Cluster Analysis

Wat is cluster analysis?

Cluster analysis (clusteranalyse) is een analysetechniek die vanzelf groepen van vergelijkbare objecten in een dataset opspoort. Het uitgangspunt: objecten binnen één cluster lijken sterk op elkaar, en verschillen duidelijk van objecten in andere clusters. De techniek komt uit de statistiek en is een vast onderdeel van machine learning geworden.

Hoe werkt het?

Eerst kies je welke kenmerken meetellen, bijvoorbeeld bestedingsbedrag en aankoopfrequentie bij klanten. Daarna berekent een algoritme hoe “dichtbij” datapunten bij elkaar liggen, met een afstandsmaat zoals de Euclidische afstand (de gewone rechte-lijnafstand). Vervolgens groepeert een algoritme de punten: k-means verdeelt data in een vooraf gekozen aantal clusters, hiërarchische clustering bouwt een boomstructuur en DBSCAN vindt clusters op basis van dichtheid. Tot slot beoordeel je of de gevonden groepen logisch en bruikbaar zijn; dat laatste blijft mensenwerk.

Wat heb je eraan als bedrijf?

Het klassieke voorbeeld is klantsegmentatie: clusteranalyse ontdekt vanzelf groepen als koopjesjagers, trouwe vaste klanten en incidentele grootbestellers, zonder dat je die groepen vooraf hoeft te bedenken. Andere toepassingen zijn het groeperen van producten met vergelijkbaar verkooppatroon of het opsporen van afwijkende transacties. Het is vooral een ontdekkingstechniek: het laat structuren zien die je zelf nog niet kende.

Gerelateerde begrippen

Cluster analysis en clustering worden vaak door elkaar gebruikt; de techniek valt onder unsupervised learning. Zie ook k-means clustering en similarity measures.