某app用户人均985，月入过万？看完真实的数据分析可视化，有了答案
看见一个问题：
我刷某app不多，但是也有这个感觉：211凑合，985一般，清北还行。常青藤，勉强入眼，年薪百万算个屁，月入千万有点低。
好吧，我不知道是谁飘了，我只知道随便敲敲键盘确实很简单。
其实也不单单是知乎，现在的很多平台，都有一种夸大和焦虑的氛围，这让很多人就产生一种错觉：我是不是很失败？
我通过python获取了一些数据，然后以可视化的形式对某app用户进行展开分析，来看看真实情况是不是和你想的一样？
一、获取数据
因为不是所有的数据都能爬的，所以我只能基于现有的一些分析数据，如咨询公司、分析报告的数据进行整合处理。
我们需要知道哪些数据？某app用户的学历、城市、职业、偏好、活跃时间。
二、选择数据分析可视化工具
本来我是想用python的，但是为了能让你们看懂且能自己照着分析一遍，我选择了BI工具。
python的分析过程还是比较繁琐的，sql，pandas这些不简单，我之前分析的时候就用过python+BI：
BI工具方面，我用的是FineBI，比Excel简单方便，拖拽就可以分析出结果了，配上多种类型的柱状图、饼图、雷达图，真挺简单。
python强大的数据获取能力，配合敏捷FineBI简单快捷的数据可视化操作，分析效果不用多说。
三、数据可视化分析案例
1、某app用户都是哪里毕业的？
看看这学历，啧啧啧，果真985遍地走。
但是我这说一下实际情况，不是所有人都会填学校，也不是所有人都会正确地填自己的学校，反正在网上，大家谁也不认识谁。
从我的感知来看，这数据不准，学校是次要的，不影响FineBI的这个词云图。
2、某app用户都分布在哪些城市
这个问题应该不用看就知道，人口基数越大，用户的数量就越多，江浙沪、长三角、珠三角首当其冲。
北上广深杭，应该处于中心，那这数据就是准的。
3.不同年龄段的人有多少？
从柱状图来看，整体男性用户的比例是高于女性的，25-30岁的男性为什么会用的多？这点我不能理解
顺便说个数字，40岁以上的用户都集中在三线及以后城市，可能是因为年纪大了比较清闲吧。
4、活跃度分析
因为数据太多，需要年龄、时间段、活跃度，这些数据我这里没有找到，但是FineBI完全可以分析多维度数据。
我找到了某咨询的报告，较为准确：
90后喜欢夜间看某app，可能是因为加班回家只有晚上才有空。
80后们，起的比较早，通常是早上活跃。
以上分析就差不多了，结论是什么，其实并不重要。
学会FineBI这个工具，不敢说比Excel强多了，但起码是简单的，而且年底的数据分析报告，也可以用FineBI工具做出来。
立即沟通
