क्लस्टर विश्लेषण एक आवश्यक मानवीय गतिविधि है। क्लस्टर विश्लेषण का उपयोग इन रिकॉर्ड्स पर किए गए विभिन्न मापों के आधार पर समान रिकॉर्ड्स के समूह या क्लस्टर्स बनाने के लिए किया जाता है। मुख्य डिज़ाइन उन तरीकों से क्लस्टर्स को परिभाषित करना है जो विश्लेषण के उद्देश्य के लिए उपयोगी हो सकते हैं। इस डेटा का उपयोग खगोल विज्ञान, पुरातत्व, चिकित्सा, रसायन विज्ञान, शिक्षा, मनोविज्ञान, भाषा विज्ञान, और समाजशास्त्र जैसे कई क्षेत्रों में किया गया है।
क्लस्टर विश्लेषण सांख्यिकी की एक शाखा है जिसका कई वर्षों से व्यापक अध्ययन किया गया है। इस तकनीक का उपयोग करने का लाभ यह है कि पृष्ठभूमि ज्ञान, जैसे कॉन्सेप्ट हायरार्की, का उपयोग किए बिना सीधे डेटा से दिलचस्प संरचनाओं या क्लस्टर्स की खोज की जा सकती है।
सांख्यिकी में उपयोग किए जाने वाले क्लस्टरिंग एल्गोरिदम, जैसे PAM या CLARA, कम्प्यूटेशनल जटिलता के दृष्टिकोण से अक्षम बताए गए हैं। दक्षता चिंता के अनुसार, CLARANS (रैंडमाइज़्ड सर्च पर आधारित बड़े एप्लिकेशन क्लस्टरिंग) नामक एक नया एल्गोरिदम क्लस्टर विश्लेषण के लिए विकसित किया गया था।
विपणन में क्लस्टर विश्लेषण का एक प्रसिद्ध उपयोग बाजार विभाजन के लिए है - उपयोगकर्ताओं को जनसांख्यिकीय और लेनदेन इतिहास डेटा के आधार पर विभाजित किया जाता है, और मार्केटिंग तकनीकों को प्रत्येक सेगमेंट के लिए अनुकूलित किया जाता है।
एक अन्य शब्द प्रतिस्पर्धी समानता उपायों के अनुसार समान उत्पादों की टीमों की पहचान करने के लिए बाजार संरचना विश्लेषण है। विपणन और राजनीतिक पूर्वानुमान में, यू.एस. पोस्टल ज़िप कोड का उपयोग करके पड़ोस के क्लस्टरिंग का उपयोग जीवन शैली द्वारा पड़ोस को समूहित करने के लिए दृढ़ता से किया गया है।
वित्त में, क्लस्टर विश्लेषण का उपयोग संतुलित पोर्टफोलियो बनाने के लिए किया जा सकता है - कई निवेश अवसरों पर डेटा दिया गया जैसे स्टॉक्स। यह वित्तीय प्रदर्शन चरों के आधार पर क्लस्टर्स खोज सकता है जिसमें रिटर्न जैसे दैनिक, साप्ताहिक, या मासिक, अस्थिरता, बीटा, आदि, उद्योग और बाजार पूंजीकरण शामिल हैं।
वित्त में क्लस्टर विश्लेषण का एक अन्य ऑपरेशन बाजार विश्लेषण के लिए है। एक दिए गए उद्योग के लिए, यह वृद्धि दर, लाभप्रदता, उद्योग आकार, उत्पाद रेंज, और कई अंतरराष्ट्रीय बाजारों में उपस्थिति जैसे उपायों के आधार पर समान फर्मों की टीमों को खोजने में रुचि रखता है। इन टीमों का विश्लेषण तब बाजार संरचना सीखने और यह तय करने के लिए किया जा सकता है, उदाहरण के लिए, कौन प्रतियोगी है।
क्लस्टर विश्लेषण का उपयोग बड़ी मात्रा में डेटा के लिए किया जा सकता है। उदाहरण के लिए, इंटरनेट खोज इंजन उपयोगकर्ताओं द्वारा सबमिट की गई क्वेरीज़ को क्लस्टर करने के लिए क्लस्टरिंग विधियों का उपयोग करते हैं। इनका उपयोग तब खोज एल्गोरिदम विकसित करने के लिए किया जा सकता है।
आम तौर पर, क्लस्टर करने के लिए उपयोग किया जाने वाला बुनियादी डेटा विभिन्न चरों पर माप की एक तालिका है, जहां प्रत्येक कॉलम एक चर को परिभाषित करता है और एक पंक्ति एक रिकॉर्ड को परिभाषित करती है। उद्देश्य डेटा के समूह बनाना है ताकि समान रिकॉर्ड्स एक ही समूह में हों। क्लस्टर्स की संख्या पूर्व-निर्दिष्ट या डेटा से तय की जा सकती है।
