来源：鑫智奖·2025第六届金融机构数智化转型优秀案例评选
获奖单位：中信建投证券
荣获奖项：数字运营优秀案例奖
一、项目背景及目标
1.行业现状和痛点
管理会计体系自20世纪初萌芽以来，已从制造业的成本控制工具发展为覆盖金融、服务等多行业的战略管理核心系统。当前证券行业整体处于数字化转型关键期，多数券商已初步建立管理会计框架，但应用深度存在显著差异。头部券商如国泰君安、招商证券等多采用仓外集市基本实现预算、核算、考核的打通，其系统涵盖成本分摊、收入分成、多维盈利分析等模块；而中小券商多数仅搭建了费用预算、成本分摊等基础模块，尚未形成完整闭环。当前的管会平台建设还存在不少问题，一方面，由于缺少整体规划，大多数企业的管会体系建设的并不完备，覆盖业务广度和深度有待提升。另一方面，随着市场规模扩大，分析维度和深度增加，对于计算分析时效性愈高，现有系统普遍面临算力瓶颈、数据治理和高质量数据供给不足的问题。
2.项目的背景和必要性
从外部挑战来看，首先，行业发展压力增大，证券行业头部集中趋势显著，竞争日益激烈，公司进行精细化管理及降本增效的需求十分迫切。
从监管来看，行业监管的要求越来越严格，这种情况下传统的财务会计计量越来越难以有效支持。
从内部需求来看，公司经过20年的发展，在由粗放式的外延扩张转变为集约化的高质量发展，急需打通计划、经营、风控、考核的全流程，实现全面的、精细化的管理。公司各业务条线，要在有限资源的条件下，以投入产出比最大化为原则，进行稀缺资源的最优分配。
此外，随着大数据技术、AI、大模型技术的涌现，以及证券行业数字化转型的深入，为高效高质量的数据整合分析奠定了技术基础。
在此背景下，通过搭建完备的管会体系，并融合高性能计算与智能化分析，数智管会平台推动券商从“经验驱动”向“数据智能驱动”转型，为应对行业变局奠定技术基础。
二、创新点
（1）信创湖仓一体化数据底座。采用信创的“数据湖+数据仓库”混合架构，兼顾海量数据存储与高性能分析，支持实时与离线混合计算。
（2）结合大模型构建AI大模型智能分析助手，有效降低数据使用门槛。
（3）证券行业首个仓内业财数据集市，突破传统财务数据孤岛问题，实现对证券企业全业务覆盖和分析。
（4）业内首个集成资金成本、资本成本的多维盈利分析模型，支持客户、产品、分支机构等多维度价值评价。
（5）实现考核报表全自动生成，支持数据穿透至业务明细。平台内置可视化指标公式编辑器，支持用户自定义分析模型，降低取数用数门槛。
（6）动态可配置的收入分成与成本分摊模型，支持“比例分成+批量调整+一事一议”混合规则，灵活适配跨部门协同收入和成本分配场景。
已获得专利： CN115576770A 一种数据湖监控系统、方法、装置、设备以及存储介质
联合中国信息通信研究院发布白皮书《云原生湖仓一体白皮书》
证监会课题预结项：证券行业湖仓一体数据平台的研究与建设
中信金控2023年度管理会计体系建设突出贡献奖
三、项目技术方案
1.设计思路及技术架构等
本项目在深入调研与分析后，发现在数据湖和数据仓库之间存在多次数据搬迁问题，通过数据中台无法同时查询数据湖和数据仓库，下游数据集市比较分散，数据下发时间较长等问题。同时，管会项目一方面面对涉及全公司所有部门所有业务的亿级数据量需要按日、按月的加工处理，业务范围、业务流程非常复杂，数据时效性要求较高，另一方面，面临数据供给不足问题，包括数据质量参差不齐，公司级指标标签库、主数据等还在建设完善，取数用数耗时较长。为此，本期项目在设计时，重点围绕湖仓融合，消除数据孤岛，强化数据治理和数据资产管理，利用AI大模型技术等，消除用数取数的技术壁垒等关键点，进行技术探索与创新。
在技术选型时，“湖仓一体数智管会平台”项目重点关注湖仓一体数据底座的跑批和查询性能不低于甚至优于传统MPP数据库，其资源的弹性伸缩和扩展不依赖于云底座，并且数据底座的性能和并发数可以通过扩展线性增加；基于数据底座高性能能力，“以用促建”构建公司级可信共性数据，构建统一的标准化规范化的业财融合管会集市，进一步构建收入分成、成本分摊等核心功能，并根据分成分摊结果和集市数据建立高效丰富的多维盈利分析框架，用于战略落地、指导经营管理等场景。因此，“湖仓一体数智管会平台”形成如下图的整体架构。
