目錄
證券市場作為證券業和金融業重要組成部分，它不僅僅只是備受政府主管部門、券商和廣大投資者的青睞，更可以堪稱是國民經濟的「晴雨錶」。長期以來各券商的交易系統一直融合各類高品質的資訊和技術，積累大量交易資料，為獲取行業競爭優勢積聚優質能量。
但隨著資料量和資料系統的不斷增多，資料管理變得越發困難，如何既能夠有效輔助證券投資者投資決策，也能夠使一家證券公司的長期積累得到充分發揮成為了一個難題。本文以東吳證券為例，探索資料管理如何賦能營運、實現智慧金融。
資料散沙— 「東吳的困局」
東吳證券作為全國第18家上市券商，擁有以證券經紀、資產管理、投資銀行服務、基金債券代銷服務等為基本架構的專業證券服務體系，旨在為客戶提供全方位證券理財服務。經過20多年的發展，東吳證券已經從一家地方性證券公司成長為擁有130多家營業網點的全國性綜合券商，業務門類齊全，也建設了200多套系統支援各種業務的發展。
多年的快速發展，公司積累了大量各種的類型資料，也認識到這些大量的資料中蘊藏了巨大的價值，但發現由於資料管理組織和制度缺失、資料分散且共用不足、報表自動化程度低、資料分析應用能力缺失，導致各部門難以形成統一管理制度，資料整合能力低下，缺少資料分析以支援決策。這一切都最終造成了資料價值無法被發現。
東吳證券急需建立公司企業級的視覺化資料分析管理平臺，實現核心業務系統資料的收集整合，讓散落的業務資料形成統一檢視。為此，東吳證券決定做出改變。
資料管理—「破局的錦囊」
自2017年3月開始，東吳證券正式開始進行針對資料管理的技術系統建設，透過與帆軟軟體有限公司合作，使用其FineReport與FineBI軟體，逐步構建了戰情室管理系統、BI系統、資訊系統、輿情風控等多個大數據平臺系統。此外，針對各部門業務需求，針對性的進行了機器學習方面的拓展，實現了客戶精准行銷，客戶流失預警等多個項目。
一、建立大數據平臺
東吳證券針對不同的服務物件和服務內容，共計開發了約200套服務系統。然後系統之間的資料並不完全交互，進而逐步形成了「資料孤島」。由於一組資料可能歸屬於不同的業務線，因此要及時瞭解某些資料類的變化非常困難。通過接近一年的逐步研發，東吳證券在帆軟軟體的説明下，逐步實現了大數據平臺的落地與個性化管理系統的內建和開發。
1.管理戰情室系統
由於各種業務資料在不同的系統中，在白天交易時間內會即時變化，對於公司管理層和相關的業務部門來說，很希望能夠對當天的經營情況能夠有及時的瞭解。但是，由於系統和業務特性，一般報表都會在當天晚上清算後，第二天早上才能看到。透過管理戰情室系統，即時把資料從各系統抓取過來，經過加工處理，把不同的系統、不同業務的資料即時顯示到管理戰情室系統中，並可透過行動端應用，管理部門可以實現即時掌握公司當日營運情況。
透過對即時和盤後採集的資料進行分析計算，管理戰情室能夠透過圖形、表格等形式提供給公司管理者直觀的公司業務營運資料。
2.報表平臺自主研發
同時，東吳證券在大數據平臺中基於FineReport開發了大量對外和對內的報表系統。
由於各業務部門或業務條線日常需要大量的報表對營運情況進行掌握，同時也需要製作大量的報表報送給監管機構，比如營業部每月初需要花好幾天時間從不同的系統中獲取資料，然後填寫到報表中，效率低下且容錯率低。透過在管理戰情室系統中利用FineReport，使得報表可以一鍵生成，節省了大量的時間和勞力，使原先需要數日完成的工作可以秒級完成。
同時，利用帆軟產品與釘釘、微信等行動端應用可內建的特性，東吳證券開發了行動管理戰情室允許使用者透過手機、平板等行動終端流覽訪問日常的報表資料，實現隨時隨地，任意地點都可以即時訪問東吳管理戰情室。透過訪問管理戰情室，管理者即時瞭解掌握公司各業務部門報表資料，即時營運資料，營運異常預判等資料資訊。
3.BI資料分析
東吳證券於18年6月份引入FineBI，期望在資料分析方面能夠取得更大的進步。引入BI系統旨在把資料分析和部分報表工作遷移至業務部門報表人員，讓他們能夠自主的進行資料分析，挖掘資料價值，發現問題，尋找解決方案，同時也可以部分降低後臺技術人員的工作強度和壓力，使技術人員能夠把逐漸把精力轉向提供基礎資料服務。
BI行銷資料系統已經在多個部門開始使用，並取得了不少成果。透過查看各家營業部每天活躍客戶數量情況，可以清楚的瞭解到各家營業部客戶活躍情況程度，對那些活躍客戶比較多的業務部門進行表揚，提高大家積極性，同時激勵活躍度不高的營業部。
同時，透過指標體系建立BI風險資料分析模型，即時反映公司全面風險的運行狀態，將資料直觀化、具體化、形象化。實際上這是為與風險相關的高層管理層提供的「一站式」決策支援的範本。透過信用風險相關資料，從而實現風險管理資訊展示與工作流轉，實現風險偏好到風險指標，經濟資本等量化分析管理。
