簡單說明一下不同的分析方法，讓初心者明白其中差別。
再次重申，本系列文著重在名詞解釋，故以下不會細談實作。

用會員分群做舉例。

1. 分類分析(Classification)：

已經主觀決定出分類，例如決定好將會員分成三類：低消費群、中消費群、高消費群。依照消費金額，主觀地將所有會員分進去這三類，主觀地決定哪兩個金額門檻，可以把會員分成三群，例如平均每月消費999元以下者為低消費群、1000~9999元中消費群，10000元以上高消費群。

重點在於四個字：人為主觀。三類是人決定的、金額門檻也是人決定的。

2. 群集分析(Clustering)：

這項分析可謂博大精深，【群集分析(Clustering)】是一個統稱，實則背後有著各種不同的演算法，也各有優缺點，機器學習的發展就是由此展開的。在此，小馬只有辦法簡述，實無法盡述。

【群集分析(Clustering)】也是在做分群，其中K-mean演算法，是最為人熟知且常用的演算法，透過不同演算法的分析技巧和特性，分析人員在演算法下，可以找出較適合的分類數量(分幾群)，可能不是如上分成三類，而是分A~E五類，甚至到了最後，分析人員會對於到底要分A~E五類還是A~F六類而猶豫不決。
但不論分成多少類(多少群)，【群集分析(Clustering)】的演算法會直接把所有樣本分進不同的類別(群集)裡，等於是演算法會將分好的會員直接計算出數據，例如A類的會員平均消費金額多少、B類的...等等以此類推，進而去描述不同群會員的相貌。

重點在於四個字：系統客觀。不管是分類或是計算而得的門檻，都不是由人去決定的，而是透過演算法的技術去訂定，人能決定的，只在於選擇哪種演算法，和當演算法跑出幾個很相近的(最佳)分類結果時，要選擇哪一個分類。

【分類分析(Classification)】是分析者做出人為主觀的分類(人主動決定結果)
【群集分析(Clustering)】是演算法做出系統客觀的分類(人被動接受結果)

實際操作上，針對不同目標，也不會只有一種分類，例如上述是依照消費金額去區分，應很容易想像，我們還能依照不同的消費屬性做分群。以會員分群為例，最常聽到的就是RFM：

最近一次消費(Recency)
消費頻率(Frequency)
消費金額(Monetary)

甚至，不同商品類別擁有各自的RFM，因為商品生命週期不同，例如衛生紙兩三個月要買一次、手機兩三年才換一次；不同計算的交易區間(要算一年？兩年？三年？)也會有不同的RFM。

也因此，在談CRM(客戶關係管理, Customer Relationship Management)的時候，RFM是最常見的分析元素，也是最常見的資料採礦目標。至於取得採礦完的資料，要使用【分類分析(Classification)】還是【群集分析(Clustering)】，就得看該產業的特性和文化了。

在我極少部分的經驗裡面，【分類】兩個字指的是【分類分析(Classification)】、【分群】兩個字指的是【群集分析(Clustering)】，但由於這不同的兩個字詞彙並非專有名詞，甚至它很難讓人在第一時間理解上述的區分。

要怎麼跟一個客戶說這句話：
「我們在講的是分群，不是分類。」
這還不被人覺得在咬文嚼字嘛！

因此，這兩個字，並非小馬著重的「釐清專有名詞定義」的重點，分類即分群、分群即分類，無須多加區別。

數據分析 番外篇2

專業與否

「經過我們團隊使用群集分析、cluster的演算法技術，我們將會員分成，消費一千元以下的是低消費群、一千到一萬元是中消費群、一萬元以上是高消費群。」

如果你能一眼看出上面這句話的問題所在，那你真是一個不折不扣的...呃...同行！或是有認真看完我上面文章的讀者(衷心感謝！)。

首先cluster算出來的門檻，哪這麼剛好是如此漂亮的整數，如果真的剛好整數，還兩個以上的門檻是整數，真的可以去買樂透了，沒有那麼巧的；其次是...雖然看似吹毛求疵，但這很關鍵...剛好一千元和剛好一萬元的人，是哪群呢？我們在談這些數值，絕對不會有重疊(overlapping)的狀況，只要自認夠專業的，對這種細節肯定會留心。

話雖如此，在實際的執行面，通常是【群集分析(Clustering)】先、【分類分析(Classification)】後。

先透過【群集分析(Clustering)】找到適合的分群數，並且觀察分群數的門檻落點，舉例cluster下來看似分成四群最佳，而四群的每月平均值分別是：755、3288、8960、20133，再觀察這四群的人數。等於是已經有一個進行【分類分析(Classification)】的參考依據，於是就能決定：「好！分成四群，區間大概就抓：1999以下、2000~5999、6000~14999、15000以上。」

實際執行

談到這一定會有人想問：「幹嘛不直接用cluster完的數據和門檻就好？要自己再分類過？」

大概有三個原因：

1. 無法證明強度：沒有證據可以證明，cluster切出來的原始效果會比重分類的效果還要好(實際上已相去不遠)。畢竟數據一直在變，下個月重新做cluster，它又會跑出不一樣的分群切法。

2. 執行面的困難：如果要完全按照cluster的切法，等於每跑一次cluster，就得重新訂定一次會員達標門檻，實際執行不可能朝令夕改呀！例如八月公布「近三個月消費滿15000是白金會員」、九月公布「近三個月消費滿18000是白金會員」、十月公布「近三個月消費滿20000是白金會員」，裝肖喂！你這客訴電話還不被消費者打爆嗎？

3. 老闆們看不懂：對於高階主管，不可能在他面前解釋統計學的、更不可能在會議上「彷彿要教導他統計學」。

對話只會變成這樣：

老闆：「為什麼你的白金會員門檻是13277？幹嘛不抓個一萬五或一萬三？」
小馬：「這是我們運用分群分析做出來的最佳結果。」
老闆：「分群分析我知道啊，大數據嘛！那你們怎麼做？」
小馬：「我們是用K-mean去跑的。」
老闆：「那是怎麼跑的？怎麼跑出一個這麼不符合人性的數字呢？」
小馬：「它是用算距離的概念...」
老闆：「什麼距離！你現在薪資和你期望薪資的距離嗎？」

大概是這樣~
好啦為了避免小馬文章po完未來找不到工作，必須平反一下。

老闆其實講得沒錯，是因為，「抓整數當門檻」已經是一個根深蒂固不可改變的思考，因為能實際執行操作才是最重要的。背後可以有各種演算法去支持，但無論如何到了最後，仍必須透過人工的方式調成整數。老闆想法蠻單純的，也很容易理解，就是整數這件事不能變，但又必須用到最新流行的各種統計學的方式做出來，而且會認為我們作分析的當然要知道這兩個重點，怎會不知變通，拿著原始的統計值想來訂定門檻？所以生氣囉！

也因此，變通之下，就是前面說的先【群集分析(Clustering)】、再【分類分析(Classification)】。已經是業界普遍進行的模式了。

這更讓我深刻體會這句話：盡信書，不如無書。