在大数据技术、人工智能、云计算等新技术的驱动下，证券公司的业务模式正在发生巨大的变化。证券公司未来的竞争，本质上是对客户的竞争，因此开发新客户、盘活老客户，深入洞察和了解客户，将合适的产品推荐给合适的客户，提高客户服务质量，实现公司与客户的双赢，是利用公司资源实现最大商业价值的基础。建立有效的智能投顾平台，是证券公司实现从通道业务向财富管理转型的战略性决策。本文在对大数据的概念界定与主要业务应用场景阐述的基础上，对证券公司利用大数据实现智能投顾的应用内容进行了分析，并论述了通过大数据实现证券公司智能投顾的意义。最后，针对智能投顾平台建设提出了几点建议。

关于大数据的概念界定与主要业务应用场景

大数据是英文 Big Data 直译而来的一个词汇，大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产 。资本市场对数据依赖性很强，经抽取、转换、装载，以及整合、分析、处理的大数据蕴含价值极高，大数据应用将对资本市场发展带来巨大价值。

从数据处理流程来看，证券行业大数据分析可分为四个层次：一是建立一个采集和存储的大数据系统架构；二是各种结构化和非结构化数据信息的整合、加工、处理；三是依靠数据模型、人工智能等进行数据分析与数据挖掘，提取出有价值的数据；四是构建以智能客服、智能投顾、智能投资、智能风控、智能监管等证券行业主要应用场景，支撑业务发展。

目前，受潜在的如个人隐私保护、数据安全、数据归属权、数据流通壁垒等问题制约，大多数公司主要还是以公司自有数据为主来构建大数据平台，导致数据不够大，也不够广。因此，尽管大数据在资本市场方面的应用不断丰富，但尚未出现预期中的大爆发，应用主要集中在个人和企业客户精准画像及风控、定价、营销、征信、评级等方面的应用场景布局。后续随着国内资本市场以及相关法律法规的不断完善，大数据在资本市场的应用场景也会愈加丰富。

通过大数据实现证券公司智能投顾的应用

证券公司智能投顾系统基于大数据的关联推荐机制，解决客户需主动搜寻相关服务的痛点，变“被动服务”为“主动服务”。

建立场景化的伴随式产品架构，从客户开户、日常生活、线上习惯、交易行为、盈亏波动全过程中，主动介入合适的投顾服务及产品，包括主动询问、主动支持、主动建议、主动情绪干预，变客户关系为朋友关系，深刻改善客户粘性。

围绕以上三点为核心目标，建设证券公司的新一代智能投顾系统，以支撑打造具有强大行业影响力的、先进的投顾服务体系。具体如下：

（一）客户服务系统

该部分是服务体系化建设的具体表现和承载。

1、客户全角度画像，投顾可以通过该功能迅速了解所属客户的历史及现状，包括其基本信息、投资历程、盈亏波动、特点及爱好、风险及性格，便于后续的投顾服务。

2、客户服务（资讯、咨询、交流），投顾通过该功能可以实时介入预设各场景下客户线上线下的活动中，主动或被动为客户提供资讯解读、咨询及建议、其他生活工作交流。

3、客户群体管理（交易圈、技术圈、交流圈），投顾可以对所属客户进行分群分组服务，通过圈群服务，满足客户间的相关话题交流，增强服务粘性和广度。

4、投顾特色服务（图文直播、音视频直播或录播、观点、问答、优顾达人、组合、锦囊等），投顾通过丰富的形式，按预定的日程安排，对市场、盘面进行解读，发布个人的投顾观点，阶段性的股票池及投资组合，便于所属客户随时阅读、参与。

5、投顾签约服务。投资顾问与客户签约，提供信息资讯、投资建议、组合模拟、资产配置建议等服务，以佣金或服务费方式获取收益。

6、基金投资顾问试点业务。包括签约、客户交流、适当性管理、基金配置模拟回测与反馈、委托下单、盈亏分析、信息披露、工作留痕等。

7、客户服务评价，该功能对投顾与客户的交互程度、亲密程度、客户广度、服务频度、客户变更（数量、资产量、盈亏等）进行评价，以指导服务体系的不断完善和改良。

8、客户关联推荐，综合用户画像，投顾特性，业务关系，投顾服务相关指引，该功能自动（或半自动）为客户提供合适的、优选的投顾人员。该推荐关系应支持因多种要素的变化，包括我司相关业务规划，客户主动，投顾主动等，进行变更、扩展。（该关联推荐限制在一定的业务范围，且需建立新机制，打破投顾与客户现存的关联关系）

（二）投顾支撑体系

支撑体系的核心目标是给投顾赋能，提高投顾员工的专业能力，并以可量化的形式形成对投顾员工的综合评价。以确保投顾员工在开展客户服务过程中，充分展现证券公司投顾的专业、敬业和全面。

1、投顾知识平台，包括投研分析、资讯获取及加工。核心目标为投顾人员提供广泛的、海量的、数据化的知识支撑。具体来说，如投研报告及相关深度数据，海量互联网资讯及加工入口。

