京公网安备 11010802034615号
经营许可证编号:京B2-20210330
个人大数据时代的到来:2014年时间总结
你可能没有记录时间开销的习惯,但你是否想知道从一年的时间开销数据中能看出什么呢?剑飞童鞋的这篇文章可以满足你的好奇心。
前面有一篇文章阅读写作是基本体系,提到了阅读方面的时间总结分布。 个人大数据时代的到来 里面涉及到多个维度,其中第一个维度便是时间,实际上,也只有时间总量是确定的,一天24小时,一年8760小时,如果一个人活到95岁,时间总量83万2200小时,基本上也是固定不变的。
关于记录时间的重要性,大家可以看《把时间当作朋友》《奇特的一生》《卓有成效的管理者》,而《人生的智慧》到底说了些什么?(一)中提到的行动建议中也提到了记录时间,以及记录时间的具体方法,链接: 时间记录相关教程:TimeMeter,Itimelog 。
今天来分享一下2014年各个月份以及几个重要维度的时间数据,尤其是和已经进行过时间记录和分析的朋友分享,也许可以把你的数据也分享出来, 一起研究下,采取什么样的行动对未来会产生怎样的结果,并把这件事情进行相当长的时间,比如56年——柳比歇夫的时间记录年数。
一、从维度上来看
交通时间
年度报告,2014年交通时间
在做总结的过程,发现上面这张图似乎是最能反应生活变化的一张图,从直观上即可看出2014年生活节奏、状态所发生的变化,甚至能想起所做出的选择,比其他维度的直观感受更为明显。这里有个建议是,把 交通时间独立出来,在之前的时候做分享的时候特别提到过:分类的时候,把交通时间和睡眠时间独立成两个类别标签进行记录。
在2014年7月29日的分享里面特别提出了一个问题,难道交通时间会因为季节的变化而变化么?原因是2013年第4季度和2014年第1季度 的交通时间呈现出某种规律性。从2014年12个月的分析来看,似乎也交通时间也随着季节的变化而变化,那么,2015年会不会这样呢?
学习成长
年度报告,2014年学习成长时间图
在各个纬度中,学习成长是比较关注的一个环节,总体上来说,还特意保证这一部分的时间分布。从月份上来看,学习成长会变化起伏较大,比如从2月 份的29小时到6月份的126小时,两个月份相差97小时,其实这也是弹性较大的一个维度。如果我们在生活中注意到的维护学习成长的时间,也就能保证分配 到学习上,比如阅读、写作、研究等活动。如果没有分布到学习上,时间也会被其它事情占据。
你是否认为阅读、写作是一项重要的活动?那么,你是否维护了自己在阅读、写作方面的时间?
二、从月份上来看
前面是两个维度的时间,接下来分享各个月份的时间比例图。从比例的变化可以看出各个月份的不同重点。放图之前,想到几个点先说一下。
如果一个人把自己各个不同阶段的时间报告拿出来一看,会发现不同的人生阶段,分布的时间会有很大的不同,而时间分配在什么地方,某种程度上决定你是个什么样的人。而不管这种是时间分配是有意识的还是无意识的,时间记录都能起到一些帮助作用。
有意识的时间分配,是指可以规划自己的时间,对于年纪越大的人来说,越能进行有效的时间分配活动。如果一个人年纪还小,某种程度上,时间是被动 指定。比如小时候需要在学校读书,上课时间就不能被安排去玩;年轻人工作的前几年,如果是一些基础的工作,工作时间不能被随意分配,重点还是在执行。
然而,一个人年纪越大,越能分配自己的时间,比如能选择自己居住在什么样的城市,选择怎样的交通工具。进入法定退休年纪之后,这样的时间分配达 到顶峰,现在人的寿命长,至少还有20~30年的时间可以自由安排。如果老年人保持着某种程度的兴趣爱好来安排自己的时间,无意于找到了最美好的时光。
无意识的时间分配,是指没有注意到时间本身,或者是过一种随意的生活,随心所欲。有些是受制于外界环境,而不能自主地安排时间,也算进这一部分之列。
在我的时间记录体系里面,无论是有意识的时间还是无意识的时间,都建议进行记录,也就是一天记录24小时。
2014年11月29日在深圳新生代DGS分享 个人大数据专题的时候,有提到一个观点:
个人大数据,如果不进行记录,就会消失,再也不会找回来。
这个观点适用于 个人大数据提到的各个维度。读者可以想一下,去年今日、前年今日的各个时段分别在做些什么?如果有进行记录,几乎可以画面感很强地会回忆起来。如果没有记录,尽管已经找到当时所做的事情,也或多或少地会失真。
实际上,如果不是“客观、及时、持续”的记录,这部分时间数据几乎已经消失了。此外,关于使用手机的数据,运动的数据,如果不收集,也会出现这种情况。
关于个人大数据的几个重要原则以及重要观点,有时间再进行分享。也可以先看看2014年11月29日在深圳的一个分享,以下为朋友们的总结:
1. 小玲子:个人大数据的时代来了
2. 赵诣:立足当下看到未来
3.星宿老仙:关于个人大数据工具的笔记
现在继续分析关于2014年各个月份的时间,这里仅仅分享时间比例本身,而不涉及自我总结部分。
2014年1月
时间月报,2014年1月
2014年2月
时间月报,2014年2月
2014年3月
时间月报,2014年3月
2014年4月
时间月报,2014年4月
2014年5月
时间月报,2014年5月
2014年6月
时间月报,2014年6月
2014年7月
时间月报,2014年7月
2014年8月
时间月报,2014年8月
2014年9月
时间月报,2014年9月
2014年10月
时间月报,2014年10月
2014年11月
时间月报,2014年11月
2014年12月
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23