【SAS金融】摩根斯坦利通过SAS成功实施CRM

资料狂人

26400

230

收藏 2013-09-04

在客户关系管理方面，摩根斯坦利(Morgan Stanley)的实践与应用经验值得我们借鉴。

摩根斯坦利为近260万的客户和家庭管理着5170亿美元资产，在过去以产品为导向的市场营销战略下，由于缺乏对客户需求的深入了解，摩根斯坦利采取按交易收费，按个人账户来计价和营销产品。但是随着IRA、互助基金、托管账户等新服务的不断推出，公司必须考虑如何找到盈利性的客户，并根据每一个客户的特殊需求制定有针对性的营销策略。然而“在缺乏事实的情况下，公司只能凭感觉来制定决策 -- 对于企业运营业务来说，这是很危险的。” Tony LoFrumento这样说。

为此，摩根斯坦利需要能够将深藏在各式各样平台和数据库中的数据进行抽取、清洗加工、分析和挖掘，并将其转换成易于与行政主管和财务顾问共享和访问的信息，而且这个过程需要尽可能的自动化。“市场上有大量的数据挖掘、行为分析和绩效管理应用软件，” LoFrumento 说，“我们需要可以无缝集成，以节省我们的时间、降低成本和减少问题的应用系统。” ，在进行了一系列的评估和选型之后，摩根斯坦利选择了SAS，因为只有SAS能够提供最为全面的、可以满足每项需要的解决方案。

关注最重要的客户
基于SAS，摩根斯坦利部署了一个CRM数据集市，整合了所有客户信息，从而提供了对每位客户的全面描述，这在度和详细程度方面都是前所未有的。
以拥有多个账户(IRA、定期经纪人账户等)的客户为例，在使用SAS之前，摩根斯坦利无法将客户各式各样的账户关联到一个集成的客户视图中，从而造成公司对其盈利性的客户进行多重收费 – 客户并没有享受到真正的VIP待遇。
使用SAS，LoFrumento 的小组建立了一种“家庭”模型，来观察每个客户的全部账户中的业务活动。利用该模型，可以从分析角度来全面支持计价、分级福利产品、客户分群、营销活动和客户盈利性等各种计划。

“我的财务顾问真正了解我的需要”
在SAS进入摩根斯坦利之前，财务顾问通过推荐、电话访问和批量邮件来寻找客户。

最近两年来情况发生了显著变化，现在摩根斯坦利可以得到单个客户的级别并预测其行为，如为财务顾问提供有可能对某些产品或服务感兴趣的客户清单。从而真正做到了了解客户，他们的客户现在会说，“我的财务顾问真正了解我的需要。”

最近IRA 的营销活动就是一个例子，与过去向整个客户群发送邮件不同的是， 摩根斯坦利使用预测性模型来选择适当的客户。结果是与去年同期相比，开立账户的数量增加了40%。

“借助SAS，我们获得了前所未有的有力武器，” LoFrumento 说。“现在每当获得新的营销活动请求时，我们可以迅速描述和建立最有可能响应的客户的模型、开展该项活动、然后评测结果以帮助我们了解已经完成的工作、没有完成的工作和下一次如何开展更智能的活动。”

摩根斯坦利认为，自动化和信息管理也是SAS的重要优势。以前手工跟踪一个涉及10份以上客户清单的营销活动将是一件令人头痛的事。但将它们全部装载到SAS营销活动管理工具中，就可以随时查找所需要的任何结果。

面向未来
目前摩根斯坦利已经实现了数据挖掘、客户分群、预测性建模和商业智能分析等关键功能。LoFrumento 正在实施SAS的战略绩效管理来跟踪、评测和执行公司战略。

“我们开始关注企业的绩效管理，”LoFrumento 说。“通过分析得到的数据和信息使我们可以向管理层展现我们是否实现了公司目标和策略上的关键指标。我们可以全面彻底的贯彻这些指标，上至管理层，下至分支机构甚至个人财务顾问。尤其令人兴奋的是由于结果是基于Web的，公司中的每个人都将能访问这些信息、了解被评测的领域及它们扮演的角色。如果没有 SAS的分析功能，我们根本不可能做到这一点。”

在这个竞争激烈的经纪人行业， SAS为摩根斯坦利提供了独特的优势。“这种价值是无法比拟的，” LoFrumento 说。“没有SAS提供的分析智能，企业的发展根本上是盲目的。”

金融业的SAS实际运用特训

时时间：2017年4月29-5月1日 (三天)

