淺談數(shù)據(jù)挖掘?qū)娇諗?shù)據(jù)統(tǒng)計(jì)工作的創(chuàng)新

王佳麗

摘 要：數(shù)據(jù)挖掘技術(shù)是一門(mén)全新的信息處理技術(shù)，其能夠從海量的數(shù)據(jù)中根據(jù)設(shè)定的挖掘目標(biāo)來(lái)挖掘有價(jià)值的信息。航空公司在運(yùn)營(yíng)過(guò)程中需要涉及眾多數(shù)據(jù)統(tǒng)計(jì)的工作，將數(shù)據(jù)挖掘技術(shù)應(yīng)用在其中就能夠有效提升數(shù)據(jù)統(tǒng)計(jì)工作效率，使得數(shù)據(jù)價(jià)值最大化。文章主要以航空公司客戶關(guān)系管理工作為例，針對(duì)數(shù)據(jù)挖掘技術(shù)對(duì)航空數(shù)據(jù)統(tǒng)計(jì)工作的創(chuàng)新進(jìn)行探析。

關(guān)鍵詞：數(shù)據(jù)挖掘；航空公司；客戶關(guān)系管理

引言

在航空公司市場(chǎng)競(jìng)爭(zhēng)日益激烈的環(huán)境下客戶關(guān)系管理已經(jīng)不僅僅是電話關(guān)懷可以實(shí)現(xiàn)的。一條信息或簡(jiǎn)單的行為都有可能會(huì)贏到航空公司客戶和潛在客戶的去留。從海量的數(shù)據(jù)中進(jìn)行分析有助于商業(yè)運(yùn)作，能夠幫助航空公司做出更加正確的決定。數(shù)據(jù)挖掘是一種全新的商業(yè)信息數(shù)據(jù)處理手段，其能夠在企業(yè)客戶關(guān)系管理工作中的各個(gè)方面起到關(guān)鍵作用，包括新客戶爭(zhēng)取、保留老客戶、提升客戶利潤(rùn)等等。

1.數(shù)據(jù)挖掘技術(shù)

1.1時(shí)間序列分析法

時(shí)序數(shù)據(jù)是指某些在相同時(shí)間間斷下所獲得的，伴隨著實(shí)踐改變的序列值整數(shù)或者實(shí)數(shù)。時(shí)間序列就是根據(jù)時(shí)間的順序來(lái)蝴蝶的一系列觀測(cè)值。時(shí)間序列的數(shù)據(jù)庫(kù)就是包含時(shí)序數(shù)據(jù)的數(shù)據(jù)庫(kù)[1]。在時(shí)序數(shù)據(jù)的挖掘過(guò)程中可以將時(shí)序數(shù)據(jù)分為以下幾個(gè)類別：1）數(shù)值型序列。即為狹義的時(shí)間序列，其構(gòu)成序列的元素為數(shù)值型的。例如網(wǎng)站的點(diǎn)擊率、證券價(jià)格歷史數(shù)據(jù)等。單個(gè)或多個(gè)時(shí)間序列均能夠被作為挖掘?qū)ο螅?）事務(wù)型序列。該序列即為構(gòu)成序列的元素為事務(wù)型的。例如，客戶在某一段時(shí)間中消費(fèi)的記錄序列。對(duì)于事務(wù)序列來(lái)說(shuō)其挖掘?qū)ο笸ǔ６际且唤M該序列的集合。3）事件型序列。該序列構(gòu)成的元素為事件。例如，無(wú)線通信網(wǎng)絡(luò)中的故障序列、用戶界面交互行為序列等。對(duì)于事件型序列來(lái)說(shuō)其挖掘?qū)ο笫菃蝹€(gè)事件序列[2]。

1.2聚類分析法

聚類分析法是一種統(tǒng)計(jì)分析法，也被稱作群分析。其主要是對(duì)樣品與指標(biāo)之間的分類問(wèn)題進(jìn)行研究。在商業(yè)領(lǐng)域中應(yīng)用的數(shù)據(jù)挖掘方法通常都是不同類別的聚類分析計(jì)算法。

