首創證券：數智化運營平臺項目

來源：鑫智獎·2025第六屆金融機構數智化轉型優秀案例評選

獲獎單位：首創證券

榮獲獎項：數字運營優秀案例獎

一、項目背景及目標

市場分析：傳統的標準化產品推薦模式已無法滿足不同層次客戶的需求，財富管理業務必須向數據驅動、智能決策的方向演進。然而，在這一轉型過程中，證券公司在數據整合、營銷效率、客戶運營等方面仍面臨諸多痛點，亟需借助前沿技術手段實現突破。

項目目標：針對上述痛點，我司明確了數字化轉型的目標，即構建一個集數據整合、智能營銷、客戶生命周期管理于一體的數智化運營平臺。該平臺需要具備以下核心能力：一是打通各業務系統的數據壁壘，實現客戶數據的統一管理和實時更新；二是支持自動化營銷策略的部署，提升營銷效率和轉化率；三是提供可視化的數據分析工具，幫助業務人員快速洞察客戶行為并優化運營策略。

二、創新點

（1）客戶數據管理與標簽體系建設

平臺的第一大核心功能是構建統一的客戶數據管理體系，打通內部各業務系統的數據壁壘，實現客戶信息的全面歸集和動態更新。通過OneID技術，平臺將客戶在不同渠道的行為數據進行關聯，形成統一的客戶標識，確?？蛻舢嬒竦耐暾院蜏蚀_性。同時，平臺基于多主體構建標簽體系，涵蓋用戶行為、群體特征、行業屬性和內容偏好等多個維度，為后續的精準營銷提供數據支撐。

（2）營銷自動化與策略配置

在營銷自動化方面，平臺支持多種營銷場景的自動化執行，包括客戶激活、產品推薦、客戶留存等。運營團隊可以通過可視化界面進行人群圈選、策略配置和消息推送，無需依賴技術人員即可完成復雜的營銷任務。此外，平臺還支持組合式流程畫布，允許運營人員自由設計營銷流程，如觸發條件、動作執行、結果反饋等，確保營銷策略的精準執行。

（3）數據可視化與策略優化

平臺內置多維度數據分析模塊，支持運營團隊實時查看營銷效果，并進行歸因分析。通過數據看板，運營人員可以直觀地了解策略執行進度、轉化率、客戶留存情況等關鍵指標，從而及時調整營銷策略。同時，平臺引入AB測試機制，允許并行實施多種策略，對比不同方案的效果，篩選出最優策略并快速推廣，提升營銷ROI。

（4）智能推薦與個性化運營

基于AI算法，平臺能夠自動識別客戶的興趣偏好，并提供個性化的產品推薦。例如，對于新客戶，平臺可以根據其風險承受能力和投資偏好，推薦適合的投資產品；對于活躍客戶，則可以根據其歷史交易記錄，提供定制化的建議。此外，平臺還支持智能客服和數字人交互，提升客戶互動體驗，降低人工服務成本。

（5）信創化與安全合規保障

2022年9月底“國資發79號文件”提出了要在2027年底前實現所有中央企業的信息化系統安全可靠的信創替代。在此背景下，數智化運營平臺在設計之初就充分考慮了信創化的要求，采用國產數據庫、中間件和操作系統，確保核心技術自主可控。同時，平臺嚴格遵循金融行業的合規標準，支持數據脫敏、權限控制、審計追蹤等功能，保障客戶數據的安全性和隱私保護。

三、項目技術方案

平臺的整體架構設計遵循“數據驅動、智能運營、敏捷響應”的原則。平臺的基礎架構采用分布式云原生架構，以支持高并發訪問和彈性擴展。數據存儲與處理層面，平臺使用Kafka進行實時數據采集，Flink用于流式計算，同時集成自研OLAP引擎，以實現億級數據的秒級查詢與分析。此外，平臺還內置多種AI模型，包括私域Lookalike、聚類分析、回購預測等，以支持精準營銷和客戶生命周期管理。整體架構的設計充分考慮了靈活性、可擴展性以及安全性，確保平臺能夠適應未來業務規模的增長和市場需求的變化。

（1）極速查詢引擎：BitEngine與分布式Join優化

在海量數據環境下，如何實現高效的查詢和分析是平臺面臨的核心挑戰之一。為此，平臺采用了BitEngine引擎，通過BitMap64類型將集合運算轉化為位運算，大幅提升了查詢性能。相比傳統的Array或用戶表查詢方式，BitEngine的速度提升了10-50倍，確保了業務查詢的秒級響應。此外，平臺還引入分布式Join技術，利用多節點并行處理復雜關聯查詢，與BitEngine配合，進一步提升了查詢效率和準確性。

