中国个性化消费大数据报告出炉_数据分析师
2014年最终消费对中国GDP增长的贡献率超过50%。这意味着,消费已经超过投资成为对经济增长的第一动力,一个“消费中国”呼之欲出。
面对消费时代的到来,中央经济工作会议明确提出,从消费需求看,过去我国消费具有明显的模仿型排浪式特征,现在模仿型排浪式消费阶段基本结束,个性化、多样化消费渐成主流,保证产品质量安全、通过创新供给激活需求的重要性显著上升,必须采取正确的消费政策,释放消费潜力,使消费继续在推动经济发展中发挥基础作用。
随着许多行业消化过剩产能、支持消费的政策逐渐见效,今后几年消费增速超过投资增速指日可待。
因而,读懂消费,成为理解未来中国经济的一个重要支点。
然而,如何系统地厘清并追踪个性化消费的变化,仍是一个需要努力攻坚的课题。
借助阿里大数据和第一财经的分析视野,两方合作将有望形成中国最大的个性化消费数据库,以及中国最大的个性化消费经济地理信息数据库。
由于物流、信息流和资金流“三流合一”,“互联网+”带来历史性机遇,个性化消费将重构中国的消费版图,被传统商贸物流的有限条件所压抑的基本消费需求将得到极大释放。
拥有消费潜力的城市通过U形的升级路径。用消费引导经济发展和结构调整,不仅将创造大量财富,而且还将创造新的产业模式、新业态和新职业种类,成为带动传统产业转型升级的强大“发动机”。
“一带一路”、京津冀一体化和长江经济带所带来的基础设施升级机会还有望让边疆省份成为消费集中的新热点。借助“一带一路”的国际商贸优势,边疆省份有望成为对外开放、对内引流的“桥头堡”。
中国在促进“一带一路”国家基础设施建设的同时,也在为这些国家开放出一个庞大的市场。
在这一历史性进程中,排浪式消费大潮已经渐行渐远,个性化消费热点却如繁星闪烁。
利用大数据所提供的空间、时间以及关联关系的综合信息,我们不仅捕捉到“她经济”的蓬勃发展、能探查宏观经济放缓让“他经济”逐步降温,还能看到冷链物流等基础设施建设所引发的新机遇以及智能化的人力替代潮流所带来的消费良机。
面对个性化消费,已经有企业敏感地将经营触手伸向中西部的广袤内陆。这种战略成功与否,或许也能通过实时可感的大数据加以检验。
个性化消费时代的到来,要求企业实施互联网化改造,站在互联网的信息高地上捕捉繁星闪烁式的个性化消费热点。
而在中国制造的版图上,已经有一批产业带和产业集群经历了数据化和互联网化的改造,成为个性化消费时代主要参与者之一。这些产业带和产业集群如星星之火形成了消费产业整体转型的前奏。我们的报告,也尝试提供一幅产业制造地图的细节信息。
通过在线产业带的发展,既能实现本地区产业的全方位升级,又能帮助建设“美丽乡村”。特别是在精准扶贫工作中,利用在线产业,有可能提升部分居民的收入从而产生新的消费点。
从全国的范围看,阿里大数据所统计的在线产业带数量还不到全国产业集群总量的5%。这既是差距也是机遇。
在政产学研商通力合作与创业、创新的社会热潮下,“互联网+”对消费经济的改造已整装待发。
个性化消费将重构中国的消费版图
中国的消费热土在哪里?
