|
【2023第四届FineBI数据分析大赛】数学建模竞赛市场简要分析
一、选手简介
1、团队选手介绍
· 团队名称：数模大鳄战队
· 队长介绍：目前是深圳大学的学生，对数学建模、数据分析感兴趣，对商业和数据的结合领域尤其感兴趣。
· 成员介绍：其他的四位成员也是深圳高校的学生，也对数据分析比较感兴趣。
· 团队组成：项目的成员曾经一起参加过商业、创业类比赛，看到这个数据分析比赛，想一起参加。同时想通过锻炼出数据分析能力，并将其应用到之后的商业/创业比赛当中。
2、参赛初衷
团队希望通过使用FineBI提升自己的数据分析能力，希望以后能够将数据分析能力应用到商业分析的比赛中，因为现在商业分析和数据分析的结合的趋势也是逐渐明显。
二、作品介绍
1、业务背景与分析初衷
· 业务背景：在知识经济与大数据技术的发展下，数学建模越来越成为国家战略支撑与企业决策不可缺的一部分。而随着主要面向大学生的数学建模竞赛的逐渐发展，大学生数学建模竞赛的市场化特征日益明显。分析的方法对现有的数竞赛市场进行分析。
· 分析初衷：团队想通过可视化的方法来展示数学建模竞赛市场的发展现状，来帮助大家了解现在的大学生数学建模竞赛市场情况
2、数据来源
团队所使用的数据是自选数据，是团队从各大数学建模竞赛的官网上收集数据并手工登记，自己制作成excel。这些数据包括2022年数学建模竞赛举办时的届数、2022年数学建模竞赛的举办年份、2017-2022年数学建模竞赛举办的数量、2017-2022年数学建模竞赛的队伍报名数、2022年数学建模竞赛获奖率、现有数学建模竞赛宣传媒介数据。
由于数据是人工采集，故难免出现错漏。团队在此声明：受限于团队成员的知识水平，团队使用的数据不一定能完全覆盖整个数学建模竞赛市场。
3、分析思路
在提交的分析报告中，会分析：
l 2022年数学建模竞赛市场。通过环形图和饼图的形式来展示2022年数学建模竞赛市场情况；
l 数学建模竞赛发展趋势。涉及到趋势的揭示，故采用折线图的形式来揭示发展趋势；
l 数学建模竞赛的获奖率。使用气泡图的形式来揭示目前的数学建模竞赛的获奖率；
l 竞赛宣传媒介。使用环形图来揭示目前数学建模竞赛的宣传使用媒介的情况。
4、分析思路
由于数据是人工采集，故没有比较难以的数据处理。在此部分仅对较为重要的数据处理进行说明。
第一个是编码化，即对数学建模竞赛的宣传情况进行编码。“是”变成“1”，“否”变成“0”，如下图所示。
5、可视化报告
5.1 2022年数学建模竞赛竞赛简要分析
（1）布局分析
左图是对2022年数学建模竞赛的举办届数的分析，右图是对2022年数学建模竞赛的举办月份的分析。
首先是对届数进行分组（1-5届为一组，6-10届为一组，以此类推）。通过环形图表示现有数学建模竞赛的届数的结构，如果在同一组的“记录数”越多，则其的半径会越长；
通过饼图展现出数学建模竞赛的2022年的举办情况。将同一月份举办的竞赛用同一颜色表示出来。通过颜色区分化的方法来突出什么阶段举办的数学建模竞赛较多。
（2）分析结论
在2022年这一年，近60%的数学建模竞赛于举办时届数已至少为11，40%多的数学建模竞赛于举办时低于11，近三成的数学建模竞赛是近些年才开始举办，故举办届数至多为5。这说明，近几年数学建模竞赛市场的特征之一是：新的数学建模竞赛涌入该市场中，而老牌的数学建模竞赛也并没有遭到“淘汰”，持续在该市场中占据“一席之地”。
