产品特色

编辑推荐

专业数据分析团队“城市数据团”全新力作，“团支书”结合社会热点，用大数据和数据挖掘分析数据背后的故事。趣味性强，语言幽默，知识丰富，教会读者用大数据做出正确的判断。
　　
　　

内容简介

这是一本让你“脑洞大开”的图书，让你尝试从大数据角度来解读这个世界，你会发现，有些问题，和你的直觉完全不一样。本书内容分为三部分：第一部分可概括为“脑洞大开”，以淘宝、旅游、餐馆取名等不同的角度切入，说明数据可以用于做许多有趣的事情。第二部分数据与工作，包括了做公务员、二三线城市的衰落、创业等若干热门话题。第三部分数据与生活，包括用数据帮助理解生活现象、用数据挖掘生活中的趣味、以及用数字看房市三个专题。

作者简介

城市数据团的媒体平台包括微信公众号“城市数据团”和知乎账号“团支书”。2015年2月以来，我们持续发表原创数据研究，希望能让更多普通人热爱数据，并用数据重新认识我们身边的世界。截止2016年底，我们的文章在互联网上累计传播数千万次，拥有20万订阅读者。其中，《逃离你终将衰落的家乡》、《人口疏解，让城市更拥堵》、《淘宝改变了哪些城市》、《上海的房子都被谁买走了》等均有百万级别阅读量。

精彩书评

目录

第1章
数据，另一种视角 / / 0011.1数据之下的中国 / / 003
1.1.12015年，中国人是怎么花钱的 / / 003
1.1.2游遍全国，我们的假期够吗 / / 017
1.1.3淘宝改变了哪些城市 / / 025
1.2数据之下的城市 / / 35
1.2.1人口疏解，让城市更拥堵 / / 035
1.2.2在上海上班，地铁和开车哪个快 / / 048
1.2.3上海餐馆取名大法 / / 056

第2章
数据之于工作 / / 0672.1学习/就业指南 / / 069
2.1.1好好学习，是另一种童年 / / 069
2.1.2应该去哪里买书呢 / / 077
2.1.3月薪多少才配坐高铁 / / 086
2.1.4哪些公务员最辛苦 / / 095
2.1.5奔赴大城市，还是回家乡 / / 103数据不说谎: 大数据之下的世界目录 2.2在创业的风口上 / / 112
2.2.1一个估值10亿美元的养猪O2O项目 / / 112
2.2.2大鹏猪肉，为红烧而生 / / 121
2.2.3如何在上海开一家靠谱的餐馆 / / 130
2.2.4快捷连锁酒店选址的空间陷阱 / / 140

第3章
数据之于生活 / / 1533.1理性生活: 那些你所不知道的事 / / 155
3.1.1你的消费水平给上海拖后腿了吗 / / 156
3.1.2如何面对注定平庸的人生 / / 165
3.1.3下雨天外卖会变多吗 / / 175
3.1.4“双12”规避“假折扣”指南 / / 183
3.1.5上海的水源安全吗 / / 189
3.1.6“控制人口”——开给上海的一剂毒药 / / 198
3.2感性生活: 八卦新玩法 / / 212
3.2.1高颜值的人都在哪儿 / / 212
3.2.2中国正在二次元化吗 / / 221
3.2.3如何像白富美一样生活 / / 232
3.2.4长三角城市那些不得不说的八卦 / / 242
3.2.5上海哪所高校的吃货最幸福 / / 249
3.3生活之重: 生为房奴 / / 259
3.3.1上海的房子都被谁买走了 / / 259
3.3.2上海购房攻略 / / 268
3.3.3遥不可及的学区梦 / / 278
3.3.4房地产泡沫有多大 / / 287

