最完整北京民宿数据分析课件.pptVIP

***EXCEL截取函数。用MID函数截取“商圈”。三、数据清洗（六）截取内容最难的部分：将距离单位统一为“米”第1步，用if语句把带公里的单元格选出来；第2步，用字符串截取函数，把选出来的数据，比如4.8公里，里面的数值提取出来是4.8；第3步，4.8*1000”。三、数据清洗（七）统一单位4构建模型?1.价格描述性统计分析北京民宿最普遍的定价是398元，如果你打算开一家民宿，可以作为参考。特别注意的是众数和中位数相差无几，说明这个定价符合市场情况。?四、构建模型（一）描述性统计分析2.点评数描述性统计分析点评数反应用户粘性，住客体验后，来评价写下评论，同时反应民宿的热度。?四、构建模型（一）描述性统计分析3.住客评分描述性统计住客评分均值为4.848，说明住客对北京民宿的满意度普遍较高，北京民宿服务水平较高。特别注意的是，中位数和众数均为5，再次印证了住客高满意度。如果你想在北京开一家民宿，一定要在设计、服务等方面，做得更好。四、构建模型（一）描述性统计分析4.宜住人数描述性统计分析宜住人数的众数为2，说明大多数民宿的目标客户是情侣或闺蜜，后面的内容有更详细的分析印证这个结论。四、构建模型（一）描述性统计分析5.面积描述性统计分析数据显示，众数为50，中位数为60，均值为75，可以发现北京民宿以小户型为主。四、构建模型（一）描述性统计分析6.离最近商圈距离描述性统计分析离最近商圈距离说明民宿生活的便利性。从中位数、众数、平均数来看，民宿周边500-1500米内就有一个商区。这个距离可以说很便民了。如果你要开民宿，先看看周围1500米内有没有商圈，选址很重要！四、构建模型（一）描述性统计分析7.床数描述性统计分析床数最普遍的是“1”，和前面我们得出的结论“大多数民宿的目标客户是情侣或闺蜜”相符合，在后面更详细的分析中，我们会看到更多证据。四、构建模型（一）描述性统计分析1.每个区，不同类型民宿的数量从数量上来说，朝阳区民宿最多，占33%，然后是东城区和海淀区。朝阳区民宿数量是东城区的2.4倍。从类型上说，别墅，复式，公寓，客栈，四合院这5中类型中，公寓数量最多，占到78%。其次是复式。在各区中，复式民宿集中在朝阳、顺义、大兴、通州4个区；别墅集中在昌平；四合院集中在东城区。四、构建模型（二）各个区域民宿特点2.每个区，不同类型民宿的点评数四合院住客写点评的数量是别墅的4倍，四合院带给游客更深的体验感。四、构建模型（二）各个区域民宿特点3.各区对应的民宿均价各区中，怀柔的价格最高，均价接近3000元。原以为是某个异常值拉高了平均值，重新翻看数据，发现怀柔有4-5家高端民宿，定价均在4000-7000的范围不等。也有多个价格在2000以上的民宿，表明北京高端民宿在怀柔较为集中。其次价格最高的依次是延庆、昌平区，西城区、东城区。东城区和西城区均价大体一致。房山和门头沟均价最低。四、构建模型（二）各个区域民宿特点5大数据告诉我们什么?以上是数据最简单的分析方法，研究对象只有2个，例如：价格和区域的关系、区域和点评数的关系。在下面部分，将分析更复杂的问题，将解决以下几个问题：A哪些商圈，周围民宿最集中？例如：通州北关和百子湾，哪个周围民宿最多。B不同区域、不同类型的民宿面积多大？例如：昌平的复式面积多大，东城区的四合院面积多大，朝阳的公寓面积多大。C不同区域的民宿，哪些以情侣为主，哪些以家庭为主？五、大数据告诉我们什么分组分析前，先处理几组数据。对面积和商圈距离这两列进行分组，使集散的数据按组分类，方便后续进行比较。民宿离最近商圈的距离，我们分为六个组，分别表示0到1千米，1千米到2千米，2千米到3千米，3千米到4千米，4千米到5千米，5千米到6千米，共六组数据。使用VLOOKUP函数进行操作。五、大数据告诉我们什么分组将民宿面积分为小，中，大，很大，共4组。小代表50平米以内的民宿，中代表50到100平米的民宿。大代表100到200的民宿。很大代表200平米以上的民宿。哪些区域的民宿大，哪些区域的民宿小？带着问题，我们继续挖掘本质。五、大数据告诉我们什么1.哪些区域面积大，哪些区域面积小？昌平区别墅型民宿的面积都在200平米以上；84%的公寓型民宿面积在0-100平米朝阳区一半的复式型民宿面积在50-100平米，且一半的公寓型民宿在面积同样在50-100平米大兴区复式和公寓型也主要集中在50-100平米。东城区51%的复式型民宿在50-100平米，38%的复式型民宿在100-200平米，70%的公寓式民宿在50-