用受治理数据与AI现代化交易生命周期

资本市场公司正从四面八方承受压力来现代化交易生命周期：数据量不断增长、对实时洞察的期望更高、AI 举措正走向生产环境，以及更短的结算周期。在这一点上，已经没有人再争论是否要使用 AI。真正的问题在于，研究、交易、风险、运营和合规是否都在基于同一套受治理的数据开展工作——还是只是在自我安慰。

随着公司从实验走向生产，一种模式正在浮现：持久的优势并非孤立的模型。而是能够让专有数据——如订单、成交、持仓、研究、风险、客户和运营数据——在整个生命周期中更易被发现、更可靠、更受治理的能力。

我与 Databricks 资本市场 GTM 全球负责人 Andrea DeSosa 进行了交谈，讨论了正在重塑交易前、执行、交易后和监控工作流程的运营压力，以获取关于优先推进现代化的实用方法的见解。本次对话经过编辑以保证清晰度和篇幅，并借鉴了电子书中探讨的主题 资本市场中交易生命周期的现代化。

为什么交易生命周期压力在 2026 年是累积性的

Kim Hatton：是什么迫使交易和研究领导者现在重新审视交易生命周期？

Andrea DeSosa：公司正在管理更多的另类数据、更多的 AI 实验、更短的操作时间线，以及对决策如何制定和控制的更严格审查。与此同时，研究、交易、风险、运营和监控往往依赖各自独立的系统和不一致的数据视图。

这种碎片化拖慢了决策速度，使执行分析复杂化，限制了风险可见性，并使监管机构、客户或内部控制职能询问时更难重建当时发生了什么。

Kim Hatton：数据碎片化在交易生命周期中出现在哪里？

Andrea DeSosa：在交易前，团队可能花费大量时间准备和核对市场、基本面、ESG 和另类数据，然后才能测试投资假设或运行回测。

在执行期间，交易台需要及时查看按场所、策略和客户划分的执行质量、流动性、订单流和滑点。但交易员桌面上的视图可能无法与风险、合规或运营部门可用的数据核对一致。

在交易后，许多公司仍然依赖隔夜风险流程、基于电子表格的核对，以及为更长结算周期设计的报告。随着结算时间线压缩，以及对运营韧性和透明度的期望上升，这些做法变得更难以维持。

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处于什么位置？

Andrea DeSosa：从 AI 中获得可重复价值的公司不一定是在运行最多试点项目的公司。而是那些能够安全地连接和治理专有上下文——订单流、内部研究、持仓、风险输出、客户信息和运营数据——贯穿整个生命周期的公司。

没有这个基础，AI 可能只会创造另一个孤立的工作流程。有了它，公司可以构建工具，帮助员工调查异常、分析执行质量、综合研究，或发现潜在的监控问题，同时保持适当的访问控制和可追溯性。

战略问题从“我们应该使用哪个模型？”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？”

是时候现代化交易生命周期的三个信号

Kim Hatton：哪些信号意味着是时候现代化交易架构了？

Andrea DeSosa： 有三个反复出现。

1. 缩短的结算周期。 增加了对交易状态、资金、抵押品、异常和运营风险的及时、可靠视图的需求。在欧洲，向 T+1 结算的过渡定于 2027 年 10 月 11 日，这使得对于活跃在欧盟和欧洲经济区市场的公司来说，准备工作成为近期的规划优先事项。
2. 治理和可审计性要求。 公司需要展示自动化和 AI 支持的工作流程是如何端到端地进行治理、测试、监控和调查的。这一要求涵盖数据质量、权限、血缘、模型和智能体评估、决策记录，以及调查异常的能力。
3. 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，而不产生影子数据集、不受管理的工具或不一致的控制。

这些压力引出一个实际的测试：当利率变动、利差扩大、流动性恶化或发生运营事件时，公司能多快看到其持仓、了解风险敞口、识别受影响的工作流程，并生成对所涉数据和决策的可审计记录？

如何开始交易生命周期现代化：迁移之前先做决策

Kim Hatton：公司应该从哪里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：

• 按场所、策略和客户划分，执行成本在哪里偏离了预期？
• 利率或波动率冲击将如何影响按交易台、地区或投资组合划分的风险和流动性？
• 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？

一旦优先问题明确，所需的数据域也会变得更加清晰。

对于执行质量分析，这可能意味着市场数据和参考数据，以及订单、成交、场所数据和基准。对于交易后韧性，这可能意味着交易、分配、确认、结算状态、抵押品、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受治理、可复用的数据基础，证明可衡量的成果，并在此基础上扩展。

Databricks 如何在交易生命周期中治理 AI

Kim Hatton： 在这种方法中，Databricks Data + AI 平台能实现什么？

Andrea DeSosa：该平台通过将实时数据和历史数据、分析及 AI 汇聚到一个共同基础之上，来支持这一演进。

Unity Catalog 提供跨数据与 AI 资产的集中化治理、访问控制、发现和血缘追踪。Agent Bricks 可帮助团队构建、部署和治理特定领域的智能体，而 AI/BI 则使业务用户能够通过仪表板、可视化和自然语言体验来探索受治理的数据。

其价值并不局限于某一个工作流程。它使研究、交易、风险、运营和合规等职能能够基于一致、受治理的数据开展工作，同时保留各职能所需的控制和上下文。

模型会不断演进。业务问题、专有数据以及对可信控制的要求将始终存在。那些将交易生命周期现代化视为一项受治理的数据和运营模式举措——而非一系列孤立的 AI 功能——的公司，更有能力提升决策速度、运营韧性，以及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，获取交易前、执行、交易后和监控方面的实用用例，以及一个用于在整个生命周期中确定受治理的数据和 AI 举措优先级的框架。