地点：上海市南京东路培训教室

费用：3300元 /2800元 (仅限全日制本科生及硕士研究生优惠价)

安排：上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00

我要报名

讲师介绍：

覃老师，2001年开始使用SAS进行金融产品开发和金融数据分析，曾经在某一世界500强金融企业负责产品分析和数据建模工作，使用SAS完成了很多产品开发及其数据分析的项目。

他开发的产品通过数据分析和建模体现创新性，曾领跑国内同类产品销售收入业绩多年，其利用SAS工具和金融建模思想较大程度地推进了业务的发展。

覃老师对SAS的培训有丰富的实战经验，讲授SAS课程多年，理论和实践相结合，培训学员无数，能够帮助即使是零基础的学员在短时间内掌握和使用好SAS，深刻理解金融和方法工具实现，并能学以致用，每次都受到学员高度好评。

课程目标：

不仅仅是搭建数据挖掘平台，更重要是让培训对象在理解数据所包含的业务含义的基础上进行分析工作。通过这种方法使帮助学员切实的解决了很多工作中的实际问题，提升了从数据角度去思考的能力。

课程特色：

1. 注重SAS的基础操作和数据的特征相结合，注重数据分析的理论和业务的实际理解相结合，帮助学员在短时间内掌握金融业数据分析业务最核心的解决方案和思路；

2. 使用工作中实际遇到的问题作为案例分析讲解，让学员在工作中对数据分析很快上手，提升业务的数据分析实际能力。

课程适用人群：

1.零基础学员，想涉足金融数据分析领域者；

2.在公司从事数据分析工作者，想系统地进行学习或者提高数据分析的高度和技能。

课程大纲：

一, 金融的SAS基础（上）
课程目标：掌握SAS的数据整理、变量和观测值的汇总等关键语句
1. 利用数据步进行数据获取整理：结合实例分析（含set, by, merge, put, infile, keep, retain, array等等重要语句）
2. 利用过程步进行数据汇总整理：结合案例分析（含print, means, SQL, report, datasets, sort等等重要语句）
3. 案例：全面覆盖SAS 常见的数据整理经典案例

二, 金融的SAS基础（下）
课程目标：掌握SAS的函数、编程和宏变量等关键语句
1. 利用循环与控制进行数据分析：结合实例分析（含if-then, select, do, go to, continue, leave等等重要编程语句）
2. 利用函数功能：结合案例分析（含各种重要函数）
3. SAS的宏变量（宏参数、宏函数、宏语句和宏的应用）
4. 案例：
a. 多个SAS金融常见的小案例分析；
b. 信用卡还款计算；
c. 客户交易的数据分析。

三, SAS金融的线性模型经典应用案例分析
1. 金融线性模型的SAS分析
2. 案例：
a. 中国股票市场的CAPM模型的检验（投资业绩评价、α系数、β系数）；
b. 中国股市的三因素模型分析（Fama、French）；
c. 基金经理业绩的量化比较分析；
d. 银行理财产品收益的预期比较分析。

四, SAS金融时间序列应用分析
1. 金融时间序列的基本概念和理论基础（含平稳和单位根检验、ARIMA模型、协整、误差修正模型、格兰杰检验等重要金融时间序列内容）
2. SAS金融的时期和时间的处理
3. 案例：
a. 从白噪声时间序列到ARMA序列的随机模拟；
b. 单位根检验指数实例；
c. ARIMA模型建模实例及其预测；
d. 指数的协整检验实例；
e. ECM模型的参数估计实例；
f. Granger检验。

五, SAS收益计算、收益波动率计算和最优投资组合
1. 股票收益的SAS计算（含单个股票、多股票和投资组合收益计算）
2. 固定收益证券的SAS计算（含内生收益、到期收益、债券久期和凸度的计算等）
3. 收益波动率SAS计算的各种情形
4. 线性规划和非线性规划的最优投资组合
5. 案例：多个SAS金融收益和波动率计算的案例分析、最优投资组合经典情形分析

六, 金融的SAS随机模拟和风险度量
1. 随机变量和统计抽样的分布模拟实例
2. SAS的蒙特卡罗模拟及其计算实例
3. VaR的概念、检验和度量方法
4. 案例：
a. 债券及其组合的VaR的计算实例；
b. GARCH模型在股票VaR中的计算实例；
c. 交易数据的综合分析（选讲）。

优惠：

现场班老学员9折优惠；
同一单位三人以上同时报名9折优惠；

以上优惠不叠加。

联系方式：

魏老师

QQ：1143703950