Phân tích phân cụm trong Tableau

Dữ liệu có thể phức tạp, tẻ nhạt và đôi khi việc phát hiện các mẫu là nhiệm vụ khó khăn. Hãy xét tình huống bạn có một số dữ liệu bán hàng của công ty. Bạn muốn khám phá một mẫu liên quan đến khả năng chi tiêu của người tiêu dùng. Nếu có thể tìm ra các nhóm hoặc mối liên kết riêng biệt trong dữ liệu, bạn có thể nhắm mục tiêu các nhóm khác nhau tương ứng để tối đa hóa doanh số. Ý tưởng cơ bản đằng sau trực giác này được gọi là phân cụm và Tableau có một tính năng sẵn có có thể tự động phân cụm các điểm dữ liệu tương tự dựa trên một số thuộc tính nhất định. Hãy khám phá chức năng này của Tableau và xem cách áp dụng phân cụm vào một bộ dữ liệu thực tế.

Phân cụm K-Means

Phân cụm, còn gọi là phân tích cụm, là một thuật toán máy học không giám sát có xu hướng nhóm các mục tương tự lại với nhau dựa trên một thước đo tương đồng.

Tableau sử dụng thuật toán phân cụm K-Means ở tầng bên dưới. K-Means là một trong các kỹ thuật phân cụm chia dữ liệu thành K cụm và thuộc loại phân cụm dựa trên trọng tâm (centroid). Trong phân cụm K-Means, với số cụm k cho trước, thuật toán chia tập dữ liệu thành k cụm, trong đó mỗi cụm có một trọng tâm được tính là giá trị trung bình của tất cả các điểm trong cụm đó. Các điểm dữ liệu sau đó được phân vào cụm dựa trên khoảng cách của chúng tới các trọng tâm.

Dưới đây là hai hướng dẫn chuyên sâu trên DataCamp đề cập chi tiết đến khái niệm phân cụm:

• Phân cụm K-Means trong Python với scikit-learn
• Hướng dẫn Phân cụm K-Means trong R

Nếu bạn muốn tìm hiểu thêm về Phân cụm trong Máy học, hãy học khóa học Học không giám sát trong Python hoặc Phương pháp phân cụm với SciPy của DataCamp.

Hình dưới đây trực quan hóa thuật toán K-Means để bạn hiểu rõ hơn. Ban đầu, chúng ta ngẫu nhiên xác định 4 điểm trọng tâm. Thuật toán K-Means sau đó gán mỗi điểm dữ liệu vào cụm gần nhất (dấu cộng). Trọng tâm dịch chuyển đến vị trí mới khi giá trị trung bình của tất cả các điểm dữ liệu thay đổi, và toàn bộ quy trình lặp lại cho đến khi không còn thay đổi vị trí trọng tâm nữa.

Trực quan hóa thuật toán K-Means

Tiêu chí phân cụm trong Tableau

Sau khi đã có hình dung về phương pháp phân cụm, hãy tìm hiểu cách phân cụm được thực hiện trong Tableau. Tableau sử dụng tiêu chí Calinski-Harabasz để đánh giá chất lượng cụm. Dưới đây là diễn giải toán học của tiêu chí Calinski-Harabasz:

Nguồn

"trong đó SSB là phương sai giữa các cụm tổng thể, SSW là phương sai trong cụm tổng thể, k là số cụm và N là số quan sát" (Nguồn).

Tỷ lệ này cho ra một giá trị xác định mức độ gắn kết của các cụm. Giá trị càng cao, các cụm càng gắn kết chặt chẽ: khoảng cách trong cụm nhỏ và khoảng cách giữa các cụm lớn.

Điều kiện tiên quyết

Bài viết này giả định bạn đã có hiểu biết cơ bản về Tableau. Nếu bạn là người mới hoàn toàn, khuyến nghị bạn đọc qua bài viết sau trên DataCamp như một phần mở đầu xuất sắc.

