第一节：资管行业数字化之现状与趋势

一、 中国资产管理机构数字化转型的五大短板

1、 存在大量手工流程

2、 业务系统分散割裂

3、 数据尚未完全打通，

4、 科技团队实力偏弱

5、 数据人才占比偏低

二、 全球领先资管公司数字化战略的三大特点

1、 以赋能业务为导向的顶层设计 

2、 与战略高度契合的数字化投入

3、 能分步实施的阶段清晰路径图

三、 案例：欧洲某领先资管公司的数字化战略

1、 客户体验提升

2、 运营流程数字化

3、 商业模式数字化

4、 数字化组织人才建设

第二节： 资管行业数字化之金融科技应用

一、 企业营销商机智能发现

1、 事件驱动洞察营销机会

2、 满足新型拓客需求

二、 股债风险智能发现

1、 面向证券资管业务场景

2、 符合业务的风险偏好

3、 发现股债潜在风险

4、 发现风险关联的股债

三、 资管投研预警

1、 个股及债券事件识别、抽取及风险评分

2、 行业及政策事件识别、抽取及风险评分

3、 持仓风险穿透公司综合风险分析报告

四、 财富管理客户营销及陪伴

1、 提供辨别好/差基金产品的客观判断依据  

2、 一键生成符合客户收益期望的组合及客户营销话术

3、 自动生成持仓月度分析报告等

第三节：资管行业数字化之信托数据治理

一、 信托行业数据现状

1、 存在数据孤岛

2、 数据标准不一致

3、 处理过程不清晰

4、 管控机制不完善

5、 以某信托公司为例：底层数据质量问题示例

二、 信托行业数据治理对象

1、 客户要素

2、 资产要素

3、 资金要素

4、 风险要素

三、 信托业数据治理痛难点分析

1、 各部门数据应用中的痛点

2、 公司级BI经营分析能力亟待优化

3、 监管报送数据存在诸多难点

4、 数据治理体系系统性缺失

5、 监管机构要求日趋严格

四、 案例分析：某信托公司数据治理

1、 全域数据资源规划 

2、 数据治理规划体系

3、 数据治理工具部署

4、 大数据平台架构建设

5、 管理驾驶舱

第四节：资管行业数字化之运营与应用场景

一、 传统资产管理行业常见运营痛点

1、 重复劳动，单调枯燥

2、 工作繁重，加班常态

3、 人工操作，容易出错

4、 人员流动，成本偏高

5、 信息孤岛，数据不通

二、 RPA+AI赋能金融机构数字化转型

1、 RPA的四大发展阶段

2、 国际RPA代表性公司

3、 RPA在中国的市场前景

4、 RPA拖曳式智能自动化体验

5、 为何选择RPA机器人？

三、 RPA+AI智能员工与资产管理应用场景

1、 RPA如何落地？ 

2、 RPA+AI智能员工应用范围

3、 证券行业应用RPA的常见场景

场景1：特定客户指定交易

场景2：网上开户公安照校验

场景3：估值处理

场景4：清算数据处理

4、 基金行业应用RPA的常见场景

场景1：投资交易自动开盘

场景2：基金产品TA系统设置

场景3：净值稽核并自动导入

场景4：基金报告数据校验

5、 银行理财业务应用RPA的常见场景

场景1：产品净值公告

场景2：理财公告数据提取