通过对历史消费数据的收集分析，了解大数据开发服务客户的消费情况，对客户进行标签制定，定位消费级别，了解客户的需求偏好，从而判断大数据开发服务的市场接受度，为服务提供商制定精准营销策略，更好地为客户提供个性化的服务方案，从而帮助企业优化资源配置，提升服务质量和市场竞争力。
1、数据收集： 从数据库中根据客户消费能力梳理数据，筛选出分析时间、统计期间（年）、客户名称、服务购买时间、消费金额（万元）字段； 2、数据加工： （1）先针对消费金额字段用SUM函数求和，得到总服务金额（万元）； （2）消费占比=消费金额（万元）/总服务金额（万元）*100%； （3）客户消费占总消费的比例按从大到小进行排名，消费分类采用新的分层标准：占比大于等于50%为"VIP客户"；占比在20%到50%之间为"高价值客户"；占比在5%到20%之间为"中价值客户"；占比小于5%为"普通客户"。 3、数据应用： 通过这样的分析流程，企业能够更精准地识别核心客户群体，优化服务资源配置，提高客户满意度和企业盈利能力。
| 字段名 | 类型 | 描述 |
|---|---|---|
分析时间 |
-- | -- |
统计期间（年） |
-- | -- |
客户名称 |
-- | -- |
服务购买时间 |
-- | -- |
消费金额（万元） |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 分析时间 | 2024.1.2 |
| 统计期间（年） | 2023 |
| 客户名称 | **新能源 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/7184586