制定数字战略将帮助基金经理接受变革

今天的投资经理人处于十字路口。面对瞬息万变的数字世界，他们必须确定走哪条路来帮助他们转变业务模式并响应年轻一代投资者的需求。

这一转型故事的一个关键方面是投资经理如何成功整合人员，流程和技术，作为复杂的数字战略的一部分，以适应数字时代。数据以及摄取，处理，存储和管理的方式是需要克服的主要压力点之一。

正如SEI在其最近的白皮书《资产管理的演变》中指出的那样，“几乎每个人都熟悉数据的潜在价值，但许多公司仍未将其视为珍贵的商品。由于习惯，数据采集，整合，管理，保护，分析和处置仍然经常以临时方式发生。

Colleen Ruane是SEI Investment Manager Services的分析总监。当被问及她是否认为使用诸如自然语言处理和其他AI驱动工具之类的转换技术的公司的薪水已经开始下降时，她回答道：“至少，公司开始为进行分析奠定基础。根据我们在与客户的对话中所听到的内容，我们非常重视数据的安全性，管理和治理。投资经理与数据之间的关系肯定正在改变。”

话虽这么说，围绕AI和机器学习的使用仍存在相当程度的不成熟。尽管已经做了很多努力，但是对于特定方向似乎还没有达成共识。大量的研究和数据正在应用于基金经理如何考虑如何改变其投资，但是要使整个行业在使用更多以数据为中心的技术方面完全成熟，还有很长的路要走联合时尚。

美国经理人对前台的关注

在SEI的白皮书中，提到了基金经理如何优先安排高级分析的部署。有趣的是，约70％的美国管理人员将重点放在前台，以改善投资组合管理和营销/筹款活动。相比之下，欧洲基金经理约为50％，亚太基金经理约为40％。

“无论是在将数据分析应用到后台方面，还是在企业已经为RPA投入专用资源方面，美国是否留有余地，我们都已经看到了在前端实施预测分析和AI的大量努力。办公室”，鲁恩说。“有很多技术初创公司正在构建即插即用产品，这使资产管理者能够在产品组合管理范围内实施高级分析和AI。”

她认为，竞争态势正在激发人们对增强前台体验的兴趣。“投资组合的表现仍然很关键，但这并不是吸引和留住投资者的唯一因素。每个人都在争夺最好的客户体验，这意味着要投资其中一些更新的转换技术。”她补充说。

了解良好的数据管理对公司意味着什么，这有助于集中思想并提出方法来检修尚未构建或设计用于处理当今使用的结构化和非结构化数据量或种类繁多的数据集的旧系统。

最终目标是在支持AI技术工具的系统体系结构中更全面地处理数据，但这并不意味着必须对现有系统进行彻底的检查。

Ruane说：“有多种方法可以解决数据集的分解或分割问题。”“数据湖仍然是一个选择，云使数据环境更加开放，而API和提取层可以在旧系统的基础上构建，而不必将数据移到太多不同的地方。

“但是，做好它并不容易，需要仔细计划。尽管某些基金管理公司可能会分散结构化数据，但非结构化数据则更加分散。因此，要使这些数据可用（组织，分类等），以便这些AI系统可以从中学习，并非易事。

确实，在金融行业，转型的步伐可以说是放慢了，部分原因是它们所处的复杂，分散的数据格局。

没有银弹

人们很容易被新技术的发展潜力所吸引，但是投资经理们应该小心地了解他们可以在多大程度上融合变革，特别是在前端办公。一些较大的定量商店正在接受人工智能，但对于普通基金而言，能够向投资者清楚地说明投资组合如何赚钱仍然至关重要。人工智能有其用途，但我们认为算法将取代我们还有很长的路要走。

Ruane说：“企业考虑以某种能力使用AI的方式有多种。”“其中一些应用可能与提高其投资组合经理和分析师的效率息息相关；有些可能与寻找更多相关信息有关，以促进更好的投资决策；有些可能与更好地汇总数据有关，以使它们更易于使用。

“ PM和分析师的角色当然不会外包给算法。但是他们使用算法和基于AI的技术的方式将会改变。一切都变得越来越由数据驱动。我认为，以前由大量研究驱动的过程现在得到了更多数据的支持。这使PM可以以更有效的方式发现他们之前可能错过的机会。

在前端组合管理团队中，使用算法筛选大量非结构化数据并将其简化为一组相关信息将变得越来越重要，NLP应用程序（例如“研究助手”）也可能越来越重要。

文化是关键

为了使这一方法切实可行，无论公司接受技术改造的程度如何，都必须由他们来配备合适的人员。

正如SEI的白皮书所述，释放这种潜力不仅需要合适的算法，而且还需要合适的人员。这意味着更多的数据专家。如果将他们分配到专门的数据团队中，他们的贡献将不会最大化。

展望未来，这可能意味着我们将更加专注于确保基金管理团队具备AI素养来领导这一转型……构建分析和AI框架来完成很多繁重的工作。这将需要文化上的改变。

如Ruane所述：“即使聘请了最好的数据科学家或CTO，如果整个公司不愿意改变他们的流程或开展业务的方式，它也不会奏效，或者至少是次优的。需要合适的环境来吸引和发展人才，以及支持现有劳动力的增长和发展。在整个企业中促进采用将是关键。”

SEI进一步指出：越来越多的公司正在采取额外的步骤，聘请知名的高级数据科学家，以确保高管人员的可见性和代表性，以便对数据计划进行战略性考虑并据此进行优先排序。

展望未来，Ruane认为，要使转型成功，投资公司将需要为他们存储，管理和访问/汇总不同数据集的方式奠定坚实的基础。“就AI工具如何理解数据而言，这将非常重要。

“这是一个经典的人员，流程和技术问题。您不一定需要同时使所有事情都完美无缺，但公司将需要考虑三个方面的变革以成功。

请参阅SEI白皮书第5章“资产管理的演变”，详细了解转型技术的影响。选择首选格式：美国/英国

钉“ />

詹姆斯·威廉姆斯