企业BI系统应用_证券公司运营数据分析系统

发布时间：2021-01-14      游览量：3381

• 可视化分析工具数据可视化分析软件有哪些可视化分析软件

 这是一篇不到5000字的特约文章，以券商行业数据分析开始，为读者介绍了证券公司的基本业务和运营管理的简单思路，对于广大刚接触证券行业的读者是比较好的入门指引。 

一、行业背景

根据证监会的相关信息，截至2015年底国内的券商数量约120家（其中约有24家是子公司），按其注册城市统计，超过2家以上的城市如下（其余的均不超过2家），位于前三位的自然是上海、北京和深圳。而每个券商都有营业部，忽略公司注册地因素，上海、北京和深圳的营业部数量分别是613、364和305，占全国营业部总数（7000）的将近20%；然而从省份分布上，广东1015、浙江638、江苏621分列前三名，上海和北京位居第四和第五。由此可见国人尤其南方对于资本市场的热衷程度了！

券商众多，自然参差不齐，根据《证券公司分类监管规定》，经证券公司自评、证监局初审、中国证监会证券基金机构监管部复核，由中国证监会证券基金机构监管部、证监局、自律组织、证券公司代表等组成的证券公司分类评价专家评审委员会会定期对证券公司进行评价分类。这个分类不是对证券公司资信状况及等级的评价，而是证券监管部门根据审慎监管的需要，以证券公司风险管理能力为基础，结合公司市场竞争力和合规管理水平，对证券公司进行的综合性评价，主要体现的是证券公司合规管理和风险控制的整体状况。

证券公司分为A（AAA、AA、A）、B（BBB、BB、B）、C（CCC、CC、C）、D、E等5大类11个级别。A、B、C三大类中各级别公司均为正常经营公司，其类别、级别的划分仅反映公司在行业内风险管理能力的相对水平。D类、E类公司分别为潜在风险可能超过公司可承受范围及被依法采取风险处置措施的公司。

证监会要求证券公司不得以评级进行广告宣传，但作为老百姓，通过监管部门比较客观的分类评价，应该也可以了解自己所选择的券商在行业内处于什么状态。当然除了这个评级，也可以从券商的成立年限上看看其经验值。

比如我们看下面这个分析，所基于的数据是2015年证监会披露的券商“净资本”数据。证券领域中，净资本是衡量证券公司资本充足和资产流动性状况的一个综合性监管指标，通过对证券公司净资本情况的监控，监管部门可以准确及时地掌握证券公司的偿付能力，防范流动性风险。（补充信息：根据《证券公司风险控制指标管理办法》规定，证券公司经营经纪业务的，其净资本不得低于人民币2000万元；证券公司经营证券承销与保荐、证券自营、证券资产管理、其他证券业务等业务之一的，其净资本不得低于人民币5000万元；证券公司经营证券经纪业务，同时经营证券承销与保荐、证券自营、证券资产管理、其他证券业务等业务之一的，其净资本不得低于人民币1亿元；证券公司经营证券承销与保荐、证券自营、证券资产管理、其他证券业务中两项及两项以上的，其净资本不得低于人民币2亿元。）

横轴是成立年数，越靠右侧历史越长；纵轴是员工数量（可等同于营业部理解），越靠上公司规模越大，圈大小表示“净资本”指标，净资本最大的10家券商加上了其名称标签。

通过这个直观的可视化分析，我们可以看到成立时间不到10年，但人数规模和净资本实力排名靠前的“银河证券”（Smartbi的产品用户，对数据分析非常重视），其具体的营业收入和净资本均排第6名。数据分析不能脱离具体背景（业务），银河证券这个法人实体确实才2007年1月成立，但其是通过收购已有相关业务发展起来的，所以可以说有实力的顶尖10家券商，都是有着15年以上的经验。

券商如此之多，而且行业处于较低发展阶段时，作为证券公司的高层决策者，如何集中精力解决当前最关键的问题，就离不开对运营数据的统计分析，离不开对运营现状的及时掌控！

二、 数据分析框架

数据分析从应用的层面，就是“什么数据”和“分析思路”的问题，而从因果关系上看，首先要梳理“分析思路”，即希望从数据分析中得到哪些（效益）提升与（管理）改进。同时在梳理过程中，遵循的也是常识——抓大放小，把握主要矛盾。等指标的监控分析层层责任到管理体系后，再全面精细化，否则就是眉毛胡子一把抓了！

