京公网安备 11010802034615号
经营许可证编号:京B2-20210330
90后妹子多有钱,大数据告诉你_数据分析师考试
16%的90后比68%的80后收入高。数字来自业界一份最新的报告,女性理财社区——“她理财”发布的《2015中国女性理财白皮书》。
这份报告调查了诸多女性理财的风格、偏好、资产规模,但是其中最惊人的就是“90后的女孩很有钱” “90后理财很生猛”,一些指标真是森森伤害到了大龄女青年。如:
8.2%的90后女生已经有了一套甚至多套房产(在自己名下那种)。 拥有人生第一个“10万元”的过程,90后比80后短2.8 年。 16%的90后月收入超过了5000元,而80后里有68%月收入还没达到这个水平! 苦逼80后没钱是硬伤
70后赶上了最后一波政策红利,90后赶上了信息时代;70后学习好一切都好,学校好、工作好、读研究生基本不花钱,90后有特长就行、可出国可出名可创业;70后毕业包分配、结婚时房价才几千,90后有先富起来的60后爸妈和不用论资排辈的互联网时代……总之就是苦了80后。
《2015中国女性理财白皮书》也用大数据印证了上述结论。
白皮书指出,同样是改革开放后出生、在经济高速增长时期成长的“独生子女”人群,80后和90后在财富观和理财行为上存在较大的差异,获得财富和成就感的渠道也不同。
80后的第一“理财目标”是买房(68%),第二是旅行(52%);而90后“理财目标”除了这两项,还有“创业”(10%)和“继续教育”(8%),而且,90后还更早的开始理财,更早进入风险投资领域,也更早实现人生的“第一个10万元“。
在“无经验”的理财新人领域,80后和90后的比例相当接近,但有理财经验的人中,有5%的90后在20岁之前就开始了理财尝试,15%的90后在22岁前开始投资,26%的90后在24岁前开始投资。而在80后的相关投资经验调查显示,具有10年以上理财经验的女性只有3%。
报告还显示,有8.2%的90后名下拥有一套(及以上)房产,而80后对应这一数据(指25岁前拥有房产)的人数只有4.5%。
理财专家说,因为存在复利效应,越早开始理财就越可能实现财务自由。所以,在80后苦逼的人生中,很可能要再加一条:因为积累不足,只能打工到老。
90后投资很凶猛
报告发现,家庭财商对后代的影响很大:90后无论从固定资产投资还是金融理财意识上,均早于80后。即使忽略买房这个因素,80后在投资上也略逊于90后。
80后偏爱投资基金和银行理财产品,90后最爱P2P网贷,炒股也更激进。
90后投资p2p的比例是最高的,有超过30%的90后都参与了这项投资。
此外,90后炒股也很有特点。白皮书称不计入2015年新开户的数据,有11%的90后仍持有证券资产,但其中80%开户时间少于12个月,虽然80后的股票市值高于90后,但盈利点和止损点的心理预期均低于90后,90后显然可以承受更大的波动。
而且,在2015年上半年的股票大涨期间,80后在股市中的追加投资(股票市值占全部金融资产比例)积极程度落后于90后,80后的平均股票资产占比从22.4%增加到36.8%,90后从11.8%增加到40.2%。(白皮书数据截至2015年4月30日)
90后对财富更有野心
80后的投资更“现实”,超过36%的人投资的关键词是“本金安全”,而90后追求“收益最大化”——白皮书指出,90后单身居多,在理财市场又是初试牛刀,更希望证明自己。
关于有钱之后怎么花,除了旅行外,90后还想创业、想继续教育、想买车,80后则想结婚生子、想买房(有相当部分的90后已经完成了这个目标)。
起点不同,造成的结果也不同,90后如此凶猛,80后再不奋起反追可能要被虐一生了。其实,《2015中国女性理财白皮书》里是给了解救方案的,有兴趣的话还是看看全文吧。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07