对比，SPSS/SPSS modeler/python 实现FRM，聚类模型的用户感受

SPSS计算FRM模型分值

在spss的直销模块下，可以对客户数据进行FRM计算客户的FRM的分值，1.交易数据

                                                                                                       2.客户数据（相当于客户数据汇总后的数据）

本例传入客户数据，计算后得到分值，及图表输出

SPSS modeler——FRM分值计算及FRM聚类

spss modeler--仅能传入交易数据-原始数据，

模型结果输出

接常见的KM聚类

模型输出

PYTHON实现FRM聚类

对数据取100条测试，输出

模型调优，聚类数选择

模型轮廓系数

综上：SPSS计算FRM分值可以实现（交易数据及客户数据）,及FRM分值分布，可视化输出，不能进行聚类操作

          SPSS modeler可以计算FRM分值（仅交易数据），可接聚类模型，及模型可视化调优

          Python 计算FRM分值，也可聚类，在模型的参数选择上非常具有优势（超参数）,但是在模型调优，及可视化输出上，比较繁琐，且不友好。

很多人都会觉得用Python才高大上。其实SPSS和SPSS modeler 里都集成了R和Python的算法。

作为一个数据分析师，实现业务场景就行，其余的是算法工程师的事情。（分析师都做了，还要算法工程师干嘛？）

个人在工作中，除非确实需要用Python，就会用Python去做模型，譬如SPSS modeler 实现不了的 （协同过滤算法，推荐算法）。

一般在用IBM的SPSS modeler 做数据挖掘就够了。