看見一個問題：

我刷知乎不多，但是也有這個感覺：211湊合，985一般，清北還行。常青藤，勉強入眼，年薪百萬算個屁，月入千萬有點低。

好吧，我不知道是誰飄了，我只知道隨便敲敲鍵盤確實很簡單。

其實也不單單是知乎，現在的很多平臺如頭條、抖音，都有一種誇大和焦慮的氛圍，這讓很多人就產生一種錯覺：我是不是很失敗？

我透過python獲取了一些資料，然後以視覺化的形式對頭條使用者進行展開分析，來看看真實情況是不是和你想的一樣？

一、獲取資料

因為不是所有的資料都能爬的，所以我只能基於現有的一些分析資料，如諮詢公司、分析報告的資料進行整合處理。

我們需要知道哪些資料？頭條使用者的學歷、城市、職業、偏好、活躍時間。

二、選擇分析工具

本來我是想用python的，但是為了能讓你們看懂且能自己照著分析一遍，我選擇了BI工具。

python的分析過程還是比較繁瑣的，sql，pandas這些不簡單，我之前分析的時候就用過python+BI：

BI工具方面，我用的是FineBI，比Excel簡單方便，拖拽就可以分析出結果了，配上多種型別的柱狀圖、餅圖、雷達圖，真挺簡單。

python強大的資料獲取能力，配合敏捷FineBI簡單快捷的資料視覺化操作，分析效果不用多說。

三、視覺化分析

1、頭條使用者都是哪裡畢業的？

看看這學歷，嘖嘖嘖，果真985遍地走。

但是我這說一下實際情況，不是所有人都會填學校，也不是所有人都會正確地填自己的學校，反正在網上，大家誰也不認識誰。

從我的感知來看，這資料不準，學校是次要的，不影響FineBI的這個詞雲圖。

2、頭條使用者都分佈在哪些城市

這個問題應該不用看就知道，人口基數越大，使用者的數量就越多，江浙滬、長三角、珠三角首當其衝。

北上廣深杭，應該處於中心，那這資料就是準的。

3、不同年齡段的人有多少？

從柱狀圖來看，整體男性使用者的比例是高於女性的，25-30歲的男性為什麼會用的多？這點我不能理解

順便說個數字，40歲以上的使用者都集中在三線及以後城市，可能是因為年紀大了比較清閒吧。

4、活躍度分析

因為資料太多，需要年齡、時間段、活躍度，這些資料我這裡沒有找到，但是FineBI完全可以分析多維度資料。

我找到了某諮詢的報告，較為準確：

• 90後更喜歡夜間看頭條，可能是因為加班回家只有晚上才有空。
• 80後們，起的比較早，通常是早上活躍。

以上分析就差不多了，結論是什麼，其實並不重要。

學會FineBI這個工具，不敢說比Excel強多了，但起碼是簡單的，而且年底的資料分析報告，也可以用FineBI工具做出來。