具体包括：
1.1 构建数仓一体的数据底座
在技术架构上，湖仓一体数据底座采用存算分离架构，通过将存储与计算解耦，实现计算资源的弹性伸缩，并且存储层采用了数据湖存储，可以支持全域多模态数据存储，满足业务对于灵活性，敏捷化的要求。其架构设计如下图所示：
数据采集层：批流一体数据采集，支持实时和批量。
数据存储层：在物理层面，支持采样管HDFS、对象存储、HBase、Kafka消息中间件。按照类型可以分为结构化数据区、半结构化数据区和非结构化数据区。
数据计算层：通过多计算子集群技术，可以快速接入不同类型的计算引擎，支撑不通过的业务场景，如SQL引擎用于结构化数据处理；Spark引擎用于支撑大量的AI应用。
数据服务层：也称接口层，整个平台提供了JDBC/ODBC访问接口、API接口用于支持数据应用系统直接对接。
在数据架构上。湖仓一体数据总体数据架构设计分为贴源层、整合层和应用层。
当前湖仓一体数据底座共接入公司320+个系统，日推送数据量4+TB，可以简单查询做到百亿数据秒级响应，复杂分析做到百亿数据分钟级响应。其中涉及到管会平台的，共计30+核心业务系统，300+源表,主要跑批任务在凌晨五点完成。
1.2 构建业财融合的管会集市
构建业财融合的标准化和规范化管会集市，将分散在各企业、各系统中的数据进行聚合，通过数据标准统一、数据治理，提高数据质量，供给管会应用使用。具体包括：
从数据范围上讲，基于湖仓数据底座汇聚的企业全域数据，以证券公司经纪、信用、投行、研究、资管等业务为事实主题形成集市的“经”，以公司级统一的标准的客户、产品、合约、项目、科目、组织机构、员工等维度为“纬”，覆盖企业的业、财、税，构建覆盖全业务的业财分析模型集市。
从数据分层上，如下图，将整个集市架构分为三层，分别是基础层、维度层和应用层。数据层是整个财务体系的底座，为整个财务体系提供了原料；维度层会对基础层数据按照不同维度进行初步汇总加工。同时，非常重要的，在维度层还构建了业财转换规则引擎，该引擎将业财中的各种核算逻辑关系单独作为一部分加以管理，这里的规则包括业务和标准维度、总账和标准维度的逻辑关系、交易和总账的逻辑关系等。通过设计该规则引擎，大幅减少了代码复杂度和工作量，提高了开发和运维效率。应用层则是对应着管会应用的接口表，作为管会应用的输入。
1.3 推进业财融合，建设管会应用的核心功能（核心业务流程）
1.3.1 收入分成体系建设
收入分成功能基于多维核算体系（如业务条线、产品、客户、项目等维度），结合业务贡献度、风险承担比例、客户服务旅程等参数，制定差异化的分成规则。系统通过自动化计算实现数据归集、分摊和校验，减少人工干预，确保核算透明性和可追溯性。
1.3.2 成本分摊功能体系建设
以构建集团内部的科学管理体系为核心，以"谁使用、谁承担"为基本原则，全面考虑各经营单元的资源成本特征，精准识别成本分摊动因，建立权责对等的成本归集机制，推动各主体强化成本管控与承担意识，促进资源优化配置。通过搭建多维立体的成本分摊框架，实现成本责任的清晰划分，保障经营决策的准确性。具体体现在三个维度：
（1）机构维度
打破"成本壁垒"，以券商总部与分支机构、母公司与专业子公司的战略协同为核心，构建“集中管控+区域适配”的分摊框架，解决集团资源集约化与业务属地化之间的矛盾。针对共享资源（如IT系统、品牌宣传等）建立专有的分摊模型，根据各机构实际使用量、受益程度进行差异化分摊。对跨区域联合作业形成的协同成本，按业务参与方的资源投入比例进行追溯分摊。
（2）部门维度
穿透"部门边界"，以“业务驱动”为原则，通过数字化手段实现前中后台成本责任穿透，破解“前台创收、后台埋单”的资源配置矛盾。通过建立成本池、责任中心表和动因库，将后台支持部门的公共成本（如人力、行政等）按实际服务量向前台业务部门传导。对跨部门联合项目形成的沉没成本，依据资源占用时长、人员投入强度等维度进行弹性分摊。
