文章首先简单介绍了数据挖掘相关的基本理论，其中包括定义、过程、分类、挑战等，接着运用Clementine中的K-means算法对客户进行细分，建立聚类分析模型，将客户细分为重要保持客户、重要挽留客户、重要发展客户、一般客户和低价值客户五大类，解释每一类客户的特征并给出发掘每一类客户市场价值的建议。之后运用数据挖掘中的C5.0算法，并依据客户流失的一般规律，建立航空客运客户流失模型，得出客户流失的规则，并运用建立的模型预测客户是否为将要流失的客户，并提出预防客户流失的相关措施。

在航空客运这一领域，研究这方面的可能不多。由于航空公司客户资料数据庞大，数据挖掘技术的存在给航空公司更好的管理客户以及提升业绩提供很大的参考帮助。本文是基于数据挖掘的航空客运信息分析，首先简单陈述了关于数据挖掘的一些基本理论，然后做了两个模型，一个是运用K-means算法建立模型对航空公司的样本客户进行分类得到一些规则，将客户分为五大类，分别为重要保持客户、重要挽留客户、重要发展客户、一般客户和低价值客户，针对不同类别的客户采用不同的营销策略，公司的大部分资源应该向重要保持客户倾斜，虽然这类客户只占20%左右，却创造了公司80%左右的利润；二是运用C5.0算法，在了解客户流失的一般规律的基础之上，运用该算法建立航空客运客户流失模型，获得航空公司客户流失的一些规则，之后要将建立好的模型用于判断客户是否流失，计算预测的准确率，最后提出预防客户流失的措施。本文采用的分析工具是clementine12.0，处理的对象是某航空公司客运信息62988条记录。在本文撰写的过程中，主要有三大难点，一是对复杂原始数据的处理，而是算法与模型的选择，三是对得到的数据规则的解读，结合现实的意义对数据的理解。