一：选手简介 1.选手介绍 团队名称：数智星辰 队长介绍：赵嘉琦，目前就读于营口理工学院大数据管理与应用专业，我认为数据分析是一门艺术，它可以用数字和图形来描绘出世界的美丽和奥妙。我喜欢用数据分析的方式来观察和理解事物，比如人类的行为、社会的变化、自然的规律等。在这个过程中，我不仅提高了自己的数据分析能力，也拓展了自己的视野和思维。我感受到了数据分析的乐趣和价值，也体会到了数据分析的挑战和责任。我渴望通过数据分析，为这个世界带来一些改变和影响。 成员介绍： 郑杰伦，目前就读于营口理工学院大数据管理与应用专业。在大学期间，我参与了很多数据分析的实验和竞赛，我掌握了各种数据分析的技术和软件，比如R、Python、SPSS等。我也运用自己的创意和才华，为一些案例和经济现象提供了数据分析的创新思路和优化建议，比如电商、金融、旅游等。 李颖，目前就读于营口理工学院大数据管理与应用专业。在这个过程中，我不仅丰富了自己的数据分析经验，也锻炼了自己的分析思维和解决问题能力。我享受着数据分析带给我的挑战和成就感，也期待着数据分析带给我的机遇和发展空间。我渴望通过数据分析，为这个社会创造一些价值和贡献。 冉进圣，目前就读于营口理工学院大数据管理与应用专业。在这个竞赛里，我不仅提升了自己的数据分析水平，也增进了自己的心理素养和人际关系。我感受到了数据分析的深刻和温暖，也意识到了数据分析的难度和敏感性。我渴望通过数据分析，为这个世界带来一些理解和关爱。 邓晓波，目前就读于营口理工学院大数据管理与应用专业。我认为数据分析是一门冒险，它可以用探索和实验来发现出数据的奥秘和潜力。我喜欢用数据分析的手段来挑战和突破一些困难和未知的领域，比如量子、宇宙、黑洞等。这让我对这个技术充满极大的兴趣和向往。 团队组成：因各自对数据分析和社会民生都有着浓厚的兴趣，一群爱刻苦钻研，我们一起克服难题，共同进步，取得了极大的满足感和自豪感。 2.参赛初衷 本报告旨在研究不同地区教育资源的分配是否均衡以及教育资源与学生成果之间是否存在相关性。通过对近十年中国各省教育经费投入额、高中师生比、高校数量等数据进行分析，揭示教育资源配置情况以及资源配置与学生成果之间的关系，为教育政策制定提供参考依据。 想进一步学习BI工具的使用方法和技巧。 想通过竞赛提供全面学习，掌握更多知识技能。 二：作品介绍 1.业务背景/需求痛点 业务背景： 中国是一个人口众多、地域广阔、经济发展不平衡的国家，教育资源的分配也呈现出明显的区域差异和城乡差异。教育资源的不均衡分配影响了教育质量和效率，加剧了教育机会和成果的不平等，制约了人才培养和社会进步。因此，促进教育均衡发展，缩小教育差距，提高教育公平性，是国家和社会的共同责任和迫切需求。（下图为中国2023年高考各地本科率热力地图） 需求痛点： 增加教育投入，完善教育经费保障机制，优化教育经费结构和使用效益。 发展多样化的学校办学模式，鼓励社会力量参与教育事业，推动公办学校和民办学校协调发展，提高学校自主管理能力。 2.数据说明 数据集包含2013-2020年中国各省的教育资源数据，主要指标有教育资源（教育经费投入额、高中师生比、高校数量）。数据来源为国家统计局。 3.数据清洗 列重命名：将英文字段转换为中文字段描述，方便理解。 检查空值：对各字段进行检查，如有空值，进行处理，例如填充均值或删除空值。 删除异常值：对数据进行检查，如有异常值，进行处理，例如修正或删除。 数据合并：将各个数据表按地区和时间进行合并，便于后续分析。 经过以上步骤的清洗整理后，预览如下： 4.分析思路 5.分析过程 1. 教育资源分配情况 1.1分析教育资源投入情况 分析结论： ① 地区教育经费投入差异显著：从数据中可以看出，不同地区的教育经费投入比差异较大。