附录1:
我们是怎么学会玩城市数据的？ / / 297
附录2:
城市数据团工作方法简介 / / 305

精彩书摘

　　第章

　　////第1章

　　数据，另一种视角你消费吗？旅游吗？上班吗？

　　你知道别人是怎么消费、怎么旅游、怎么上班的吗？

　　我们对于世界和城市的认知，往往来源于自己和身边其他人的生活经验。

　　所以，我们的认知往往是主观化和碎片化的。

　　但是，当我们拥有了“数据”这个工具的时候，我们就获得了重新认识世界的机会。

　　1.1数据之下的中国

　　本节内容主要涉及一个主题:如何脑洞大开地搜集和利用各种数据，以非常规的方式呈现出中国经济发展的三个截面。

　　数据之下的中国，是一个让你既熟悉又新鲜的中国。

　　1.1.12015年，中国人是怎么花钱的

　　在一波接一波的寒潮侵袭之后，期盼已久的春节假期终于到了。同事同学们纷纷放假回家，连亲爱的学姐也不在上海，只留我一个人凄冷地坐在工作台前，独自迎接假期前最难熬的几天。

　　一个人的时候，总是会想很多。

　　是的。回首即将逝去的羊年，我感慨万千。虽然不出意外地又（为什么要加一个又字呢）穷困潦倒地度过了漫长的一年，但幸运的是在这期间认识了不少天南海北的朋友。

　　因此，虽然还在孤独地加班，但我仍然心系着祖国人民，安静地准备完成春节前的最后一项数据工作:

　　数据不说谎:大数据之下的世界第1章数据，另一种视角0000年度全国消费数据总盘点。

　　好吧，问题来了——

　　Q1:2015年，全国人民到底花了多少钱？

　　2015年全球范围内可使用银联卡商户共3390万家，ATM共200万台，境外共发行银联卡5200万张。

　　根据刷卡交易统计，2015年全年，全国人民的刷卡交易总金额达到53.9万亿元。

　　53.9万亿元，是个什么概念呢？

　　我们可以想象一下:如果把这53.9万亿元全换成100元的人民币钞票，并将其一张一张紧挨着排列起来的话，这些钱大概可以绕地球赤道2100圈；从地球排到太阳的话，可以走一半多一点的路程。

　　假如这还想象不出来的话，我们可以换个角度来看:

　　根据国家统计局的数据，2015年，全国GDP总额约为67.7万亿元。也就是说，仅是刷卡消费，全国人民就刷掉了年度国内生产总值的79.6%。

　　亲爱的，你2015年创造了多少GDP？又刷掉了多少份额呢？

　　算好了吗？

　　好的话，我们不妨再来研究一下第二个问题，看看你的消费和全国总体水平相比如何呢？问题来了。

　　Q2:这53.9万亿元，都是怎么花掉的呢？

　　首先，让我们来看看这些钱是在什么时间内被花掉的呢？

　　我们统计了境内日均刷卡的交易金额，并将其细分到每一个小时。2015年日均逐小时交易曲线见图1��1，银联卡交易类型占比见图1��2。

　　图1��1日均逐小时交易曲线

　　图1��22015年银联卡交易类型占比

　　假如我们把2015年全年浓缩到一天来看的话，可以发现:14:00～15:00和8:00～9:00是全国人民刷卡的高峰时段，分别占全天交易总额的12%与8%。

　　亲爱的，你的卡是不是在这个时段内被刷爆的呢？

　　看完了交易时间，我们再来看一下交易的类型。我们将年度刷卡交易总金额分配到交易类型上，如下所述。

　　(1)从全国尺度上来看，最多的刷卡交易金额发生在批发行业，份额第一，大概可以购买16个阿里巴巴。

　　(2)份额第二的是金融行业，大概可以购买7个中国工商银行。

　　(3)份额第三的是零售行业（俗称买买买），大概可以购买5个沃尔玛。

　　也许你会觉得，这种全国宏观尺度上的消费特征，和个人没什么关系。那么，我们不妨从个人消费者的角度出发，看一下与市民生活关系最大的消费门类吧。

　　一般而言，各种消费类型中，与市民生活关系最大的应该是衣食住行金融教育六个大类。结果如何呢？

　　(1)排名第一:金融。毫无悬念。

　　(2)排名第二:住房。其交易总额大约是金融类的三分之一。

　　(3)排名第三:旅游。虽然交易总额排名第三，但也不过是住房类的零头而已。

　　(4)排名第四:衣（衣物类零售）。其总额大约是旅游的三分之一。

　　(5)排名第五:吃（餐饮）。交易总额与衣物类零售不相伯仲。

　　(6)排名最后:教育。其交易总额大约是餐饮的70%。没错，这个结果毫不意外、发人深省。

　　亲爱的，你的消费结构和全国人民相比，究竟怎样呢？

　　每个人的消费结构自然千奇百怪。

　　且不说个人，即使从省市的角度上去区分，也可以看到消费结构上的巨大差异。我们来看看:

　　Q3:全国各省的消费结构有什么样的偏好呢？

　　我们仍然将数据聚焦在衣物、餐饮、住房、旅游、金融和教育六个大类上。然后将各类消费金额占总消费金额的比例作为消费偏好的核心指标，分配到各省，可以得到以下结果。

　　(1)衣物类消费偏好前五名省市:云南、浙江、甘肃、山西、湖北。

　　想必云南四季如春，民族众多，姑娘们想怎么打扮就怎么打扮吧。见图1��3。

　　(2)餐饮类消费偏好前五名省市:海南、上海、西藏、宁夏、北京。

　　吃货集聚在上海、北京，这点毫不意外。但没想到海南、西藏、宁夏等边远地区的吃货能量同样惊人,见图1��4。

　　图1��3各省衣物类消费占比

　　图1��4各省餐饮类消费占比(3)住房类消费偏好前五名省市:海南、四川、贵州、北京、安徽。

　　非常出乎意料的，前三名竟然不是以高房价著称的北上广哦！看来虽然北上广的绝对房价居高不下，但从真实的消费结构上，海南和四川的房价水平也不容小觑。相比北京排名第四，而上海甚至都没有挤进前五,见图1��5。

　　图1��5各省住房类消费占比

　　(4)旅游类消费偏好前五名省市:西藏、海南、青海、新疆、云南。

　　从图1��6可以看到，西部的旅游消费偏好明显高于东部。而排名前五的省市，也都是以旅游胜地著称的地区。

　　图1��6各省旅游类消费占比

　　(5)金融类消费偏好前五名省市:福建、重庆、广东、湖南、上海。

　　从图1��7可以看到，我国东南地区在金融类消费偏好中可谓一枝独秀，福建省拔得头筹。排名前五的省市中，上海市已经是最北方的地区了。

　　图1��7各省金融类消费占比

　　(6)教育类消费偏好前五名省市:陕西、四川、北京、海南、湖南。

　　从图1��8可以看到，陕西省、四川省在教育类消费上的偏好明显高于全国其他地区。我在想，这些地方的孩子们是不是从幼儿园就开始上补习班了？

　　图1��8各省教育类消费占比

　　说明一下:本书消费数据中没有统计到中国台湾地区的数据，所以地图上台湾地区的颜色与其他省市不同。

　　看完各省的比较，我们不妨再来聚焦北上广深四个一线城市的情况。

　　00哪个城市最土豪呢？

　　从卡均消费金额的平均数来看，

　　深圳市人民卡均消费金额达到11.7万元，高居首位；广州市以7.6万元居第二位；而上海市以6.4万元的微弱优势战胜北京市的6.3万元，位居第三。

　　在感叹深圳市人民真土豪的同时，你是不是发现自己又拖后腿了？没关系，我们再来看看中位数，这次数字就变得和谐多了,见图1��9。

　　图1��92015年四大城市卡均消费金额（中位数）(单位:元)深圳市人民卡均消费的中位数金额达到20000元，仍然居首，北京市、上海市以15000元并列第二，而广州市则以11000元收尾。