1.3預(yù)測(cè)法

預(yù)測(cè)法是一種獲得連續(xù)取值數(shù)據(jù)，對(duì)信息中的預(yù)測(cè)知識(shí)進(jìn)行挖掘的重要方法之一。傳統(tǒng)的預(yù)測(cè)法主要包括時(shí)間序列分析法、線性與非線性回歸模型等。現(xiàn)代應(yīng)用前沿的預(yù)測(cè)方法包括神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)算法。其主要可以被利用于描述建立預(yù)測(cè)未來(lái)數(shù)據(jù)趨勢(shì)的模型。在商業(yè)領(lǐng)域中進(jìn)行銷(xiāo)售量、市場(chǎng)份額占有等數(shù)據(jù)的預(yù)測(cè)可以利用該算法[3]。

2.數(shù)據(jù)挖掘?qū)β每徒Y(jié)構(gòu)分析的創(chuàng)新應(yīng)用

2.1旅客結(jié)構(gòu)

2.1.1旅客分群

航空公司客戶主要可以分為三大類別：首先，為無(wú)價(jià)值或低價(jià)值客戶；其次，為不會(huì)輕易流失的有價(jià)值的客戶；最后，是不斷尋找更加優(yōu)惠價(jià)格與服務(wù)的價(jià)值客戶。傳統(tǒng)的航空市場(chǎng)是針對(duì)前兩種客戶來(lái)開(kāi)展的。而現(xiàn)代客戶關(guān)系管理論認(rèn)為，第三類客戶是當(dāng)前急需重視維護(hù)的重要價(jià)值客戶，對(duì)這一類客戶進(jìn)行維護(hù)能夠有效的降低航空公司的運(yùn)營(yíng)成本。數(shù)據(jù)挖掘技術(shù)能夠在數(shù)據(jù)庫(kù)中挖掘大量的數(shù)據(jù)，對(duì)其進(jìn)行分析與處理，從而來(lái)對(duì)客戶流失風(fēng)險(xiǎn)進(jìn)行判斷、分析與評(píng)價(jià)，并且從中獲得客戶流失的根本原因，客戶流失風(fēng)險(xiǎn)的因素以及留住有價(jià)值客戶的方式，將盈利能力低下的客戶提升為盈利能力高的客戶[4]。

2.1.2旅客忠誠(chéng)度分析

忠誠(chéng)的客戶可以給航空公司帶來(lái)巨大的利潤(rùn)空間。而數(shù)據(jù)挖掘技術(shù)可以對(duì)數(shù)據(jù)庫(kù)中的大量數(shù)據(jù)進(jìn)行挖掘分析，從而確定客戶的消費(fèi)習(xí)慣、消費(fèi)數(shù)量以及消費(fèi)頻率，進(jìn)而得知客戶對(duì)品牌的忠誠(chéng)程度、變動(dòng)情況等數(shù)據(jù)，從而有針對(duì)性的確定忠誠(chéng)客戶，并且向其提供尊貴的一對(duì)一個(gè)性化服務(wù)，從而提升客戶的忠誠(chéng)度，幫助航空公司最大程度的挖掘客戶的最大價(jià)值，對(duì)企業(yè)的經(jīng)濟(jì)利潤(rùn)增長(zhǎng)起到積極作用。

2.1.3高端客戶貢獻(xiàn)

