今天看到了一篇文章：《我從騰訊那“偷了”3000萬QQ用戶數(shù)據(jù)，出了份很有趣的獨(dú)家報(bào)告！》，原作者寫了一個(gè)爬蟲，以自己為源頭抓取好友的QQ，并根據(jù)抓取到的QQ數(shù)據(jù)，總結(jié)出了一份報(bào)告。

但是仔細(xì)閱讀后，感覺這份報(bào)告趣味有余但是分析不足，還只是停留在看圖說話的階段，原作者還需要一個(gè)產(chǎn)品經(jīng)理！

此言一出，就被朋友甩來一句：“you can you up”

好吧，鑒于我沒有親自寫爬蟲抓數(shù)據(jù)，那么就用原文里的統(tǒng)計(jì)圖，試試看圖說話吧，幫助原作者發(fā)現(xiàn)更多內(nèi)容。

活躍時(shí)間分布？

• “夜貓子”比“早期的鳥”的數(shù)量還要多：凌晨1點(diǎn)的說說數(shù)量比早晨7點(diǎn)的多
• 凌晨4點(diǎn)，大多數(shù)人睡得正香，熬夜的人也幾乎要睡了，通宵的人也大概十分疲憊了
• 大部分人的起床時(shí)間在6點(diǎn)到7點(diǎn)之間，因?yàn)樾甭首畲?/li>
• 大部分人在8點(diǎn)后開始工作/上課，因?yàn)?點(diǎn)前后的兩段時(shí)間的斜率變化十分明顯
• 越是臨近中午，人們對(duì)工作越是會(huì)心不在焉。因?yàn)?點(diǎn)到12點(diǎn)之間的說說數(shù)量一直在增長(zhǎng)(還記得學(xué)生時(shí)代，上午最后一節(jié)課的最后10分鐘有多難熬嘛？)
• 吃午飯時(shí)間玩手機(jī)刷空間，已經(jīng)是生活常態(tài)了吧？
• 午飯之后有人午睡、有人散步、有人讀書、有人聊天，總之發(fā)說說的人少了
• 當(dāng)然，也有人午飯后直接開始了緊張的工作/學(xué)習(xí)，持續(xù)到下午餓/下班的時(shí)候
• 相比晚飯，人們吃午飯的時(shí)間更加集中。發(fā)布說說的數(shù)量從25000+到28000+的規(guī)模，午飯用了一個(gè)小時(shí)(11-12)，晚飯用了兩個(gè)小時(shí)(17-19)
• 22點(diǎn)的說說數(shù)量達(dá)到最大值，果然人到了深夜容易多愁善感
• 22點(diǎn)之后，大多數(shù)人就開始睡覺了，說說數(shù)量迅速下降，下降幅度十分驚人

如果不看原文的話，看到這里，我大膽推測(cè)原作者的年齡大概在25歲左右，好友里面學(xué)生和已經(jīng)工作人都有一些，且學(xué)生較多，在北京上海的工作人群也不會(huì)是樣本的主流。因?yàn)閺?2點(diǎn)到23點(diǎn)的情況來看，似乎活躍度受到了某種外力的影響而急劇下降，我猜是學(xué)校里的熄燈制度造成的。從8點(diǎn)和17點(diǎn)之間的情況看，應(yīng)該是標(biāo)準(zhǔn)的工作時(shí)間。如果在京滬早八點(diǎn)上班的話，一定會(huì)被擁堵的交通折磨直至遲到的。

生日分布？

這幅圖，作者使用的數(shù)據(jù)是QQ用戶的生日資料。原文里，這個(gè)部分是一個(gè)十分巨大的槽點(diǎn)

“10月份生小孩的多好理解，一年忙差不多了，天氣也不冷不熱正是生小孩的好時(shí)候。 但1月份最高且和2月落差很大有點(diǎn)不好理解，那么冷的天生不怕凍嗎？ 我估計(jì)是1月份也快過年了，以前沒聚一起的好不容易聚一起了，就容易沖動(dòng)，沖動(dòng)就啪啪啪。 4月份生日的最少也好理解，中國(guó)人不喜歡4這個(gè)數(shù)字唄。 ”

