在经济全球化、客户需求个性化快速发展的阶段,通过技术手段满足客户的个性化需求,对于提高企业的盈利能力、提升企业自身价值具有重要的作用。对企业来说,采用科学的方法识别客户价值、对客户进行精准定位,是实现个性化服务的关键。论文以汽车维修服务业为研究对象,建立了客户价值分析模型,应用大数据挖掘技术对客户价值进行聚类分析,从客户数据中挖掘出对经营决策有价值的知识和规律,帮助汽车维修企业提升对客服务质量,提高企业竞争力。论文的主要工作和创新点体现在:(1)分析了传统RFM客户价值分析模型(Recency Frequency and Monecy value,RFM)存在的缺陷,建立了一个RFM~’IA(Recency Frequency Improved Monecy Introduce and Attention value,RFM’IA)客户价值分析模型,给出了模型中各个指标的定义,阐述了模型对客户价值的分析和判断方法。(2)针对传统FCM算法(Fuzzy C-means Clustering Algorithm,FCM)中存在聚类个数与聚类中心不确定的问题,提出了O~’-FCM聚类算法(Optics-Fuzzy C-means Clustering Algorithm,O~’-FCM),实验证明该算法能够有效避免噪点对算法精度的影响,提高聚类中心选取的效率与准确性。(3)应用Hadoop平台设计了并行式O~’-FCM算法,实现了客户价值分析数据的负载均衡与并行式计算,通过实验对比验证了算法的优点和有效性,给出了RFM~’IA模型下算法的工程应用实例。(4)设计并实现了汽车维修行业客户服务系统。描述了系统的实现框架、主要功能和数据库结构,给出了论文主要算法在系统中的工程应用界面。论文工作在准确分析汽车维修行业的客户价值,提升企业的经营决策能力和客户满意度方面取得了一定的成绩和效果。同时,论文的研究成果具有一定的推广性,也适用于其它行业客户价值的评价。