（3）项目维度
成本分摊体系综合项目战略优先级、资源占用度、价值产出等维度进行，实现成本责任分配，解决了传统项目管理中"资源错配"、"部门扯皮"、"短期行为"等痛点，实现"财务稳健性"的平衡，最终推动重大项目从"成本中心"向"价值引擎"转型升级。
该体系建设通过建立"权责清晰、过程透明、动态优化"的分摊机制，有效解决传统成本管理中的"大锅饭"问题，推动各经营单元从"成本承担者"向"价值创造者"转变，为精细化管理和战略决策提供数据支撑，最终实现集团整体成本最优化目标。
1.4 构建多维度多层级价值核算数据分析体系（核心业务流程）
1.4.1 建设多维分析报告
该平台引入了可视化指标公式编辑器，支持用户自定义分析模型和指标。同时通过自助式商业智能BI，支持灵活建立易用的管理报告应用，快捷搭建分析模型，制定多维度分析报告。
同时为加强平台自动化智能化运营，平台设置了系统规则和预警条件，在企业内部高效传递数据洞见，实现异常监控实时预警、数据变动归因溯源和智能化数据报告功能。实现对异动发现、解决措施、解决进度与成效的跟踪，建立从数据到行动一体化的集团数智财务体系。
1.4.2 探索AI+智能分析助手
管理会计系统与大模型结合的技术方案以“降低使用门槛、提升决策效率”为核心目标，通过构建“AI+业财”双引擎架构，将大模型的自然语言交互能力与检索增强生成（RAG）技术深度融入系统。
在功能设计上，系统分为智能助手与智能分析两大模块：
（1）智能助手基于RAG技术整合操作手册、业务规则文档，建立向量化知识库，通过对话式交互引导用户完成复杂操作（如成本分摊规则配置、预算编制），并自动诊断问题场景，显著降低系统使用门槛；
（2）智能分析模块则利用大模型的数据理解能力，将用户自然语言提问（如“营业部A近三月投顾创收排名”）转换为数据查询指令，实时计算并自动生成可视化图表（如折线图展示趋势、桑基图呈现成本流向），同时提炼简明业务洞察，进行初步归因分析（如“客户保证金利息收入环比下降12%，主因是利率下调”），赋能敏捷决策。
2.资源需求
（1）数智管会应用
采用3台8C 32G虚拟机作中间件，部署信创化BCS和BWS，5台16C 64G虚拟机，用于部署管会服务、报表服务、智能分析服务等。此外对于管会应用的事务型数据使用OceanBase数据库。
（2）湖仓一体数据底座
如下图是湖仓一体逻辑架构图。其中计算层服务器涉及23台物理服务器，存储类型服务器也使用23台物理服务器。
3.应用场景及解决的实际问题
（1）用于绩效考核。该项目实现了多维盈利分析，精准公允地计量了各总部业务部、分支机构收入分成前后、成本分摊前后的损益数据，为绩效考核提供了可溯源的精准数据。
（2）指导战略落地。借助本项目，打通预算、经营、风控、考核全流程，实现管理导向的有效传达与实施情况的及时监控，确保公司战略规划平稳落地、风险有效管理。
（3）强化经营分析。通过面向各个层级的报表，从经验转向数据驱动优化管理决策，实现精细化管理，优化资源配置，引导业务铺排，降本增效，确保投入产出最大化。
（4）助力监管报送。为监管报送提供了较为明细的损益类数据。通过统一数据口径、自动化生成报表，保障监管报送的准确性与时效性；内置合规规则校验，防范数据失真或违规风险，满足穿透式监管要求。
（5）大幅提升数据治理和数据资产工作。“以用促建”，通过该项目促进了产品客户员工等主数据建设，提升了相关系统的数据标准和质量，提高了指标标签的管理。
四、项目过程管理
1.需求分析和概要设计阶段
此阶段起始时间为2023年10月至2024年2月，在此阶段，我们与业务部门进行了深入的沟通和交流，全面梳理了业务需求，并进行了细致的需求分析。基于这些需求，我们制定了项目的概要设计方案，明确了项目的整体架构、功能模块和技术路线。同时，我们还编写了详尽的需求分析报告和概要设计文档，为后续工作提供了清晰的指导。
2.系统详细设计阶段