客戶對(duì)航空企業(yè)盈利貢獻(xiàn)的多少與企業(yè)利潤(rùn)的大小有著直接的關(guān)系。使用數(shù)據(jù)挖掘技術(shù)能夠?qū)蛻暨M(jìn)行分析，從而發(fā)現(xiàn)能夠真正創(chuàng)造利潤(rùn)的高端客戶[5]。同時(shí)，航空公司還可以利用數(shù)據(jù)挖掘技術(shù)將企業(yè)的無(wú)利客戶與低利客戶提升為高端客戶。數(shù)據(jù)挖掘技術(shù)可以從數(shù)據(jù)庫(kù)中獲得客戶信息以及客戶的歷史交易數(shù)據(jù)，從而對(duì)客戶的利潤(rùn)貢獻(xiàn)進(jìn)行判斷評(píng)價(jià)，以對(duì)客戶日后的消費(fèi)模式與消費(fèi)行為進(jìn)行預(yù)測(cè)，進(jìn)而能夠在航空市場(chǎng)營(yíng)銷(xiāo)過(guò)程中留住高端客戶，保留高端客戶的貢獻(xiàn)。避免消耗過(guò)多的精力與時(shí)間無(wú)目的的開(kāi)發(fā)新客戶，盡可能的為高端客戶提供個(gè)性化服務(wù)，有效降低航空公司的運(yùn)營(yíng)成本，提高經(jīng)濟(jì)收益。

2.2數(shù)據(jù)挖掘?qū)β每途?xì)化管理工作中的創(chuàng)新應(yīng)用

2.2.1數(shù)據(jù)挖掘流程

數(shù)據(jù)挖掘技術(shù)（Data Mining）就是從海量的、無(wú)序的、雜亂的、隨機(jī)的數(shù)據(jù)中搜索、挖掘、識(shí)別有效的、有價(jià)值的、有意義的模式的過(guò)程。數(shù)據(jù)挖掘技術(shù)是一項(xiàng)涉及面寬廣，涉及內(nèi)容廣泛的學(xué)科，其包含了神經(jīng)網(wǎng)絡(luò)、模式識(shí)別、數(shù)理統(tǒng)計(jì)等相關(guān)技術(shù)。數(shù)據(jù)挖掘的流程主要分為以下幾個(gè)步驟：

（1）定義商業(yè)目標(biāo)。每一個(gè)客戶關(guān)系管理應(yīng)用程序都擁有一個(gè)或者多個(gè)商業(yè)目標(biāo)，只有當(dāng)擁有商業(yè)目標(biāo)的時(shí)候數(shù)據(jù)挖掘才不會(huì)漫無(wú)目的。數(shù)據(jù)挖掘技術(shù)必須根據(jù)特定的目標(biāo)來(lái)建立模型。例如，基于提高市場(chǎng)占有率的目標(biāo)來(lái)進(jìn)行數(shù)據(jù)挖掘的準(zhǔn)備工作，建立相關(guān)的模型，并且對(duì)數(shù)據(jù)挖掘的效果進(jìn)行評(píng)價(jià)。

（2）數(shù)據(jù)處理。第一步，數(shù)據(jù)過(guò)濾。數(shù)據(jù)過(guò)濾可以保證所收集獲得的數(shù)據(jù)能夠滿足分析的需求與目的。開(kāi)展數(shù)據(jù)挖掘工作的重要前提之一就是獲得高質(zhì)量、有價(jià)值的數(shù)據(jù)。如果挖掘的數(shù)據(jù)對(duì)象不合理有弊端的話，那么就算利用最為科學(xué)、最為先進(jìn)的數(shù)據(jù)挖掘工具也難以獲得理想的效果。第二步，數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理這一步驟應(yīng)該保證原始數(shù)據(jù)數(shù)據(jù)與輸入標(biāo)準(zhǔn)相同。數(shù)據(jù)挖掘所需要的數(shù)據(jù)有一定的可能分布在客戶數(shù)據(jù)庫(kù)、產(chǎn)品數(shù)據(jù)等不同的數(shù)據(jù)庫(kù)當(dāng)中。因此需要對(duì)多個(gè)數(shù)據(jù)庫(kù)進(jìn)行合并處理，將其集成為單一的營(yíng)銷(xiāo)數(shù)據(jù)庫(kù)，并且對(duì)多個(gè)數(shù)據(jù)來(lái)源的數(shù)據(jù)進(jìn)行差異化處理，使其數(shù)據(jù)屬性統(tǒng)一標(biāo)準(zhǔn)。同時(shí)，對(duì)存在重復(fù)的數(shù)據(jù)進(jìn)行去除。

