第 1 章 绪论
1.1 研究背景及意义
1.1.1 研究背景
大数据（big data），或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。是所涉及的资料数量级巨大到无法通过目前主流软件运行的工具，在可接受时间内达到管理、处理、并生成能够帮助企业经营决策更积极目的的资讯。互联网和信息化技术在金融领域存在已有时日，近年来却因为大数据技术的飞速发展而引起人们关注。
2010 年开始，国内各证券公司陆续通过对客户资料和交易记录、行情数据的综合数据分析和挖掘，分析投资者间的相关性，通过相关性分析做客户划分，以达到为客户提供良好的用户体验和高个性化服务，例如分析流失客户的行为特征进而采取有针对性的挽留行动；分析高亏损客户的投资习惯而采用一定的投资咨询服务的改进；分析客户行为与投资风格变换的关系进而设计合适的产品，客户群体的财经浏览信息、自选股信息的变化，分析判读客户群体的焦点是否从股票转移到了固定收益类产品；分析客户产品购买行为与客户其他数据的关系（基本资料、浏览行为等等），设计相应的产品提供给类似客户群体。
此外，我国各证券公司在客户服务方面对大数据技术的应用各具自身特色，当前国内各证券公司在以“以客户为中心”理念的指导下，通过对客户交易行为进行分析，提高客户转化率，开发出不同的服务模式以满足不同客户的市场需求，以实现精细化管理和差异化竞争。实践证明，以客户为中心、并致力于提供独特价值服务的证券公司往往其根基会更牢固，客户关系会更长久，其核心竞争力也会更突出。
证券公司客户相关数据正在迅速膨胀并几何级变大，它不仅决定着企业的命运，也决定着行业的未来发展。虽然很多证券公司陆续建立以客户关系管理系统为平台的大数据客户服务管理系统，但相比于其他行业对大数据技术的运用还倍显初级，对爆炸性增长的客户数据带来的行业变革可能并没有深刻意识到，但是随着时间的推移，证券行业将越来越多的意识到大数据技术运用对企业的重要性。
1.1.2 研究意义
在过去几年里，为了适应当前国民经济持续健康发展的需求和多层次资本市场的需求，证券业作为金融中介的职能机构在大数据技术的冲击下，越来越多的证券公司在采用大数据驱动的方法来进行有针对性的服务来提高服务质量和降低投入成本。在大数据背景下，证券公司将有能力快速收集传导大量的高质量信息，以设计出符合客户需求的产品组合，并不断根据客户偏好的改变而调整。
证券公司通过对海量个人投资者真实投资交易信息的深入挖掘分析，在严格保证投资人身份信息安全的前提下，通过平均账户活动率、平均账户持仓比例、追加资金比例、流出资金比例、浮盈率、实盈率等系列反映投资活跃程度和投资收益水平的指标，解读交易个人投资者交易行为的变化、投资信心的状态与发展趋势，传递个人投资者对市场的预期、当期的风险偏好等信息。本质上，这是对分析投资者群体数据与投资指数的相关性分析。
同时将多样性分析应用到投资者数据：可以更清晰的了解客户，即通过综合分析客户的交易记录、行为记录、住所信息、言语内容和交友情况，可以更准确的分析得到客户的风险承受能力、风险偏好、为人信誉等各种情况。他们执行特殊的数据分析程序来对一系列的资料进行收集、存储、管理和分析大数据集，识别关键业务观察，从而更好的做客户适当性管理，销售合适的产品给合适的客户，以便提供客户更有针对性的服务。
由此我们可以发现，将多样性、相关性的大数据思维应用在我们所能获得的数据上，可以产生各种各样原来所达不到的效果，将大数据获得的结果与我们原来小数据时代常用的因果关系结合使用，将是是实现向信息化、精细化券商转型的重要推动力。
大数据时代的来临，意味着各领域即将面临一场新的革命，证券业作为金融服务行业，也必然需要迎接这一挑战。而大数据技术在精细化管理、服务、创新等方面的作用极其突出，相信未来大数据技术于证券行业的应用将能开辟更广阔的空间。
1.2 国内外研究现状
随着互联网的飞速发展，海量信息处理被广泛运用起来。近年来，因证券公司产生大规模数据源的自身特点，大数据技术越来越多地被运用在证券公司中。通过客户关系管理系统，证券公司可以通过对客户群体进行数据挖掘，对相关数据进行整理、管理、处理，对其进行更深层次的分析，从而了解客户数据背后隐藏的许多重要的相关信息，以便证券公司更好地运用这些海量数据做到独有的个性化服务，而大数据在其中所挖掘到的隐藏在客户数据背后的、重要的客户信息是传统的数据分析方法所无法获得。
