京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据分析中国人的存钱观念发生着怎样变化?
为何中国人辛苦挣钱后,并不急着吃吃喝喝或投资,而偏爱存银行?为何有时,中国人的存款会“过山车”般地涨跌?为何北京的人均收入明明比上海少,人均存款却比上海多2 6万?
过去十年,我国人均收入保持高位增长。奇怪的是,个人存款增幅比收入增幅还大,这说明我们越有钱,越爱存银行。
为何中国人辛苦挣钱后,并不急着吃吃喝喝或投资,而偏爱存银行?为何有时,中国人的存款会“过山车”般地涨跌?为何北京的人均收入明明比上海少,人均存款却比上海多2.6万?
1.哪个地方的人存款最多?
2015年人均存款排名前10的省份是:北京、上海、浙江、辽宁、天津、江苏、广东、山西、重庆、陕西。
再把视线往前推,2006年末,我国个人存款总量16.2万亿,人均存款1.2万。
弹指10年,数字巨变。2015年末,我国个人存款总量增至54.6万亿,人均存款4万。
人均存款4万是啥概念呢?
去年谷歌的调查大数据报告显示,14%受访美国人存款高于10000美元,5%的受访者存款为5000-9999美元。单从存款看,中国人至少比80%的美国人更“富”。
吊诡的是,这10年中除2007年外,存款增幅都高于收入增幅,即我们挣钱越多,越爱存银行。
2007年的反常是因为当年的“牛市”。这一年,股市创下6124点历史最高记录,沪深股市开户数达1.3亿户,较年初新增81.9%,引发每月数以千亿的个人存款向股市“大搬家”,彼番景象为建国以来前所未见。
但2008年末,存款增幅却“掉头”升至26.3%,为10年之最。这一年,金融危机爆发,全年上证综指下跌64.7%,深成指重挫63.4%。在股市的冒险失利,存款又“乖乖地”往银行回流。
Mr.Data读数回头看这10年,虽然存款增幅上下波动,2012年后却逐步下滑,并且越来越接近收入增幅。原有的存钱观念正在消退,老百姓更乐意投资、消费了。预计未来几年,出现存款增幅低于收入增幅的可能性很大。
2.收入与存款,谁“蹿”得快?
在已公布2015年人均收入实际增幅的13个省份中,存款增幅高于收入增幅的省份是:辽宁、安徽、福建、山东、河南、湖南、海南、陕西、宁夏;存款增幅低于收入增幅的省份是:北京、上海、浙江、广东。
有意思的是,存款增幅低于收入增幅的北京、上海、浙江、广东,均为经济发达地区。这些省份在2013年、2014年,即最近的两三年内,存款增幅才开始陆续地低于收入增幅。
Mr.Data读数中国人存钱的热情,已经在经济发达地区消退。生活在发达地区的人们,除了收入更可观、社会保障更完善、观念更开放外,丰富的“供给侧”满足了不同的需求,制造了庞大的消费群体,这也是诱发人们多消费、少存钱的动因。如卖家云集、配送快速的长三角电商产业,依托多样“供给侧”,实现“江浙沪包邮”,刺激买买买。
3.收入高的地方,存款一定多吗?
通过对比,Mr.Data还发现了有趣的现象:人均收入高的省份,人均存款未必多。
以北京、上海为例。2015年北京人均收入48458元,而上海人均收入49867元,为全国最高。
但存款增幅方面,北京以5.7%高于上海的2.8%,增幅为上海的2倍。人均存款方面,北京以12.3万高于上海的9.7万,高出上海2.6万。
这种现象在2014年同样存在。
这说明,北京人虽然赚得没上海人多,但存钱热情却高于上海人,背后原因或是文化观念、生活压力的差异。
Mr.Data读数上海作为海派文化浓厚的商业城市、早期开放的国际都会,消费主义更早、更广泛地被接受和认同,中产阶级、白领为了追求更好的生活品质,成为刺激消费的驱动力。与上海不同,北京作为政治权力集中区域,公务人员群体庞大,消费可能受到权力的隐形约束。这些因素,都可能是造成存款差异的原因。
4.有钱不是不想花,而是不敢花
爱存钱,背后是根深蒂固的国民习惯。
勤俭持家,是国人从小就受到的教育,把辛苦挣来的票子攒起来,背后有文化的驱动力。
但除了这些,存钱更是现实考量,不是不想花,而是不敢花。
第一,存钱源自未来不确定性。饿过肚子的人,更明白何为“手中有粮、心中不慌”,上世纪六、七十年代生活过的人们,对这感触更深。而当下,社会保障有待完善,面对买房、教育、就医、养老等压力,许多人也难言轻松。
第二,存钱还因为投资的风险太大、渠道有限。入股市,可问问去年被“割韭菜”的股民,心理阴影面积有多大;买基金,信息不畅、经验缺乏,让人打退堂鼓;买黄金,大妈疯抢本身就是投资渠道缺乏的表现。最后,人们宁愿把钱放银行“吃”利息。
当然,数据也表明,中国人的存钱观念正在发生微妙变化。
可见,当社会发展到一定水平,人们的生活更宽裕、社会保障更完善后,存钱观念可能发生改变,热情将会消退。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24