证券公司虽然很多，但整体行业有比较类似的业务形态和统一监管，因此业务与管理模式比较类似，从证监会公开的数据上可以看到，对证券公司比较重要的业务有：代理买卖证券业务（49%）、证券投资收益（25%，以前被称为自营业务）、融资融券业务（11%）。效益的发生离不开人（组织机构），证券公司都是设有总部及营业部的，大的证券公司还有分子公司，因此效益的提升也主要落在营业部的客户经理（销售）上。提到客户经理，自然就会想到ACRM（大数据精准营销），但由于篇幅局限此文定位于自身经营管理，这个独立的话题择机再议。

然后考虑一下管理的提升，可以站在总部的角度考虑——部门级财务绩效和人才管理体系，也可以把风控体系作为独立内容，或者融合到部门、个人当中。于是数据分析的主要板块就可以确定下来：经纪业务、证券投资、融资融券、财务绩效、人力资源。名称简化的好处是便于沟通、易于UI设计，尤其是在移动设备展现的场景下。

2.1.经纪业务

经纪业务最为广大投资者熟悉，为投资者提供代理买卖证券服务。在公司总部一般有经纪业务总部，管着全国几十个或者几百个证券营业部，而这些证券营业部通过现场或者非现场的方式给投资者提供了股票、基金买卖的平台。证券公司按照国家规定从中收取佣金（手续费）。

我们都知道佣金=交易量*佣金费率，从这个简单的公式上，可以产生什么具体分析思路呢？

- 经纪业务（佣金）是证券公司之间拼抢的主要领域，争取更多的人来开户，自然是首先重要的！

- 开户的人多了，只能说明交易的可能性有了保证，但是否交易量足够大呢！

- 同样的交易量，佣金费率的高低就成了决定因素！

- 思考一下：佣金费率对交易量（开户数）是否有决定性的影响？

- 从管理角度，哪些分公司或者客户经理做得如何！

于是按照业务的因果关系，我们可以确定“新增开户数”、“活跃账户数”、“股基交易量”、“股基市占率”、“佣金费率”、“保证金”等指标，至于使用哪个作为证券公司的KPI，就看管理者自己的关注重点了。

2.2.证券投资

证券公司作为一级市场IPO的承销商，二级市场股票交易的经纪商，自然拥有一批行业内的资深从业人员，那么对于资金巨大的资本市场，自身作为投资主体，买卖证券产品的冲动自然不可忽视。其买卖的证券产品包括在证券交易所挂牌交易的A股、基金、认股权证、国债、企业债券等。

对投资做数据分析，也只能从管理的角度进行统计和对比，是不可能从“效益”上收获提升的。为什么呢？如果通过数据分析可以提高收益率的话，那么每个投资人（不仅仅是证券公司）就都可以赚钱了，这个是绝对不可能出现的，都赚钱的话，赚的钱从哪里来呢？干脆我们来说说证券公司作为投资主体的特殊之处吧。因为证券公司的投资规模大，而同时又掌握着“信息”，所以投资过程有各种紧箍咒，比如双十规定、公平交易原则、投资额度的分级审批，以及风险合规的各种监察预警。

当然从管理上看的话，股票自营、债券自营等不同的投资类型，可以对比同期间内投资回报的情况，责任到投资经理也就差不多了。

2.3.融资融券

融资融券交易(securities margin trading)又称“证券信用交易”或保证金交易，是指投资者向具有融资融券业务资格的证券公司提供担保物，借入资金买入证券（融资交易）或借入证券并卖出（融券交易）的行为。其基本的业务流程见下图：

注：该图来自网络

参考经纪业务的思路，融资融券也是需要“客户”来开户，并通过客户的交易收取佣金，不同的是佣金并不是主要的收入来源，而是“利息”。从分析思路上，一般会关注“信用开户”的数量、交易额度及担保情况、息费和佣金收入三个方面。

