如何在竞争日益激烈的证券行业做好客户的服务工作,同时致力于适当性管理中的客户分类方法创新,建立科学有效的分类方法和流程,并在证券公司大力推广和应用,以此作为我们所研究的主要目标;将客户的交易或者自然属性数据进行指标化,选择适当的数据挖掘平台和数据挖掘算法,用其对证券客户的各种行为数据进行分析,并根据分析结果对客户进行分类,这不仅仅有助于帮助我们了解客户,更有助于帮助投资者树立科学的投资理念,证券营业部可以根据我们的客户分类结果合理地引导客户的投资行为,为证券公司适当性服务的深入开展打下坚实基础,同时提高服务竞争力,增强客户的忠诚度。利用数据仓库实现客户交易行为数据的存储和基础指标体系的建设上,采用主成分分析理论选取指标、K-means聚类算法对客户偏好分类建模、分别针对证券客户产品偏好和交易时机偏好进行多角度聚类、聚类结果重新划分等先进技术,建立客户偏好模型。客户偏好模型的数据选择客户基本信息和客户交易的真实数据作为基础指标体系,在数据仓库基础上,通过数据挖掘技术建立包括客户偏好分析模型。在实施方面,通过选取历史库中2011年初的三个月客户行为数据,包括客户委托流水数据、客户交易流水数据、客户资金流水数据、客户每日持仓明细数据、客户每日交易结算资金数据、证券行情信息数据、证券信息数据、客户基本资料信息数据等,进行客户偏好分析,数据挖掘算法选取了系统聚类法(分层聚类)、非系统聚类法,尝试了上述两种算法和技术,通过比较最后选择了K-means聚类方法建立最终模型并证明选取的算法是有效的。模型建立后经过客户行为数据验证证明是有效的,并简要地通过证券公司销售的某一只产品数据进行应用展示,体现了提高客户偏好分类的准确性和有效性的现实意义。