证券大数据应用一、可能获得的数据源 1.投资者信息（实名认证信息、联系方式、证券账户、理财账户等） 2.投资者个人交易数据（股票交易、基金交易、互联网证券交易等） 3.投资者个人行为数据 4.股市交易数据/实时行情等 5.上市公司/准备上市公司数据（基本资料、财报等） 6.宏观经济数据 7.政策法规 8.行业投资案例库 9.行业分析报告 10.互联网金融相关媒体数据 11.互联网金融垂直社区数据（例如雪球投资组合） 12.各行业垂直门户网站数据 13.社会化媒体数据（微博、微信公众号、论坛、新闻资讯门户等） 14.各行业电力运行数据 以上数据有些可直接由券商系统（门店数据、终端 APP 等）即可获取，有些需要 从合作机构获取，有些只能通过垂直爬虫爬取聚合。 二、有了大数据能干什么 对投资者（2C）： 投资建议：例如券商官方推荐大数据行业应用场景，类雪球投资组合、京东财谜的去中心化推荐 投资社区：雪球、天厚投资社交等 在线证券交易 在线投资理财 财富管理 量化投资分析 对公司（2B）： 公司投资理财 公司投资并购 股权众筹 公司舆情监控分析 竞争分析/竞争情报 行业分析报告 对券商本身： 用户获取/盘活：大券商盘活存量用户、中小券商获取增量用户 用户账户的建立与持续运营：通过有粘性的服务（例如雪球投资组合），引导用户绑定互联网证券理财账户、证券账户，打通用户账户体系，持续运营。

综合金融服务：股票、投资、理财、众筹、投行、财富管理 投资报告：行业分析报告、投资建议 平台基础设施： 大数据风控等 线上线下渠道一体化 客户流失跟踪 潜在客户挖掘 三、运营体系 目标用户群分析（2B、2C，线上目标用户群、线下目标用户群） 建立有粘性的互联网产品及服务 线上+线下获取用户/盘活用户 基于大数据，持续完善产品、持续运营用户《数据挖掘技术在证券行业中的应用》 姚毓才1.客户关系管理 用客户交易数据统计出每个客户的交易情况，根据客户行为进行聚类。建立 数据仓库来存放对全体客户、预定义客户群、某个客户的信息和交易数据，并通 过对这些数据进行挖掘和关联分析，实现面向主题的信息抽取。对客户的需求模 式和盈利价值进行分类，找出最有价值和盈利潜力的客户群大数据行业应用场景，以及他们最需要的 服务，更好地配置资源，改进服务，牢牢抓住最有价值的客户。通过对客户资源 信息进行多角度挖掘，了解客户各项指标（如资产贡献、忠诚度、盈利率、持仓 比率等），掌握客户投诉、客户流失等信息，通过对客户数据聚类，将客户进行 分群， 考察每类客户对证券公司的贡献情况，这样可以根据客户的产生类别的交 易行为等其他特点知道该类用户是否对公司具有价值， 并且证券公司根据客户行 为的特点对贡献度大的客户类采取相应的政策照顾， 并且还能吸引某些行为类似 的贡献度较低类的客户发展为较高贡献的客户。

2.股市基本分析 任何金融资产的 “真实” 价值等于这项资产的所有者的所有预期收益流量的 现值。具体地说，分析家不仅需要预测折现率，而且还必须预测这种证券的每股 平均收益和派息率。 证券的真实价值一经确定，就可以用来与这种证券的市场价 格进行比较， 从而鉴别这种证券的定价是否恰当。如果真实价值低于市场当前价 格，那么该证券价值是被高估了，应该卖出；如果证券的真实价值高于市场

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！