【2023BI数据分析大赛】人口迁移分析

人口迁移分析

---

访问路径：https://bisolutions.fanruan.com/webroot/decision/link/YCKY   （新版美化后） 感谢张老师的辛苦付出 🌹🌹🌹

 

访问路径：https://bisolutions.fanruan.com/webroot/decision/link/zuCu （旧版）

 

---

 

准备工作

软件：
Finebi=6.0.11 
数据：
中国人口分布与迁徙数据
中国统计年鉴2022
​

FineBI V 6.0.11-Windos版64位

中国人口分布与迁徙数据

中国统计年鉴2022

 

一、选手简介

1、选手介绍

• 个人介绍：帆软社区用户名：晕晕cc，真名：陈驰；目前从事业务顾问岗位，主要负责SAP质量板块，业余之余喜欢用数据驱动决策，让自己可以快速发现本岗位中存在的问题，及时进行优化改进。

   

 

2、参赛初衷

• 去年翻车了，希望今年不要再翻了

• 新的一年里希望通过比赛提升BI工具的使用方法和技巧

• 结交到各行业志趣相投的人，共同学习

• 找到自己的不足，逐步进行完善

二、作品介绍

1、业务背景/需求痛点

• 简述业务背景：

• 为什么城外人要往城里去，而小城市的人又往更大的城市去？

• 简述需求痛点：

• 是什么原因导致人们涌入大城市，让本地的人才大量流失？

2、数据来源

• 主要引用了

• 中国人口分布与迁徙数据 中国统计年鉴2022

3、分析思路

• 

• 针对迁移数据，首先开展迁移人口、占比分析，了解人们迁移最多的城市是那些，同时针对排名靠前和排名到后的也同步进行展示。

  主要分析模型：top分析、流向地图、指标卡。

• 找到迁入率最高的城市后，为什么人员都向往这些地方，是什么原因呢？

• 带着这个问题，收集整理了《中国统计年鉴2022》部分数据，分别从教育（文化程度）、设施（交通、基础设施建设）、经济（薪资、养老金、消费支出）、失业率；从多维度角度进行聚焦分析，找出背后的真正要因

主要分析模型：堆积柱形图、对比柱形图、直方图、环形图

4、数据处理

• 流向地图的绘制

• 

1、新增迁移路径字段

2、列行转换

3、新增赋值列

4、由于省份异常，故重新进行汇总赋值

5、汇总各省人数

• 对各区域受教育程度进行了行列转换

• 环形图新增辅助列字段

 

5、可视化报告

（1）总kpi指标用到了汇总人数与迁移率

迁移率=迁移人口➗总人口数

（2）top排名

通过动态参数，现实排名前三和倒数前三的详细明细，可展示差异情况

（3）流向地图

可以展示人口流向的动态情况

基于以上问题，我们不难发现人们都喜欢跑去北京、上海、广东？ 四川、广西、西藏流失率如此之高？ 带着这个疑惑，我们试着从教育方面、设施方面、经济方面等其它方面展开讨论。

首先是教育方面

与top进行联动

发现大城市的教育占比明显较高

其次是交通方面

发现大城市的交通便携性明显优于其它城市

再其次是基础设施

我们可以发现基本设施并没有太大差异，除了西藏以外

最后来到我们比较关注的薪资（工资和养老金）

可以明显发现大城市的工资很高，是其它城市的好几倍，但是养老金却并不高

基于以上几点，开展了失业风险评估

可以发现上海失业率低工资排名第二，是一个很不错的选择

跑道图的制作说明：

已知圆心，半径，角度，求圆上的点坐标
​
圆心坐标：(x0,y0) 
半径：r 
角度：a 
​
圆周率： PI
​
则圆上任一点为：（x1,y1） 
x1   =   x0   +   r   *   cos(a   *   PI / 180   ) 
y1   =   y0   +   r   *   sin(a   *   PI / 180   ) 

新增计算字段：

#PI()/45，表示对应的弧长，值越小弧长越长；0.5*PI()表示逆时针旋转（角度增加） 90 度
X轴=-${半径}*COS(${角度}*PI()/45+0.5*PI())
Y轴=${半径}*SIN(${角度}*PI()/45+0.5*PI())
#取第一个值用于标签的添加
X轴1=if(${角度}=0,-${半径}*COS(${角度}*PI()/45+0.5*PI()),null)
Y轴1=IF(${角度}=0,${半径}*SIN(${角度}*PI()/45+0.5*PI()),null)

模型构建不要忘记了

总结：

生活不是为了钱，但是想要的生活，都需要钱，为了活着，必须认清现实，落落大方，努力生活，我想这就是为什么大多人要进行迁途。

不要问我为什么要背景离乡，因为梦想在远方。

 

最终结果呈现的页面布局

 

 