2、模拟交易，为投顾提供一个模拟开展账户投资的环境，验证投资逻辑、市场预判以及投资调整，客观体现投顾的实盘能力。

3、智能投顾，包括选股和资产配置，如多因子选股、策略选股、资讯选股、大类资产配置模型等，各类算法模型回测、试算，智能问答等。

4、投顾培训。对投顾开展知识、技能、法律法规、业务等方面的培训，可利用公司内外部资源。

（三）业务管理体系

基于证券公司具体的投顾业务开展，以及服务高净值客户的特定投顾产品的需求，投顾系统还需提供以下基础业务管理模块。

1、风控管理，包含投资报告会管理、媒体露面管理、证券黑名单管理、关键字管理等。

2、投资顾问业务竞赛与选拔。

3、业务管理。对每一项投顾业务，包括但不限于银河优顾、投顾签约、基金投资顾问业务试点等，对业务开展情况进行过程管理、结果评价，对业务开展的资格审批、合规性、适当性等进行业务管理。

4、投顾人员管理。对投顾画像及评估，根据投顾的基础信息、职业经历、服务数据、工作数据、工作业绩，客观、全视角的对投顾进行画像，并以此作为对投资顾问进行管理的依据，也作为客户关联的相关依据。

通过大数据实现证券公司智能投顾的意义

（一）客观高效，全面提升证券公司内部效率和服务水平

1、大数据可以提升存量客户的黏性

利用大数据，可以为投资者提供个性化、差异化的服务；实现营销活动的闭环，收集客户反馈，改进服务水平，提升服务质量，从而提高客户的黏性 。

2、大数据可以促进潜在客户的挖掘和向新客户的转化

利用大数据，可以通过营销活动推广、产品推介、资讯服务、Level2行情、微信图文推送等手段促进潜在客户的挖掘和向新客户的转化。

（二）深度分析客户，将合适的产品提供给合适的客户

大数据通过大数据挖掘、云计算等技术，结合相关算法对客户的交易数据、行为数据进行深度分析，从而全面“认知”用户的投资水平、风险承受能力、风险偏好、投资偏好等；同时大数据也将每个产品、服务数据化、标签化，并通过适配算法为客户提供个性化资讯产品、金融产品等，从而实现用户差异化服务。

（三）助力向财富管理转型，为行业适当性管理提供借鉴

1、大数据助力证券公司向财富管理的转型

证券公司经纪业务正在经历由传统通道业务向财富管理的转型，而大数据实现证券经纪业务客户精准营销、服务的逻辑恰恰是最符合这一转变的。大数据以客户为中心，围绕客户的特征与需求，进行客户与产品的匹配，与客户建立主动、精准、高效的连接，实现实时、精准、智慧的服务，这正解决了证券公司转型财富管理需要变产品主位为客户主位、变营销导向为客户导向的问题。

2、大数据精准刻画客户并提供匹配产品为落实适当性新规提供了路径参考

《证券期货投资者适当性管理办法》已于 2017 年 7 月 1 日正式实施，如何识别投资者并提供适当的服务已是券商等机构迫切需要解决的难题。一方面，投资者在专业水平、风险承受能力、风险收益偏好等方面存在很大不同；另一方面，证券市场、产品和服务具有非常复杂的风险等级分类，要将两者有效连接绝非易事。而大数据对客户精准的画像、并为客户提供精准的产品、服务匹配，无疑为客户与产品的有效连接提供了方法，也为行业如何落实适当性新规提供了一个可行的解决方案。

（四）国内智能投顾仍处于初级阶段，发展前景广阔

大数据在证券公司的典型应用就是智能投顾，在美国、英国等金融发达国家，智能投顾在过去几年实现了蓬勃发展。随着国际智能投顾市场开展的如火如荼，智能投顾在我国也开始了初步尝试。目前不仅应用于一批新型的互联网平台，也在证券公司端开展了相关探索。总体而言，国内智能投顾仍处于发展的初级阶段，但发展潜力极其巨大。

智能投顾平台技术架构

证券公司可以从前台、中台、后台及基础资源四个层面构建智能投顾应用技术架构。具体如图所示。

1、前台：包括投资者和公司员工，通过 Web 、 App 、微信及客户端等多种方式与系统进行交互。

2、中台：包括智能投顾系统、客户中心、产品中心。

1）智能投顾系统：为客户提供基于人工智能技术的资产配置服务，包含目标风险确定、组合构建、一键购买、风险预警、调仓提示、一键优化、售后服务报告等，涉及组合投资的售前、售中、售后全流程服务环节，实现管家式服务，提升客户满意度。

2）客户中心：统一管理客户，包含潜客与公司各业务线的客户，为他们制定统一的客户标识，进行全生命周期的管理，支持公司的协同业务；搜集客户完整信息，形成客户全景视图；对客户进行分级分类，形成多维度的分级分类体系，对不同的级别的客户提供个性化的服务；利用客户信息和分级分类，支撑精准营销，合规风控及业务协同。

