京公网安备 11010802034615号
经营许可证编号:京B2-20210330
跑出来的“大数据”:广州人跑步最“爱炫”
广州仔,最近流行在微信朋友圈里“晒”乜嘢?不是名牌,也不是吃喝玩乐,而是跑步!根据咕咚日前推出的《2014年中国跑步白皮书》数据统计显示,广州跑步者体现出的城市“跑步个性”是“爱炫”——在北京、上海、广州、深圳、杭州、成都六大都市使用咕咚软件的跑者用户群中,广州跑者有61.4%在完成跑步后,会把个人数据发上微信朋友圈,“炫耀”自己的运动经历。当然,“炫”跑总比炫富好。
手机成为重要的跑步装备
咕咚在2014年“跑者们的‘秘密’”统计部分,总结出“‘有钱人’成为跑者核心”这样一个观点,根据咕咚的统计,全国范围内越发达地区参与跑步的人越多,白领成为跑步运动的主力,企业高管、私营企业主、行政人员逐渐成为领跑者。京津唐三角、以上海为核心的长三角和以广深为核心的珠三角,是全国跑步运动最蔚然成风的地区。
开始跑步、爱好跑步的人们,首先会为自己购置专业跑鞋,根据咕咚的统计,有56%的跑者会专门购置跑鞋,有32%的人会购买专业压缩裤,还有39%的人会给自己购买可穿戴设备。
科学跑步,首先应该有专业的装置记录自己的跑步时间、距离和速度,还有部分“进阶”的跑者会根据专业设备的测量来制定更合适的跑步计划,而最简单的测量设备就是手机。
目前在手机上有数十款运动计步器、跑步和步行追踪类软件,还有咕咚这一类型的运动社交App,这些软件通过GPS测量你跑步的距离、速度,记录你的运动时间,还能根据你的个人体测数据,计算你完成一系列运动后消耗的卡路里。一个人跑步太沉闷?你还可以在运动社交软件上找到有相同爱好的朋友。
像耐克公司这样生产运动装备的公司,也致力于开发用于跑步和运动的数字平台,并创建“数据+圈子”的运动社区,营造竞赛氛围,还在数字平台的基础上开发出跑步腕带、跑步手表、带有电子设备的跑鞋等衍生产品,不少运动软件也在开发可穿戴设备,对于进阶型的跑者来说,测量更精确、功能更集中、穿戴也更方便的设备,的确很有吸引力。
跑步的都是白富美高帅富
你会选择在一天里的什么时间跑步?对于都市白领来说,早起运动并不是一件容易的事,根据咕咚的统计,有57%的跑者集中在晚上8时~10时锻炼,而且这一时间段跑步的跑者,年龄集中在24~35岁,在一天繁忙的工作结束后,他们会抽出夜间空闲时间跑步,由此诞生了都市“夜跑族”这样的群体。
2014年底,RunKeeper根据来自30个国家的用户跑步记录,统计出18%的跑步是在早晨6~9时记录的,32%在下午5~8时,更多的人喜欢在周末休息日跑步,周六、日有32%的跑步记录在上午8~11时发生,只有12%在下午5~8时。“夜跑族”是中国特色,这里有14%的跑者在晚上9~10时跑步,相比而言,印度人更喜欢晨跑,他们的跑步记录有22%发生于工作日上午6~7时。
在咕咚的2014年统计中,还有非常鼓舞跑者的一个结论:白富美、高帅富都爱跑步。据该应用程序收集到的跑者个人信息显示,男性跑者的身高集中在1.75~1.80米间,体重在60~80公斤,年龄在25~35岁,女性跑者的身高则集中在1.60~1.65米间,体重在50~60公斤,年龄也多为25~35岁,无论身体状态还是年龄,都处于“黄金时代”。
此外,相比较于2013年,在2014年国内的女性跑者增加了6.4倍,越来越多的女性通过跑步来管理自己的体重和身体状态,而且女性跑者单次跑步距离平均增长到了2.82公里。
那么各大城市跑者的特点是什么呢?咕咚的云数据库调查统计显示,广州跑者最“爱炫”,61.4%的人跑完后要把记录发到社交软件商,上海跑者最“勤快”,每周平均要进行2次以上的跑步锻炼,频率居全国之首。北京的跑者最“持久”,单次跑步的平均距离高达5.26公里,而杭州的跑者中女性比例最高,为47%。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03