第一方面：股价预测

第二方面：提升个性化服务水平

证券行业作为综合类金融服务产品的提供者，在数据分析的背景下，将有能力快速搜集高质量的信息，以设计出更符合客户需求的产品组合，并且可以根据客户偏好的改变及时调整。CPDA数据分析师能够通过对客户消费行为模式进行分析，提高客户转化率，开发出个性化的产品以满足不同客户的需求。

第三方面：量化投资

CPDA数据分析师在处理证券数据时，通过对主力和散户的行为、轨迹分析，对主力资金和散户资金的去向追踪，对主力、散户和市场之间的关系理解，能够很好地增加投资胜率。个人投资者将能够轻松使用数据分析获得实证支持，降低交易风险，投资能力将大幅提升。

第四方面：客户管理

为了便于筛选客户，实施精细化服务，深入了解客户群体分化和多样化的需求，需要利用数据分析收集与分析技术。搜集客户在公司信息系统内的交易数据、客户留存数据，再加上外部位置数据、消费数据、信用数据、终端数据、兴趣爱好、人口属性等数据，对客户进行深入挖掘，建立基础的客户数据体系;为了进一步深入理解客户，可利用数据分析，将新搜集客户名单与第三方数据关联进行分析，获取客户全方位画像之后，再进行精准的目标定位，将合适的产品或服务推荐给客户。

(二)客户标签体系

用户画像可以获取客户更为精准的反馈信息，更及时了解客户差异化特征，进而提供营销策略、运营方向、推广支持。

客户画像的建立共分五步：

第一步，数据整合与清洗，主要是将可能需要内、外部数据整到数据分析平台。

第二步，选择业务强相关数据，以筛选内部数据为主。

第三步，根据业务及覆盖率选择外部数据，为了丰富数据分析维度进行360度画像，需要引入和业务强相关的外部数据。可引入的数据主要有位置数据、消费偏好数据、终端数据、兴趣爱好数据、银联数据、电商数据、社交数据等。

第四步，对数据分类并标签化，本部分涉及数据挖掘及挖掘结果处理，主要目标是将数据从定量向定性信息转化，以标注成为容易理解的标签信息。

第五步，根据业务需求，利用客户标签筛选客户。并根据客户分类结果设计产品，确定相应的服务策略。

（三）客户分析数据挖掘应用

1、客户细分建设背景

客户细分是市场竞争格局下的一种必然选择，也就是将全体客户划分为多个分组并刻画特征的过程，使得组内客户高度相似，组间客户差异明显，精细化营销活动，生成可控的目标客户群，发现各个细分的客户特性和需求，有针对性地设计营销计划，从中还可以发现战略焦点和业务发展方向。

2、客户细分建设方法

对客户综合偏好的特征指标进行聚类分析，划分出不同类别的客户群，以帮助营销策划人员了解各特征群的客户，进而判断特征客户群的状态特点，为营销或服务活动提供支撑。

客户细分是一个持续演进的过程，模型要随时调整，以保证准确性和有效性，为客户提供周到的服务。

（四）流失预警

流失预警建设方法：我们的目的是从“正常”状态的客户中，找出潜在的即将流失的客户，并分析预测得出其流失的原因及表现，推荐针对性的挽回建议，最大限度的挽留有流失意向的客户，指导客户流失预防工作。客户流失管理成熟度可分为五级：

第一级 初始阶段

没有事前事中的主动客户流失管理，只有客户流失后的事后分析、案例管理。

第二级 基本管理

被动式、事中管理，客户进行撤销指定交易或者转托管的过程中，进行服务补救，客户挽留。没有数据的支撑，但可以事中干预，没有相应应用系统做工作支持。

第三级 主动管理

基于业务经验规则设置客户流失预警指标，定期基于预警指标进行客户过滤，进行客户挽留工作。有经验指标数据支撑，有定期客户挽留工作流程，可以基于数据库检索提取指标和客户名单等。

第四级 量化管理

用数据挖掘技术建立客户流失预警模型，建立客户流失管理制度、流程和考核机制。有交易数据、基础数据、持仓数据等支撑，有客户保持事前、事中、事后流程，有数据挖掘与客户关系管理平台集成的系统支持等。

第五级 持续优化

基于客户发展战略制定客户保持策略，基于客户流失分析，推动产品创新、客户体验服务提升。有内部交易数据和外部互联网移动端数据支撑，有客户流失与产品和服务融合流程，有客户战略地图类更高级的系统支持等。

以上是客户流失管理的五个阶段，对流失客户的管理有效性是逐级提升的。我们的目标是实现客户流失管理模式从被动向主动，从事后向事前，从经验管理向量化管理的转变。客户流失情况分析如下表所示。