
最为乌龙的一个大数据案例是,美国Target百货公司的一套客户分析工具可以对顾客的购买记录进行分析,并向顾客进行产品推荐。一次,他们根据一 个女 孩在Target连锁店中的购物记录,推断出这一女孩怀孕,然后开始通过购物手册的形式向女孩推荐一系列孕妇产品。这一做法让女孩的家长勃然大怒,事实真 相是女孩隐瞒了怀孕消息。看似杂乱无章的购买清单,经过对比发现其中的规律和不符合常规的数据,往往能够得出一些真实的结论。
今天小编整合了一些数据分析下的国人衣食住行的真实情况,大数据下的中国或许会令你大吃一惊!
Tips:<中国去年产生的大数据,相当于1200万个国图藏书量>2013年中国产生的数据总量超过0.8ZB,即8亿TB,相当于1200万个中国国家图书馆藏书量;2013年世界上所储存的数据如果印刷成书,则可以覆盖整个美国52次。
环境保护部今年发布了首个全国性的大规模研究结果。结果显示,我国有2.5亿居民的住宅区靠近重点排污企业和交通干道,2.8亿居民使用不安全饮用水。
由于规划和产业布局原因,我国有1.1亿居民住宅周边1公里范围内有石化、炼焦、火力发电等重点关注的排污企业,1.4亿居民住宅周边50米范围内有交通干道。在大气污染物浓度相同的情形下,我国城市居民暴露于大气污染健康风险是农村居民的70%。
中国传统的筷子本来是我们的骄傲,但是一次性筷子的滥用却成了国人的耻辱。据英国《卫报》2006年报道,中国每年消耗450亿双筷子。
情况似乎在今年内变得更糟。最新调查结果显示,我国2013年生产800亿双一次性筷子。这需要砍伐2000万棵生长了20年的大树!如果每双筷子按长度20厘米、宽度1厘米、厚度0.5厘米计算,800亿双筷子可铺满363个天安门广场。
睡眠是生命中最珍贵的事,我们通过大数据分析发现国人的几个怪现象:南方人比北方人更爱熬夜,单身比恋爱中的人睡的多……
调查报告显示,“中国睡眠指数”的总得分为66.5分,较去年的64.3分提升了2.2分,表明我国居民整体睡眠状况呈现向好发展趋势。但其中超过三成 (36.2%)居民的得分低于及格线(60分),这也说明了国人的睡眠状况两极化趋势渐现:整体来看,人们开始享受舒适的睡眠,但同时也有更多的人饱受睡 眠障碍的困扰。
QQ大数据发布《网民睡眠质量报告》显示,我国网民平均睡眠时间为7.05小时,而一线城市网民睡眠时间最少,仅为6.95小时,熬夜用户占到20.9%。据统计,在即使是在最爱睡的城市呼和浩特,平均睡眠也只有7.33小时,没有达到8小时。
相比女性,男性熬夜时间更长,较女性高了4.7个百分点。而就年龄段而言,90后的熬夜能力是最长的,达到了人数的31.5%,果然是年轻气盛啊!
热恋中的用户平均比单身用户多睡18分钟,可见人是个不堪寂寞的物种……
大部分网民半夜不睡觉,都在做什么呢?据统计,44.8%的人在深夜追剧,另外43.8%的人在深夜中打游戏,大约有1/4的人会熬夜看书,煲电话粥则占了13.8%。看见美剧和游戏都是时间的一大杀器。
在睡姿统计中,不同地域的人往往会选择不同的睡姿。可能睡姿也一定程度上暴露了性格,豪放的“东北爷们”最爱熊抱睡。
由于历史等各方面原因,南北方人在身高饮食等各个方面都有着不小的差异,没想到连睡觉时间都不一样。南方人的熬夜指数比北方大约高5个百分点。
从2010年至今,手机等电子产品的普及和发展进一步“偷”走了用户的时间。很多人熬夜上网,玩游戏、看小说,对身体有着极大的危害。5年来,熬夜人数上升了8%,平均睡眠时间也下降了一小时,由原来的8.1小时降到7.05小时。
睡眠和健康是直接相关的,在科技爆炸的时代,睡眠时间和质量越来越受人关注,建议国人还是要减少熬夜,保持身体健康。
最近中国的雾霾备受世界瞩目,就在今年2月,美国宇航局公布了VIIRS(NASA的NPP卫星搭载的可见光红外成像辐射套件)设备拍摄亚洲上空的雾霾画面。图中可以清晰地看到,中国华北一带的上空是厚厚的灰色雾霾层。
卫星数据展现雾霾笼罩下的中国
通过卫星数据看到雾霾后,我们得利用大数据解决雾霾的问题。有研究机构称,可以根据现有监测站所提供的空气质量数据以及城市里的其他多种数据来源 (包括 气象情况、交通流量、人员流动趋向、路网结构、人口集中点等),运用数据挖掘和机器学习技术,对大数据加以充分利用,并在监测信息和对应结果之间建立一个 隐式映射,从而可以实时推断出包含细颗粒物信息的城市空气质量数据。
中国局部卫星图展现的雾霾
据悉,中国准备在京津冀、长三角和珠三角地区建立雾霾应急减控对策系统,这个系统依托于“天河一号”计算机,可以将采集到的海量空气质量数据进行分析,以对雾霾作出全面的分析及准确的预报。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28