還是看看我的分析吧：

• 為什么1月的人數(shù)特別多？答案其實(shí)很簡(jiǎn)單：因?yàn)镼Q默認(rèn)的生日就是1月1日，很多人都沒改默認(rèn)值呀！
• 為什么10月出生的人多？答案并不是原文中提到的“一年忙的差不多，天氣也不冷不熱正式生小孩的好時(shí)候”，真正的原因是……唉，原作者真是太可愛了……十月懷胎呀，那些十月份出生的孩子都是在前一年的年底“產(chǎn)生”的呀！那才是一年忙的差不多了的時(shí)候，而且天氣冷也不方便出門，所以就……你說對(duì)吧？
• 至于4月份出生的人少，同樣的道理，你要往前推10個(gè)月才能知道原因，前一年的六七月份才是真正的生產(chǎn)日期……而且，想想幾十年前沒有空調(diào)的六七月份的高溫，人們應(yīng)該很難專注于人口增長(zhǎng)事業(yè)吧……（我聽說過最奇葩的分手理由是倆人在一起太熱了，大抵如此）
• 另外，如果把4月和10月的生日情況對(duì)應(yīng)起來看，正好對(duì)應(yīng)了前一年最冷和最熱的時(shí)節(jié)，我仿佛已經(jīng)看到了人口浮動(dòng)的秘密……不過隨著生活水平的提高，主要是取暖和制冷成本的降低，相信在未來，這條生日曲線會(huì)更加平緩

看到這里，我大膽推測(cè)原作者是南方人，因?yàn)?月出生的人實(shí)在是少的比較明顯，說明夏天一定很熱，如果再激進(jìn)一點(diǎn)，大概可以把范圍縮小到那幾個(gè)著名的“火爐”所在的華中地區(qū)吧。

用戶所在地分布

這部分我沒有找到太多能推測(cè)的信息。不過還是可以補(bǔ)充一些：

• 我在第二部分的猜測(cè)被證實(shí)了，原作者果然是南方人(福蘭人)呢！

原作者統(tǒng)計(jì)了人數(shù)前5名的省份：廣東、湖南、四川、江蘇，然后好奇為什么在四川人多……

其實(shí)，答案很簡(jiǎn)單，因?yàn)樗拇ㄈ硕嘌健阍倏纯慈藬?shù)第五位是河南，為什么？因?yàn)楹幽先硕嘌健宜拇ê秃幽暇嚯x原作者都不是很遠(yuǎn)。

相比之下，人口大省山東，就沒能大規(guī)模滲透到原作者的好友圈子，為什么？因?yàn)樯綎|在北方，人們?nèi)ヶ捕急本┑囊庠笗?huì)更強(qiáng)烈吧。

年齡分布

這部分也沒有太多好說的了，年齡跨度其實(shí)不太大。不過還是有幾點(diǎn)可以談：

• 我在第一部分的猜測(cè)被證實(shí)了，原作者25歲

看圖提問，為什么1991年的人口突然會(huì)比前后兩年的人少呢？

因?yàn)?991年是農(nóng)歷的羊年，有傳言說“屬羊的人命不好”、“十羊九不全”，所以羊年出生的人就比較少了…當(dāng)然，我們都知道這其實(shí)只是謠言，并沒有科學(xué)依據(jù)。唉，封建迷信害人吶…

性別分布

性別統(tǒng)計(jì)方面，沒填的部分可以按照已知的男女比例進(jìn)行分配。

• 考慮到有些女生會(huì)設(shè)置QQ空間的訪問限制，以及有些女生會(huì)把性別改成男生用來防范騷擾，我們就當(dāng)男女比例分別是60%和40%吧

鑒于這樣的男女比例，我推測(cè)原作者大概是個(gè)理工男吧，(無惡意的推測(cè))原作者是單身吧 ??

原文還有一些語義和輿情的分析，在下短期內(nèi)難以發(fā)現(xiàn)亮點(diǎn)，就不再繼續(xù)了。

寫在最后

1. 會(huì)寫代碼人最帥啦
2. 對(duì)數(shù)據(jù)敏感的人更帥
3. 這是一個(gè)大數(shù)據(jù)時(shí)代，數(shù)據(jù)的重要性不言而喻
4. 數(shù)據(jù)的確會(huì)說話，但是，數(shù)據(jù)也會(huì)騙人
5. 面對(duì)海量數(shù)據(jù)的時(shí)候，我們要保持冷靜，擦亮雙眼

以上

本文由 @PMnews ?原創(chuàng)投稿，并經(jīng)人人都是產(chǎn)品經(jīng)理編輯。未經(jīng)許可，禁止轉(zhuǎn)載。