Tableau 中的聚类分析

数据可能复杂、繁琐，有时要发现其中的模式并不容易。设想您手头有一份公司销售数据，希望按消费者的消费能力挖掘出某种模式。如果能在数据中找出不同的群体或关联，您就可以有针对性地触达不同的群体，从而最大化销售额。这个直觉背后的基本思想叫作聚类，而 Tableau 具备一项内置功能，可以基于特定属性自动将相似的数据点聚为一类。让我们来探索 Tableau 的这一功能，并看看如何将聚类应用到真实世界的数据集。

K 均值聚类

聚类（也称为聚类分析）是一种无监督机器学习算法，它会根据某种相似度度量将相似的项目归到一起。

Tableau 在底层使用了 K 均值聚类算法。K 均值是将数据划分为 K 个簇的一类聚类技术，属于基于质心的聚类。在 K 均值聚类中，给定簇的数量 k，算法会将数据集划分为 k 个簇，每个簇都有一个质心，质心由该簇内所有点的均值计算得到。然后根据数据点到各质心的距离，将数据点归入相应的簇。

这里有两篇来自 DataCamp 的优质教程，详细讲解了聚类的概念：

• 使用 scikit-learn 实现 Python 中的 K 均值聚类
• R 语言中的 K 均值聚类教程

如果您想进一步了解机器学习中的聚类，可学习 DataCamp 的 Python 无监督学习 或 使用 SciPy 的聚类方法课程。

下图对 K 均值算法进行了可视化，便于理解。最初，我们随机定义 4 个质心点。K 均值算法随后将每个数据点分配到其最近的簇（用叉号表示）。随着所有数据点均值的变化，质心会移动到新的位置；这一过程会不断重复，直到质心位置不再发生变化。

K 均值算法可视化

Tableau 中的聚类判据

在了解一些聚类方法论之后，让我们来看看 Tableau 是如何实现聚类的。Tableau 使用 Calinski-Harabasz 判据来评估簇的质量。以下是 Calinski-Harabasz 判据的数学表述：

来源

“其中 SSB 为总体类间方差，SSW 为类内总体方差，k 为簇的数量，N 为观测数”（来源）。

该比值用于衡量簇的凝聚度。值越高，说明类内距离更小、类间距离更大，簇越紧密、区分越明显。

前提条件

本文假设您对Tableau 有一定了解。如果您完全是初学者，建议先阅读 DataCamp 上以下文章，作为优秀的入门材料。

使用 Tableau 进行数据可视化

Tableau 环境

在本教程中，我们将使用 Tableau Public，这是一款完全免费的 Tableau 产品。从官方网站下载 Tableau Public 版本，按照安装说明进行安装；如果单击 Tableau 图标后出现下图界面，即表示可以开始使用。

连接到数据集

本文将使用名为世界经济指标的数据集。该数据集涵盖了一些推动经济发展的重要指标，如各国的预期寿命、营商便利度、人口等，来源于联合国。可从此处获取。

• 将数据集下载到您的计算机。
• 从本地计算机将数据导入到 Tableau 工作区。在工作表选项卡下使用 Data Interpreter（数据解释器）来修正并重新对齐数据。

格式化数据源

进入工作表，查看“度量”和“维度”选项卡。度量选项卡下有许多字段，可以合并到同一类别中。这也有助于更好地呈现所有数据字段。

• 选择 Business Tax Rate、Days to Start Business、Ease of Business、Hours to do Tax and Lending Interest > 创建文件夹。

• 将该文件夹命名为 Business，上述所有字段将归入该文件夹。

• 同样，为 Development、Health 和 Population 创建文件夹，并分别添加以下字段。格式化完成后，“度量”选项卡如下所示：

基于世界经济指标数据创建聚类

聚类有助于挖掘数据集中的模式。假设您是一家旅游公司的分析师。随着全球预期寿命的提高，银发旅游迅速增长。老年人如今更为活跃，也更愿意出行看世界。您的公司希望抓住这一趋势，而您的任务是使用世界指标示例数据，识别出拥有足够目标客户的国家。聚类正是帮助我们识别此类国家的工具。

