服务“夕阳”，已为“朝阳” ——中国养老服务市场与相关业务分析报告 作品选题 “数据是分析和可视化的基础”，我们是学生参赛团队，出于能够找到足够且准确的相关数据的需求，我们通过综合考虑和讨论，最终选择了“中国养老服务市场” 这一个分析主题，对于该问题，在中国国家统计局、中国民政部等其他官方数据库有权威且不具有敏感、私密的数据提供。其次，随着中国人口老龄化程度逐渐加深，养老服务市场是一个迫在眉睫且具有较高社会意义的研究主题。具有巨大的前景市场、分析我国养老产业现状与困境，是一个非常有意义的工作。 一、选手简介 1、选手介绍 （1）团队选手版 团队名称：啊对对对队 队长介绍：哈喽，大家好呀，我的帆软社区用户名叫做“达摩克里斯之剑”。 目前就读于中南林业科技大学理学院，我校是帆软2022年全国高校数据可视化大赛的最佳组织奖获得者哦；我们专业是“信息与计算科学”，个人感兴趣的方向和领域有数据分析、数学建模、数据可视化等。 成员介绍：， 成员1-“应急软件” 成员-中南林业科技大学计算机学院 成员2-“潘旭瑞” 成员-中南林业科技大学物流学院 团队组成：我们是在学校里一起学习进步的伙伴，在2022年，我们组队参加了帆软举办的全国高校数据可视化大赛，获得了二等奖的成绩，我们觉得帆软是一家十分有活力的公司，所开发的工具软件也十分的好用。 2、参赛初衷 通过之前的比赛我们已经接触过FineBI了，我们觉得它是一个十分优秀的BI工具，比赛是一个非常好的展现自己的平台，也是一次检验自己水平的绝佳机会，我们希望通过比赛实践提升BI工具的使用技巧、可以和更多FineBI大神交流学习，进行数据可视化作品以及分析思维的激烈碰撞，最后，大赛奖励很诱人呀。 二、作品介绍 1、业务背景 业务背景： 过去数十年，经济发展催生了亚太地区的“婴儿潮”，随之而生的是庞大而廉价的劳动力群体。这促进了地区的生产力和收入增长，但是随着这群庞大的群体逐渐老去，人口红利消失，留下的将是远超其他地区的老龄化速度。以前的人口红利,现在转而成为不得不面对的老龄化问题。随着曾享受过人口红利的亚洲各国的老龄化，养老问题将逐渐成为困扰这一地区经济发展的矛盾。而中国，与这一趋势息息相关，参考日韩的惨痛教训，结合我国庞大的人口基数等背景，可以预测很快我国老龄化将会成为一个紧迫的难题。随着我国老龄化程度的加深，养老服务业或将成为最具有潜力的“朝阳产业”。但是我国现状的养老服务市场还存在着诸多问题，本文着重研究的就是我国养老产业的现状与痛点。 行业痛点： （1）经济资源配置有限，市场建设机制薄弱。 （2）产业缺乏持续动力，运行缺乏深度引导。 （3）供给需求各自为营，不能进行对位匹配。 2、数据来源 本次比赛我们选择的是自选数据，来源于中国国家统计局和中国民政部，数据表数量较多且种类丰富。具体类容如下表所示： 组件 指标 释义 亚洲老龄化情况对比柱形图 亚洲总人口、亚洲老年人人口 亚洲老年人与亚洲总人口对比 老龄人口占比 老龄人口占比 老龄人口/总人口 中国各省老龄人口 中国各省老龄人口数量 老龄人口数量 抚养比省份分布 抚养比 老龄人口/年龄在18-60岁间可劳动人口 出生率死亡率 出生率、死亡率、自然增长率 出生人口/总人口、死亡人口/总人口 卫生机构 卫生机构数量、卫生机构人员数、卫生机构床位数 数量 绝对参保人数 基本养老保险参保人数 基本养老保险参保人数 某公司护理站数量 某公司在不同地方的护理站数量 某公司在不同地方的护理站数量 养老原因 选择不同养老方式的原因 选择不同养老方式的原因 参加养老保险人数 