证券行业是中国计算机应用高度密集的行业之一，较高的信息化水平使其积累了大量的数据，既有企业内部的数据，如财务状况、经营状况等，又有来自外部的客户账户信息、客户交易数据、股票市场信息、上市公司信息等。其中，客户相关数据挖掘利用是券商摆脱低层次的同质化竞争，走出差异化服务优势的重要途径。本文将重点分析证券行业在客户数据分析方面的应用情况，并尝试提出初步建设方案。
互联网金融风生水起的背后，大数据功不可没。大数据现在不仅仅是IT行业的一个炒作的概念，更像是一场IT界的全民运动。迪奥科技协手国内知名证券公司也已经在大数据领域进行了一些探索。
2016年，由迪奥科技自主开发的“大数据证券客户特征预测”（简称“行为特征预测”）问世。根据客户历史交易行为，为每一位客户打上交易行为特点的标签；根据客户流失概率的预测。海通证券通过对近千万样本客户、全程交易记录的数据进行分析，建立了客户分类、客户偏好、客户流失概率的模型。该项技术开发时的最大初衷，是希望通过客户行为的量化分析，测算客户将来可能流失的概率，为客户维系与挽留工作提供有力的支持。
此前，券商挽留客户的做法无非是降低其佣金，但最终得到的往往是一个无效客户。通过这样一个模型，可确定客户类型和特点，为他们提供特定服务，比如，已经发现了购买某一商品的客户特征，就可以向那些具有同样特征但还没购买该商品的客户进行推销；又比如找到流失客户的特征，然后对那些还未流失、但具有同样特征的客户进行针对性弥补。
典型应用主要包括：
Ø 交叉销售
Ø 账户分析（如资产贡献、忠诚度、盈利率、持仓比率等）
Ø 购物篮分析
Ø 市场分割
Ø 个性化服务
Ø 欺诈行为检测
Ø 风险评级
Ø 信用评级
Ø 客户流失预测
