随着互联网及移动互联网的高速发展，传统证券行业也在逐步走向市场化、网络化和技术化，行业在快速变化中面临着激烈的竞争，这里既包括国家监管层面逐步放开管制、加强监督、鼓励创新的因素，也包括证券行业内部机制推进的因素，行业的与时俱进发展致使证券行业的发展，逐渐支撑起个性化、移动化、社交化的客户服务。
证券公司要在这样竞争激烈市场中保持领先地位，需要在满足监管层合规审计的要求下，以客户为中心，对内深化运营和服务，提高现有客户体验和单客户价值；对外实时了解市场和上市企业等信息，加强跨界合作，对潜在客户精准定位和营销。在这样背景下，数据成为券商提供内外竞争力的关键，只有及时准确地获得客户在内部和外部的交易行为，媒体偏好，社交内容的信息数据，才能更好的了解客户，做好营销和服务，并不断优化产品设计和运营。
证券公司内部在经纪业务、资管业务、投行业务和自营业务中存在各个系统，例如股票交易系统、理财交易系统、用户开户系统、客服系统等。同时，在各个业务中又存在各种角色，如用户，上市公司、融资方、出资方、托管行等。这些角色在各个系统每时每刻都在产生着各种结构的数据。当然，移动互联网发展的今天，券商行业自然有网络侧相关数据集，例如用户购物行为、媒体资讯浏览等信息，这些数据同样需要纳入大数据平台处理和联动分析。
为支撑应用建设，需要考虑大数据基础架构和大数据分析等技术问题。其中大数据架构包括数据仓库的数据模型和标签库能力、包括Hadoop平台的非结构化数据处理问题、包括类似于MongoDB的非关系型数据平台处理外部资讯信息等；而大数据分析技术则主要围绕客户细分、客户服务、产品营销、市场渠道优化，运用新型的大数据分析手段和工具，统计分析、多维分析、数据挖掘的综合运用。
我们看到，数据湖和大数据分析主要围绕客户、产品、市场、渠道和交易开展一系列应用产出。像分析型应用主要有投顾服务优化、MOT营销及威信、管理层数据分析、精准营销分析等方面，在面向中高端客户群、面向一线经理、面向管理层以及大众客户等方面都有一定建树。
比如：像股票、投资理财、投顾服务等各个业务，涉及到交易、风控、清算等系统的数据都是用户在各个触点、场景下的痕迹，对这些数据进行拉通和分析，可以掌握用户在该券商所处的生命周期，从而进行针对性运营。
比如：如何通过产品、咨询、投资建议的个性化推荐，提升用户体验？面对越来越多的投资选择，用户的选择困难症凸现。如何让用户在最短的时间找到自己需要的产品，这就需要强大的推荐引擎给用户提供实时的“千人千面”的跨屏、跨站的个性化产品资讯推荐和服务，自然需要先前所获取的客户标签和行为偏好。
再比如：如何及时准确地感知市场，保持竞争力呢？这可能又需要市场舆情指数集，通过对重大事件预警从而支持证券公司业务板块的实时监控。涉及到舆情监控、新闻媒体资讯内容等数据的获取和加工。
大数据产业的发展非一朝一夕，券商行业的生态发展也绝非至于技术有关，虽然我们