Análise de clusters no Tableau

Dados podem ser complexos, trabalhosos e, às vezes, é difícil descobrir padrões. Imagine que você tem dados de vendas da sua empresa e quer encontrar um padrão no poder de compra dos consumidores. Se for possível identificar grupos ou associações distintos nos dados, você pode direcionar campanhas específicas para cada grupo e maximizar as vendas. Essa ideia básica se chama clustering, e o Tableau tem um recurso nativo que agrupa automaticamente pontos de dados semelhantes com base em certos atributos. Vamos explorar essa funcionalidade do Tableau e ver como aplicá-la a um conjunto de dados do mundo real.

K-Means clustering

Clustering, também conhecido como análise de clusters, é um algoritmo de aprendizado de máquina não supervisionado que agrupa itens semelhantes com base em uma métrica de similaridade.

O Tableau usa o algoritmo de K-Means clustering por baixo dos panos. K-Means é uma técnica que divide os dados em K clusters e se enquadra no agrupamento baseado em centróides. Em K-Means, para um número k de clusters, o algoritmo divide o conjunto de dados em k grupos, cada um com um centróide calculado como a média de todos os pontos daquele cluster. Os pontos de dados são então agrupados com base na distância até seus centróides.

Aqui estão dois ótimos tutoriais na DataCamp que explicam o conceito de clustering em detalhes:

• K-Means clustering em Python com scikit-learn
• Tutorial de K-Means clustering em R

Se quiser aprender mais sobre clustering em machine learning, faça os cursos da DataCamp Unsupervised Learning in Python ou Clustering Methods with SciPy.

A figura abaixo ilustra o algoritmo K-Means para facilitar o entendimento. Primeiro, definimos aleatoriamente 4 centróides. O K-Means então atribui cada ponto de dados ao cluster mais próximo (cruz). O centróide se desloca para uma nova posição conforme a média dos pontos muda, e o processo se repete até que não haja mais alteração nas posições dos centróides.

Visualizing K-Means algorithm

O critério de clustering no Tableau

Depois de entender a metodologia de clustering, vamos ver como isso é feito no Tableau. O Tableau usa o critério Calinski-Harabasz para avaliar a qualidade dos clusters. Aqui está a interpretação matemática do critério Calinski-Harabasz:

Fonte

"onde SSB é a variância entre clusters, SSW é a variância dentro dos clusters, k é o número de clusters e N é o número de observações" (Fonte).

Essa razão retorna um valor que determina a coesão dos clusters. Quanto maior for esse valor, mais próximos e coesos estão os clusters, com baixa distância interna e alta distância entre clusters.

Pré-requisitos

Este artigo presume alguma familiaridade com o Tableau. Se você está começando do zero, recomendamos o artigo a seguir da DataCamp, que funciona como um excelente guia introdutório.

Data visualization com Tableau

Ambiente do Tableau

Neste tutorial, vamos usar o Tableau Public, a versão gratuita do Tableau. Baixe o Tableau Public no site oficial. Siga as instruções de instalação e, se a tela abaixo abrir ao clicar no ícone do Tableau, está tudo certo.

Conectando ao conjunto de dados

O conjunto de dados que usaremos é o World Economic Indicators. Ele inclui indicadores importantes que impulsionam a economia, como expectativa de vida, facilidade de fazer negócios, população etc., de vários países. Foi obtido das Nações Unidas. Você pode acessá-lo aqui.

• Baixe o dataset para o seu computador.
• Importe os dados para o seu workspace do Tableau. Use o Data Interpreter, disponível na guia Sheets, para corrigir e realinhar os dados.

Formatando a fonte de dados

Siga para a worksheet e dê uma olhada nas guias Measures e Dimensions. Há muitos campos em Measures que podem ser agrupados em uma única categoria. Isso também ajuda a representar melhor todos os campos.

• Selecione Business Tax Rate, Days to Start Business, Ease of Business, Hours to do Tax and Lending Interest > Create Folder.

• Nomeie a pasta como Business. Agora, todos os campos acima estão dentro dessa pasta.

• Da mesma forma, crie pastas para Development, Health e Population. Adicione os campos correspondentes. Veja como a guia Measures fica após a formatação:

Criando clusters a partir dos dados de World Economic Indicators

Clustering ajuda a revelar padrões no conjunto de dados. Suponha que você é analista em uma empresa de turismo. Com o aumento da expectativa de vida no mundo, o turismo da terceira idade cresceu. Pessoas mais velhas estão mais ativas e interessadas em viajar e conhecer o mundo. Sua empresa quer aproveitar esse movimento, e sua missão é usar o World Indicators para identificar países com um bom potencial de clientes. O clustering é uma ferramenta que pode nos ajudar a encontrar esses países.

