大资管包括原银保监监管下的银行理财、信托、保险，原证监会监管下的公募基金、私募基金专户及基金子公司、券商资管以及期货资管。据统计，2022年底资管行业的资产管理规模也达到了136万亿元。
在《商业银行理财业务监督管理办法》《关于规范金融机构资产管理业务的指导意见》等理财新规、资管新规的要求下，大资管行业结构持续优化，通过打破刚兑、去除通道、净值管理、禁止错配、禁资金池、限额管理、净资本管理等措施，存量金融风险明显收敛。
2023年3月1日，资管新规做了更新，为资管业务做了一些松绑，例如取消了结合产品募资验资的义务，向员工持股计划不穿透计算人数，以及扩大了一些封闭式资管计划分期支付的现象，提高了自有资金参与资管计划的比例。
另外，资管新规也继续强调了一些禁止性的行为，来确保资管业务的健康发展。例如禁止自融、违规持有金融机构股权，还强调了资管计划不得开展明股实债。
此外，还收紧了一些杠杆债务比例，例如投资于同一发行人及关联方发行的债券比例，超过其净资产50%时该资产管理计划的总资产不得超过其净资产的120%（原比例是200%）。
同时，新规当中也强化了一些关联交易的规则，加强了监管信息共享机制。银保监制定的《商业银行理财业务监督管理办法》与资管新规充分衔接，共同构成了银行开展理财业务的监管规范。
而且，新规也严格区分公募私募理财产品，加强投资者的适当性管理，规范产品的运作。例如去通道控制影子银行的风险，强化穿透管理，设定限额控制集中度。对客户投资者进行信息披露，保护投资者合法权益。通过监管、数字化手段，对于风险客户、产品能够进行有效识别和相应处理。因而，促使资管行业在产品、风险、投研、客户、营销、管理、服务等各个层面加速数字化转型。
数据成为重要的资源要素
为了更好地为在资产管理端、用户配置端提供到相应的产品的服务，在整个资管服务当中数据也成为了非常重要的资源要素。
精细化客户运营：以数据为依托深度提取客户特征（如投资偏好、资产穿透、购买历史等），刻画全维度、全属性的客户画像，提升运营效率、降低运营成本。
知识化投研体系：全面整合证券宏观、政策、基本面等多维信息，提取投资因子构建知识图谱提升资产投资收益。
智能化投顾服务：基于整体探索最优资产组合配置，结合客户画像特征灵活定制投顾产品，实现客户最大平稳收益。
全面化风险监控：通过数据整合全面分析市场、信用、流动性风险因素，实现从单一风险管理向全面风险管理转型。
指标化业绩分析：围绕资管新规优化估值模式，通过数据全面分析产品风险及收益，推动产品运作信息披露透明化。
自动化理财监管：借助数据推动理财新规动态监管，分析识别产品在打破刚兑、净值转型、去嵌套等环节的风险隐患。
数据中台，资管行业数字化转型的基础设施
在资管行业数字化过程中，数据中台在保障数据从生成、使用到共享的整个阶段当中起到非常作用重要的作用。
通过中台进行全域数据治理，从数据加工处理到数据的标签化、服务化、应用化，全面、深度挖掘数据形成数据投研投顾能力。同时整合前端各业务数据，打破业务部门壁垒，将异构数据进行集成加工处理，从而更好服务前端投资者。
中台为应用提供统一的数据支撑。在数据汇聚层，通过批流一体的方式进行相应的数据采集，包括资讯行情、柜台业务、 Mot等各种异构数据。采集完成之后，对各种异构数据加工处理、整合，这个过程可以数栈平台的模型集市进行处理。
在应用层面，为网金零售、资讯风控等部门提供到相应数据支持，保障业务能够有数可有数可用，包括我们是高质量的数据能够提升到我们整个平台的服务和相应的能力。
现在主流的引擎比较多，计算引擎包括Spark、presto、Flink，智能引擎Impala等，袋鼠云进行相应能力的分装。底层不管是Database，还是基于Iceberg相关的计算场景，都可以基于袋鼠云的平台做整合。在业务侧能够提供一些营销推荐、投资管理，包括证券行情当中的实时管控、投顾服务。
数据类型多、结构复杂如何整合？
从数据集成到数据治理再到数据分析探索和应用支撑过程中，会面临各种异构的数据源。例如资讯数据就有二三十种，比如德勤、万德、同花顺、雪球等等，还有客户交易数据、客户适当性评估，全市场当中的产品数据、托管数据、投顾数据。
数据应用多、场景复杂如何分析？
报送类、监管类、业绩管理类、客户运营类、零售网金类等场景，可以通过袋鼠云的平台会去做更多的业务数据类场景。
客户画像、组合分析、绩效归因、投研整合等，可以通过袋鼠云的平台进行多元异构场景处理。通过一套数据模型的管控，以及统一数据化服务，从而为应用提供支持。
传统数据处理模式一般基于Lambda架构而做，一般存在多套的架构，包括一套流式的框架，一套批处理的框架，还有一套基于分析检索的框架，传统模式当中数据增量整体维护起来成本是非常高的。
通过袋鼠云批流一体的方式，对于像行情类、实时业务，可以通过统一的flink的处理框架进行处理数据，对于技术减负能够到相应的提升。
在效率上，通过袋鼠云的一套平台对增量存量的数据进行实时分析，统一降低技术成本，那么通过一套架构来去解决就是我们原来多套的这种应用服务的架构的一些管理和维护，整个在运维成本上大大效率的进行相应的提升和相应的管理。
在应用场景当中，像我们场外基金的实时预估、场内基金分析，可以用流批一体的方式进行相应计算，流式滚动地处理申购份额，更好服务前端的业务。
通过数据中台的构建，可以将业务数据、财务数据等进行统一加工处理，搭建起数据资产中心。结合金融数据分层分类的规范，进行数据资产管理，对于数据的安全权限进行相应的管控。
在数据资产赋能上，能匹配前端客户画像，以及后端投研的能力当中，发行产品更好和市场结合，更好推荐给客户。结合客户场景、客户需求去打磨产品，帮助设计更多高收益、高成长、高价值的产品。
投研能力结合资产平台当中的投研机制、外部资讯，构建数字化投研知识图谱，结合股票涨跌、换手率、实时行情、股东持股信息，打磨投研能力。此外，结合客户留存、签约的情况、付费转化、客户投诉量、客户流失率做综合的计算，对投顾体系进行评价和支撑。
在风险管控层面，结合历史持仓、实时数据，基于流式框架，对动态指标进行监控，包括投资范围、投资偏离度、投资杠杆率、资产集中度等进行事前事中事后的管控。
通过平台进行统一的数据整合、数据服务，实现研发质量推送，前端风险可视化监测，投顾绩效归因，投研分析，自动化输出行情监测报告，更好进行经营报表分析、资讯整合、业务指标展示。