（2）CDP實時全鏈路能力：Flink + KV數據庫預計算

客戶數據平臺（CDP）是平臺的核心組成部分，負責客戶數據的實時接入、處理與應用。平臺基于Flink引擎實現實時數據處理，結合KV數據庫的預計算能力，確保數據能夠實時流轉并應用于營銷策略。CDP支持實時標簽構建、分群圈選、信號推送等功能，具備高并發單點查詢的能力，同時支持靈活的任務配置和數據消費策略，滿足多樣化的業務需求。

（3）大模型驅動數智營銷：智能圈群與AIGC賦能

隨著生成式AI和大模型技術的興起，平臺積極引入相關技術，以提升營銷的智能化水平。其中，智能圈群功能允許運營人員通過自然語言交互定義目標人群，并結合活動推薦特征，從人群包和歷史樣本中提取高轉化特征，給出圈群建議。此外，平臺還利用大模型進行畫像解讀，輔助企業科學決策。在個體畫像與營銷賦能方面，平臺支持智能話術推薦，并結合AIGC技術實現文生文案、圖生視頻以及數字人創作，大幅提升營銷內容的生產效率和個性化程度。

四、項目過程管理

POC驗證階段：3個月；測試環境部署及測試：2個月；生產環境部署及測試上線：2個月。

五、運營情況

2024年4季度，歷時三個月，項目組成功完成了階段性POC驗證。通過POC測試，不僅驗證了平臺功能的可用性和技術部署的可行性，更在效率提升、成本控制、資源優化等方面展現出強大的賦能能力，為后續平臺全面應用奠定了堅實基礎。

2025年初，項目組推進完成生產環境正式上線工作。截至目前，系統正式運行穩定，已面向公司各業務部門同步推廣和使用，并取得了以下顯著的技術成果和業務價值提升。（1）實現多主體分層分類洞察；（2）促使運營效率顯著提升，策略上線周期從“月”壓縮至“天”同時顯著降本增效；（3）單策略成本從10萬+ 降至0元；（4）實現客戶信息的全面歸集和動態更新。

六、項目成效

（1）功能滿足公司標準，實現多主體分層分類洞察

完成客戶數據平臺、營銷自動化平臺和增長管理平臺部署，在技術層面具備良好的可部署性，在應用層面也達到了我司使用標準。特別是在多主體分層分類洞察方面，平臺能夠基于OneID技術對客戶身份進行統一識別，并結合豐富的標簽體系，支持從客戶行為、交易偏好、生命周期階段等多個維度進行精細化分析。這一能力能夠在財富管理業務中實現以下關鍵突破：

客戶畫像動態更新：實時捕捉客戶行為軌跡，構建完整、準確的用戶畫像。

客戶分群精準觸達：基于客戶特征進行智能圈選，實現差異化策略配置。

跨部門協同運營：打通大財富條線不同業務板塊的數據壁壘，推動客戶資源共享和統一運營。

監管合規支持：平臺內置數據脫敏、權限控制等功能，確?？蛻魯祿褂玫暮弦幮?。

整體來看，平臺的功能設計完全契合公司在客戶管理、營銷運營、數據治理等方面的業務需求，具備較強的適配性和擴展性。

（2）運營效率顯著提升，策略上線周期從“月”壓縮至“天”

首創證券圍繞“客戶服務覆蓋度”“基礎能力補齊”“營銷標準化”三大目標，制定了多個運營策略并推動運行。傳統模式下，策略從設計到上線通常需要以月為單位的開發周期，涉及多個部門的協作和系統改造，流程繁瑣、響應遲緩。通過數智化平臺的可視化策略配置工具，實現了運營策略的快速搭建和靈活調整。運營人員無需依賴技術人員即可完成人群圈選、策略制定、消息推送等操作，極大提升了策略執行效率。具體成效如下：

策略上線周期縮短：由原來的平均1個月縮短至最快1天內完成上線。

策略迭代更加敏捷：根據數據反饋及時優化策略內容，形成“測試—反饋—優化”的閉環機制。

運營流程標準化：通過統一平臺集中管理策略，減少人為干預，提升運營一致性。

團隊協作效率提升：業務、產品、技術團隊在平臺上實現高效協同，降低溝通成本。

這一效率的躍升，標志著在運營領域邁入了一個全新的智能化、敏捷化階段。

（3）顯著降本增效，單策略成本從10萬+ 降至0元

當前階段最突出的成果之一，是平臺在成本控制方面的巨大優勢。傳統的營銷策略建設往往需要定制化開發，每條策略的開發成本高達10萬元以上，且一旦上線后難以靈活調整，二次開發成本高昂。而在數智化運營平臺的支持下，可實現了策略的零代碼配置，徹底改變了原有的高投入、低靈活性的策略開發模式。具體表現為：