（3）數(shù)據(jù)分析。建立合理的預(yù)測(cè)模型之前需要對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行粗略的分析，從而對(duì)數(shù)據(jù)有一個(gè)初步的認(rèn)識(shí)，得知數(shù)據(jù)的最大值、最小值、平均值等，掌握數(shù)據(jù)的分布狀況。

（4）數(shù)據(jù)準(zhǔn)備。數(shù)據(jù)準(zhǔn)備的內(nèi)容包括給建立模型選擇變量，從原始數(shù)據(jù)中建立新的預(yù)示值，從數(shù)據(jù)中選擇樣本來(lái)建立模型，更改變量使其與建模算法相同，最后建立模型。這一過(guò)程需要在眾多模型中選擇最合理的模型，最初的初始模型可能無(wú)法實(shí)現(xiàn)數(shù)據(jù)挖掘的目的，需要進(jìn)行多次修改與調(diào)整。在探索最佳模型的過(guò)程中調(diào)整數(shù)據(jù)或問(wèn)題的表述。

（5）評(píng)價(jià)模型。評(píng)價(jià)模型之一階段是對(duì)數(shù)據(jù)挖掘構(gòu)建的模型進(jìn)行質(zhì)量的判斷。其評(píng)價(jià)方式是從預(yù)處理的數(shù)據(jù)中隨機(jī)選擇兩個(gè)樣本，分別用于構(gòu)建模型以及驗(yàn)證校準(zhǔn)樣本產(chǎn)生模型。

2.2.2建立模型

（1）數(shù)據(jù)來(lái)源

數(shù)據(jù)來(lái)源主要途徑為記錄飛行計(jì)劃的數(shù)據(jù)庫(kù)以及航班起降數(shù)據(jù)庫(kù)，即為一級(jí)數(shù)據(jù)庫(kù)與二級(jí)數(shù)據(jù)庫(kù)。在記錄飛行計(jì)劃數(shù)據(jù)庫(kù)中包括了可選擇所有的航空公司客戶的信息，每一位客戶的信息都十分相近。在這個(gè)數(shù)據(jù)庫(kù)匯總可以利用統(tǒng)計(jì)學(xué)原理來(lái)進(jìn)行完整的收集。航班起降數(shù)據(jù)庫(kù)中包括以往所有的航班起降信息，例如飛機(jī)離開(kāi)抵達(dá)機(jī)場(chǎng)的時(shí)間、客戶預(yù)約或遺留的數(shù)據(jù)。在該數(shù)據(jù)庫(kù)中客戶活動(dòng)的數(shù)據(jù)與信息被聚集起來(lái)。

（2）數(shù)據(jù)準(zhǔn)備

從一級(jí)數(shù)據(jù)庫(kù)中隨機(jī)抽取一定量的在某段時(shí)間內(nèi)某飛行航班的客戶n個(gè)。對(duì)所選擇的n個(gè)客戶進(jìn)行類別分割，其中1/4用于子樣品使用，1/4用作確認(rèn)子樣品使用，剩余1/2用于驗(yàn)證工作精度使用，進(jìn)而從過(guò)去的航班活動(dòng)中獲得最具有價(jià)值的數(shù)據(jù)。

