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

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

GSON框架下将百度天气JSON数据转JavaBean

《GSON框架下将百度天气JSON数据转JavaBean》这篇文章主要为大家详细介绍了如何在GSON框架下实现将百度天气JSON数据转JavaBean,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言一、百度天气jsON1、请求参数2、返回参数3、属性映射二、GSON属性映射实战1、类对象映

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装

MySQL中查询和展示LONGBLOB类型数据的技巧总结

《MySQL中查询和展示LONGBLOB类型数据的技巧总结》在MySQL中LONGBLOB是一种二进制大对象(BLOB)数据类型,用于存储大量的二进制数据,:本文主要介绍MySQL中查询和展示LO... 目录前言1. 查询 LONGBLOB 数据的大小2. 查询并展示 LONGBLOB 数据2.1 转换为十

使用SpringBoot+InfluxDB实现高效数据存储与查询

《使用SpringBoot+InfluxDB实现高效数据存储与查询》InfluxDB是一个开源的时间序列数据库,特别适合处理带有时间戳的监控数据、指标数据等,下面详细介绍如何在SpringBoot项目... 目录1、项目介绍2、 InfluxDB 介绍3、Spring Boot 配置 InfluxDB4、I

Java整合Protocol Buffers实现高效数据序列化实践

《Java整合ProtocolBuffers实现高效数据序列化实践》ProtocolBuffers是Google开发的一种语言中立、平台中立、可扩展的结构化数据序列化机制,类似于XML但更小、更快... 目录一、Protocol Buffers简介1.1 什么是Protocol Buffers1.2 Pro

Python实现数据可视化图表生成(适合新手入门)

《Python实现数据可视化图表生成(适合新手入门)》在数据科学和数据分析的新时代,高效、直观的数据可视化工具显得尤为重要,下面:本文主要介绍Python实现数据可视化图表生成的相关资料,文中通过... 目录前言为什么需要数据可视化准备工作基本图表绘制折线图柱状图散点图使用Seaborn创建高级图表箱线图热

MySQL数据脱敏的实现方法

《MySQL数据脱敏的实现方法》本文主要介绍了MySQL数据脱敏的实现方法,包括字符替换、加密等方法,通过工具类和数据库服务整合,确保敏感信息在查询结果中被掩码处理,感兴趣的可以了解一下... 目录一. 数据脱敏的方法二. 字符替换脱敏1. 创建数据脱敏工具类三. 整合到数据库操作1. 创建服务类进行数据库

MySQL中处理数据的并发一致性的实现示例

《MySQL中处理数据的并发一致性的实现示例》在MySQL中处理数据的并发一致性是确保多个用户或应用程序同时访问和修改数据库时,不会导致数据冲突、数据丢失或数据不一致,MySQL通过事务和锁机制来管理... 目录一、事务(Transactions)1. 事务控制语句二、锁(Locks)1. 锁类型2. 锁粒