此阶段起始时间为2024年3月至2024年6月，在此阶段在概要设计的基础上，我们进一步开展了系统的详细设计工作。这一阶段，我们重点完成了数据库设计以及界面设计等工作。我们充分考虑了系统的稳定性、可扩展性和易用性，并采用了先进的技术栈和框架进行实现。同时，我们还编写了详细的设计文档，包括数据库设计说明书、接口定义文档等，为后续的编码工作提供了坚实的基础。
3.系统开发、测试和上线准备阶段
此阶段起始时间为2024年7月至2024年10月，在此阶段，在系统详细设计完成后，我们进入了开发测试与上线准备阶段。项目组成员按照分工，开始了系统的编码工作。在编码过程中，我们严格遵守编码规范，确保代码的质量和可维护性。同时，我们还进行了单元测试和集成测试，确保每个模块的功能正常，并与其他模块能够顺利集成。
4.试点上线阶段
此阶段起始时间为2024年10月至2025年1月，在此阶段，在完成了系统的编码、测试与上线准备后，我们选择了以收入分成功能，涉及计划财务部、财富委等部门作为试点单位，进行了系统的上线试运行。在试点期间，我们密切关注系统的运行情况，建立用户反馈机制，收集用户问题，并对系统进行了必要的优化和调整。通过试点上线，我们验证了系统的可行性和稳定性，为后续全面推广应用积累了宝贵的经验。
5.正式推广阶段
此阶段起始时间为2025年1月至今，在此阶段， 在试点成功的基础上，我们全面展开了推广应用工作。我们组织了多次培训会议，帮助业务部门快速熟悉和掌握系统的使用方法。 同时，我们还制作了详细的操作手册和在线支持文档，为用户提供便捷的自助学习途径。此外，我们还建立了问题反馈机制，及时响应和处理用户在使用过程中遇到的问题和困难。
五、运营情况
（1）推广情况：
已推广至全公司使用，涵盖总公司、子公司、分支机构使用。
月活数达到450+，涵盖公司领导、部门领导、中台负责人、二级组负责人、财务人员等。
已经应用到领导驾驶舱、绩效考核、客户服务体系、监管报送等各场景，不断提升精细化管理粒度。
（2）系统运行情况：
7×24小时服务：保证服务高可用，系统可用度达到99.9%以上。
六、项目成效
1.产业效益
管理会计系统落地后，对产业应用及技术发展产生了深远影响，主要体现在以下几个方面：
（1）建立证券行业领先的管会会计方案
通过业财数据集市和多维盈利分析框架，管理会计系统实现了客户、产品、部门等多维度的精细化核算，打通部分系统间壁垒，实现全面的成本管理与资产管理。同时，项目获得中信金控管理会计体系建设突出贡献奖。为证券行业在建立管理会计上提供了丰富的借鉴经验。
（2）建立高效的项目协同机制
中信建投数智管会项目是复杂非标项目，涉及公司所有业务线及经营管理的方方面面。为实现协同确保达成项目目标，项目组建立了高效协同机制，并取得良好效果，为行业类似项目提供了标杆。
（3）打造信创全栈适配的管理会计架构体系
率先完成国产化数据库（如偶数数据库、OceanBase）、中间件、操作系统全栈适配，打造信创圈占适配的管理会计架构体系。
（4）建立自动化智能化的数据运营体系
针对管理会计系统的数据复杂度，及对数据的准确性、及时性的要求较高，数据运营工作显得非常重要，项目根据“完整性+准确性+一致性”三重校验规则，实现异常数据实时预警与根因定位，大幅加强了差错管理，提升了运维效率。
2.社会效益
证券公司由于其业态特殊性，以及其所处成长与发展的特殊阶段，在管会体系建设方面整体处于起步阶段，因此该项目对于整个行业管理会计发展产生了比较积极的影响。具体如下：
（1）建立完善的项目组织架构，明确成员职责
中信建投证券公司管理会计项目覆盖公司全业务，项目组规模庞大。为确保高效运转，项目组明确了各小组，各岗位，各成员的目标，职责与分工。同时，项目也得到了公司领导的高度重视，由公司董事长亲自挂帅，并设置了统筹运营的项目办公室，按业务形态分类的执行小组以及按任务类型分类的专题小组。项目对整个公司层面产生较深的影响。
（2）积累证券行业管理会计建设项目的先进经验
在数智化背景下，深入研究证券企业如何构建管理会计体系，并在项目中总结规律与提炼方法，为证券公司更好地做好数智化变革下的管理会计体系建设提供经验与示范。同时，提升管理会计实践与应用效果，促进企业价值创造与精细化管理水平，实现可持续的高质量发展。