4.客戶盈虧計算
客戶盈虧分析一直是券商的一個棘手問題，一方面原因是盈虧計算涉及的庫表非常多，一般會涉及到10多個資料庫，20多張表，業務邏輯經常變化且相對而言比較複雜，涉及兩融、理財、經紀、質押回購、約定購回等諸多業務，邏輯複雜難以理清，另一方面原因是計算量比較大，尤其對客戶量達千萬量級的大型券商更是如此。
透過FineBI與FineReport內建後的大數據平臺，能夠實現客戶資料的迅速整合，在三分鐘左右就可以完成一位元客戶的盈虧情況計算，大大提升了東吳證券對客戶的服務效率。
5.年度帳單推送
年度帳單業務依賴于客戶標籤，東吳證券將證券客戶的標籤分為六大類、四個層次：六類標籤包括證券投資者的個人屬性、資產情況、盈虧情況、以及和投資交易相關的資訊。四個層次指的是由上至下，標籤的抽象程度逐步遞減。
透過建立多層指標體系，對於客戶進行標籤化分類，這使得東吳證券可以對於客戶進行更精確的畫像，為後續的精准行銷打下基礎。同時，基於此開發年度帳單推送，標籤本身的趣味性加上APP端的美工設計，對行動端客戶可以在一定程度上增強使用粘性。
二、開發機器學習演算法系統
在大數據平臺落地的基礎上，為了應對更為複雜和深度的業務需要，東吳證券開始著手在深度學習等方面進行研發。針對不同的業務場景和和需要，基於機器學習演算法，開發了「理財精准行銷」與「客戶流失預警」兩套演算法系統。
1.理財精准行銷
東吳證券探索利用機器學習演算法為公司產品行銷提供目標客戶群，降低行銷成本，提高行銷轉換率，透過並行多個機器學習演算法，建立起理財精准行銷系統。
透過機器學習演算法，東吳證券於2018年11月完成了對一批客戶的精准行銷，轉化率極高，當月轉化客戶達到活動期間總新增客戶數的百分之六十。
2.客戶流失預警
為了預測客戶流失，基於機器學習演算法，通過對於歷史資料的訓練，東吳證券建立了「客戶流失預警」系統，並於2018年12月對一批客戶進行了流失預測，最後的客戶召回率可達到百分之五十至六十。
資料深耕—「東吳的未來」
一、持續開展資料治理
1.數據標準化
資料標準化是資訊的縱向貫通的基礎，同時支援管理標準的落實，以及資訊化成果的全公司應用，旨在解決解決資料定義不同，難以整合的問題。目標做到以下幾點：
減少資料的重複錄入、存儲、處理和系統的重複維護
建立標準化的資料共用服務減少點對點的內建和共用
資料標準化，實現綜合指標共用
2.資料品質管理
明確使用者對資料品質的要求（包括業務規則層面和資料應用層面），並通過業務操作制度和技術手段保障需求。不斷解決產生的資料品質問題，消除造成資料品質問題的根本原因，提升整體資料品質。目標做到以下幾點：
提高資料的準確性，滿足業務分析需求
提高資料的一致性，滿足資料共用需求
提高資料的及時性，滿足應用時效要求
3.資安管控
結合自身的資料安全要求，東吳證券期望未來能制定相關資料的安全等級和資料訪問授權機制，實現資料安全管理，並在系統中落實，進而解決資料安全要求不明確，缺乏安全保障問題。
二、完善大數據分析系統與資料價值挖掘體系
經過近兩年的實踐和積累，東吳證券的資料平臺建設已經初見規模，制定出了資料管理制度，組建了資料管理組織，基本架設起了一套面向證券行業的大數據生態系統，並初步具備了在大數據平臺之上進行AI人工智慧探索的能力，取得了一些階段性的成果。
未來東吳證券希望能繼續在資料領域深耕，目標建成完善的大數據分析系統與資料價值挖掘體系。東吳證券還希望透過AI人工智慧的產品化，將AI融入到產品中，與行動交易終端的結合，在APP中體現智慧應用、智慧投顧、智慧客服、智慧選股、推薦系統等技術，透過AI的精准效果增強APP的易用性、社交性、和娛樂性，提高存量使用者的粘性，最大程度地挖掘使用者價值。
結語
兩年勵精圖治，東吳證券透過與帆軟軟體的合作，實現了資料整合與資料分析系統的落地，並在此基礎上成功開發了基於深度學習的個性化證券資料分析產品，架設起了一套面向證券行業的大數據生態系統，並初步具備了在大數據平臺之上進行AI人工智慧探索的能力。借助資料管理的力量，東吳證券成功解決了資料應用上的多個痛點，深耕資料價值領域，獲得了不菲的突破與成就。
資料標準化是資訊的縱向貫通的基礎，資料管理又是一項長期、複雜的資料管控過程，在東吳證券實現智慧金融的路途上，帆軟無疑起到了重大的作用。帆軟致力於為企業提供最優質的資料分析體驗，始終熱忱助力企業解決資料應用痛點、開啟智慧金融之旅。
獲得帆軟最新動態：數據分析，報表實例，專業的人都在這裡！加入FineReport臉書粉絲團！
相關文章：
這樣選擇報表系統，才能更好的進行企業管理
喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！
