商务智能 上机实验报告 运用商务智能理论对民航客户仿真数据进行分析.docVIP

（商务智能）实验报告 班级 学号 姓名 成绩 实验名称 商务智能 2 实验地点 607 实验时间 2015-6-1 实验目的： 民航客户仿真数据挖掘实践 运用商务智能理论进行分析 实验内容： 数据清洗 数据集成 数据转换 数据选择 数据挖掘 模式评估 知识呈现 实验要求： (1)实验内容中每个步骤采用SPSS中的一项或多项功能； (2)记录整个实验过程； (3)记录实验中出现的问题及解决方法； (4)记录实验结论和体会。 实验准备 PC机、SPSS， 注：SPSS安装在“综合实验系统”实验平台 实验过程： 在Spss11.5中导入“航空公司商务智能分析数据”xls格式的 数据清洗 ： 将数据中的age列按照降序排列，由此观察航空公司客户的年龄分布情况 结果：以age列按降序排列：由此可以看出客户会员中年龄最大的有92，最小的有9岁，还有57人没有登记年龄信息。 （2）双重排序 ：将数据以在gender列的基础上按FLIGHT_COUNT的条件进行排序，由此观察性别与飞行次数的关系 结果：男士中飞行次数最多的有168次，最少的有2次；女士中最多的有174次，最少的有2次。还有一人没有登记性别信息。 （3）删除多余空白数据 使用Data-select cases里的if condition is satisfied条件将会员卡号0的数筛选出来，同时删除不满足条件的数 结果：有意义的数据都在上面，空白数据被删除。 2、数据选择：选择积分次数0的数据，删除不满足条件的。用Data-select cases下的if condition is satisfied 结果：exchange小于0的都没了，只剩大于0的数据 3、数据转换：在EXCHANGE_COUNT5条件下将EXPENSE_SUM_YR_1和EXPENSE_SUM_YR_2两列求和,即计算在积分兑换次数5的条件下，第一年和第二年的总票价之和为多少并填在新增列sum中。使用Tansform—computeinclude下的 if case satisfies condition。 结果：多了一列sum，积分兑换次数5的数据进行了求和 再进行数据清理，使用双重排序：再sum的基础上进行兑换次数排序 结果： 4、数据集成：由于排序后的两列相隔较远，所以再将文件另存一份，进行数据横向集成，将exchange列置于sum列后，便于观察 结果： 再进行change列和sum列双重排序 结果：当兑换次数=6时,两年票价合计最小数为972，最大为132613； 当兑换次数=7时,两年票价合计最小数为7811，最大为159283； 当兑换次数=8时,两年票价合计最小数为10401，最大为132292； 当兑换次数=9时,两年票价合计最小数为20603，最大为164198； 。。。 数据挖掘：进行数据选择，为模式评估作铺垫，研究sum列 模式评估：系统进行数据分析 系统的初始选择中值972和186954 迭代了三次 得到通过k-means方法得到的最后结果：46661.9和128012 知识呈现：将数据以图形（柱状图、饼图等）的形式展现出来 （1）分析飞行公里数 结果：飞行公里数集中在8-20之间 （2）Graphs-ple（饼状图） 分析change数 结果：以v5列的数据进行饼图展示 实验总结： 实际应用时有不少问题，一个原因是我的分析能力太若，开始并知道需要分析什么，没有目标，另一个原因在我确定分析目标时，却让我花了不少时间在对数据挖掘的数据清洗、数据集成、数据转换、数据选择、数据挖掘、模式评估这几个步骤里，可是在知识呈现里出现了问题，又由于时间有限我只好将数据简单的进行知识呈现分析。所以可能知识呈现里的数据并不一定准确。 我的这次分析主要得出以下结论： 1、以age列按降序排列：由此可以看出客户会员中年龄最大的有92，最小的有9岁，还有57人没有登记年龄信息。 2、男士中飞行次数最多的有168次，最少的有2次；女士中最多的有174次，最少的有2次。还有一人没有登记性别信息。 3、当兑换次数=6时,两年票价合计最小数为972，最大为132613； 当兑换次数=7时,两年票价合计最小数为7811，最大为159283； 当兑换次数=8时,两年票价合计最小数为10401，最大为132292； 当兑换次数=9时,两年票价合计最小数为20603，最大为164198； 。。。 可以为决策者提供以下决策方案： 相比较而言，女士飞行次数较多，可以做活动，例如“三八妇女节”为女士进行打折活动，增加客源。 基于积分兑换活动，随着兑换次数增多，票价花费会增多。所以可以降低兑换标准，增加兑换次数，吸引客户多多兑换，从而多多购票。