（3）工作處理

航空公司客戶會(huì)受到其飛行目的的影響來(lái)有規(guī)律的對(duì)機(jī)票進(jìn)行購(gòu)買(mǎi)。根據(jù)這一規(guī)則就能夠獲得的新的元素屬性。即為根據(jù)客戶旅行目的與方式來(lái)劃分客戶等級(jí)開(kāi)展聚集數(shù)據(jù)，并且對(duì)這一數(shù)據(jù)群體冠以完整的備注。這樣分割的主要目的就是識(shí)別典型的客戶群體。每一類別客戶群體的數(shù)據(jù)都有其相似之處，但是卻存在根本性質(zhì)的區(qū)別。聚類方法是解決數(shù)據(jù)挖掘技術(shù)這一問(wèn)題的最佳方式。利用聚類分析法將彼此之間相對(duì)類似的樣本歸納到同類當(dāng)中，可以選擇K-均值算法、自組織映射神經(jīng)算法等。然后再將聚類結(jié)果進(jìn)行綜合處理，對(duì)客戶進(jìn)行標(biāo)記。然后再利用決策樹(shù)、貝葉斯分類等方式來(lái)進(jìn)行建模，獲得客戶類別細(xì)分的模型。讓航空公司可以識(shí)別有價(jià)值的客戶，針對(duì)不同特點(diǎn)的客戶類別來(lái)實(shí)施不同的營(yíng)銷(xiāo)策略與個(gè)性化服務(wù)。數(shù)據(jù)挖掘技術(shù)可以挖掘大量與客戶溝通后累計(jì)的旅客滿意度調(diào)查數(shù)據(jù)來(lái)獲得影響客戶滿意度的各個(gè)因素以及每個(gè)因素的重要程度。進(jìn)而通過(guò)客戶調(diào)查、暗訪競(jìng)爭(zhēng)對(duì)手等方式來(lái)探索出與競(jìng)爭(zhēng)對(duì)手對(duì)于影響客戶滿意度上的差距，從而有針對(duì)性的做出改進(jìn)，改善客戶體驗(yàn)，提升客戶滿意度，提高航空公司核心競(jìng)爭(zhēng)力。

3.結(jié)論

數(shù)據(jù)挖掘在航空公司數(shù)據(jù)統(tǒng)計(jì)工作中有著十分重要作用。利用數(shù)據(jù)挖掘能夠?qū)蛻粝M(fèi)行為進(jìn)行等級(jí)劃分，以建立相對(duì)應(yīng)的消費(fèi)體系，通過(guò)準(zhǔn)確的營(yíng)銷(xiāo)方式來(lái)實(shí)現(xiàn)高效率的客戶關(guān)系管理工作。在航空公司客戶關(guān)系管理中數(shù)據(jù)挖掘技術(shù)的使用能夠讓其準(zhǔn)確掌握每一位客戶的消費(fèi)特點(diǎn)，從而有針對(duì)性的提供合適的服務(wù)，全面提升客戶滿意度，推動(dòng)客戶消費(fèi)水平提升，提高客戶利潤(rùn)價(jià)值，高效的留住客戶，防止客戶流失。（作者單位：中國(guó)國(guó)際航空股份有限公司）

參考文獻(xiàn)：

[1] 任惠琳.商業(yè)企業(yè)營(yíng)銷(xiāo)數(shù)據(jù)挖掘及營(yíng)銷(xiāo)數(shù)據(jù)統(tǒng)計(jì)分析系統(tǒng)的有效構(gòu)建[J].現(xiàn)代商業(yè)，2013，（31）：162-163.

[2] 張會(huì)榮，陳云.數(shù)據(jù)挖掘技術(shù)在航空公司CRM中的應(yīng)用分析[J].曲靖師范學(xué)院學(xué)報(bào)，2011，（03）：40-45.

[3] 張曦，解開(kāi)顏，張歡.高性能實(shí)時(shí)數(shù)據(jù)分析平臺(tái)在航空公司收益提升中的應(yīng)用[J].企業(yè)導(dǎo)報(bào)，2013，（23）：105-108.

[4] 鞏斌.上市公司財(cái)務(wù)危機(jī)判別綜合評(píng)價(jià)分析——基于數(shù)據(jù)挖掘技術(shù)[J].山東理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2014，（01）：15-18.

[5] 阮夢(mèng)黎.基于改進(jìn)GEP的航空器故障數(shù)據(jù)挖掘研究與仿真[J].計(jì)算機(jī)仿真，2015，（06）：92-95.