Trực quan hóa dữ liệu với Tableau

Môi trường Tableau

Trong hướng dẫn này, chúng ta sẽ làm việc với Tableau Public, một phiên bản hoàn toàn miễn phí của Tableau. Tải Tableau Public từ trang web chính thức. Làm theo hướng dẫn cài đặt, và nếu màn hình sau xuất hiện khi bạn bấm vào biểu tượng Tableau, bạn đã sẵn sàng.

Kết nối với bộ dữ liệu

Bộ dữ liệu chúng ta sẽ sử dụng trong bài viết này có tên là World Economic Indicators. Bộ dữ liệu này bao gồm một số chỉ số quan trọng thúc đẩy nền kinh tế như tuổi thọ, mức độ thuận lợi khi kinh doanh, dân số, v.v. của nhiều quốc gia. Bộ dữ liệu được lấy từ Liên Hợp Quốc. Bạn có thể truy cập bộ dữ liệu từ đây.

• Tải bộ dữ liệu về máy.
• Nhập dữ liệu vào không gian làm việc Tableau từ máy tính. Sử dụng Data Interpreter, nằm dưới thẻ Sheets, để chỉnh sửa và sắp xếp lại dữ liệu.

Định dạng nguồn dữ liệu

Chuyển sang worksheet và xem qua các thẻ Measures và Dimensions. Có rất nhiều trường dưới thẻ Measures, có thể gom nhóm lại dưới một danh mục. Điều này cũng giúp thể hiện tốt hơn tất cả các trường dữ liệu.

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

• Đặt tên thư mục là Business, và giờ tất cả các trường trên đã được đưa vào thư mục này.

• Tương tự, tạo các thư mục cho Development, Health và Population. Đồng thời, thêm các trường tương ứng sau. Đây là cách thẻ Measures trông như sau khi định dạng:

Tạo cụm từ dữ liệu Chỉ số Kinh tế Thế giới

Phân cụm giúp khám phá các mẫu trong bộ dữ liệu. Giả sử bạn là một nhà phân tích tại một công ty du lịch. Do tuổi thọ tăng trên toàn cầu, du lịch dành cho người cao tuổi bùng nổ. Người lớn tuổi hiện năng động hơn và quan tâm nhiều hơn đến việc đi du lịch, khám phá thế giới. Công ty của bạn muốn tận dụng xu hướng này, và nhiệm vụ của bạn là dùng dữ liệu mẫu World Indicators để xác định các quốc gia có đủ nhóm khách hàng phù hợp. Phân cụm là công cụ có thể giúp chúng ta xác định các quốc gia như vậy.

Xác định các quốc gia có tỷ lệ thành công cao cho du lịch người cao tuổi

Hãy cùng đi qua các bước khác nhau để thực hiện phân tích cụm trên dữ liệu.

• Nhấp đúp Country trong Dimensions ở ngăn Data. Tableau tạo một chế độ xem bản đồ với hình tròn tô màu đại diện cho mỗi quốc gia. Đổi kiểu dấu (mark type) thành Map trên thẻ Marks,

Xác định biến dùng để phân cụm

Bước tiếp theo trong phân cụm là xác định các biến sẽ dùng trong thuật toán phân cụm. Trong Tableau, các biến tương tự như các trường (fields). Không có một câu trả lời duy nhất về bộ biến tốt nhất cho ra cụm tối ưu, nhưng bạn có thể thử nghiệm với nhiều biến để xem cái nào cho kết quả mong muốn. Trong trường hợp của chúng ta, hãy làm việc với các trường sau:

• Population Urban

Dân số đô thị là một chỉ báo tốt về mật độ dân số của một quốc gia. Mật độ càng cao, cơ hội kinh doanh càng nhiều.

• Population 65+

Dân số trên 65 tuổi thể hiện nhóm công dân cao tuổi, cũng là phân khúc mục tiêu của chúng ta.

• Life Expectancy Female và Life Expectancy Male

Các quốc gia có tuổi thọ cao hơn cho thấy người dân có xu hướng sống lâu hơn và sẽ quan tâm đến việc đi du lịch hơn.

• Tourism Per Capita

Trường này chưa tồn tại và có thể tạo như một trường tính toán, sử dụng các trường Tourism Outbound và Population Total như sau:

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

Tourism Outbound biểu thị số tiền (USD) người dân của một quốc gia chi tiêu hàng năm cho du lịch quốc tế. Để có giá trị trung bình trên đầu người, chúng ta cần chia trường này cho dân số của mỗi quốc gia.