（3）推动企业数字化转型，探索行业高质量发展
管理会计项目通过湖仓一体的数据底座建设，整合和优化数据资源，为公数字化转型提供了坚实的数据基础。可以为管理层提供智能化的数据分析和决策支持，推动业务升级和高质量发展。
3.经济效益
分析项目的直接和间接经济效益，主要包括市场定位、盈利方式、市场预期等，需提供商业合同等相关支撑材料 。
（1）建立业内领先的管理会计方案，全面提升公司业财数据分析
结合公司业务实际和特殊需求，设计了覆盖组织、业务类型、收支类型、客户、产品、项目、合约七大维度，并设计能够覆盖资金成本、资本成本、风险成本的经济利润表和各类业财分析表；设计了原则明确、范围完整、路径清晰的成本分摊体系，形成全面的投入产出分析能力，提升公司精细化管理与降本增效工作的有效性。
（2）数据集中化管理，降低建设成本实现资源优化
项目通过整合数据湖和数据仓库的功能，充分发挥数据统一存储和集成能力，并通过数据集市统一输出，减少了以往多系统间点对点对接方式产生的额外数据存储成本，提升了系统数据加工效率，同时也变相的减少了运维人力成本。
（3）快速赋能公司财务分析，使数据价值最大化
项目自上线以来，支持公司收入分成、成本分摊等多个核心场景，代替原来手工生成数据方式，降低大量人工成本。
（4）提升公司主数据可用性
客户、产品、机构主数据一直是公司数字化转型的重要基础，通过该项目，对公司全量客户、产品、机构数据进行勾稽校验，筛查出客户主数据问题，产品主数据问题，全面提升数据可用性。
七、经验总结
数智管会项目作为公司2024年度重点工作，是公司落实国企改革深化提升行动的重要举措和公司数字化转型的抓手工程。2024年，因项目推进有力、组织方法得当、过程产出突出，公司获评中信金控管理会计体系建设突出贡献奖。在公司的统一部署下，持续保持全力投入。自24年10月31日起，陆续实现基础服务、收入分成、成本分摊、报表管理等平台核心功能的分阶段上线。项目取得非常好的效果，目前已经应用于客户服务体系建设、绩效考核、经营战略落地等。本项目的成功实施，主要有两方面做的非常突出，具有较强的借鉴意义和可复制性：
一方面，整个建设过程保持长期投入、科学管理、高效协同。包括：
（1）高强度投入：稳扎稳打，设计、梳理、夯实流程、系统与数据基础，包括核心流程、接入上游系统、建设公司级指标标签库，形成各类核心数据血缘图、数据档案、核心数据映射规则。
（2）科学化管理：动态调整组织架构，设立跨部门项目办公室、5个方案小组、十余个专题攻坚小组、专项功能建设与测试小组、数据检查与核对小组并充分动员，高效协同；利用WBS、JIRA等管理工具，通过晨会、周会、月会，进行项目进展的精细化、清单化管理；优化建设路径，同步开展顶层方案设计与底层数据溯源、正反向数据核对，双向推进，螺旋式上升。
（3）管会人才团队搭建：
另一方面，建立了业内领先的管会方案与平台。具体包括：
（1）多维多层价值核算分析体系：设计了覆盖组织、业务类型、收支类型、客户、产品、项目等维度，综合考虑了资金、资本成本的经济利润表及各类业财分析表。经报表与数据开发，自24年11月起陆续上线近百张。
（2）收入分成：设计了要素齐全、场景清晰的分成体系，实现功能集成及相关数据的精细化、清晰化、可追溯，通过客户数据在各业务线间的矩阵式统计分析，以及未来与i企查协同，对客户服务记录进行集成与分析，支持业务协同。
（3）成本分摊：设计了范围完整、路径清晰的分摊体系，通过各类分摊，将公司全成本分至二级利润中心；梳理成本“预、采、控、核、管”全流程，打通其中部分流程、系统与数据。相关系统群在24年12月底正式联合上线。
本项目通过搭建完备的管会体系，并融合高性能计算与智能化分析，数智管会平台推动券商从“经验驱动”向“数据智能驱动”转型，为应对行业变局奠定了技术基础和先进经验。
更多金融科技案例和金融数据智能优秀解决方案，请在数字金融创新知识服务平台-金科创新社案例库、选型库查看。
热门跟贴