北京、上海、广东等发达地区的教育经费投入比相对较高，而一些西部地区如青海、甘肃、贵州等的教育经费投入比较低。这反映了不同地区的经济发展水平和财政实力的差异。 ② 高投入地区与高本科率可能相关：一些教育资源投入较高的地区，如北京、上海，往往也可能有较高的本科率。这可能是因为高投入有助于提高教育质量和学生成绩，从而促进高校本科率的提升。 ③地区间合理资源分配：数据中显示出一些地区的教育经费投入比较低，如贵州、甘肃等。政策制定者需要考虑如何优化资源分配，确保教育资源能够更加均衡地分布，提高教育公平性。 1.2各地区普通高等学校数量 分析结论： ① 地区的高校数量差异明显：从数据中可以看出，不同地区的普通高等学校数量差异很大。北京、上海、江苏等发达 地区高校数量较多，而像西藏、青海、宁夏等地高校数量相对较少。 ② 人口密度与高校数量关系：一些高人口密度的地区，如北京、上海、江苏，高校数量相对较多，这可能是因为这些地区拥有更多的人才需求和资源。而一些人口相对稀疏的地区，如西藏、青海，高校数量较少。 ③部分地区高校数量较低：像海南、新疆等地高校数量相对较低。可能是由于这些地区的办学历史相对较短，或者教育 资源投入相对有限，导致高校数量不足。 1.3各地区高中生师比（学生人数/教师人数） 分析结论： ①　教育资源分布差异：从最低的7.62到最高的16.94，普通高中生师比在不同地区之间存在较大的差异。较低的普通高中生师比意味着更少的学生对应一个教师，而较高的师比则反映出相对较多的学生对应一个教师。可以看到，北京、天津、上海等地的师比较低，而一些省份如江西、广西、重庆等的师比较高。 ② 东部地区和西部地区的差异： 东部一些地区（如北京、上海、浙江等）的普通高中生师比相对较低，可能是因为这些地区的经济水平相对较高，教育资源相对丰富。而一些西部地区（如贵州、云南、甘肃等）的普通高中生师比较高，可能反映了教育资源分配相对不足的情况。 ③教育质量的可能影响：普通高中生师比虽然不是直接反映教育质量的指标，但它可能与一定程度上的教育质量存在关联。师生比低的地区可能有更多的教育资源，可能有更好的课堂互动和个性化教育。师生比高的地区可能面临教育资源相对不足的挑战。 1.4各地区教育经费近年投入趋势 分析结论： ①　地区间教育经费差异：北京、上海、广东等经济发达地区在多个年份拥有最高的教育经费投入，而西藏、宁夏、青海等西部地区的教育经费相对较低。 ② 年度经费变化趋势：多数地区的教育经费呈逐年增加趋势，反映了政府对教育的持续投入。然而，部分地区在某些年份出现了不连续的经费波动，值得深入探讨其背后的原因。 ③西部地区教育经费挑战：西部地区（如西藏、宁夏、青海）的教育经费相对较低，可能需要更多的政策支持来改善教育资源分配。 2.教育资源与学生成果相关性分析 2.1高校数量与本科率之间的相关性分析 分析结论： 根据数据图趋势，表明高校数量较多的地区普遍呈现较高的本科率。然而，我们注意到一个显著的异常情况是海南省，该地区的普通高等学校数与本科率呈现极端的负相关。这一异常现象可能有以下原因：办学历史较短，经济发展缓慢。虽然海南省在本数据集中呈现了极端的负相关，但我们不能仅仅依赖一个变量就对地区的教育水平进行综合评价。因此地区的普通高等学校数量与本科率之间具有较高的正相关性。   2.2生师比与本科率之间的相关性分析 分析结论： 负相关性：相关系数为-0.59，接近于-1，表明在整体数据集中，生师比与本科率呈现明显的负相关趋势。这意味着生师比增加时，本科率有较大概率下降，反之亦然。这一趋势在样本中是比较明显的。 教育资源分配：生师比是衡量教育资源充足度的指标，即教师与学生的比例。负相关表明，生师比较高的地区（即教师相对较少的地区）往往本科率相对较低。