L'agrupament (clustering) és una tècnica d'anàlisi de dades que permet agrupar elements similars en grups (clusters) basant-se en les seves característiques. En Tableau, l'agrupament es pot utilitzar per identificar patrons i tendències en les dades, facilitant la presa de decisions informades.

1. Entendre què és l'agrupament i com funciona.
2. Aprendre a crear agrupaments en Tableau.
3. Interpretar els resultats dels agrupaments.
4. Aplicar l'agrupament a casos pràctics.

L'agrupament és una tècnica d'aprenentatge automàtic no supervisat que classifica les dades en grups basant-se en la similitud de les seves característiques. Els elements dins d'un mateix grup són més similars entre ells que amb els elements d'altres grups.

• K-means clustering: Un dels mètodes més comuns, que divideix les dades en k grups basant-se en la distància mitjana.
• Hierarchical clustering: Crea una jerarquia de grups, que pot ser aglomerativa (comença amb cada punt com un grup i els combina) o divisiva (comença amb tots els punts en un grup i els divideix).

Abans de crear un agrupament, assegura't que les dades estiguin netes i preparades. Pots utilitzar tècniques de neteja de dades vistes en mòduls anteriors.

1. Obre Tableau i connecta't a la teva font de dades.
2. Crea una visualització amb les dades que vols agrupar. Per exemple, pots crear un gràfic de dispersió amb dues variables.
3. Selecciona la pestanya "Analytics" a la part dreta de la interfície.
4. Arrossega l'opció "Cluster" a la visualització.

1. Defineix el nombre de grups (k): Tableau suggereix un nombre de grups basat en les dades, però pots ajustar-lo segons les teves necessitats.
2. Ajusta les variables: Pots seleccionar quines variables utilitzar per a l'agrupament. Tableau utilitza les variables de la visualització per defecte, però pots afegir-ne o eliminar-ne.

1. Crea un gràfic de dispersió amb "Ingressos" a l'eix X i "Nombre de clients" a l'eix Y.
2. Arrossega "Cluster" des de la pestanya "Analytics" a la visualització.
3. Configura l'agrupament per utilitzar "Ingressos", "Nombre de clients" i "Nombre de productes venuts".
4. Ajusta el nombre de grups a 3.

Després de crear l'agrupament, Tableau mostrarà els grups amb diferents colors. Pots analitzar els grups per identificar patrons, com ara botigues amb alts ingressos però pocs clients, o botigues amb molts clients però baixos ingressos.

Dades:

• Utilitza un conjunt de dades de vendes amb les següents variables: "Ingressos", "Nombre de clients", "Nombre de productes venuts".

Objectiu:

• Crea un agrupament per identificar diferents segments de botigues.

Passos:

1. Connecta't a les dades de vendes.
2. Crea una visualització amb "Ingressos" a l'eix X i "Nombre de clients" a l'eix Y.
3. Arrossega "Cluster" a la visualització.
4. Configura l'agrupament per utilitzar "Ingressos", "Nombre de clients" i "Nombre de productes venuts".
5. Ajusta el nombre de grups a 4.
6. Interpreta els resultats i descriu els diferents segments de botigues.

1. Visualització: Gràfic de dispersió amb "Ingressos" a l'eix X i "Nombre de clients" a l'eix Y.
2. Agrupament: Utilitza "Ingressos", "Nombre de clients" i "Nombre de productes venuts".
3. Nombre de grups: 4.
4. Resultats:
   • Grup 1: Botigues amb alts ingressos i molts clients.
   • Grup 2: Botigues amb baixos ingressos i pocs clients.
   • Grup 3: Botigues amb alts ingressos però pocs clients.
   • Grup 4: Botigues amb molts clients però baixos ingressos.

L'agrupament és una eina poderosa per identificar patrons i tendències en les dades. En aquest tema, hem après a crear agrupaments en Tableau, configurar-los i interpretar els resultats. Aquesta tècnica és especialment útil per a l'anàlisi de segments de mercat, rendiment de botigues i altres aplicacions pràctiques.

• L'agrupament classifica les dades en grups basant-se en la similitud de les seves característiques.
• Tableau facilita la creació d'agrupaments amb una interfície intuïtiva.
• La interpretació dels resultats permet identificar patrons i prendre decisions informades.

Amb aquests coneixements, estàs preparat per aplicar l'agrupament a les teves pròpies dades i descobrir nous insights.