识别银发旅游成功率高的国家

下面通过各个步骤，在数据上执行聚类分析。

• 在数据窗格的“维度”下双击 Country。Tableau 将创建一幅地图视图，每个国家用一个实心圆表示。将标记类型更改为 Map，在 Marks 卡中进行操作。

确定用于聚类的变量

聚类的下一步是确定将用于聚类算法的变量。在 Tableau 中，变量与字段相当。并不存在能产生理想簇的“唯一最佳变量”组合，您需要尝试多种变量，以观察哪些能得到期望结果。在我们的案例中，使用以下字段：

• Population Urban

城镇人口是衡量一国人口密度的良好指标。密度越高，意味着可获得的商业机会越多。

• Population 65+

65 岁以上人口代表老年群体，这也是我们的目标细分。

• Life Expectancy Female 和 Life Expectancy Male

预期寿命较高的国家，意味着人们普遍更长寿，出行意愿可能更强。

• Tourism Per Capita

该字段目前不存在，可以使用 Tourism Outbound 和 Population Total 字段创建为一个计算字段，公式如下：

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

Tourism Outbound 表示一国居民每年在国际旅行上的花费（以美元计）。为了得到人均值，我们需要用该字段除以各国的人口。

将选定字段添加到视图

在继续之前，需要将默认聚合从 SUM 更改为 AVERAGE。Tableau 支持对度量或维度进行聚合，但更常见的是对度量进行聚合。每当我们将度量添加到视图中，默认都会对其应用某种聚合。应应用的聚合类型取决于视图的上下文。

为所有选定字段更改聚合类型，然后将它们拖到 Marks 卡中的 Detail，如下所示：

聚类

在 Tableau 中，聚类是一个简单的拖放过程。步骤如下：

• 单击 Analytics 窗格，将 Cluster 拖到视图中，Tableau 会自动对数据进行聚类。

• 虽然 Tableau 能自动决定需要创建的簇数，但我们也可以控制簇的数量以及用于计算聚类的变量。只需将字段拖入框中即可将其纳入聚类算法，拖出即可排除。

• 为了更好地分析，我们选择 4 个簇并采用默认变量。注意，部分国家未被归入任何簇，并被标记为“未聚类”。

• 聚类会以一个新的胶囊（pill）形式创建，并显示在“颜色”货架上。将该胶囊拖到数据窗格中，即可保存为一个分组。

至此，我们已根据选定的度量对各国完成聚类。但如何解读这些结果，并据此做出业务决策呢？下一节将解答这些问题。

描述聚类

在 Marks 卡中单击“Clusters”字段，然后单击“Describe Clusters”（描述聚类）。

这会显示一个包含聚类详细描述的文档。该文档包含两个选项卡：

摘要

提供结果概要，并给出每个簇中各变量的平均值。

从上述结果可以推断，簇 3 具备：

• 男女均具有最高的预期寿命
• 最高的人均旅游支出
• 最高的城镇人口

这意味着其拥有更富裕的城市人口和更长的预期寿命，因此看起来是银发旅游行业的优质市场。让我们看看该簇包含哪些国家。

模型

“模型”选项卡显示了所有变量/字段平均值的多种统计量及其统计显著性。

因此，作为分析师，您可以将这份名单提交给销售团队，以便他们重点关注这些潜在客户。聚类为我们提供了宝贵洞见。接下来，您可以尝试不同的字段，设置人口或收入阈值等。聚类数据的方法很多，但基本原理不变。

结论

本文介绍了如何在 Tableau 中通过简单的拖放机制，对给定数据集进行聚类分析。聚类是一种有价值的工具，与 Tableau 结合使用，能够让分析师掌握强大的统计分析方法。访问我们的 Tableau 专区，获取掌握 Tableau 所需的一切资源。

参考资料

Tableau 文档