建立数据库是证券公司对客户数据进行大数据管理的基石，数据库的理论和技术应用在国外有一定程度的发展，而且已经比较成熟。然而在国内，一些大型证券公司只是刚开始尝试建立自己的数据库，这些公司虽然存储了海量的客户数据，但一些有价值的信息并没有很好地挖掘，从而影响了大数据运用质量。目前国内证券公司的数据库系统已经可以较为高效地实现数据的录入、查询、统计等功能，但发现数据中存在的关系和规则的能力还有待提高，以此为依据去预测客户发展动态的效果更是差强人意。
1996 年，美林证券成为了第一家拥有自己的数据库证券公司，借助于客户关系管理系统对客户的有价值数据进行挖掘，并以此为依据实行了客户服务分级化，并取得极为显着的效果。之后，美国其他券商，如高盛、摩根士丹利等也相继建立了基于各自客户数据库的客户关系管理系统，同样取得令人满意的效果。在亚洲，日本排名第一的野村证券也于上世纪末与 SAP 合作，建立了基于自有客户的数据库和深度挖掘的客户关系管理系统。
在国外，数据挖掘以及对数据库建立的研究和引用己经发展的比较成熟，也有了一定的规模和成效。而国内证券公司关于客户关系管理的理论更多是借鉴于国外，对于数据挖掘的研究主要在分析系统的研究上，对数据挖掘的重视程度还较为薄弱，实际仍处于初级阶段。国内关于客户关系管理的理论研究较多借鉴于国外，其实际运用尚处于初级阶段。
由于零售业的商品信息多、客户群零散、店面聚集式分布的特点，国内客户关系管理的运用最早出现于零售业，[6]之后在保险和电信行有所发展。我国证券行业对 CRM 我国证券公司对客户关系管理系统的运用始于九十年代后期，当时己经开始重视客户服务，只是当时对客户关系管理的理念认知度不够，导致当时的证券公司对客户管理关系的运用较为薄弱，对“以客户为中心”的理解层次不够深度。目前，国内证券公司加大客户服务来维护客户的现有规模只是证券公司对客户关系管理运用的初级模式，重点并没有放在对客户一对一的了解和服务上，而是长期对客户实行无差别的服务，4不能对真正做到对不同客户进行不同对待。
1.3 研究内容与方法
1.3.1 研究内容
本文主要从恒泰证券公司客户关系管理系统的客户信息数据应用现状为起点，并从以下三点进行恒泰证券公司客户关系管理系统关于客户行为建设研究及改进研究。
第一，国内证券公司客户关系管理系统运用的现状。本部分研究内容主要对国内证券公司对客户关系管理系统运用的实际情况予以阐述，并以恒泰证券公司对该系统运用的实际情况为案例，通过对恒泰证券公司现行客户关系管理系统的内容、功能以及运用情况进行研究，分析其所存在的弊端以及不成熟之处。
第二，本部分研究内容主要对以恒泰证券公司为代表的国内证券公司客户关系管理系统研究有针对性的改进方案，以提升国内证券公司的工作针对性，高效性，差异性。对客户的服务细致化、科学化、合理化，使的客户分级服务更科学。
第三，在美、英等金融业高度发达的国家，客户关系管理意识在证券公司中的应用具有一定的代表性，长期的发展中已形成了各自的特点，根据金融发达国家的客户关系管理系统发展特性以及国内证券业服务发展特性，对我国证券业客户关系管理系统未来可能发展的几个方向进行合理展望。
最后，通过以上三点研究得出的结论，客户关系管理系统改进方案的步骤与措施，及未来可能出现的趋势。
1.3.2 研究方法
本论文先通过相关文献及相关信息对目前大数据技术发展的状况进行简单介绍，并对证券行业运用的大数据的现状进行剖析。随后利用作者对恒泰证券公司的了解进行详尽的案例分析，最后通过大数据技术的前沿应用与证券行业运用的情况相对比，推演出未来一段时间证券行业对大数据技术应用的延伸，以及利用双方的发展惯性对未来可能出现的影响做合理性推断及一定展望。研究方法主要如下：
（1）文献查阅，相关讯息收集：该方法贯穿整个论文的写作。
（2）理论与实际相结合：通过对大数据技术的相关知识研究以及证券行业对大数据技术运用情况相结合，了解大数据证券的发展近况。
（3）案例分析：对恒泰证券股份有限公司的客户关系管理系统进行详尽分析研究，更加清晰地了解大数据技术于证券行业的应用现状。
（4）演绎推理：对大数据应用较为先进的行业进行分析，配合统计学、心理学等领域知识内容，以客户体验为基点进行合理化推导，浅析大数据技术对证券行业未来发展可能产生重大影响的几个方面。