Identificando países com alto potencial para turismo da terceira idade

Vamos percorrer os passos para executar a análise de clusters nos dados.

• Dê um duplo clique em Country em Dimensions no painel Data. O Tableau cria um mapa com um círculo preenchido para cada país. Altere o tipo de marca para Map no card Marks,

Identificando as variáveis para o clustering

O próximo passo é definir as variáveis que serão usadas pelo algoritmo. No Tableau, as variáveis são equivalentes aos campos. Não existe uma resposta única para quais variáveis produzem os melhores clusters — vale testar combinações até chegar ao resultado desejado. No nosso caso, vamos trabalhar com os seguintes campos:

• Population Urban

A população urbana é um bom indicador da densidade populacional do país. Quanto maior a densidade, mais oportunidades de negócio tendem a surgir.

• Population 65+

População acima de 65 representa o público sênior, que é nosso segmento-alvo.

• Life Expectancy Female e Life Expectancy Male

Países com maior expectativa de vida indicam que as pessoas tendem a viver mais e podem se interessar mais por viagens.

• Tourism Per Capita

Esse campo não existe e pode ser criado como um campo calculado usando Tourism Outbound e Population Total da seguinte forma:

Tourism Per Capita = SUM([Tourism Outbound])/SUM([Population Total])

Tourism Outbound representa o dinheiro (em dólares) que os habitantes de um país gastam anualmente em viagens internacionais. Para obter o valor médio per capita, dividimos esse campo pela população de cada país.

Adicionando os campos selecionados à visualização

Antes de seguir, precisamos alterar a agregação padrão de SUM para AVERAGE. O Tableau permite agregar measures ou dimensions, embora a agregação de measures seja mais comum. Sempre que adicionamos uma measure à visualização, uma agregação é aplicada por padrão. O tipo de agregação depende do contexto da visualização.

Altere a agregação de todos os campos selecionados e arraste-os para Detail no card Marks conforme abaixo:

Clustering

Fazer clustering no Tableau é um processo de arrastar e soltar. Siga os passos:

• Clique no painel Analytics e arraste Cluster para a visualização. O Tableau agrupa os dados automaticamente.

• Embora o Tableau consiga decidir automaticamente o número de clusters, você também pode controlar tanto a quantidade de clusters quanto as variáveis usadas no cálculo. Basta arrastar um campo para dentro da caixa para incluí-lo no algoritmo de clustering ou arrastá-lo para fora para excluí-lo.

• Vamos usar 4 clusters e as variáveis padrão para uma análise mais rica. Note que alguns países não entraram em nenhum cluster e foram marcados como not clustered.

• O cluster é criado como uma nova pill e aparece na prateleira de cor. Arraste essa pill para o painel Data para salvá-la como um grupo.

Pronto: agrupamos os países em relação às medidas escolhidas. Mas como interpretar esses resultados e tomar decisões de negócio com base neles? A próxima seção responde a essas perguntas.

Descrevendo os clusters

Clique no campo Clusters no card Marks e selecione a opção Describe Clusters.

Isso abre um documento com uma descrição detalhada dos clusters. Ele tem duas abas:

Summary

Exibe um resumo dos resultados e os valores médios de cada variável para cada cluster.

Com base nos resultados acima, podemos inferir que o Cluster 3 tem:

• Maior expectativa de vida para homens e mulheres
• Maior turismo total per capita
• Maior população urbana

Isso indica uma população urbana mais rica e com maior longevidade — um mercado promissor para o turismo da terceira idade. Vamos ver quais países fazem parte desse cluster.

Models

A aba Models mostra os valores estatísticos relacionados às médias de todas as variáveis/campos e sua significância estatística.

Como analista, você pode apresentar essa lista ao time de Vendas para que foquem nesses clientes em potencial. O clustering nos trouxe ótimos insights. A partir daqui, vale experimentar diferentes campos, definir limites para população ou renda etc. Há muitas maneiras de agrupar os dados, mas o princípio básico é o mesmo.

Conclusão

Neste artigo, você viu como realizar uma análise de clusters no Tableau com um simples mecanismo de arrastar e soltar. O clustering é uma ferramenta valiosa e, aliado ao Tableau, coloca uma técnica estatística poderosa nas mãos dos analistas. Veja o nosso hub de Tableau para tudo o que você precisa para dominar a ferramenta. 

Referências

Documentação do Tableau