
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
KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-19偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12