Цель работы - выполнение кластерного анализа для оптимизации процесса сегментирования клиентов авиакомпании. Задачи работы: изучение бизнес-модели «low-cost»; анализ деятельности авиакомпании; обзор применения методов анализа данных в компаниях-лоукостерах; реализация предложения по сегментации клиентов компании «Победа». Работа выполнена на базе материалов о деятельности авиакомпании «Победа», имеющихся в открытом доступе. Методы: теоретический метод, эмпирический метод, сравнительный анализ, кластерный анализ, интерпретация данных. Основные результаты работы: выявлено неполное соответствие авиакомпании «Победа» бизнес-модели «low-cost»; обоснована целесообразность применения методов Data-Mining для сегментации клиентов; разработан алгоритм сегментации; проведена сегментация клиентов авиакомпании; выполнена проверка на качество и сформулированы характерные особенности каждого кластера; доказана целесообразность собственной разработки по сравнению с использованием сегментации материнской компании. Практическая значимость работы: сформированы более точные образы клиентов, что позволяет выстраивать индивидуальный подход к каждой группе и делать прогнозы относительно поведения клиента в ближайшем будущем.

The purpose of the work is to implement the cluster analysis to optimize the segmentation process in an airline company. Tasks of work: examination of «low-cost» business model; analysis of «airline» activity; review of the application of data analysis methods in low-cost carriers; implementation of proposal for the segmentation of passengers of «Pobeda» airline using cluster analysis. Work is performed on the basis of materials of the «Pobeda» airline activities, available in the public domain. Methods: theoretical method, empirical method, comparative analysis, cluster analysis, data interpretation. The main results of the work: the reason for the incomplete compliance of «Pobeda» airlines with the low- cost business model is specified; the reason for Data Mining techniques application is justified; segmentation algorithm is developed; segmentation of airline passengers is hold; feasibility of own development is proved in comparison with the use of segmentation of the parent company. The practical significance of the work: more accurate customer images are formed, which allows us to build an individual approach to each group and make predictions about customer behavior in the future.