选择自己的奇遇
一款交互式分析游戏
先知，您已到达。
您将以先知分析师的角色开始玩 选择自己的奇遇。祝您好运！
每年前往各地旅行的游客人数超过十亿。他们在全球旅行中的消费总额超过 8850 亿美元。那么他们是什么人？地点又在哪里？
哪个国家/地区的游客消费最高？
您选择：
构建带有国家名称和旅游支出的散点图。然后在 Tableau 中按照支出将各国分配到不同群集，这样很容易看到 (1) 美国的游客消费极高，是一个异常值，(2) 德国和英国的游客消费也很高，构成了明显的第二组。
您发现：
来自美国的游客在旅游时花的钱最多，远高于其他国家。随后是来自德国和英国的游客。
高级分析技术：
您使用了聚类分析，或群集分析。聚类分析是一种用于对数据点进行分组的统计方法。它可以帮助您创建具有相似成员的组，而不同组的成员之间有明显区别。Tableau 使用 k-均值聚类分析算法和一种基于方差的分区方法，确保运行之间的一致性。详细了解 Tableau 中聚类分析的工作原理。
现在，您想知道…
消费地点在哪里？
您选择：
通过查看数据来寻找游客支出的区域趋势，这些数据位于另一个文件中。您使用两个数据集，按区域对每年的消费额进行可视化，在 Tableau 中拖出趋势线，验证生成的图形轨迹。
您发现：
游客消费具有显著的区域趋势。您是如何知道的？因为 p 值远小于 0.05，而 R 平方值接近 1（“在线帮助”对此有更详细的说明）。解读：大多数数据点的位置非常接近您发现的趋势线，因此该模型与数据有很好的拟合度。特别要指出，亚太地区的游客消费似乎比其他地区增长得更快。
高级分析技术：
您执行了 趋势分析。趋势分析在一段时期内对相同的值进行比较，从而发现相关变量之间的关系。您还对 区域市场数据 进行了跨数据库联接。跨数据库联接可以对来自多个数据集的数据进行集成，提高分析完整性。
现在，您想知道…
在未来，泰国可能对亚太地区的增长做出怎样的贡献？
您选择：
研究泰国对亚太地区不断提高的全球旅游支出影响力有何贡献。您看到，在 2013 年，泰国从游客获得的收入为约 470 亿美元；但在 2014 年，该国仅获得 420 亿美元。您在 Tableau 中创建 R 模型，用于预测超过 2013 年旅游收入水平所需的游客数量。
您发现：
要达到新的收入目标，泰国需要增加 2900 万名游客。
高级分析技术：
您使用 R 集成来进行预测性建模，具体而言就是多元线性回归。R 是一种编程语言，用于对大数据集执行复杂的分析和预测性分析。已经构建好的 R 模型可以在 Tableau 中使用，因此，您可以进一步扩展自己的分析。
祝贺您，先知分析师。
您选择了一条道路 — 或者它选择了您？— 并因此获得了预测的能力。先知，祝贺您掌握了预见未来的能力。
