
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23