国内ETF突破500只大关，贝莱德进军中国首支公募基金上报

银行业

01.业务前沿丨招行大财富管理强化“价值导向”，推出差异化公募基金费率体系

依托于“大财富管理价值循环链”这一向“3.0模式”转型的方向，招行推动差异化费率体系，既有不打折的基金，又有打一折的基金，还有前端不收费的基金，丰富了基金费率多样性，更好满足客户需求。

02.机构动态丨上海农商银行发布“鑫动能2.0”方案，全面升级科创金融服务体系

7月2日，上海农商银行发布“鑫动能2.0”服务方案，全面升级科创企业金融服务体系，这是该行聚焦战略新兴产业，支持上海科创中心建设所做的又一有益探索。发布仪式上，该行还与六家战略合作基金公司签署了“投贷联动”战略合作协议，加强未来股债联动为企业提供更加高效优质的综合支持与服务。

延伸阅读：

浦发银行近期启动“In+hub”创新社区，为科技创新企业提供全周期、多渠道、一站式配套金融服务。

保险及信托业

01.行业观察丨万能险失速，前5个月同比“瘦身”510亿元

继2020年万能险保费同比下滑19%之后，今年万能险保费持续收缩。银保监会数据显示，前5个月，代表万能险保费的“保户投资款新增交费”3,324亿元，同比减少510亿元，下滑13.3%；占人身险公司总保费的比例由去年全年的18%进一步下滑至今年前5个月的15%。

02.行业观察丨险企密集布局养老社区共13家已投近60个项目

近日，首届中国保险养老融合与发展论坛上，大家保险集团董事长何肖锋介绍：包括大家保险在内，市场上已有13家保险机构投资的近60个养老社区项目，为全国20余省市提供床位数超8万张。

03.业务前沿丨中信银行落地银行业内首单全维度家族信托

近期，中信银行深圳分行成功落地银行系统内首单全维度家族信托业务。该笔全维度家族信托业务为家族三代搭建顶层架构，中信银行联合中信保诚人寿、中信信托、中航信托，为企业主客户提供保险保障、股权规划、财富传承及资产配置的一站式家企综合风险解决方案。

基金业

01.业务前沿丨12600亿！国内ETF总数突破500只大关 权益类成主力军

截至发稿，国内ETF总数量已经达到507只，总管理规模达到1.26万亿元。其中权益类ETF数量多达450只，总规模超过8600亿元，成为公募ETF的“主力军”。

02.业务前沿丨正式上报！60万亿“资管巨头”贝莱德出手：进军中国首只公募基金来了

证监会网站显示，7月1日，贝莱德基金上报了首支公募基金，从产品名称上看，大概率为一只主动权益基金。6月11日拿到开展公募业务牌照，不到一个月时间正式上报首只公募产品，首家外资全资公募基金公司——贝莱德基金正在“快马加鞭”布局中国。

03.行业趋势丨世界最大的养老基金本财年收益破纪录，高达3390亿美元

全球最大的养老基金——日本政府养老金投资基金（GPIF）在3月份结束的财年中创下史上最大收益，其资产上也升至历史最高水平。

金融科技

01.监管趋势丨央行今年研发支付监管系统

中国人民银行副行长范一飞透露，人行今年将投入研发支付监管系统。系统将包括构建大数据分析及风险预警机制，透过API技术，实现数据实时采集和再分析，对支付业务发展的态势及风险形式，进行更全面及准确的评估，有助支付监管由被动式、回溯式转为主动性、前瞻性，从而实现监管能力提升。

02.银行动态丨光大、农行推出App个人征信查询服务

光大银行、农业银行纷纷通过微信公众号发布可以通过App查征信的消息。目前已有工商银行、农业银行、建设银行、交通银行、邮储银行、招商银行、平安银行、光大银行、中信银行、浦发银行、广发银行共10余家银行App均可以查询用户在人民银行征信系统的个人信用报告。

03.科技实践丨7城市乘坐地铁可用数字人民币支付

6月30日北京轨道交通开启全路网数字人民币支付渠道刷闸乘车体验测试。数字化人民币已在北京、上海、深圳、成都、苏州、青岛、长沙等7城市启用。工商银行、农业银行、建设银行等多家银行提供支付及技术支持。

金融行业一周投融资动态

做业务人员可用的企业数据搜索引擎，北极数据完成天使轮融资

商业智能分析服务商“北极数据”近期完成天使轮融资，投资方为梅花创投及盈动资本。原力资本担任独家财务顾问。本轮融资后，公司将专注互联网、零售、金融三大行业，并服务好重点头部客户，并进行快速的产品迭代。

