Cluster Analysis (การวิเคราะห์กลุ่ม) เป็นกิจกรรมมนุษย์ที่สำคัญ ใช้สร้าง groups หรือ clusters ของ records ที่คล้ายกัน ตาม measures ต่างๆ ที่วัดบน records แนวคิดหลักคือกำหนด clusters ให้มีประโยชน์ต่อวัตถุประสงค์การวิเคราะห์ ใช้ในหลายสาขา: ดาราศาสตร์ โ古รูปศาสตรา การแพทย์ เคมี การศึกษา จิตวิทยา ภาษาศาสตร์ สังคมวิทยา
Cluster analysis เป็นสาขาของสถิติที่ศึกษามาหลายปี ข้อดีคือสามารถค้นพบโครงสร้างหรือ clusters ที่น่าสนใจโดยตรงจากข้อมูลโดยไม่ต้องใช้ background knowledge เช่น concept hierarchy
Clustering algorithms ในสถิติ เช่น PAM หรือ CLARA ถูกรายงานว่า inefficient จากมุมมอง computational complexity ด้าน efficiency มีอัลกอริทึมใหม่ชื่อ CLARANS (Clustering Large Applications based upon Randomized Search) พัฒนาขึ้นสำหรับ cluster analysis
การประยุกต์ใช้ที่โดดเด่นใน marketing คือ market segmentation − users ถูก segment จาก demographic และ transaction history data แล้วปรับ marketing techniques ให้แต่ละ segment
อีกการใช้คือ market structure analysis ระบุกลุ่มสินค้าที่คล้ายกันตาม competitive measures of similarity ใน marketing และ political forecasting การจัดกลุ่มย่านโดย US postal zip codes ใช้กันหนักเพื่อจัดกลุ่มย่านตาม lifestyles
ใน finance ใช้ทำ balanced portfolios − จากข้อมูลโอกาสลงทุนหลายอย่าง เช่น หุ้น หา clusters จาก financial performance variables: return (daily/weekly/monthly), volatility, beta, industry, market capitalization
อีกการใช้ใน finance คือ market analysis สำหรับ industry หนึ่ง หากลุ่ม firms ที่คล้ายกันจาก measures: growth rate, profitability, industry size, product range, presence ในตลาดระหว่างชาติ กลุ่มเหล่านี้วิเคราะห์เพื่อเข้าใจ market structure และตัดสินใจ เช่น ใครคือ competitor
Cluster analysis ใช้กับข้อมูลปริมาณมาก เช่น Internet search engines ใช้ clustering จัดกลุ่ม queries ที่ users ส่งมา ใช้พัฒนา search algorithms
โดยทั่วไป basic data สำหรับ clustering คือตาราง measurements บน variables หลายตัว column = variable row = record เป้าหมายคือสร้าง groups ให้ records ที่คล้ายกันอยู่กลุ่มเดียวกัน จำนวน clusters อาจ pre-specified หรือตัดสินใจจากข้อมูล
