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
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11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