券公司组织结构

资本市场是高度依赖信息和数据的市场，信息的快速传递关乎证券公司全面风险管理的有效性。面对证券公司全面风险管理中“科层化”下“金字塔”状组织结构的优化需求，可组建扁平化的组织结构，以破解全面风险管理中信息传递的“时滞”问题。所谓组织扁平化，就是通过破除公司自上而下的垂直高耸的结构，减少管理层次，增加管理幅度，裁减冗员，以建立一种紧凑的横向组织，使组织变得灵活、灵敏、富有柔性和创造性，强调简化系统、管理层，分散管理层的权力。相较于“科层化”下“金字塔”状的组织结构，其具有三大优势（秦泗凯，2010）：一是扁平化组织结构是对“科层化”下“金字塔”状组织结构的优化，会减少管理层级，从而有利于信息的传递。二是扁平化组织结构强调系统和团队合作，侧重于业务的连续性和组织的系统性，试图把各业务部门零散的任务重新整合起来，尤其在团队协作下，对工作进行协作分工，对权力进行再分配，使得中下层在一定程度上也能获得执行权。三是扁平化是一种柔性化的组织，更强调组织的知识学习。学习形式既包括组织内部成员之间的学习，也包括外部利益相关者之间的学习，成员相互学习，有利于实现知识共享、转化和创新。

申言之，扁平化的企业组织对内有利于加强横向协调，消除企业内部纵向部门间的障碍和壁垒，调动和发挥基层员工的积极性；对外有利于企业接近市场，使企业的产品更好地满足消费者的需求，使企业更具弹性和灵活性，提高企业对外部市场变化的适应能力。所以，在证券公司数字化转型中，面对“科层化”下“金字塔”状组织结构中暴露的“时滞”问题，扁平化组织下信息传递的中间层次少，信息处理与反馈较快，能提高企业对外界变化的反应能力，更为重要的是，能够实现各组织部门与公司治理框架的更高层次治理主体（如董事会及风险委员会）的高效无阻隔对接，对证券公司数字化转型中的全面风险管理大有裨益。

（二）消除数智化风控系统中的数据“痛点”

直面证券公司全面风险管理体系中的数智化风控系统凸显的数据问题，既可以依托数字技术以“技”治“技”，还可以通过制度规则来解决。

第一，数智化风控系统的“数据孤岛”问题涉及证券公司内部多个部门、多个领域中的数据，对此，可尝试搭建元数据互联互通数智化平台。元数据即关于数据的组织、数据域及其关系的信息，可以通过数字化来描述证券公司的数据、流程、应用程序等。互联互通原本属于信息技术领域的专业术语，即通过应用程序编程接口（API）等途径，在不同信息系统之间进行通信、执行程序或传输数据，从而使各系统之间能够兼容使用。所以，通过搭建元数据互联互通数智化平台，可以通过采集、管理、共享、影响分析、数据地图等（陈一洪，2024）对元数据进行集中管理，加之互联互通的数智化平台，既满足了海量数据的风控要求，又实现了跨部门、跨平台的数据流通，从根本上消除了“数据孤岛”问题。

第二，面对数智化风控系统中存在的数据质量问题，可以采取如下三步走策略：第一步是建立数据质量管理标准的事前预防机制。对此，证券公司可以根据业务、产品的数字化需求设计相应的风控数据评估指标，在此基础上依托数智化风控系统对相关数据进行评估，进而明确业务、产品中所要求的数据质量标准，以此拟制相应的数据质量标准。第二步是建立数据流转过程中的事中预警机制。数据的采集、存储、传输、处理等各个环节中都存在数据的新增和变更问题，因此，有必要建立数据质量预警机制，对有质量问题的数据及时“预警”，依托区块链技术对问题数据进行溯源，及时整改。第三步是构建数据质量校验的事后管控机制。在事前预防机制和事中预警机制都不能消除数据质量问题时，建立事后校验机制可以及时发现遗漏的重复数据、异常数据、派生数据等“问题数据”，并及时采取补救措施，确保高质量数据的供给。