精品文档---下载后可任意编辑这里，我先给各位朋友拜年，祝大家新春欢乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的 RFM 模型还是有一定代表性，就再把数据挖掘 RFM 模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足 RFM 模型的交易数据要求。 根据美国数据库营销讨论所 Arthur Hughes 的讨论，客户数据库中有三个奇妙的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。 我早期两篇博文已详述了 RFM 思想和 IBM Modeler 操作过程，有兴趣的朋友可以阅读！ RFM 模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为 3 个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到 RFM 得分，进而可以进行客户细分，客户等级分类，Customer Level Value 得分排序等，实现数据库营销！ 这里再次借用@数据挖掘与数据分析的 RFM 客户 RFM 分类图。本次分析用的的软件工具：IBM SPSS Statistics 19，，，EXCEL 和 PPT 因为 RFM 分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言）一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在 G 字节以上存储单位，一般最好在外置电源移动硬盘存储；假如客户不告知，你大概是不知道有多少记录和字段的；Modeler 挖掘软件默认安装一般都需要与 C 盘进行数据交换，至少需要 100G 空间预留，否则读取数据过程中将造成空间不足海量数据处理要有耐心，等待 30 分钟以上运行出结果是常有的现象，特别是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断就悲剧了，呵呵；数据挖掘的准备阶段和数据预处理时间占整个项目的 70%，我这里说假如是超大数据集可能时间要占到 90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作；多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和...
