基于数据挖掘的证券公司客户细分及其应用研究

《基于数据挖掘的证券公司客户细分及其应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第1章绪论表1．1我国证券公司SWOT分析表内部条件外部条件S1．政策机制灵活01．市场发胜潜力优2．市场经验丰富机2．人世带来机遇势会W1．资本规模较小T1_国内外竞争者劣2．信息流通小畅威2．市场结构变化势3．缺乏专业人才胁3．投资理念转型，4．人员流动性大5．业务范罔单调结合表1．1的研究结果，国内证券公司的战略地位可从以下四方面进行分析：1．内部优势。我国证券公司成长于企业股份制改造的过程中，受国家政策的直接控制较少，在管理体制上，具有一定的灵活度可以充分发挥企业家的能力资本。由于在中国“

2、银证合营”的时间非常短，商业银行原有的从事证券市场的人员和机构都划到证券公司方面，所以人员具有丰富的金融市场经验。2．内部劣势。我国证券公司的资本规模都不大，抗风险能力与吸引客户能力较弱；产品研发部与营销部、销售部之间的沟通渠道不畅通，不能及时把握市场状况；虽然员工具有一定的经验，但证券行业的专业人才十分缺乏；员工的流动性大，对公司忠诚度较低；业务较单凋，主营收入来自经纪业务、证券承销和资产管理，造成券商的收入严重依赖于市场，风险程度较高。3．市场机遇。我国的证券市场正在经历F1趋完善的变化过程中

3、，其市场广度和深度仍有相当大的潜力，特别是加入世后，给国内证券公司带来更多的发展机会。4．外来威胁。入世后，国外证券公司的进入无疑给国内证券公司带来了巨大的挑战；市场结构的变化和投资理念的转型给国内证券公司无形之中制造了压力。综上所述，企业需要采用wO战略，即克服内部劣势，利用外部优势。怎样抓住机遇，迎接挑战。需要的是这样一种机制，即能使组织、信息、人才、业务等都综合起来，从抓住客户的角度来创建竞争者无法模仿的核心竞争力(Core—competence)[110]a在此，基于数据挖掘技术的客户细分

4、可以帮助国内证券公司更深度地了解自己的客户，从而提供其他企业无法轻易效仿的营销策略，找适合企业自身的优质解决方案。客户细分借助于数据挖掘技术是企业进行客户关系管理的重要工作之一。第1章绪论进行客户细分的理论依据主要有两点：一是客户需求的异质性，即不同客户的需求是不同的，这是客户细分的内在依据；二是企业资源的有限性，即企业不可能提供满足所有顾客需求的产品和服务，企业必须集中资源制定有效的策略来增强自己的竞争优势，这是客户细分的外在要求。国内证券公司应用客户细分理论的必要性主要表现在以下几个方面：1、

5、许多证券公司实施客户经理制，这就要求对客户进行细分，根据细分结果来决定客户经理的配置；2、证券公司实行内部改革需要根据客户细分的结果来确定分支机构、营业网点和内部组织机构等的设置：3、由于资源有限，证券公司必然要求对客户进行细分，从而选择合适的营销策略创造最大的效益；4、确定客户细分后，证券公司就可以根据不同的细分客户群提供不同的服务以确立差异化竞争优势。2002年，美国管理咨询公司(BainCompany)对来自世界各地的541位高级管理人员的调查表明，客户细分已经成为全球使用率最高的十大管理工

6、具之一【52]。1．2国内外研究现状随着计算机、网络和通讯等信息技术的高度发展，信息处理在知识经济时代的各个层面广泛运用起来。近些年来，商务贸易电子化、企业和政府事务电子化的迅速普及都产生了大规模的数据源，同时日益增长的企业业绩也使得企业的客户数据海量增长。基于客户关系管理(CRM)。的以客户为中心的理念“1，企业需要了解客户数据背后隐藏着许多重要的信息，企业需要对其进行更深层次的分析，以便更好地利用这些数据。传统的数据分析方法只能获得数据的表面信息，无法获得隐藏在客户数据背后的、重要的客户知识。

7、目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，更无法以之来预测客户未来的发展趋势。缺少对数据的有效挖掘与运用导致了“数据爆炸但知识贫乏”的现象。数据挖掘通俗地讲就是从数据库中发现知识。知识发现。(KDD，Kno．1edge。最早ItJGarmerGroup提出，是通过采用信息技术，使企业市场营销、销售管理、客户服务和支持等经营流程信息化．实现客户资源有效利用的管理理念与其相关软件系统的集合．。知识发现是从数据集中识别出自-效的、新颖的、潜在有用的，以

8、发最终可理解的模式的非平凡过程。第l章绪论DiscoveryinDatabases)一词首次出现在1989年举行的第十一届国际联合人工智能学术会议上。至今，由美国人工智能协会主办的KDD国际研讨会已经召开了8次，规模由原来的专题讨论会发展到国际学术大会，研究重点也逐渐从发现方法转向系统应用，注重多重发展策略和技术的集成，以及多种学科之间的互相渗透。与国外相比国内的数据挖掘研究较晚。1993年国家自然科学基金首次支持我们对该领域的研究项目。目前，国内的许多科研单位和高等院校竞相开展知