实战4：基于聚类算法：K-means、DBSCA算法完成航空客户价值分析任务 代码+数据

1.任务描述

信息时代的来临使得企业营销焦点从产品中心转变成客户中心。具体地，对不同的客户进行分类管理，给予不同类型的客户制定优化的个性化服务方案，采取不同的营销策略。将有限的营销资源集中于高价值的客户，实现企业利润最大化。因此，如何对客户进行合理的分类成为了管理中亟需解决的关键问题之一。航空公司能够获取到客户的多种信息与行为数据，我们需要根据这些数据来实现以下目标：

1.借助航空公司数据，对客户进行分类

2.对不同类别的客户进行特征分析，比较不同类别客户的价值

3.对不同价值的客户类别进行个性化服务，制定相应的营销策略

2.数据集

使用Kaggle数据竞赛平台提供的某航空公司的客户信息，其中数据中包括62988个客户样本，44种属性，数据集可以从这里下载。

2.1 数据集中字段含义

航空公司包含的客户信息包含了有44种属性，具体的每种属性对应的含义如下图所示。

3.运行环境

Python3.6+环境。需要的第三方模块和版本包括：

• matplotlib=3.3.0
• sklearn=0.18.1