　　顺便说一句题外话:从刷卡消费特征上看，四个城市的市民最爱的餐饮品牌也截然不同。

　　(1)北京市民最爱海底捞，热气腾腾的火锅既热闹又抵御寒气。

　　(2)上海市民则最爱王品，上海市民依然很小资，对牛排情有独钟。

　　(3)广州市民最爱百胜（肯德基、必胜客的老东家），原来除了当地特色美食，肯德基、必胜客等西式快餐同样也受市民欢迎。

　　(4)深圳市民则最爱春满园，经典粤式老牌餐厅还是深深地征服了深圳人民的胃口，让其他外来饮食逊色不少。

　　以上，我们盘点了全国刷卡总交易、各类型及各省市交易的特征。接下来，我们聚焦进入一个更核心的问题:

　　Q4:2015年，都是哪些人在花钱呢？

　　我们以上海为参照吧。

　　我们选出了常住城市在上海、一年中刷卡交易笔数在20笔以上的银行卡50万张，作为研究的样本。并按照性别、年龄将持卡人分为6组，统计其在零售方面的消费特征。

　　结论来了:

　　男性花钱多、老人花钱多。

　　首先，我们不区分消费类别，计算出各个分组的刷卡交易总金额，得到图1��10。

　　图1��102015年交易金额的年龄性别分布

　　从交易总金额来看，各个分组之间的差异并不太明显，但仍然可以看到:

　　(1)消费最多的是老年男性，其次是中年男性和青年男性；

　　(2)而在女性组中消费能力最强的中年女性，其消费份额也没能超过男性组中份额最小的青年男性。

　　这不科学啊！难道女性的花钱能力还不如男性？

　　我们再计算出每个组别的人均（取中位数，下同）刷卡交易金额,见图1��11。

　　图1��11各组持卡人年均交易金额(单位:元)

　　没错，无论在哪个年龄组，男性的人均交易金额都比女性要高。

　　另外，可怕的是，随着年龄的增长，男性会花得越来越多！

　　……

前言/序言

　　我们在用数据做什么

　　在这本书的最开始，我们想要提出这样一个问题:

　　谁最了解你？

　　是自己？

　　是配偶/恋人？

　　是父母/子女？

　　是同学/同事/朋友？

　　毫无疑问，以上几种人都存在于我们的生命中。

　　但是，跟“它”比起来，以上几种人对我们的了解恐怕都不够全面和客观。

　　没错，“它”就是手机，与我们形影不离的手机。

　　看看你手机上的那一大堆APP——

　　微博和朋友圈知道，你今天心情好不好。

　　支付宝知道，你买了什么东西、花了多少钱。

　　微信和QQ知道，你都有哪些朋友，你跟哪些朋友的交流更密切。

　　豆瓣、知乎、每日头条知道，你都喜欢浏览哪些帖子和新闻。

　　虾米和酷狗知道，你喜欢听什么歌。

　　优酷和B站知道，你喜欢看什么视频。

　　饿了么和美团知道，你喜欢什么菜系和口味。

　　……就算你什么APP也没装，只要你有一部手机，“它”就知道你什么时候工作,什么时候休息，知道你去了哪里,待了多久。

　　在手机面前，我们简直无所遁形。手机所知道的你，可能比你所知道的自己，更为真实。

　　而这些，都是我们自己告诉手机的。我们的每一次浏览、点赞、评论、下单、聊天，都以数据的形式被记录、被沉淀，最终塑造出了我们自己。

　　所以，请不要被“大数据”“开放数据”“数据挖掘”“深度学习”“神经网络”“云计算”“DMP”等奇奇怪怪的词汇所吓倒。我们每个人每天的生活起居、衣食住行，都在产生数据，并享受着数据给我们带来的便利服务。

　　事实上，数据已经和我们的视觉、听觉、触觉一样，成为了帮助我们去了解自己、了解他人、了解事物的重要方法。

　　与其他信息源相比，数据更有可能提供全面和客观的信息，从而帮助我们更快速和高效地了解问题、解决问题。

　　数据不说谎:大数据之下的世界前言我们在用数据做什么例如，你母亲催你去相亲，并提供了100位相亲者的资料。显然，你不可能一个个把他们约出来见面，一个个去了解和评价他们——你甚至都不可能仔细读完这100份资料。