数量、参保比率 参加养老保险人数/退休前未参加啊养老保险人数 老年人安全需求 需求例数、需求量、满足率 满足率=满足例数/需求例数 养老选择词云图 词云 词语大小显示选择人数 老年人心理健康需求 需求例数、需求量、满足率 满足率=满足例数/需求例数 日常生活照料 需求例数、需求量、满足率 需求例数、需求量、满足率 基金明细 基金结余 基金收入-基金支出 养老院入住率 入住率 不同年份养老院的入住率 养老市场规模 社区养老|商业养老 社区养老与商业养老对比图 养老金水平 养老金水平 各地养老金 养老类型 养老与不同类型企业相关性 养老与不同类型企业相关性 分析思路 我们的分析思路如下图所示： 围绕“中国养老服务市场”这一主题，我们将内容分为四块： 中国人口老龄化现状与趋势 中国养老服务市场现状与发展 中国养老服务市场与破局 养老服务具体业务分析 使用了聚类分析模型、PEST分析法等。 第一块 我们首先从研究当下环境出发，利用数据分析并用预测数据得出中国即将面临严重人口老龄化的事实，得出了中国即将面对严重老龄化，且不同地区存在老龄化程度与应对难度差异的结论。 第二块 我们着重分析中国养老服务产业的现状，对我国的养老服务产业做了一个简单的介绍。 第三块 我们着重分析中国养老服务市场所面对的问题、讨论希望养老达到的标准，得出中国养老产业处于初级阶段，市场混乱，标准不明确，盈利模式还待摸索的结论，其面临企业专业不足，定位不清，提供的服务和当前的需求不服的困境。 第四块 我们对养老服务的重要业务进行了分析研究，讨论其现在存在的问题，并给出一些解决方案。 4、数据处理 数据处理与技巧总结 数据处理技巧 FineBi的可操作空间大，操作灵活，以下是在数据处理中所用到的例子 1.1使用地理位置信息对指标进行地区对应 当数据指标维度涉及到地理信息时，一般可制成地图类型的组件，FineBi一般能自动识别地理信息，如若不能自动识别则需手动输入，如下所示： 1.2两种指标数据之间求比值或差值 一般数据导入时，还不足以满足我们的分析需要，需要我们根据两种或多种指标数据之间的关联关系得出新的指标数据，如已知支出和收入要得到结余，已知出生率和死亡率要得到自然增长率，已知个体和总体要得到占比等等。 此时可以通过新建公式来满足要求，通过拖入字段名称编写公式即可快速得到所需的新字段，其具体实现过程的案例如下： 5、可视化报告 （1）图表排版布局与可视化技巧 2.1特殊显示某段范围的数 想要突出显示某个数值所对应的组件片段可通过字段设置的注释来实现，过程如下： 需要设定好目标值的区间，可选择添加条件且或者条件或。 2.2在地图上显示不同的图形 可将指标拖入形状中进行选择，具体如下： 2.3设置局内跳转外部网络 在文本框中点击链接进行添加 2.4设置组件之间的联动 此操作需要不同组件之间包含相同的维度指标，具体过程如下： 2.5特殊显示最大/最小值 在标签中设置，具体如下： 2.6给组件添加注释动画： 与添加特殊显示一样，具体如下： 2.7根据数据数值的大小来将组件内容区分开来 当数据变化较大时，可通过设置将组件图形的大小与数值的大小联系起来，具体的效果如下： 实现该操作，需要把指标字段拖入到大小中去再进行设置。具体过程如下： （2）分析结论 通过研究以上内容，我们得到了以下结论： （1）经济资源配置有限，市场建设机制薄弱。我国现在对于养老的资本和人力都还远远不足，如养老床位、服务人员、养老地产都还远远不足。面向对应的产品也并不充沛，且在不同的价格区间内差异巨大。 （2）产业缺乏持续动力，运行缺乏深度引导。养老产业的发展还需要政府制定相应的标准和做出一些适当的引导，现在的发展方向和资源配比都存在问题。 （3）供给需求各自为营，不能进行对位匹配。现在的很多产品并并不是在基于消费者的需求上制造的，高端产品供给不足，中低端产品设计较少，难以满足各种人群的需求。 提出建议 （1）树立大理念，建设大品牌。要先进行市场调研，明确消费群体需要什么样的产品与服务，并基于此提升自己的产品质量、产品服务，创立让消费者认可的品牌。 （2）关联相关产业，吸引更多投资。产业的发展需要投资，要明确养老产业的经营路径，与相关产业进行挂钩，如老龄服务机构、老龄产品制造、老龄宜居地产、老龄保险金融业务。 （3）以客户为本，抓住消费群体。要学会找到更多的用户，其中不仅具有正需要养老的老龄人，也有为养老提前准备的青年人和中年人群体，这些是未来的长远客户，也是养老保险等养老投资的重要目标客户。 具体业务建议 发现问题： 老人护理床位严重不足，与其他国家仍有差距。 床位、养老机构分配不均，有些地方空置，有些供不应求。 现有养老模式存在缺陷，并不完善。 养老保障覆盖不足，养老金差异巨大。 问题原因： 如今养老模式下，一些机构盈利困难，因此没有资金发展。 由于市场调研不够充分原因，一些地方机构聚集，而有些地方则缺少机构。 老人退休前收入对养老金影响巨大，不同收入对养老金投入不同。 如今的养老模式不够完善，没有形成稳定产业链与资金流，各方面各自发展，缺少合作。 解决方案： 政府规范、政策引导，由政府引导发展方向和进行资源配比可以使得养老服务市场更好的发展。 模式更新、资源整合，加强合作。比如医疗机构可以与养老服务机构进行更密切的合作，使得老人那个更便捷的获得两张服务。 寻求资金投入，更多的投资可以使得养老服务业加速发展。 科技创新，智能养老，计算机和信息技术的介入，可以使得养老服务业更加方便智能。 （3）最终结果呈现的页面布局 最终仪表板： 作品链接：https://bisolutions.fanruan.com/webroot/decision/link/Rzuy 三、参赛总结 1、FineBI工具 简述你对BI工具的看法，如： 帆软功能丰富，使用较为便捷，制作出来的仪表盘较为美观 吐槽：对于仪表盘的分享比较麻烦 数据分析是一项十分重要的工作，它能够总结提炼出表面只是简单数字或者文本后的重要信息，并以此作出决策或者判断，通过强大的算法推荐机制，抖音的热度超过了快手后来居上就是一个十分显著的例子，而我对数据的看法是“当我掌握了你的相关数据，也许，我会比你更“了解”你” 2、参赛总结 通过参加这一次的帆软数据分析大赛，我们收获颇多，也认识了一些志同道合的朋友，学习了一些使用FineBI的新技巧，更重要的是，锻炼了我们解决困难的努力，增加了经验与经历。 克服的困难：寻找数据，在如今的信息时代，“信息”就是金钱，是比煤炭和石油更珍贵的“原材料”，最近更有通过海量数据训练而出现的aiChatGPT,我们相信在未来，数据将会变得更加珍贵。对于数据分析大赛来说，数据是一切的根本，作为学生的我们，很难获得第一手的行业数据，而且我们要保证所使用的数据的权威性和准确度，并且被侵犯他人或公司的隐私和合法权益，因此，我们的选题遇到了较大的挑战，我们要使主题尽可能的好的同时要能够找到足够多的数据。 感恩的事儿：谢谢自己和队友的坚持与努力 遇到的人儿：遇到了十分负责友善的帆软大赛的工作人员与指导老师，非常感谢他们提供的帮助。 认知新感悟：尝试新东西很难，但坚持很酷，成就感很足。