Thêm trường đã chọn vào chế độ xem

Trước khi tiếp tục, chúng ta cần đổi phép kết gộp mặc định từ SUM sang AVERAGE. Tableau cho phép kết gộp measures hoặc dimensions, dù kết gộp measures là phổ biến hơn. Bất cứ khi nào thêm một measure vào chế độ xem, một phép kết gộp sẽ được áp dụng mặc định. Loại kết gộp cần áp dụng phụ thuộc vào ngữ cảnh của chế độ xem.

Đổi phép Kết gộp cho tất cả các trường đã chọn rồi kéo chúng vào Detail trên thẻ Marks như sau:

Phân cụm

Phân cụm trong Tableau là thao tác kéo thả đơn giản. Các bước sau phác thảo quy trình phân cụm:

• Nhấp vào ngăn Analytics và kéo Cluster vào chế độ xem, dữ liệu sẽ được Tableau tự động phân cụm.

• Mặc dù Tableau có thể tự quyết định số lượng cụm cần tạo, chúng ta cũng có thể kiểm soát số cụm và các biến dùng để tính cụm. Chỉ cần kéo một trường vào hộp để đưa vào thuật toán phân cụm hoặc kéo ra để loại trừ.

• Chúng ta sẽ chọn 4 cụm và giữ các biến mặc định để phân tích tốt hơn. Lưu ý, một số quốc gia không thuộc cụm nào và được đánh dấu là không phân cụm.

• Cụm được tạo thành một pill mới và có thể thấy trên kệ màu (color shelf). Kéo pill này vào ngăn Data để lưu thành một nhóm.

Như vậy, chúng ta đã phân cụm các quốc gia theo các thước đo đã chọn. Nhưng làm sao để hiểu các kết quả này và đưa ra quyết định kinh doanh dựa trên các cụm? Phần tiếp theo sẽ giải đáp.

Mô tả các cụm

Nhấp vào trường Clusters trong thẻ Marks và chọn Describe Clusters.

Một tài liệu sẽ hiển thị, chứa mô tả chi tiết về các cụm. Có hai thẻ trong tài liệu:

Tóm tắt

Phần này cung cấp tóm tắt kết quả và giá trị trung bình của từng biến cho mỗi cụm.

Từ kết quả trên, ta có thể suy ra Cụm 3 có:

• Tuổi thọ cao nhất cho cả nam và nữ
• Tổng chi tiêu du lịch bình quân đầu người cao nhất
• Dân số đô thị cao nhất

Điều này có nghĩa là cụm này có dân số đô thị khá giả với tuổi thọ cao hơn và do đó có vẻ là thị trường tốt cho ngành Du lịch người cao tuổi. Hãy xem những quốc gia nào nằm trong cụm này.

Mô hình

Thẻ models hiển thị các giá trị thống kê cho giá trị trung bình của tất cả các biến/trường và chỉ ra ý nghĩa thống kê của chúng.

Vì vậy, với vai trò nhà phân tích, bạn có thể trình danh sách này cho đội ngũ Bán hàng để họ tập trung vào các khách hàng tiềm năng này. Phân cụm đã mang lại cho chúng ta những hiểu biết giá trị. Từ đây, bạn có thể thử nghiệm các trường khác nhau, đặt ngưỡng cho dân số hoặc thu nhập, v.v. Có nhiều cách để phân cụm dữ liệu, nhưng nguyên tắc cơ bản vẫn không đổi.

Kết luận

Trong bài viết này, chúng ta đã học cách thực hiện phân tích cụm cho một bộ dữ liệu trong Tableau với cơ chế kéo thả đơn giản. Phân cụm là một công cụ hữu ích và khi kết hợp với Tableau, mang sức mạnh của kỹ thuật phân tích thống kê đến tay các nhà phân tích. Xem trung tâm Tableau của chúng tôi để có mọi thứ bạn cần nhằm làm chủ Tableau. 

Tài liệu tham khảo

Tài liệu Tableau