　　我们通常的做法是，设立一些限制条件，对年龄、身高、学历、收入等进行筛选，再逐份阅读符合条件的相亲者的资料，直到将相亲对象数量减少到个位数。如此，我们的相亲效率就大大提高了。

　　然而，在享受数据给我们带来的高效便利的同时，我们还必须意识到:数据分析只能提供结果，不能提供结论；数据之所以能做许多事情，是因为使用数据的人做了很多的思考。

　　例如，2013年，AmazonStudios和Netflix，美国的两家传媒公司，都对自己网站上客户的视频浏览行为进行了分析。接受分析的浏览行为包括客户看了什么视频、什么时候看的、在何处暂停、在何处跳过、在何处反复观看、给视频的评分等。

　　根据数据分析的结果，两家公司一致认为观众会对政治主题感兴趣，但在视频的体裁、制作等方面则有着完全不同的认知。而后，AmazonStudios推出了由四位议员作为主角的情景喜剧，Netflix则推出只有一位议员作为主角的电视连续剧。前一部作品名为《阿尔法屋》(AlphaHouse)，观众反应平平；后一部作品则是风靡一时、获奖无数的《纸牌屋》(HouseofCards)。

　　所以，即使在一个“大数据”炙手可热、喧嚣尘上的时代，人仍然是主体，是人的智慧让数据具有了价值。

　　我们，城市数据团的小伙伴们，就是这样一群人:利用数据去了解城市的发展、挖掘城市生活中有趣的故事。对我们而言，数据是帮助我们认识城市的工具、帮助我们在城市里更好地生活的工具，而通过数据发现的东西才是价值和乐趣所在。我们乐意将这些发现拿出来共享。

　　本书由城市数据团组织编写，并写作了本书的大部分章节。城市数据团的主要成员包括高路拓、汤舸、王咏笑、王宇鹏等。参与了本书部分章节写作的其他数据团成员和合作伙伴包括（按文章收录顺序）:

　　陈宇佳(1.1.2)、郭斌亮(1.2.1)、陈至奕(1.2.3/2.1.1)、冯里婧(2.1.2)、钱骏杰(3.1.2)、张慈(3.1.3)、曹新(3.1.5)、曹湛(3.2.4)、韩旭(3.2.5)、方娴(3.3.1)、张健(3.3.2)、衣霄翔(3.3.3)、陈晨(3.3.4)。

　　除写作团队之外，感谢以下机构对本书内容提供了数据支持和技术支持（按文章收录顺序）:

　　�r银联智惠信息服务(上海)有限公司(1.1.1/3.1.1/3.2.3)

　　�r滴滴大数据研究中心(1.2.2/3.2.2)

　　�r小猿搜题(2.1.1)

　　�rBDP个人版(2.1.2/3.1.4)

　　�rTalkingData(2.1.4/3.2.2/3.2.4)

　　�r阿里研究院(2.2.1)

　　�r大众点评研究院(2.2.2/3.1.2/3.1.3/3.2.5)

　　�r上海道融自然保护与可持续发展中心(3.1.5)

　　�r同策房产咨询(3.3.1)

　　本书由城市数据团这个活跃在互联网上的大数据团队完成。如果您看完本书以后，能够增加一些对这个数据时代的了解、愿意去热爱数据和使用数据，将是对我们莫大的鼓励。

　　城市数据团

　　2017年3月

城市数据团的书，虽然以前没有出过书，但是微信公众号一直都在关注，案例总是觉得特别好。

单位购买，价格实惠！！

很好很好，很好很好

大数据之下的世界多么丰富多彩，数据是不会说谎的。

书的内容不错，装帧也好！值得推荐

大数据之下的世界多么丰富多彩，数据是不会说谎的。

拿到手了。还没有看，但是看目录非常不错

简单易学，帮助比较大

说实话，里面用的分析方法不错，但是文笔很菜，整本书的逻辑较差。