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
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25