为科学、动态地评估旅客价值，我们将采用业界成熟的RFM模型，并结合航空公司业务特性，创新性地引入“忠诚度（Loyalty）”维度，构建RFML四维价值评估模型。
在技术实现上，我们将利用Tableau Prep内置的高效窗口函数NTILE，通过以下五个步骤，完成从原始数据到最终价值标签的全过程自动化处理。
第一步：指标定义与数据准备 (Indicator Definition & Data Preparation)
此阶段的核心是明确计算口径，并整合所需数据。
第二步：使用 NTILE 函数进行指标分组
此阶段利用Tableau Prep最新的NTILE函数，将所有旅客在每个维度上平均分为5个等级。
第三步：分组反转与标准化评分
为了让评分符合“分数越高，价值越高”的业务直觉，我们需要将NTILE函数产出的分组号进行反转。
第四步：权重分配与综合价值计算
根据业务的侧重点，为四个维度的评分赋予不同权重，计算出最终的综合价值分。
第五步：客户分层与标签生成
根据综合价值分数，为旅客打上最终的价值等级标签。
将以上所有步骤创建的Tableau Prep流程（Flow）进行保存，并可以发布到Tableau Server或Tableau Cloud上，设置定时刷新计划（例如：每月一次），即可实现整个旅客价值分析过程的完全自动化。
参考：创建详细级别、排名和分片计算
📖 相关文章
● 购物篮分析（2）——利用Tableau Prep实现
● 利用Prep实现累计求和效果(旧版本prep)
● SQL函数分类新思路：基于计算上下文的PostgreSQL速查表
● 一文玩转 Tableau Prep 调用 Python脚本全流程
● 利用Tableau Prep计算移动平均
——————————————————————————————
No comments yet