融资放大镜北极数据成立于2018年，对标美国商业智能分析服务商ThoughtSpot，定位做企业内部的数据分析产品， 瞄准一线业务人员的数据需求。

专栏丨银行数字化创新

商业银行落地数据中台：从0到1（七）

曲向军、韩峰、刘娅琦、蒋治平、史睿雄和伏勇

数据集成

在完成数据中台的总体规划后，中台建设的第一步是按照规划中的数据源进行接入集成。企业的数据采集集成需要注意以下三点：

1.明确数据归类，把要采集的数据大致分为以下4种：用户属性数据、物品属性数据、事件数据和关系属性。对于不同类型的数据采取不同日志采集和归类存储方法，以便需时随时获取。

2.差异化集成内外部数据源。企业内部的数据资源一般是通过企业内部业务和应用系统的数据库直接产生，通常是结构化且业务运转必须要记录存储的数据，常用同步方式有全量同步和增量同步。外部数据源主要通过数据埋点、爬虫等技术手段获取，通常都是非或半结构化的数据，需要进行额外的预处理才能转为结构化数据。

3.采集元素要做到细致与全面，必备元素主要包含以下三方面：

（who）用户ID或物品ID等唯一身份标识信息、（what）事件名称用来记录的用户行为或业务过程，例如登陆、评论、分享等行为， 以及（when）事件发生的时间。除去这三大基本要素外，其他包括事件发生的地理位置信息、客户由哪个页面而来、由何触点而来、事件发生时用户的相关属性等信息则多多益善，搜集的数据越丰富，才能越细腻真实地还原出用户当时使用的场景。

模型开发

数据中台建设的成败关键在于数据模型设计规划的是否合理。

-首先，数据模型可以清楚表达企业内部各种业务主体之间的相关性，使不同部门的业务人员、应用开发人员和系统管理人员获得完整的系统视图。

-其次，数据模型是整合各种数据源的重要手段，数据模型可以建立起各个业务系统与数据库之间的映射关系。

-最后，数据模型对现有信息及信息之间的关系从逻辑层进行了全面描述，当未来业务或系统需求发生变化时可以更容易扩展系统。

数据模型分为分析模型和算法模型。分析模型是数据中台的重要资产，其作用是把企业全域的数据按照主题梳理，并按照数据的粗细粒度分层存储，以供上层数据应用按需索取。分析模型通常会按照分层建模的原则，将数据按照功能性和量级分为ODS层和操作数据层，主要存放各个业务系统的原始数据。DWD层和明细数据层则把不同数据源的数据按照客户、账户、设备、机构等特定维度进行聚合，形成统一的明细数据。DWS层和汇总数据层会根据客户、产品、机构等实体在某一时间段内的事件轨迹，实现整体业务的串联和包括客户基础属性、浏览信息、产品购买信息、风险等级信息等360度全方位客户宽表。ADS层和应用数据层则包含支持数据应用的个性化指标及衍生指标。

算法模型是数据中台的高价值资产，真正体现了数据中台与数据仓库的差异，贴近应用场景且高度抽象的算法模型能够充分实现数据中台的价值。较为常见的算法模型包括：1）交叉销售模型，通过分 析挖掘客户的历史消费数据，找出关联的产品组合，通过不同建模方法预测客户购买关联产品组合的概率；2）信用风险模型：通过对比无欺诈行为与有欺诈行为的客户画像，利用模型寻找潜在欺诈客户的行为特征，例如转账时间、频次等行为模式，并对全量客户进行欺诈概率预测，对可疑性较高的客户提前采取控制手段。

数据服务

数据资产要能支撑上层应用才能体现数据资产价值，提供数据服务能力，统一对外服务是其中的关键。数据服务包含以下几个能力：

-数据接口标准化：针对数据交互接口提供统一的数据在线服务视图，允许数据查询、上报和通知；针对批量数据提取，提供标准化的数据对外输出能力，支持文本、数据库等在线服务。

-在线交互实时化：针对业务系统数据交互，提供各业务系统数据对接的统一服务平台；针对实时数据分析汇总服务，提供指标级数据统一口径，在线实时数据服务调用。

-数据开发可视化：提供服务接口的可视化配置能力，降低接口开发要求，方便掌握维护数据；提供数据服务可视化管理页面进行统一维护和管理。

商业银行目前在数据中台的建设上依然处于摸索阶段。对比互联网公司，银行业务受制于客群差异化程度较大、产品流程复杂、渠道依赖线下、流程耦合度低以及风控强监管等因素，较难直接复制互联网公司已经打磨成熟的中台产品。但是银行需要向“敏前台、厚中台、稳后台”的数字化IT架构转型已成新的行业共识。越来越多的银行开辟了中台转型的自有思路，通过与外部高科技企业开展战略合作等方式，落地特色化中台战略。

-END-

特别声明

本文内容属作者个人观点，本文资料中的信息或所表述意见不构成广告、要约、要约邀请，也不构成对任何人的投资建议。本文资料中涉及的基金、保险、贵金属、信托产品，我方不承担产品的投资、兑付和风险管理责任。市场有风险，投资需量力而为。