感谢ui老师的修改，修改后效果图：

三、参赛总结

1、FineBI工具

• 点赞

• 数据处理方面较5.0版本操作步骤变得更加直观，左右关联的时候，可以直观展示关联的总数据，之前旧版本的时候经常要核对关联后的数据。

• def函数，这个新函数明显提升了工作效率，之前统计汇总的时候，由于指标随维度的变化，导致需要重新做新的数据集，现在直接写函数就可以了。

• 吐槽

• 新版培训教材中直方图可以通过插入图片，将直方图转换为图片显示，但是试了好几次都不见效果

• 直接从我的分析引用表，再进行新建数据集（对数据进行加工），进入到编辑界面时，所有表都会在左侧显示，有些不需要进行绘制图表的数据不能隐藏，影响一定的美观

• 一直听说北上广，不明白大家讨论的具体是什么？通过本次的分析，让我明白了不管是教育、设施、经济等，这些地方都有明显的有势，原来这些才是人们向往的。

2、参赛总结

• 如何找数据：报名后很长一段时间都在找数据，看了很多都不是很满意，好不容易找到了人口迁移这份数据，但是数据很简单，如何深挖，让我头疼了很久，去年在开展幸福感分析的时候，有番薯们提出，可以在深入分析就更好了，确实，数据就那么点，如何得出清晰的结论。

• 带着这个问题，我又开始了找数据的路途，途中需到过收费的数据，但是报价200+，我当时就pass了，国家的一些民生数据，国家官网上不是有吗？确实让我找到了《中国统计年鉴2022》，本以为可以开开心心的引用数据的时候，发现这文件下载要收费，只能在线看，没办法只能从中找自己想要的数据，通过截图，转换，才得到了想要的数据。

• 哎！心酸

• 再次感谢帆软，让自己可以不断地挑战自己，同时与广大热爱数据分析的人一切交流经验。

• 路曼曼其修远兮，吾将上下而求索。
  

恭喜通过大赛初审，获得参与奖和手气红包！
1、内容完整充实，截止8月16日前仍可继续完善；
2、如果使用本地BI制作，且确保作品已完成不再需要修改，建议尽快联系组委会助手苏茜，进行作品资源迁移，导入大赛公共平台，形成在线模板查看链接，方便评委查看。

预祝选手荣获大奖！

跑道图确实是个大亮点，各段落之间的分隔符也很棒。学习了。

优化和没优化的版本的直观视觉来看，差别还是很大的，张老师的功劳很大哦；从分析内容来说，从教育、地域、交通、薪资四方面进行论证【我就是其中的地域层次原因】，用数据作为支撑；并得出最后的结论，其中的跑道图可以，算是亮点。
整体来说，是一个很完整的分析，层次清晰，结构明确，不错不错。
希望你能中大奖哦

UI修改完之后真的非常不一样了！跑道图码住，值得学习！

作者运用组件如火纯情，做的图非常惊艳。看过十几份优秀报告，这份报告的组件创新是最好的没有之一。

可能为了去冗存真，有些组件的图例没有标注清楚，比如关于薪资的这个堆积面积图代表什么，没有看明白。

瑕不掩瑜，图表创新太棒了

打卡：一眼就看到了“跑道图”好优秀，灵活使用FineBI的基础功能，自己创新出更好看更新颖的可视化图表，向您学习。非常认同您报告中说的“不要问我为什么要背景离乡，因为梦想在远方”。

打卡：
好的数据才能呈现好的分析报告，非常理解作者寻找数据的过程。虽然报告并不复杂，但是几个可视化组件还是感觉很棒的，例如：流向图和跑道图，都十分的贴合报告的分析主题。

打卡：这个选题是挺好的，看板做得也很好，只是个人觉得分析少了一些，可以横向，纵向再分析一下。

打卡：
工具运用的很多，整体的分析思路很棒，值得实际业务的借鉴，UI设计的整机很舒服。让人觉得挺不错的，整体故事化的讲解，逻辑贯穿始终

打卡：

话不多说，就说2点：

1，图表创新：晕晕CC大哥承包了这届大赛的图表创新，能人所不能。跑道图虽然在别家BI厂商的产品里用过很多次了，但在FineBI这里还能玩出来，是真的强~

2，UI强劲：UI优化后，作品虽然内容不多，但看下来真的非常巴适，上了档次~   是少数几篇UI值得学习的作品。

打卡：分析过程较为丰富,从教育程度、交通设施、经济收入等不同角度进行梳理,进行了必要的数据处理。通过深入的数据分析,得出了人口向大城市流动的原因,完成了分析目的。

打卡
如果让我做这个数据分析，可能不知道从什么地方下手，作者从多个方向分析问题，数据很好的支撑了报告结论，框架很有借鉴意义。

为了梦想，大家都去远方的北京，上海，广州，哈哈，虽然嘴上说，这篇分析从实际的角度，分析了为什么，而且还很好看，厉害。
从教育、交通、设备、薪资分别分析，特别是流向地图很吸引人的眼球，没想到贵州的失业率这么高

打卡：人口迁移主题，完整的数据分析过程，从背景，数据处理，数据建模，展示，分析，结论，不愧是最佳社会意义奖，学习了