案例08｜Hofstede 70 國：用六個文化維度建立 Clusters

1. 案例定位

以 Hofstede Dataset 示範 SAS Visual Analytics（SAS VA）的高維 Clustering、Cluster Matrix 與 Parallel Coordinate Plot。

2. 學習目標

建立 Clusters、比較群組特徵、調整群數與 bins，並理解小 Cluster 的可能意義。

3. 案例情境

Dataset 包含 70 國與六個 Cultural Dimensions；每個 Dimension 為 0–100 的 Measure。SAS VA Clustering 至少需要兩個 Measure Variables。

4. 開始資料

項目	原書設定
Countries	70
Dimensions	6
Scale	0–100
Default Clusters	5
Default bins	16
示範調整	3 Clusters、4 bins、6 visible roles

5. 分析方法

將六個 Measures 放入 Cluster Visualization → 查看 Cluster Matrix → 將 visible roles 由 5 改為 6 → 用 Parallel Coordinate Plot 看單一群特徵 → 依 Membership 將 5 群改為 3 群並把 16 bins 改為 4。

6. 計算結果

原書三群描述：Cluster 0 高 Indulgence／Uncertainty Avoidance、低 Individuality／Long-term Orientation；Cluster 1 高 Individuality；Cluster 2 為 Collectivist，且 Uncertainty Avoidance 較低。完整特徵依原書 Figure 5.7。

7. 結果分析與管理解讀

減少群數提高 Generality，但可能失去小型 Niche／Outlier。原書提醒 Small Clusters 不一定應刪除，也可能具有商業價值。

8. AI Prompt

「依以下 Cluster Matrix 與 Parallel Coordinate Plot 的實際輸出，整理各群 Profile 與差異；不要補造 Membership 或分數。」

9. 思考／What-if

題目： 為何原書從 5 Clusters 改為 3？

參考解答： Parallel Coordinate Plot 顯示 Cluster 1 與 4 Membership 不顯著，因此原書示範以 3 群建立更一般化的圖像。