- 信用开户数多，自然是再好不过的事情，因为这是最基础的条件。

- 这些开户的客户，担保额度多大？交易的额度又有多大？只要在风险能承担的范围内，也是越大越好（融资/融券市场占有率）。

- 有了交易活跃的信用客户，佣金自然是先获得的，息费后续也会落袋为安。

2.4.财务绩效

证券公司的财务除了普通公司的指标以及按科目统计的数据外，还要考虑证监会的统计需求，包括净资产、营业收入、净利润、营业成本、人均创利、净资本等。相对特殊的是净资本，它是主要用于券商、基金、期货、投资公司等金融类机构的指标，等于净资产-各类资产风险调整项，具体有风控指标标准指导。

前面已经列出了2015年净资本排名的前10名券商，他们的人均创利是多少呢？（从证监会直接公开的数据上看，应该不是用净利润/员工人数的，因为有高达700万的人均创利）因此暂且用2015年的净利润除以员工总数（从网上搜索得到）如下。这10家券商的平均人均创利是150万左右，范围从100万左右波动到200多万，如果自己处于的是这个梯队，管理者就可以把150万左为衡量自身管理水平的“基准值”。

人均创利等指标从整体公司来说是比较综合、概括的评价，但并不适用于部门级绩效的考核，尤其对中后台的风险管理部、法律合规部、清算托管部、信息技术部等等。但每个部门都有自己的职责，或者说稳定的职责，因此设计一些纵向同比的绩效指标也是可行的。这就好比每家孩子都有自己的特点，因材施教才能激发其内在的潜力，而不能拿最优秀的孩子来衡量其他的孩子。这个逻辑对营业部也是一样的，虽然都是相同的业务形态，但由于所处于的地域不同，或者说细分市场容量不同，放在一起比较不太合适，只能做个了解（看看组成结构），主要还是看同比、环比的指标，用同比、环比进行横向的比较！

2.5.人力资源

事在人为，良好的人力资源体系一定是所有业务增收的基础。如果各方面管理跟得上，只要人均创利符合预期，就可以扩大规模引进人才。人力资源通常说有六大模块，其实跟数据分析关系不大，一般就是对员工的学历、职级等结构进行统计。前文说过财务绩效和人力资源都是针对管理改进的提升，那就要从“问题”（痛点）着手。

如果管理者希望通过内部培养发展人才，就要做好面向应届毕业生的选拔和符合职位体系的培训、考核工作；如果管理者希望减少人才的流失，就要做好职业规划和薪酬激励工作…总之坦率的说，数据分析给人力资源管理很难带来本质的提升。除非能改变思路，把员工作为“内部客户“，也在类似客户关系管理的ERM（Emloyee Relation Management）上有全新的突破才有可能解决“员工流失”、“员工评级”等管理难题。

说到流失，对于证券公司影响最大的肯定是客户经理，尤其CRM系统很难取代人际关系，对客户经理特定人群的数据分析还是有些必要的，比如客户经理的业绩数据、职级发展轨迹等等。

三、移动应用示例

根据行业的分析和实施的经验，我们从运营管理的角度用Smartbi电子表格版软件（充分发挥了微软Excel等Office工具能力）设计了适用于证券公司管理层的移动管理驾驶舱，希望能对相关高管有所启发。

iPad端移动管理首页

iPad是Smartbi早在2012年就成功应用于南方电网等客户的，虽然后续还有更多案例，但大多数客户还是喜欢手机APP的移动管理驾驶舱。毕竟没有几个领导会带着iPad“移动”，因此下面的分析采用iPhone示意：

经纪业务的手机APP管理报表

融资融券的手机APP管理报表

融资融券的手机APP管理报表

人力资源的手机APP管理报表

四、总结

本文作为证券公司运营数据分析的概述，简单说明和示例了管理层可能关注的主要内容。

在大数据越来越被认可的今天，还可以通过爬虫等各种技术延展数据的宽度，带来更多的分析思路。尤其在客户精准营销、客户个性化服务、客户流失挽留、情报分析预警、大数据风控等方面可以做到很多有意义的效果，为证券公司逐步提升行业竞争力提供保驾护航。