
数据挖掘有三大步骤
第一数据筹备,第二数据挖掘,第三结果表达和解释。数据筹备包含数据集成,数据选择,目标数据预处理。数据挖掘主要是对预处理后的数据进行挖掘。结果表达和解释即我们所说的结果可视化。
航空客户信息,包含会员档案信息和其他乘坐航班记录信息等。识别客户价值的最广泛的模型是通过RFM模型来识别出高价值的客户:
Recency: 最近消费时间间隔
Frequency: 消费频率
Monetary: 消费金额
然而,同样的消费金额的不同旅客对航空公司的价值不同,例如买长航线、低等仓的旅客和买短航线、高等仓的旅客消费金额相同 ,但是价值却是不同的。显然后者更有价值。因此这个指标可能不合适,故选择客户在一定时间内的飞行里程M和乘坐舱位所对应的折扣系数C。同时,因为航空公司会员的加入时间一定程度上可以影响客户价值,所以我们在航空公司客户价值分析模型中添加客户关系长度 L,当做区分客户价值的另一个指标,所以我们构建出LRFMC 模型。
L:会员入会时间距观测窗口结束的时间
R:客户最近一次乘坐公司分级距观测窗口结束的时间(月数)
F:客户在观测窗口内乘坐公司飞机的次数
M:客户在观测窗口内累计的飞行里程
C:客户在观测窗口内乘坐舱位所对应的折扣系数的平均值
使用聚类分析的方法把客户进行分类,并且分析客户群的特征,分析客户价值。
>>>>
第一步:数据抽取
(1)以 2014年3月31日为结束日期,选取宽度为两年的时间段作为分析观测窗口,抽取观测窗口内有乘机记录的所有顾客的详细资料形成历史数据。对于后来新增客户信息利用数据中最大的某个时间作为结束时间,采用同样的方法进行抽取,形成增量数据。
(2)根据末次飞行日期从航空公司系统内抽取 2012年4月1日至 2014年3月31 日内所有所有乘客的详细数据,共 62988 条记录。
>>>>
第二步:数据探索分析
在原始数据中存在票价为空的情况,票价为空值的数据有可能是航空客户未有乘机记录造成的。票价最小值为 0,折扣率最小值为 0,总飞行里程不为 0 的数据有可能是顾客使用 0 折机票或者是使用积分兑换的机票造成的。
>>>>
第三步:数据预处理
(1)数据清洗:从航空公司业务和数据挖掘建模需要考虑筛选出需要的数据。
A)不需要票价为空的数据。B)不需要票价为 0,平均折扣率不为 0,总飞行里程不为 0 的数据。
(2)属性规约。在原始数据中数据属性太多,我们只需要与LRFMC 模型相关的 6 个数据属性,所以我们需要删除不相关,弱相关和冗余的数据属性。
>>>>
第四步:建构模型
构建航空公司客户价值分析 LRFMC 模型
A:客户 K-Means 聚类分析
采用 K-Means 办法对所有客户数据进行聚类分析,将客户数据聚为 5 类。(具体情况具体分析,必须依据实际状况决定分几类)
B:客户价值分析
对聚类结果进行属性分析:顾客群 1 在 L、M 属性上最小;顾客群 2 在 R 属性上最大,在 F、M 上最小;客户群 3 在属性 F、M 上最大,在 R 上最小;客户群 4 在属性 L 上最大;客户群 5 在属性 C 上最大。
根据航空公司业务定义为五个等级的客户类别:重要保持客户,重要发展客户,重要挽留客户,普通价值客户,低价值客户。根据每种客户群类型的特征对客户群进行客户价值排名,以便获得高价值客户的信息。
C:模型应用
根据每种客户群的特征,可以采取更多个性化服务和营销策略。
随着数据量爆炸式的激增,数据挖掘技术与工具将得到更广泛的使用和发展。航空业的下一个大动作就在大数据和大数据挖掘分析领域。航空企业将通过数据分析了解旅客细分、旅客趋势,找到将信息变成吸引旅客、增强旅客忠诚度的产品和服务。
今天,航空业在大数据捕捉和分析领域还不是走在前面的行业,但十年后,航空业也许成为这一领域的领头羊。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23CDA 一级:开启数据分析师职业大门的钥匙 在数字化浪潮席卷全球的今天,数据已成为企业发展和决策的核心驱动力,数据分析师 ...
2025-06-23透视表内计算两个字段乘积的实用指南 在数据处理与分析的过程中,透视表凭借其强大的数据汇总和整理能力,成为了众多数据工 ...
2025-06-20CDA 一级考试备考时长全解析,助你高效备考 CDA(Certified Data Analyst)一级认证考试,作为数据分析师领域的重要资格认证, ...
2025-06-20统计学模型:解锁数据背后的规律与奥秘 在数据驱动决策的时代,统计学模型作为挖掘数据价值的核心工具,发挥着至关重要的作 ...
2025-06-20Logic 模型特征与选择应用:构建项目规划与评估的逻辑框架 在项目管理、政策制定以及社会服务等领域,Logic 模型(逻辑模型 ...
2025-06-19SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的利器 在数据分析的众多方法中,Mann-Kendall(MK)检验凭借其对数据分 ...
2025-06-19