正确答案是：D: 以上皆是。

**专业分析：**

聚类分析是用于将数据样本分成若干组（或簇）的统计分析方法。该方法的核心任务在于根据数据之间的相似性或距离，将相似的对象归为一类。具体来说，聚类分析所关心的重点包括：

1. **如何以数字来表示成员间的相似性（选项A）**：
- 聚类分析首先需要定义对象间的相似性或距离，这通常通过距离度量来实现，比如欧氏距离、曼哈顿距离、余弦相似度等。这些度量帮助判断哪些对象是相似的，从而可以进行合理的分组。

2. **如何根据相似性将类似的成员分在同一群（选项B）**：
- 根据计算出的相似性，聚类算法（如K-means、层次聚类、DBSCAN等）会尝试将对象划分到不同的簇中，使得簇内对象的相似性最大化，而簇间对象的相似性最小化。

3. **所有成员分群完毕后，对每一群的特征应如何描述（选项C）**：
- 在完成聚类之后，分析每个簇的特点是非常重要的。这包括确定每个簇的中心（即质心）、簇的大小、形状和密度，以及可能需要对每个簇进行特征化描述以便理解其代表的对象类别。

因此，聚类分析的重点涵盖了选项A、B和C所列出的所有方面。每一部分都是聚类分析过程中的关键步骤，缺一不可。