选择自己的奇遇
一款交互式分析游戏
智者，您已到达。
您将以智者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…
这种模式是否始终与事实一致？
您选择：
使用 Tableau 中的页面功能区来分析一段时间内的变化，您可以在该功能区点击查看一段时期内的各个数据视图。您根据高额游客消费创建了一个国家集。您注意到，来自美国、德国和英国的游客近年来的旅游消费一直位居前列，并且其领先地位已经保持了很长的时间。
您发现：
的确，自 1995 年以来，美国游客一直是花钱最多的游客。但在 2009 年，国际游客消费出现了有趣的情况…
分析技术：
您在几秒钟内执行了时间序列分析，在间隔相等的连续时间点绘制了一个项序列。这常常用于表示从过去的值到现在或将来的值的变化过程。您还创建了一个集，一个包含不同但彼此相关的项的集合。
此操作引出了最终的问题：
每个国家/地区都在 2009 年回落。发生了什么事情？
您选择：
在 Tableau 中使用表计算，查看一段时间内的入境游客数量和游客支出的百分比差异。您可以借助表计算针对整个维度进行计算 — 这里的维度是时间。您在两个度量中都发现了自己预测的下滑。
您发现：
在 2008 年和 2009 年之间，全球各国都出现了入境总人数和游客消费同时下降的情况。2008 年的衰退对旅游业产生了很大影响 — 但在衰退之后，美国的旅游业恢复得比其他国家更好。
分析技术：
您通过单键操作，计算了整个数据集的百分比差异 — 两个值之差除以初始值。
祝贺您，智者分析师。
如果某人不能从过去吸取教训 — 您定然不屑与之为伍。您已经掌握了“告之诸往而知来者”的艺术。