3）产品中心：建设公司级产品仓库，覆盖公司全业务和全类型的产品及产品化服务，成为公司产品标准和权威的来源。提供三位一体的服务。“服务客户”既是通过渠道端向客户进行产品展示。“服务员工”既是提供产品信息管理和全生命周期运营的功能。“服务系统”既是对接系统推送产品信息，与客户中心等系统配合支持产品的营销与客户服务。

3、后台： 包括数据中心（数据仓库 + 大数据平台）及推荐引擎。

1）数据中心（数据仓库 + 大数据平台）：实现统一数据交换、统一的监管报送、完整数据视图、完善的数据管控，以及实时数据接入等功能。

2）智能推荐引擎：根据规则 / 策略模型，进行客户与产品匹配，实现智能化推荐。支持实时在线处理与离线批量处理两种方式。

4、基础资源： 包括 PaaS 平台云和 IaaS 基础设施云。

1）PaaS 平台云：采用容器云平台（基于容器技术的轻量化 PaaS 平台）。实现基于多租户机制的资源管理、应用管理、 DevOps （开发运维一体化）、权限管理、调度、日志、监控、 API 网关等服务治理等能力。为公司前、中、后台应用提供应用开发、应用托管、应用运维等能力支持。

2）IaaS 基础设施云：为公司前、中、后台应用提供计算、存储、网络等基础资源支撑。这些基础资源通过基础设施云管理平台实现监控、调度、部署及安全管控。计算资源包括物理服务器及虚拟机服务器；存储包括 SAN 存储、分布式存储、 NAS 及软件定义存储（ Server SAN 、超融合）；网络资源包括负载均衡、防火墙、路由器、交换机及有线与无线网络；公共资源则包括机房、电力、制冷、消防等设备。

关于智能投顾平台建设的几点建议

（一）建立人机合作机制，把握人机结合的平衡点

现有智能投顾虽然多数只是运用大数据技术分析进行策略推荐，有些功能的实现可能还要依赖人工辅助，但智能投顾作为未来投资理财的发展方向，随着人工智能技术的进步，其提供的策略将越来越精准，服务也将趋于个性化客户未来可以与机器人进行需求交互，通过人机合作机制实现定制的个性化服务，在风险可控的前提下，追求收益的最大化。

（二）提高产品库的质量，丰富产品供应并对产品质量进行优选

客户通过建立不同的投资组合形成不同的产品配置，可以有效分散和对冲风险。目前国内金融产品市场还不够成熟，以智能投顾形式为客户推荐的产品面更为狭窄，例如目前国内金融衍生品发展程度还不够成熟，导致客户缺少很好的对冲工具，同时，智能投顾除了为客户提供便利的操作体验外，更重要的在于优化产品质量。因此智能投顾这一渠道未来还需要加强专业人员配备，还要加强产品的穿透性管理，例如配备专业人员进行产品引入前的尽职调查、产品运作期间的持续跟踪以及产品到期时的兑付等。

（三）完善客户与产品间的“对话”，确保精准定位客户的需求

智能投顾是指利用智能虚拟机器人为客户提供金融产品投资及配置建议的一种新型服务模式，包括“客户”、“产品”及“对话”等要素。证券行业运用大数据的主要方向分为对“产品”的创新和对“客户”的深入了解，对“产品”的创新体现在通过大数据技术创设投资产品，丰富客户投资渠道；对“客户”的深入了解体现在证券公司积极结合大数据技术，针对客户进行用户画像、精准营销、运营优化和流失预警，加强与客户全生命周期的互动。智能投顾平台基于充分掌握产品要素和全面跟踪客户需求，实现客户与产品间的有效对话，即将合适的产品提供给合适的客户，实现客户与产品的精准配对。

（四）智能投顾平台可以以单项业务作为应用突破口

智能投顾平台建设是一项长期、系统的工程，需要整体规划和逐步推进。多数证券公司的大平台上线后往往难以发挥作用，甚至出现很多反面意见，原因是功能“大而全”，脱离业务实际需求。智能投顾平台应以业务为出发点，逐步搭建，把小业务平台“做好做透”，可以逐步“做大做全”。

（五）加强专业人才团队建设，提高核心竞争力

数字化时代需要的是开拓创新，不是因循守旧。传统的单体应用开发运维模式无法适应新的要求，在监管合规的要求下不是不能创新，而是要结合业务和技术积极创新，懂业务懂技术懂数据的复合型人才将是创新的核心。

很多全球性的投资公司宣称自己是科技公司，其重点就在于科技的力量。重视科技投入，并不是买多少设备多少资产，而是智力的培养，人才的培养。从组织调整以适应数字化经济数字化转型的需要，重视数据和IT资产、IT人才，以数据为驱动力，以传统业务为基础，以智力投入为重点，开创新的业务类型和服务方式。数字化转型要求企业组织活动、流程、业务模式、文化创新和员工能力的转型，尤其是即懂技术又懂业务的复合型人才的培养尤其重要。

文章来源：亿欧智库