R是我的一個(gè)好基友，性別男，愛好宅，我平時(shí)到他家不是PS4就是LOL打起來。最近他剛從老家濟(jì)南回到上海。這次去他家，帶著剛?cè)胧值男掠螒颍瑴?zhǔn)備大戰(zhàn)一場(chǎng)。
滿懷激動(dòng)地敲門后，我卻看見頂著黑眼圈來開門的R。開門后的R連招呼都沒打，一頭就栽倒在了我身上，我深情地看著R，“咋滴啦哥們兒，被人煮了？”R抬起空洞的雙眼，“我戀愛了！"
原來R在高鐵上遇到了一位白富美，被迷得七葷八素，六神無主。我心想，這小子平時(shí)老老實(shí)實(shí)，沒想到一來就是一見鐘情。我當(dāng)下決定，要幫這小子找到這位神秘白富美。在R語無倫次的描述下，我畫了張這位奇女子的分析圖，以下就將這位奇女子簡稱Q吧：
可是憑一張照片也不可能找得到Q啊，總不可能去上海的大小街頭去貼尋人啟事吧。我袖子一擼，眉頭一緊，這點(diǎn)事兒，不至于難得到我，真相只有一個(gè)，我決定大干一場(chǎng)！
但是我不是什么福爾摩斯，也不是柯南道爾，沒有自己的記憶宮殿，不過幸好我最近潛心研究大數(shù)據(jù)。我立刻翻閱起相關(guān)的數(shù)據(jù)研究，說不定在這里面可以找到點(diǎn)有用的信息。
R是從濟(jì)南上的車（G17，北京-上海），Q應(yīng)該是在前半段上的車，我翻出一張有關(guān)高鐵線路昂貴程度的分析圖以及一張京滬列車的時(shí)價(jià)比圖：
高鐵線路價(jià)格圖
京滬列車時(shí)價(jià)比圖
R出差回來的時(shí)間并不是什么節(jié)假日，根據(jù)圖上的分析，Q應(yīng)該是剛從家里回到上海，會(huì)在這個(gè)時(shí)候往返自己家，我推斷Q應(yīng)該是一個(gè)在家與上海之間經(jīng)常往返的人，并不拘泥于節(jié)假日。
根據(jù)上面這兩張圖，要使用薪資負(fù)擔(dān)起G17京滬高鐵的票價(jià)，那么時(shí)薪應(yīng)該在110元左右，換算成月薪大約2萬/月。在上海，對(duì)于一個(gè)這樣年齡的姑娘，想要達(dá)到這樣的薪資，那么她很有可能是個(gè)——【金融白領(lǐng)】。當(dāng)你想到上海的金融白領(lǐng)時(shí)，有個(gè)地方就會(huì)在你的腦海中浮現(xiàn)出來——陸家嘴。
可是即使知道她在陸家嘴工作，陸家嘴大大小小的金融公司數(shù)不勝數(shù)，豈不依然是大海撈針？這女孩兒身上大半是名牌兒，一定是個(gè)愛逛街的主兒，我想著如果能夠找到這種金融界白富美愿意去哪兒逛街，咱來個(gè)守株待兔豈不妙哉。于是我馬上翻出了商圈研究圖：
上海市主要商圈客流來源分布圖
上海一共有九大商圈，拿到客流來源，也許能找出點(diǎn)端倪。我撐著自己的大腦門，看著在一旁癱坐著的R，又一頭扎進(jìn)了瀏覽器，我得再看看去陸家嘴逛街的人到底是來自哪。
商圈本地化程度（聚集度）排名
萬萬沒有想到的是，陸家嘴的逛街黨都是不安分的主，不僅整個(gè)商圈的分布范圍之大，讓我的腦門冒出涔涔細(xì)汗，對(duì)于自己商圈的喜愛程度居然排在了倒數(shù)。
不行，看來陸家嘴這條線索是斷了，更何況Q也不一定就是個(gè)金融才女，說不定純粹是家里有錢，但是有一點(diǎn)我肯定沒推錯(cuò)，單單沖著Q一身名牌打扮，她肯定是個(gè)白富美。那么，拋開陸家嘴這個(gè)限定，我只能來找找有沒有哪里可以看到白富美愛在哪兒逛街了。
白富美人均消費(fèi)次數(shù)圖
白富美消費(fèi)頻率最高商戶排名
我在找到這兩張圖時(shí)，內(nèi)心是雀躍的，就連旁邊的R似乎也聞到了勝利的希望，在那兒開始傻笑。從這兩張圖上來看，要想偶遇R的夢(mèng)中情人Q，咱就得往市中心去，靜安寺商圈明顯是個(gè)風(fēng)水寶地，根據(jù)消費(fèi)頻率最高商戶圖，星巴克又顯然是個(gè)不二之選，那么久光百貨的星巴克則更是優(yōu)中之選！地點(diǎn)到這兒總算是定下來了，接下來就只要看時(shí)間了，我哼著小曲兒，順利地找到了商圈人流時(shí)變圖和白富美消費(fèi)時(shí)間圖：
