数据挖掘在证券公司经纪业务营销中的应用

【摘 要】本文探讨了数据挖掘技术在证券公司经纪业务营销活动中的应用,详细分析了经纪业务营销模式的建设要点.通过建立数据仓库,实现了证券公司关于营销主题的事实表和维度表单设计,为数据挖掘应用提供了可能.最后,选择k-means聚类方法,实现了平安证券公司营业部的聚类,并给出了相应的营销方法.

【关 键 词】数据挖掘数据仓库经纪业务营销

一、概述

自八十年代投资人工智能（AI）研究项目失败后,人工智能转入实际应用时提出了一个新兴的、面向商业应用的研究课题――数据挖掘.目前,越来越多的证券公司管理人员正在利用数据挖掘工具,解决所遇到的至关重要的商业问题和决策问题,如企业经营方向的定位、营销的决策和企业核心竞争力的获取等.

二、数据挖掘技术与证券经纪业务营销

(一)数据挖掘概念

所谓数据挖掘,是从海量的数据中,抽取出潜在的、有价值的知识（模型或规则）的过程[2].该过程根据预定义的商业目标,对大量的企业数据进行探索,揭示其中隐含的商业规律,并进一步将其模型化的技术.

(二)证券经纪业务营销模式

证券经纪业务的本质是为客户提供相似度检测怎么写作,满足客户在投资过程中对金融怎么写作的需求.近年来,在新的市场条件下,证券经纪业务怎么写作模式已从单一化、粗放式向专业化、精细化转变,部分证券公司在客户分类、怎么写作产品化以及信息技术系统支持等方面进行了积极尝试,取得了较好的效果,初步形成了证券经纪业务品牌效应[4].在实际的证券经纪业务营销活动中,有许多的营销建设模式要点,归纳如下图1：

(三)数据挖掘功能及其在证券经纪业务中的应用

数据挖掘对收集到的数据有六大类功能[3]：分类、估值、预测、关联规则、聚类、可视化.在当前,证券行业的外部经营环境发生了较大变化,市场开始细分,券商对其传统的经纪业务进行了调整,以期建立自己的核心竞争力.如何形成差别化优势是各券商考虑的重点,这种优势主要依赖于券商提供的咨询怎么写作与附加怎么写作[5].数据挖掘在此过程中将发挥重要作用,其应用主要有：客户分析、客户管理、交易数据分析等.在日益竞争激烈的证券经纪业务中,用专业的数据挖掘手段,提供有针对性的营销手段非常重要.

三、数据挖掘在平安证券经纪业务营销中的应用

本文将针对平安证券经纪业务营销进行探索,针对平安证券的具体情况进行数据仓库建模,以期通过数据挖掘技术提出有意义的营销措施.

为了满足数据挖掘的需要,数据仓库需满足以下要求：首先,对不同业务数据库的数据进行抽取,统一存放的数据格式；其次,将目标数据存入基于Oracle平台的数据库,这方便实施的简化和稳定；最后,数据的类别简化为三类.根据以上的要求制定以下数据仓库系统图：

数据仓库的表单设计,主要分为两大类,一是事实表,二是维度表,下面选择其中几个表单详细介绍.

1.事实表

事实表是数据仓库中最重要的数据模型部分,它是分析的主题.事实表通过主键将各个维表组织起来,本系统的事实表单包括如下主体：CPI指标编号、促销流水号、指标编号、团队指标编号、分解编号、活动编号、规划编号、活动流水号、物料进出流水号、时间代码、佣金、交易数量、交易、营销花费、营销创收.

2.维度表

维度表是数据仓库逻辑设计的一个重要组成部分,为数据分析打下良好的基础.其中最重要的维度表包括：时间维度表,是数据仓库中的一个重要维度,在本系统中时间维涉及营销活动的时间,管理周期,季度情况等时间关系.具体字段包含：时间代码、日、月、季度、年份；营销活动维表,是营销活动的一个主要维度,主要包含以下字段：活动编号、开始日期、结束日期、预算、成本、业绩、营业部、状态、操作员、时间戳；佣金维表,是营销活动中公司获得多少佣金的维表,本系统关注营销活动的分析,佣金的多寡反映营销活动的成效.它的表设计字段包含：客户编号、货币代码、资金、佣金模版、日期、营业部编号.

3.系统应用

下面主要探讨证券经纪业务中营业部细分的一个应用实例.

券商需要提供个性化的怎么写作,首先就必须进行市场细分,不同的市场业务提供不同的怎么写作.在文章中提出了一个市场细分策略,用一个市场细分矩阵图来分类市场业务,如下表：

平安证券在全国共有38个营业部,我们在它的上可以查看每个营业部的营销交易数据和综合排名数据,通过这些数据利用数据挖掘中的K-Means聚类算法进行分类.通过聚类分析结果发现,这些营业部表现出四个聚集簇,它们代表了超级营业部、大型营业部、中型营业部和小型营业部,分别标记为A,B,C,D四类.具体情况如下表：

通过聚类分析得到营业部分类,根据该分类结果总公司可以引导各营业部在不同的子市场拓展业务.不同的市场和营业部我们采取下面的策略进行营销：属于A类的营业部,主要应拓展细分矩阵的1、2子集,兼顾3、4子集.该领域客户的主要特征是经济实力雄厚,对营业部提供的产品品质、怎么写作和产品附加值更感兴趣,他们对不敏感.属于B类的营业部,主要应开拓细分矩阵中的5、6、7子集的市场,该级别的客户通常比较注重佣金和营销怎么写作的专业化咨询.对应处于C类的营业部,应专攻细分矩阵的8、9、10子集.这些领域客户的经济实力处于中等水平,在购写产品时,和其他影响因素的作用相当.最后,D类的营业部,主要应拓展细分矩阵的最后四个.这些营业部因自身条件所限,无法吸引高端客户,应主攻中小投资股民.

四、结论

本文着重介绍了数据挖掘在经纪业务营销中的应用,通过分析数据挖掘的相关技术,我们建立了平安证券公司经纪业务中的营销主题的数据仓库,详细设计了事实表和维度表.通过数据挖掘聚类分析方法,分析了平安证券公司各营业部细分的营销方案.