背景
不同人群的不同品类的消费数据分析
二维表下的进一步分析
首先基于1个二维表进行分析，既然是二维表，就有2维度，分别是商品品类（预计）和用户分类
对于商品品类，是原始表自带的，可以直接利用。但是用户分类却没有现场的，默认思路是按照提供的数据进行分类，例如按照年龄，按照性别、按照收入，但是这次的原始数据中没有这些固定属性。只有消费时间、消费品牌、消费金额以及消费单位。
第一个任务：根据消费数据找到不同类型的群体
既然有了消费时间、消费品牌、消费金额以及消费单位，就可以进行聚类。
当然，也可以有一些我们认为的假设，例如男人喜欢电器，应该会在家用电器类上进行集中消费，累计数量相对其他品类的金额有明显差异。这样也可以从数据中找到证据。
不过既然是探索性质的数据分析，应该先不要让假设占据探索的 思路。
我们认为数据之所以可以呈现聚类，客观上是因为不同群体的消费习惯有所不同，所在在消费品类、金额上肯定不同。
（1）首先，将消费的金额聚焦到小品类上（四级品类），及一个用户在一个四级品类上的消费金额的合计，是一个基础单位。
（2）同时，由于数据过于集中，直接在图形展示会出现扎堆现象，无法细分，那就把数据进行缩小，扩大他们的差异。
基于（1）（2）可以得出基础分布散点图，然后在用【集群】功能自动分类
第二个任务：根据大类、用户分类进行数据对比展示
有了大品类和用户分类后，对比的内容应该就是消费次数和消费金额。
例如，在家用电器（大类）中，用户分类1（未知属性），消费次数很高（相对于其他大类），累计消费金额也很高就是男性客户。
而另一类用户，在女装、化妆品上次数与金额都很高，并且在其他品类上也有均匀消费，很可能就是以女性为主的，家庭类消费单位。
其实到了这里，数据体现的症状大概率与显示的人群相匹配，例如单身青年，一家3口，老两口等等，如果实在难以判断，可以进一步挖掘具体数据对应的客户信息，以个别用户数据来证明一个群体的类型。
