证券市场作为证券业和金融业重要组成部分，它不仅仅只是备受政府主管部门、券商和广大投资者的青睐，更可以堪称是国民经济的“晴雨表”。长期以来各券商的交易系统一直融合各类高质量的信息和技术，积累大量交易数据，为获取行业竞争优势积聚优质能量。 但随着数据量和数据系统的不断增多，数据管理变得越发困难，如何既能够有效辅助证券投资者投资决策，也能够使一家证券公司的长期积累得到充分发挥成为了一个难题。本文以东吴证券为例，探索数据管理如何赋能运营。 数据散沙---“东吴的困局”东吴证券作为全国第18家上市券商，拥有以证券经纪、资产管理、投资银行服务、基金债券代销服务等为基本架构的专业证券服务体系，旨在为客户提供全方位证券理财服务。经过20多年的发展，东吴证券已经从一家地方性证券公司成长为拥有130多家营业网点的全国性综合券商，业务门类齐全，也建设了200多套系统支持各种业务的发展。 多年的快速发展，公司积累了大量各种的类型数据，也认识到这些大量的数据中蕴藏了巨大的价值，但发现由于数据管理组织和制度缺失、数据分散且共享不足、报表自动化程度低、数据分析应用能力缺失，导致各部门难以形成统一管理制度，数据整合能力低下，缺少数据分析以支持决策。这一切都最终造成了数据价值无法被发现。为此，东吴证券决定做出改变。 数据管理---“破局的锦囊”自2017年3月开始，东吴证券正式开始进行针对数据管理的技术系统建设，通过与帆软软件有限公司合作，使用其FineReport与FineBI软件，逐步构建了驾驶舱管理系统、BI系统、资讯系统、舆情风控等多个大数据平台系统。此外，针对各部门业务需求，针对性的进行了机器学习方面的拓展，实现了客户精准营销，客户流失预警等多个项目。 一、建立大数据平台 东吴证券针对不同的服务对象和服务内容，共计开发了约200套服务系统。然后系统之间的数据并不完全交互，进而逐步形成了“数据孤岛”。由于一组数据可能归属于不同的业务线，因此要及时了解某些数据类的变化非常困难。通过接近一年的逐步研发，东吴证券在帆软软件的帮助下，逐步实现了大数据平台的落地与个性化管理系统的集成和开发。 1.管理驾驶舱系统 由于各种业务数据在不同的系统中，在白天交易时间内会实时变化，对于公司管理层和相关的业务部门来说，很希望能够对当天的经营情况能够有及时的了解。但是，由于系统和业务特性，一般报表都会在当天晚上清算后，第二天早上才能看到。通过管理驾驶舱系统，实时把数据从各系统抓取过来，经过加工处理，把不同的系统、不同业务的数据实时显示到管理驾驶舱系统中，并可通过移动端应用，管理部门可以实现实时掌握公司当日运营情况。  东吴证券管理驾驶舱系统主页 通过对实时和盘后采集的数据进行分析计算，管理驾驶舱能够通过图形、表格等形式提供给公司管理者直观的公司业务运营数据。 同时，东吴证券在大数据平台中基于FineReport开发了大量对外和对内的报表系统。  东吴证券管理驾驶舱系统报表页面 由于各业务部门或业务条线日常需要大量的报表对运营情况进行掌握，同时也需要制作大量的报表报送给监管机构，比如营业部每月初需要花好几天时间从不同的系统中获取数据，然后填写到报表中，效率低下且容错率低。通过在管理驾驶舱系统中利用FineReport，使得报表可以一键生成，节省了大量的时间和劳力，使原先需要数日完成的工作可以秒级完成。  东吴证券移动端管理驾驶舱系统页面 同时，利用帆软产品与钉钉、微信等移动端应用可集成的特性，东吴证券开发了移动管理驾驶舱允许用户通过手机、平板等移动终端浏览访问日常的报表数据，实现随时随地，任意地点都可以实时访问东吴管理驾驶舱。通过访问管理驾驶舱，管理者实时了解掌握公司各业务部门报表数据，实时运营数据，运营异常预判等数据信息。 2.BI数据分析 东吴证券于18年6月份引入FineBI，期望在数据分析方面能够取得更大的进步。引入BI系统旨在把数据分析和部分报表工作迁移至业务部门报表人员，让他们能够自主的进行数据分析，挖掘数据价值，发现问题，寻找解决方案，同时也可以部分降低后台技术人员的工作强度和压力，使技术人员能够把逐渐把精力转向提供基础数据服务。  东吴证券BI营销数据分析界面  东吴证券BI风险数据分析界面 BI营销数据系统已经在多个部门开始使用，并取得了不少成果。通过查看各家营业部每天活跃客户数量情况，可以清楚的了解到各家营业部客户活跃情况程度，对那些活跃客户比较多的业务部门进行表扬，提高大家积极性，同时激励活跃度不高的营业部。 