京公网安备 11010802034615号
经营许可证编号:京B2-20210330
个人大数据时代的到来:2014年时间总结
你可能没有记录时间开销的习惯,但你是否想知道从一年的时间开销数据中能看出什么呢?剑飞童鞋的这篇文章可以满足你的好奇心。
前面有一篇文章阅读写作是基本体系,提到了阅读方面的时间总结分布。 个人大数据时代的到来 里面涉及到多个维度,其中第一个维度便是时间,实际上,也只有时间总量是确定的,一天24小时,一年8760小时,如果一个人活到95岁,时间总量83万2200小时,基本上也是固定不变的。
关于记录时间的重要性,大家可以看《把时间当作朋友》《奇特的一生》《卓有成效的管理者》,而《人生的智慧》到底说了些什么?(一)中提到的行动建议中也提到了记录时间,以及记录时间的具体方法,链接: 时间记录相关教程:TimeMeter,Itimelog 。
今天来分享一下2014年各个月份以及几个重要维度的时间数据,尤其是和已经进行过时间记录和分析的朋友分享,也许可以把你的数据也分享出来, 一起研究下,采取什么样的行动对未来会产生怎样的结果,并把这件事情进行相当长的时间,比如56年——柳比歇夫的时间记录年数。
一、从维度上来看
交通时间
年度报告,2014年交通时间
在做总结的过程,发现上面这张图似乎是最能反应生活变化的一张图,从直观上即可看出2014年生活节奏、状态所发生的变化,甚至能想起所做出的选择,比其他维度的直观感受更为明显。这里有个建议是,把 交通时间独立出来,在之前的时候做分享的时候特别提到过:分类的时候,把交通时间和睡眠时间独立成两个类别标签进行记录。
在2014年7月29日的分享里面特别提出了一个问题,难道交通时间会因为季节的变化而变化么?原因是2013年第4季度和2014年第1季度 的交通时间呈现出某种规律性。从2014年12个月的分析来看,似乎也交通时间也随着季节的变化而变化,那么,2015年会不会这样呢?
学习成长
年度报告,2014年学习成长时间图
在各个纬度中,学习成长是比较关注的一个环节,总体上来说,还特意保证这一部分的时间分布。从月份上来看,学习成长会变化起伏较大,比如从2月 份的29小时到6月份的126小时,两个月份相差97小时,其实这也是弹性较大的一个维度。如果我们在生活中注意到的维护学习成长的时间,也就能保证分配 到学习上,比如阅读、写作、研究等活动。如果没有分布到学习上,时间也会被其它事情占据。
你是否认为阅读、写作是一项重要的活动?那么,你是否维护了自己在阅读、写作方面的时间?
二、从月份上来看
前面是两个维度的时间,接下来分享各个月份的时间比例图。从比例的变化可以看出各个月份的不同重点。放图之前,想到几个点先说一下。
如果一个人把自己各个不同阶段的时间报告拿出来一看,会发现不同的人生阶段,分布的时间会有很大的不同,而时间分配在什么地方,某种程度上决定你是个什么样的人。而不管这种是时间分配是有意识的还是无意识的,时间记录都能起到一些帮助作用。
有意识的时间分配,是指可以规划自己的时间,对于年纪越大的人来说,越能进行有效的时间分配活动。如果一个人年纪还小,某种程度上,时间是被动 指定。比如小时候需要在学校读书,上课时间就不能被安排去玩;年轻人工作的前几年,如果是一些基础的工作,工作时间不能被随意分配,重点还是在执行。
然而,一个人年纪越大,越能分配自己的时间,比如能选择自己居住在什么样的城市,选择怎样的交通工具。进入法定退休年纪之后,这样的时间分配达 到顶峰,现在人的寿命长,至少还有20~30年的时间可以自由安排。如果老年人保持着某种程度的兴趣爱好来安排自己的时间,无意于找到了最美好的时光。
无意识的时间分配,是指没有注意到时间本身,或者是过一种随意的生活,随心所欲。有些是受制于外界环境,而不能自主地安排时间,也算进这一部分之列。
在我的时间记录体系里面,无论是有意识的时间还是无意识的时间,都建议进行记录,也就是一天记录24小时。
2014年11月29日在深圳新生代DGS分享 个人大数据专题的时候,有提到一个观点:
个人大数据,如果不进行记录,就会消失,再也不会找回来。
这个观点适用于 个人大数据提到的各个维度。读者可以想一下,去年今日、前年今日的各个时段分别在做些什么?如果有进行记录,几乎可以画面感很强地会回忆起来。如果没有记录,尽管已经找到当时所做的事情,也或多或少地会失真。
实际上,如果不是“客观、及时、持续”的记录,这部分时间数据几乎已经消失了。此外,关于使用手机的数据,运动的数据,如果不收集,也会出现这种情况。
关于个人大数据的几个重要原则以及重要观点,有时间再进行分享。也可以先看看2014年11月29日在深圳的一个分享,以下为朋友们的总结:
1. 小玲子:个人大数据的时代来了
2. 赵诣:立足当下看到未来
3.星宿老仙:关于个人大数据工具的笔记
现在继续分析关于2014年各个月份的时间,这里仅仅分享时间比例本身,而不涉及自我总结部分。
2014年1月
时间月报,2014年1月
2014年2月
时间月报,2014年2月
2014年3月
时间月报,2014年3月
2014年4月
时间月报,2014年4月
2014年5月
时间月报,2014年5月
2014年6月
时间月报,2014年6月
2014年7月
时间月报,2014年7月
2014年8月
时间月报,2014年8月
2014年9月
时间月报,2014年9月
2014年10月
时间月报,2014年10月
2014年11月
时间月报,2014年11月
2014年12月
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13