通过下图右侧的饼图发现，2022全年都有数学建模竞赛的举办。而在5月这一月份集结举办的数学建模竞赛最多。如果一个组织希望举办一个新的数学建模竞赛，需要考虑已有的数学建模竞赛举办时间格局，尽量避开比赛多举办的月份。
5.2 数学建模竞赛发展趋势分析
（1）布局分析
希望展现数学建模竞赛市场的发展趋势，使用折线图将这种趋势根据时间表现出来。在此选取2017-2023年举办的数学建模竞赛的数据来进行折线图的展示。
上面折线图的展现方式比较宏观化，接下来使用微观化的方式来展示数学建模竞赛市场的发展趋势。在此使用邻近两年的两两对比方法。邻近两年的对比指的是前一年的队伍报名数设置为1，而后一年的队伍报名数设置为这一年与前一年的比值。以“2017vs2018”为例，由于数据收集受限，只能收集到9个数学建模竞赛的这两年的队伍报名数。2017的队伍报名数设置为1，2018的队伍报名数设置为其与2017年原始队伍报名数的比值。若某一个比赛的2018年的队伍报名数的“比值设置值”大于1，则说明该比赛相较于去年在队伍报名数上有增加。
（2）数据分析结论
自2017年开始，数学建模竞赛市场持续扩大，有一定历史的即“老牌”的“数学建模竞赛”继续按期举办。与此同时有新的数学建模竞赛涌入市场。
通过自2017到2022年的邻近两年对比可知，报名参加数学建模竞赛的队伍数在邻近两年间呈现增加的趋势。
通过数学建模竞赛的举办数量与报名队伍数的可视化分析可知：数学建模竞赛市场整体是需要呈现扩大趋势且向好发展的。
5.3获奖率分析
（1）布局分析
通过气泡图的方式分析现有的数学建模竞赛的获奖率结构。用不同的颜色来区分不同的获奖率，用气泡大小来展现获奖率的占比。
（2）分析结论
目前最高的数学建模竞赛获奖率最高的是60%。（在报名章程中的计划数，不包括所谓的“成功参赛奖”和“优秀奖”）。大多数的数学建模竞赛的获奖率在40%以上。同时,存在极少数的数学建模竞赛的获奖率极低。
5.4 宣传媒介分析
（1）布局分析
从三个维度即“是否有与赛事相关的公众号”、“是否有与赛事同名的公众号”、“是否独立运营独立官网”来分析现有数学建模竞赛的宣传媒介使用状况。使用环形图来表示数学建模竞赛的宣传媒介使用情况。
（2）结论
通过网络搜索可知，85%的数学建模竞赛组织方会通过自建微信公众号来宣传己方的数学建模竞赛。然而，仅有40%的数学建模竞赛组织方会通过自建“与竞赛同名的公众号”来宣传自己的竞赛。即在这85%会自建微信公众号的组织方中，只有近一半的会自建“与竞赛同名的公众号”。以APMCM亚太地区大学生数学建模竞赛为例，它的主办方北京图象图形学学会会在其“北京图像图形学学会”中宣传该竞赛，除此之外还会宣传该学会主办的其他活动。此外，存在一个“APMCM亚太地区数学建模竞赛”微信公众号来对该竞赛进行专门的宣传。
除此之外，75%的赛事会有专门的网站，25%的赛事没有专门的网站，竞赛信息需要借助其他的网站上进行宣传，属于“宣传外包化”。
5.5 最终结果呈现的页面布局
本团队使用公共账号，具体链接为：
https://bisolutions.fanruan.com/webroot/decision/link/1VWt
三、参赛总结
1、FineBI工具
· 想在这里夸一下FineBI工具，因为它的功能相较于其他的BI工具比较完善。
· 然而，FineBI工具也有不足。例如在多系列折线图中，团队画了两条折线，但是难以把两条不同的折线图用不同的颜色区分开来。是
2、参赛总结
感觉这次的比赛让整个团队都一起进步了！我们一起学会了从数据可视化的角度来分析一个市场状况，这对我们以后的职业化规划和发展是非常有好处的。
| 