这可能意味着这些地区的教育资源分配相对不足，难以提供足够的本科教育机会。 教育质量和机会：负相关也可能反映了教育质量和机会的关系。生师比高的地区可能教师资源有限，难以提供高质量的本科教育，从而影响了本科率。 2.3教育经费投入与本科率之间的相关性分析 分析结论： ① 正相关性：相关系数为0.66，接近于1，表明在整体数据集中，教育经费投入与本科率呈现明显的正相关趋势。这意味着教育经费投入增加时，本科率有较大概率上升，反之亦然。这一趋势在样本中是比较明显的。 ② 教育资源与机会：正相关表明教育经费投入可能是提高本科率的一个重要因素。教育经费的投入水平高的地区，往往能够提供更多的教育资源和机会，包括本科教育的机会。这有助于提高学生接受高等教育的机会，从而推动本科率的提升。 ③教育质量和教师水平：教育经费的增加通常伴随着教育质量的提升，包括教师的培训和待遇的改善。这可能会提高教师的教学水平，带来更好的学习环境，从而有助于提高学生的本科率。 6.决策建议： ①增加教育经费投入比：鉴于教育经费投入比与学生成果之间成正相关，政府应考虑增加教育预算，并确保这些资金合理分配到各地区，特别是在教育资源相对匮乏的地区。这将有助于提升学生的学习条件和教育质量。 ② 优化普通高中生师比：鉴于学生成果与普通高中生师比呈负相关，政府和学校管理部门应该关注减少师生比例，尤其是在人 口密度大、教育资源紧张的地区。这可以提高学生获得个性化指导和更好教育的机会。 ③ 鼓励普通高等学校发展：虽然普通高等学校数量与学生成果之间呈正相关，但不仅仅是数量，还需要关注高等学校的质量和 多样性。政府可以通过提供资金支持、优化课程设置、促进合作等方式，鼓励各地区发展高质量的普通高等学校，以满足学生不断增长的教育需求。 ④制定差异化政策：考虑到不同地区的教育资源分布不均，政府应制定差异化的教育政策，根据不同地区的实际情况进行调整。这将有助于在保障教育均衡的同时，充分发挥每个地区的优势。 三：参赛总结： 我们明确了我们的分析目的和问题，即探究中国各地区在人均可支配收入、就业人员受教育程度、生均教育经费支出等方面的差异，以及这些差异与学生的升学率、高考成绩、综合素质等方面的关系。我们认为这是一个具有社会意义和实际价值的课题，可以反映出教育公平和效率的问题，也可以为教育政策和改革提供数据支持和建议。 其次，我们收集和整理了相关的数据来源，包括国家统计局、教育部、高考网等公开发布的数据。我们使用FineBI工具连接了多种数据源，进行了数据清洗、转换、合并等操作，构建了一个完整的数据集，包含了各省份的教育资源指标和学生成果指标。 再次，我们使用FineBI工具进行了数据可视化和探索性分析，制作了多种图表和仪表板，展示了数据的分布、趋势、聚类、相关性等特征。我们发现了一些有趣和重要的洞察，比如： 教育资源在各地区之间存在显著的不均衡分配，东部沿海地区的教育资源水平普遍高于中西部内陆地区。 教育资源与学生成果之间存在一定的正相关性，但并不是简单的线性关系，还受到其他因素的影响，比如地区经济发展水平、文化传统、家庭背景等。 教育资源与学生成果之间的相关性在不同地区也有所差异，有些地区表现出较高的相关性，有些地区则表现出较低或负的相关性，说明教育资源的配置效率和使用效益有待提高。 最后，我们总结了我们使用FineBI工具的体验和感受。我们认为FineBI工具是一款非常强大和易用的自助大数据分析BI工具，它可以帮助我们快速连接多种数据源，进行灵活的数据编辑和探索，制作丰富和美观的图表和仪表板，分享和协作我们的分析成果。我们非常喜欢FineBI工具提供的Spider引擎、多屏应用方案、企业级权限管控、业务场景模板等功能和特点，让我们感受到了数据分析的乐趣和价值。 最终作品预览：