QQ大数据:逃离北上广深后27%的人想回去

2024-01-10 12:20

本文主要是介绍QQ大数据:逃离北上广深后27%的人想回去,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章讲的是 QQ大数据:逃离北上广深后27%的人想回去11月27日,由中央电视台财经频道、国家统计局、中国邮政集团公司、北京大学国家发展研究院联合主办的“中国经济生活大调查2015-2016”启动大会,在国家体育场文化中心新闻发布厅举行。拥有8.60亿月活跃用户的腾讯QQ大数据,成为《中国经济生活大调查》的合作平台,腾讯即通产品部副总经理冼业成受邀出席,并在现场发布了“QQ大数据之逃离北上广深”案例,为大家揭秘用户“逃离”北上广深的情况。

QQ大数据:逃离北上广深后27%的人想回去

  腾讯即通产品部副总经理冼业成

  12%用户“逃离”北上广深

  一直以来,“逃离”北上广深是大家非常关心的民生问题。QQ 大数据显示,2015 年 2 月 4日至 2 月 15 日,共计 5334 万人从北上广深四城,回到全国各地,占四地总用户数的 58%。节后,约 1084 万的人真正逃离了北上广深,逃离率为 12%,比上年同期上涨了1%。其中北京又以 19% 的逃离率成为人们最想逃离的城市。调查显示,在逃离的人群中,又有27.1%的用户想重回北上广深。

QQ大数据:逃离北上广深后27%的人想回去

  QQ通过问卷抽样调查发现,“逃离”北上广深的用户中,25—30岁的QQ用户占35.8%居首位,其次是31—35岁的用户。此外,35.6%的用户收入范围在3001-5000元,23%的用户收入范围在5001-10000元。

QQ大数据:逃离北上广深后27%的人想回去

  这些节后没有返回北上广深的人们,去哪儿了呢?QQ大数据显示,他们大多在临近的城市找到了新天地,其中值得注意的是,离开北京的用户中,有将近10%的用户选择前往广东。广东以23%的占比成为北上广深四城逃离用户的首选,其余大部分用户选择前往江苏、河北、山东、湖南、浙江等城市。

QQ大数据:逃离北上广深后27%的人想回去

  无法与亲人伴侣团聚成“逃离”的主要原因

  调查显示,离开北上广深的用户中,有41.5%的用户是因为无法和亲人伴侣相聚。其次如生活消费成本高、户籍不在当地、房价、房租等问题也排前列。而仅有5.9%的用户认为城市交通问题是他们离开的原因,可见城市再堵也拦不住年轻人追梦的心。

QQ大数据:逃离北上广深后27%的人想回去

  超两千万新用户寻梦北上广深

  “北上广深”就像一座围墙,在里面的人想出去,外面的人想进来。在2015年春节后,有超过两千万新的QQ用户来到北上广深寻找梦想,占四地总用户的26%。其中,北京以40%的涌入率位列四城之首。流入北上广深的“新血液”大多是25—29岁的QQ用户,仅这部分用户就超过26%,并且超过半数为男生。

QQ大数据:逃离北上广深后27%的人想回去

  从QQ大数据分析可见,尽管很多人在“逃离”,但两倍的人还在“进入”,北上广深的人口吸引强势地位仍在加剧,北京依然是年轻人“追梦”的首选之地。同时通过问卷调研,可以看出58.3%的QQ用户是为了更大的发展空间及更多就业机会而来到北上广深,这里的高收入、良好的生活设施及文化建设吸引着他们前来。

  从“逃离北上广深”这个案例可以看到,QQ大数据的核心正是“人”,以人的走向、变动来揭示中国经济社会发展的走向,这正是QQ倡导的“以‘人’为本的大数据未来”。通过QQ大数据,能够以8.60亿的QQ月活跃用户为基础,描绘出中国人的各项社会生活动态画卷,从而达到分析国家现实国情、展望未来发展的目的。


作者: 景保玉 

来源:IT168

原文链接:QQ大数据:逃离北上广深后27%的人想回去

这篇关于QQ大数据:逃离北上广深后27%的人想回去的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/590797

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者