Modernizing the Trade Lifecycle With Governed Data and AI

通过治理数据和AI现代化交易生命周期 | Databricks博客

跳至主要内容

金融服务

2026年9月17日

通过治理数据和AI现代化交易生命周期

与Andrea DeSosa问答：资本市场机构如何通过连接研究、交易、风险、运营和合规，将AI从试点项目推进到受控的工作流程中。

作者：Kim Hatton 和 Andrea DeSosa

摘要

• Databricks资本市场全球GTM负责人Andrea DeSosa解释了为何交易生命周期的现代化现在已成为数据、AI和治理领域的优先事项。

• 了解机构如何通过治理数据而非扩展孤立的AI试点项目，将研究、交易、风险、运营和合规连接起来。

• 看看团队如何从高价值决策（如执行质量、敞口分析和结算异常）入手，规模化可衡量的AI工作流程。

在来自各个方向的压力下，资本市场机构正在现代化交易生命周期：数据量增长、对实时洞察的期望提高、AI计划向生产环境推进，以及结算周期缩短。目前，没有人再争论是否使用AI。真正的问题在于：研究、交易、风险、运营和合规是否都基于相同的治理数据——还是只是自欺欺人地认为如此。

当机构从实验阶段转向生产环境时，一个趋势逐渐显现：持久的竞争优势并非孤立的模型。关键在于能否在整个生命周期中使专有数据（如订单、执行、持仓、研究、风险、客户和运营数据）更具可发现性、可靠性和治理性。

我与Databricks资本市场全球GTM负责人Andrea DeSosa探讨了运营压力如何重塑交易前、执行、交易后和监控工作流程，以获取关于如何优先推进现代化的实用见解。本次对话已为清晰度和篇幅进行了编辑，并借鉴了电子书《资本市场交易生命周期现代化》中探讨的主题。

为何2026年的交易生命周期压力呈累积效应

Kim Hatton：是什么迫使交易和研究负责人现在重新审视交易生命周期？

Andrea DeSosa：机构正在处理更多替代数据、更多AI实验、更短的运营时间线，以及对决策方式和控制方式更严格的审查。同时，研究、交易、风险、运营和监控通常依赖于独立的系统和不一致的数据视图。

这种碎片化会减缓决策速度，使执行分析复杂化，限制风险可见性，并在监管机构、客户或内部控制部门要求重建事件时增加难度。

Kim Hatton：数据碎片化在交易生命周期中如何体现？

Andrea DeSosa：在交易前阶段，团队可能需要花费大量时间准备和对账市场、基本面、ESG和替代数据，才能测试投资假设或运行回测。

在执行阶段，交易台需要及时了解按场所、策略和客户划分的执行质量、流动性、订单流和滑点。但交易员桌面的视图可能与风险、合规或运营部门可用的数据不一致。

在交易后阶段，许多机构仍依赖于过夜风险处理流程、基于电子表格的对账以及为更长的结算周期设计的报告。随着结算时间缩短，对运营弹性和透明度的期望提高，这些做法越来越难以维持。

AI在交易生命周期现代化中的定位

Kim Hatton：AI在交易生命周期现代化中扮演什么角色？

Andrea DeSosa：从AI中获得可重复价值的机构不一定是运行最多试点项目的机构。这些机构能够安全地连接并治理专有上下文——订单流、内部研究、持仓、风险输出、客户信息和运营数据——贯穿整个生命周期。

缺乏这一基础，AI可能会导致另一个孤立的工作流程。拥有这一基础，机构可以构建帮助员工调查异常情况、分析执行质量、综合研究或发现潜在监控问题的工具，同时保持适当的访问控制和可追溯性。

战略问题的焦点从“我们应该使用哪种模型？”转变为“我们如何将数据、分析和控制连接到生产工作流程中？”

交易生命周期现代化的三个信号

Kim Hatton：哪些信号表明是时候现代化交易架构了？

Andrea DeSosa：有三个信号反复出现。

• 结算周期缩短。增加了对交易状态、资金、担保品、异常情况和运营风险的及时、可靠视图的需求。在欧洲，T+1结算的实施计划于2027年10月11日进行，这使得在欧盟和欧洲经济区市场活跃的机构需要将准备工作作为近期的规划重点。

• 治理和可审计性要求。机构需要展示自动化和AI驱动的工作流程如何端到端地被治理、测试、监控和调查。这一要求涵盖了数据质量、权限、血缘关系、模型和代理评估、决策记录以及调查异常的能力。

• 避免影子AI工具。团队希望将AI应用于研究、执行分析、运营和监控工作流程，而不会创建影子数据集、未管理的工具或不一致的控制。

这些压力导致了一个实际的测试：当利率变动、利差扩大、流动性恶化或发生运营事件时，机构能多快看到自己的持仓、理解敞口、识别受影响的工作流程，并生成涉及数据和决策的可审计记录？

如何启动交易生命周期现代化：迁移前的决策

Kim Hatton：机构应从何处开始交易生命周期现代化？

Andrea DeSosa：从领导者已经需要做出的决策开始：

• 在不同交易场所、策略和客户中，执行成本与预期的偏差情况如何？

• 利率或波动率冲击对按部门、地区或投资组合划分的风险和流动性会产生什么影响？

• 哪些业务线、资产类别或交易对手与最高的异常、中断或结算失败率相关？

一旦明确优先问题，所需的数据领域也会更加清晰。

对于执行质量分析，这可能意味着市场和参考数据与订单、执行、交易场所数据和基准数据一起使用。对于交易后韧性，这可能意味着交易、分配、确认、结算状态、担保品、资金和运营异常。

目标不是一次性现代化所有系统。而是为少数高价值工作流程建立一个受控且可重复使用的数据基础，证明可衡量的成果，并从那里扩展。

Databricks如何在整个交易生命周期中治理AI

Kim Hatton：Databricks数据+AI平台在此方法中能实现什么？

Andrea DeSosa：该平台通过将实时和历史数据、分析和人工智能整合到统一的基础架构上，支持这一演进过程。

Unity Catalog 提供跨数据和人工智能资产的集中治理、访问控制、发现功能和血缘追踪。Agent Bricks 可帮助团队构建、部署和管理领域特定的智能体，而 AI/BI 则使业务用户能够通过仪表板、可视化工具和自然语言交互方式探索受控数据。

其价值不仅限于单一工作流程。它使研究、交易、风险、运营和合规部门能够在一致且受控的数据基础上协同工作，同时保留各职能所需的控制措施和上下文信息。

模型将持续演进，但商业问题、专有数据和对可信控制的需求将保持不变。将交易生命周期现代化视为受控数据和运营模式的倡议，而非孤立的人工智能功能集合的机构，将更有利提升决策速度、运营韧性，并具备随时间推移扩展新用例的能力。

了解更多

下载我们的新电子书《资本市场交易生命周期现代化》，了解适用于交易前、执行、交易后和监控的实用案例，以及在生命周期内优先推进受控数据和人工智能计划的框架。

订阅获取最新文章

订阅我们的博客，即可将最新文章直接发送至您的邮箱。

立即注册

查看所有博客

slice-start id="_gatsby-scripts-1"

slice-end id="_gatsby-scripts-1"