同时，通过指标体系建立BI风险数据分析模型，实时反映公司全面风险的运行状态，将数据直观化、具体化、形象化。实际上这是为与风险相关的高层管理层提供的“一站式”决策支持的模板。通过信用风险相关数据，从而实现风险管理信息展示与工作流转，实现风险偏好到风险指标，经济资本等量化分析管理。 3.客户盈亏计算 客户盈亏分析一直是券商的一个棘手问题，一方面原因是盈亏计算涉及的库表非常多，一般会涉及到10多个数据库，20多张表，业务逻辑经常变化且相对而言比较复杂，涉及两融、理财、经纪、质押回购、约定购回等诸多业务，逻辑复杂难以理清，另一方面原因是计算量比较大，尤其对客户量达千万量级的大型券商更是如此。  通过FineBI与FineReport集成后的大数据平台，能够实现客户数据的迅速整合，在三分钟左右就可以完成一位客户的盈亏情况计算，大大提升了东吴证券对客户的服务效率。 4.年度账单推送 年度账单业务依赖于客户标签，东吴证券将证券客户的标签分为六大类、四个层次：六类标签包括证券投资者的个人属性、资产情况、盈亏情况、以及和投资交易相关的信息。四个层次指的是由上至下，标签的抽象程度逐步递减。  东吴证券客户指标体系  东吴证券客户年度账单推送 通过建立多层指标体系，对于客户进行标签化分类，这使得东吴证券可以对于客户进行更精确的画像，为后续的精准营销打下基础。同时，基于此开发年度账单推送，标签本身的趣味性加上APP端的美工设计，对移动端客户可以在一定程度上增强使用粘性。 二、开发机器学习算法系统 在大数据平台落地的基础上，为了应对更为复杂和深度的业务需要，东吴证券开始着手在深度学习等方面进行研发。针对不同的业务场景和和需要，基于机器学习算法，开发了“理财精准营销”与“客户流失预警”两套算法系统。 1.理财精准营销 东吴证券探索利用机器学习算法为公司产品营销提供目标客户群，降低营销成本，提高营销转换率，通过并行多个机器学习算法，建立起理财精准营销系统。  东吴证券理财精准营销算法对比示意图 通过机器学习算法，东吴证券于2018年11月完成了对一批客户的精准营销，转化率极高，当月转化客户达到活动期间总新增客户数的百分之六十。 2.客户流失预警 为了预测客户流失，基于机器学习算法，通过对于历史数据的训练，东吴证券建立了“客户流失预警”系统，并于2018年12月对一批客户进行了流失预测，最后的客户召回率可达到百分之五十至六十。  东吴证券客户流失预警算法对比示意图 数据深耕---“东吴的未来”一、持续开展数据治理 1.数据标准化 数据标准化是信息的纵向贯通的基础，同时支持管理标准的落实，以及信息化成果的全公司应用，旨在解决解决数据定义不同，难以整合的问题。目标做到以下几点：
2.数据质量管理 明确用户对数据质量的要求（包括业务规则层面和数据应用层面），并通过业务操作制度和技术手段保障需求。不断解决产生的数据质量问题，消除造成数据质量问题的根本原因，提升整体数据质量。目标做到以下几点：
3.数据安全性管控 结合自身的数据安全要求，东吴证券期望未来能制定相关数据的安全等级和数据访问授权机制，实现数据安全管理，并在系统中落实，进而解决数据安全要求不明确，缺乏安全保障问题。 二、完善大数据分析系统与数据价值挖掘体系 经过近两年的实践和积累，东吴证券的数据平台建设已经初见规模，制定出了数据管理制度，组建了数据管理组织，基本架设起了一套面向证券行业的大数据生态系统，并初步具备了在大数据平台之上进行人工智能探索的能力，取得了一些阶段性的成果。  东吴证券大数据分析系统示意图 东吴证券数据挖掘进程规划示意图 未来东吴证券希望能继续在数据领域深耕，目标建成完善的大数据分析系统与数据价值挖掘体系。东吴证券还希望通过人工智能的产品化，将AI融入到产品中，与移动交易终端的结合，在APP中体现智能应用、智能投顾、智能客服、智能选股、推荐系统等技术，通过AI的精准效果增强APP的易用性、社交性、和娱乐性，提高存量用户的粘性，最大程度地挖掘用户价值。 结语两年励精图治，东吴证券通过与帆软软件的合作，实现了数据整合与数据分析系统的落地，并在此基础上成功开发了基于深度学习的个性化证券数据分析产品。借助数据管理的力量，东吴证券成功解决了数据应用上的多个痛点，并准备继续深耕数据价值领域，以期获得更多的突破和更大的成就，开创企业更美好的未来！ |
|
|
