用Hive+Hadoop集群实现《飞机票购买人群分类案例》思路+代码 （实验数据待整理）_基于hadoop的高铁售票数据分析代码

1. 思考：我们为什么要做《飞机票购买人群分类案例》?

当今社会，事事存在竞争，航空公司也不例外。想要从林立的航空公司中立足，就要有稳定且增长的盈利。

怎么保证这个盈利呢？这就要从营销策略上下手了，针对不同的客户采取不同的营销策略，才能保证最大的盈利。

那怎么找出不同的客户群呢？这就是这篇文章首先要探索的。

整体思路如下：1.根据航空公司的客户数据，对客户进行分类。

                            2.对不同的客户类别进行特征分析，比较不同类客户的客户价值。

                            3.对不同价值的客户类别提供个性化服务，制定相应的营销策略。

2.航空公司客户价值的LRFMC模型是什么？五个指标是什么？

LRFMC模型：

L：客户关系长度 = 会员入会时间距观测窗口结束的月数

R：消费时间间隔 =  客户最近一次乘坐公司飞机距观测窗口结束的月数 

F：消费频率 = 客户在观测窗口内乘坐公司飞机的次数

M：飞行里程 = 客户在观测窗口内累计的飞行里程

C：折扣系数的平均值 = 客户在观测窗口内乘坐舱位所对应的折扣系数的平均值

实验步骤如下：

启动Hadoop集群，myhql,hive,上传数据到/root/目录。

=============================================================================================

用Hive做数据预处理：

步骤如下：

1） hive -f create_air_data_base.hql  创建表


create table air_data_base(
member_no string,
ffp_date string,
first_flight_date string,
gender string,
ffp_tier int,
work_city string,
work_province string,
work_country string,
age int,
load_time string,
flight_count int,
bp_sum bigint,
ep_sum_yr_1 int,
ep_sum_yr_2 bigint,
sum_yr_1 bigint,
sum_yr_2 bigint,
seg_km_sum bigint,
weighted_seg_km double,
last_flight_date string,
avg_flight_count double,
avg_bp_sum double,