商圈人流時(shí)變圖
白富美消費(fèi)時(shí)間圖
堪稱完美，這樣一來，守株待兔看來已經(jīng)是甕中捉鱉了，只要帶著R在上午的9點(diǎn)到下午3點(diǎn)，等在久光百貨的星巴克，根據(jù)我在本科險(xiǎn)些掛掉的概率論推算，我們將有巨大的把握等到Q的出現(xiàn)！我回頭的一瞬間，被旁邊滿血復(fù)活盯著屏幕的雙眼熠熠生輝的R嚇了一跳！
第一步：用“夜店”作為評(píng)價(jià)標(biāo)準(zhǔn)，使用免費(fèi)工具，從百度地圖中爬出“夜店”信息點(diǎn)；
第二步：希望解決“上海夜店都在哪” ，想到快速在地圖落點(diǎn)，并觀察他們的聚集度；
第三步：使用在線工具BDP和地理分析工具ArcGIS呈現(xiàn)熱圖，進(jìn)一步解讀上海的“夜中心”
真正學(xué)會(huì)數(shù)據(jù)技能，44分鐘當(dāng)然不夠。但無論你選擇什么樣的學(xué)習(xí)方式，學(xué)會(huì)總結(jié)套路，一定會(huì)有事半功倍的效果。
城市數(shù)據(jù)團(tuán)擁有一顆想通過數(shù)據(jù)認(rèn)識(shí)世界的心，我們的文章涉及房產(chǎn)、城市、娛樂、生活等各個(gè)方面。所以，我們每研究一個(gè)新的領(lǐng)域，都要經(jīng)歷從一無所知開始的迷茫。
正如接到老板的新任務(wù)的你，先需要構(gòu)建一個(gè)工作框架一樣，我們想盡快地了解一個(gè)新的細(xì)分領(lǐng)域，用數(shù)據(jù)描述事物背后的秘密，就必須總結(jié)“數(shù)據(jù)分析”的整個(gè)套路：
確定主題——數(shù)據(jù)采集——數(shù)據(jù)分析——細(xì)化主題——數(shù)據(jù)可視化。
城市數(shù)據(jù)團(tuán)數(shù)據(jù)研究思路圖，節(jié)選自《數(shù)據(jù)不說謊——大數(shù)據(jù)之下的世界》一書
零編程網(wǎng)頁爬蟲
Python網(wǎng)頁爬蟲
Excel&Stata數(shù)據(jù)分析
QGIS空間分析
后期更是會(huì)教您做出各種賞心悅目的可視化圖表
這是一個(gè)什么樣的課程？
數(shù)據(jù)達(dá)人培養(yǎng)計(jì)劃是一個(gè)組合課程，以“搞得到數(shù)據(jù)，做得了圖表，出得了報(bào)告”為目的，培養(yǎng)學(xué)員完成從爬數(shù)據(jù)到數(shù)據(jù)分析出成果的整套數(shù)據(jù)技能。
課程內(nèi)容
課程分為三大板塊，共有130+節(jié)小課程，包括：
如何進(jìn)行數(shù)據(jù)采集
如何清洗、整理、分析數(shù)據(jù)
如何將數(shù)據(jù)可視化
板塊一：數(shù)據(jù)采集
這個(gè)部分包括《爬蟲入門，零編程數(shù)據(jù)爬取攻略》和《從零到一，Python網(wǎng)頁爬蟲攻略》，課程將從零編程和編程兩個(gè)角度為學(xué)員提供爬取數(shù)據(jù)的技能：
板塊二：數(shù)據(jù)分析
這個(gè)部分的課程為《小白逆襲，數(shù)據(jù)分析實(shí)戰(zhàn)進(jìn)階訓(xùn)練》，包括Excel及其更新插件Power BI、Stata大數(shù)據(jù)處理和Qgis地理數(shù)據(jù)分析多項(xiàng)技能，讓你全方位了解數(shù)據(jù)分析的基本方法，高效入門數(shù)據(jù)學(xué)習(xí)。
板塊三：數(shù)據(jù)可視化
這部分的課程包括《美感培養(yǎng)，數(shù)據(jù)可視化專題強(qiáng)化》，課程包括Power Map、BDP、PPT等工具的使用方法，也包括如何從審美角度提升數(shù)據(jù)可視化的美觀等，在學(xué)習(xí)完前面兩章課程后，這個(gè)部分將是強(qiáng)化技能的重要一環(huán)。
如果想了解更多詳情，請(qǐng)點(diǎn)擊閱讀原文看課程目錄和試看視頻。