策略開發成本歸零：通過拖拽式界面即可完成策略配置，無需額外開發資源。

策略調整靈活便捷：可根據實時數據反饋隨時修改策略邏輯，避免重復投入。

資源復用率提升：歷史策略模板可直接復用或復制，提升策略開發效率。

ROI持續優化：通過AB測試機制篩選最優策略，提升營銷轉化效果，進一步放大投資回報率。

數智化運營平臺在公司業務場景下，展現了高度的適配性，更在效率、成本、資源、協同等多個維度展現了強大的賦能效應。

七、經驗總結

（1）方法論提煉：可復用的數字化轉型框架

我司在數智化運營平臺的建設過程中，積累了一系列可復制、可推廣的方法論，希望可為證券行業財富管理業務的數字化轉型提供參考。

首先，數據整合是數字化轉型的基礎。證券行業普遍面臨數據孤島的問題，客戶信息分散在不同的業務系統中，難以形成統一的客戶畫像。我司通過CDP（客戶數據平臺）的建設，實現了客戶身份的統一識別，并利用OneID技術打通多源數據，為精準營銷和客戶生命周期管理奠定了基礎。這一經驗表明，券商在推進數字化轉型時，應優先考慮數據治理與整合，建立統一的數據資產管理平臺，以確保客戶數據的完整性、準確性和實時性。

其次，自動化營銷是提升運營效率的關鍵。傳統的營銷方式依賴人工篩選客戶、制定策略，效率低且難以適應市場需求的變化。我司通過營銷自動化引擎的建設，實現了營銷策略的靈活配置與自動化執行，使得營銷活動的落地周期大幅縮短。這一實踐表明，券商應積極引入自動化營銷工具，結合AI算法和大數據分析，提升營銷的精準度和響應速度，從而降低運營成本，提高客戶轉化率。

第三，智能決策支持是優化業務策略的核心。在數據驅動的財富管理時代，業務決策必須基于實時數據反饋，而非單純依賴經驗判斷。我司通過數據分析與決策支持中心的建設，使得業務團隊能夠快速獲取營銷活動的歸因分析結果，并據此優化策略。這一經驗表明，券商應加強數據分析能力的建設，引入先進的BI（商業智能）工具和AI模型，幫助業務人員從海量數據中提取有價值的洞察，實現科學決策。

第四，信創化體系是保障信息安全與自主可控的前提。隨著國家對金融行業信創化的要求不斷提高，證券行業必須加快國產化替代進程。我司在數智化運營平臺的建設過程中，全面采用國產化技術棧，確保系統的安全性與可控性。這一經驗表明，券商在推進數字化轉型時，應同步考慮信創化建設，采用符合國家戰略的技術路線，以應對未來的政策要求和技術挑戰。

（2）行業發展路徑建議

基于我司的實踐經驗及行業共性挑戰，未來證券行業財富管理的數字化轉型可遵循以下發展方向：

構建以客戶為中心的智能運營體系。券商應圍繞客戶生命周期，打造端到端的智能運營體系，涵蓋客戶獲取、激活、留存、轉化等各個環節。通過數據驅動和AI技術，實現精準營銷、智能投顧、個性化服務等能力，提升客戶體驗和滿意度。

強化數據智能與AI能力。券商應加大對數據智能和AI技術的投入，提升數據分析能力，推動營銷、風控、投研等業務的智能化升級。例如，可以利用機器學習模型進行客戶流失預警、市場趨勢預測，提升決策的科學性和前瞻性。

推動信創化與自主可控體系建設。券商應積極響應國家信創戰略，逐步替換國外軟硬件，采用國產化技術棧，確保系統的安全可控。同時，應加強與國內信創廠商的合作，共同探索適用于金融行業的信創解決方案。

建立開放合作生態：數字化轉型不僅是技術升級，更是業務模式的重構。券商應積極與科技公司、高校研究機構、第三方服務商等建立合作關系，共同探索創新應用場景，提升技術能力和市場競爭力。

注重組織變革與人才培養。數字化轉型不僅僅是技術問題，更是組織變革的過程。券商應優化內部管理機制，打破部門壁壘，促進數據共享與業務協同。同時，應加強員工數字化素養培訓，培養復合型人才，以適應數字化時代的發展需求。

通過以上路徑，證券行業可以更好地應對數字化轉型帶來的挑戰，實現財富管理業務的高質量發展，并在激烈的市場競爭中占據領先地位。

更多金融科技案例和金融數據智能優秀解決方案，請在數字金融創新知識服務平臺-金科創新社案例庫、選型庫查看。