来自2013年国家统计局官方数据所展现的基本图景是,中国居民的平均消费水平从东往西大致呈现阶梯式下降,并在中西部呈现不同层级消费水平犬牙交错的状况。
若将其分成五个层级,2013年上海的居民年平均消费水平约39223元,居于全国首位;北京、天津、江苏、浙江、广东及港澳地区的居民平均消费水平也都超过20156元;内蒙古、辽宁、山东、福建的居民平均消费水平位于15270~20156元之间;中西部的陕西、宁夏、湖北、重庆、湖南,以及东北的黑龙江、吉林位于12485~15270元之间;河北、山西、河南、安徽、江西、海南、广西、四川、云南、青海、新疆位于9616~12485元之间;甘肃、贵州、西藏的年平均消费水平低于万元。
上述消费调查数据主要来自于国家统计局按月入户调查的情况。由于入户调查的居民样本中,高收入人群的比例较低,以及居民存在未将全部消费情况完全填报的可能,因此,传统的消费数据尽管可信度较高,但也存在改进的空间。
随着消费热点更迭速度越来越快,以及大量消费行为由线下转入线上,来自实时交易的互联网大数据可能为外界展现不一样的消费图景和结构变化。
2015年《政府工作报告》提出“互联网+”行动计划。我们也希望线上数据为外界观察中国经济提供新视角。
基于阿里大数据,我们将2013年用户网络平均购买水平的分地区排名与国家统计局居民平均消费水平的分地区排名进行对比,展现其中的结构差异。
以2013年的排名来看,部分边疆省份出现了网络平均购买排名大幅超过居民平均消费排名的情况,而一些中西部和东北省份则出现了网络平均购买排名低于居民平均消费排名的情况。
如果将两种排名放到同一金字塔图中,两者的差异会表现得更为直观。
其中,云南、贵州、新疆是两项排名差异最大的前三个省份。这三个省份的居民平均消费水平分别为第28位、30位和27位,但其用户网络平均购买水平排名分别为第7位、第9位和第12位。这三个省份在网络消费上所呈现的购买力同福建、四川、辽宁、天津等省份的居民相当。位于中俄边境的黑龙江也有相似的情况,其居民平均消费水平的排名为第17位,但用户网络平均购买水平的排名却提升至第14位。
覆盖全国市场的阿里大数据可以进一步延伸展现县级市的消费水平排名。
排名在前50位的县级市大部分处于浙江、江苏等东部城市,但部分边境性城市的消费水平已经出现接近东部领先城市的特点。
比如,同缅甸山水相连的云南省瑞丽市,其在2014年的平均网络购买力水平在全国所有县级市中排在第3位,仅次于浙江省的海宁市和江苏省的靖江市。临近越南的广西的凭祥市、临近朝鲜的吉林省珲春市、靠近俄罗斯的内蒙古满洲里市等城市分别排名第16位、第29位和第38位,甚至超过了东部沿海的浙江省临安市和江苏省仪征市。
是什么因素让整体消费水平排后的边疆地区将购买力集中投放在线上交易?
我们研究发现,最主要的因素在于互联网时代降低了这些地区的交易费用,也就是科斯(CoaseR.H)所说的“所有发现相对价格的成本”。它们包括搜寻成本、信息成本、议价成本、决策成本和监督交易的成本等。
更为通俗的说法是,互联网让处于交通不便、商贸不发达的边疆省份的居民买到了以往不好买或买不到的商品。因此,不仅线下消费大量转移至线上,而且在原有水平上还有所扩大。
以新疆为例,阿里巴巴132个一级产品目录的细分产品消费数据显示,2014年在女装、女鞋、汽车及配件、户外旅行用品、男鞋、运动服、运动鞋、手机、美容用品、内衣、家装主材、童装、厨房用具、服饰配件等品类上的消费,新疆的比重都要超过全国平均各类消费比重。这些产品大多数都是基本消费品,而并非服务类产品或者珠宝玉器类等。
进一步研究发现,不仅是新疆,整个中西部都有明显的网络消费激发基础消费的特征。
比如,中部、西部和东北地区在衣着、交通通信产品等方面的消费占比要高于全国平均比重。其中,西部地区在衣着类上的消费比重超过全国平均比重5.12个百分点。这意味着,一旦促进互联网消费的条件成熟,中国的消费版图虽然将继续受到居民收入地域分布的限制,但中西部和东北地区会比传统消费调查数据创造出更多的基础消费潜力。
“互联网+”下消费升级U形路径
如果将各地区居民网络平均购买水平的排名看作是各地居民的消费强度指标,可以大致描摹出一条U形曲线。
在这条曲线上,部分原来消费版图上的边疆省份或边沿地区城市虽然在消费总额上较低,但因网端表现的消费强度同一些东部地区城市相当,和东部地区分别位于U形曲线的两端。
如果以前者代表消费潜力城市,后者代表消费成熟城市,其他消费强度的城市位于两者之间可以定义为消费发展城市。随着一个城市的消费沿着U形曲线从左往右发展,“互联网+”下消费环境的改善释放了过大的消费强度,使得居民整体消费能力均等化提升,整个城市的消费总额得以增加。城市本身也从消费潜力城市向消费发展城市再向消费成熟城市转化。
但由于大量的中西部城市的消费水平同东部地区有较大的差距,这条U形曲线的底部可能会很长,U形线的形状在极端情况下可能会趋向“J”形,但沿曲线释放消费潜力的路径依然存在。启动这项转型的动力之一就是互联网。
中国政府在2015年的《政府工作报告》中创新性地提出了“互联网+”行动计划,商务部随即也公布了《“互联网+流通”行动计划》。
关注消费潜力引导经济发展和结构调整,不仅将创造大量财富,而且还将创造许多新的产业模式、新的业态和新的职业种类,成为带动传统产业转型升级的强大“发动机”。
借力三大战略
——中西部迎消费投资高潮
要让“发动机”启动,观察数据的角度就从消费转向投资。
如果再次追问为何新疆居民的网络消费排名超过线下的排名,物流、信息流和资金流这三者的投资迅猛增长应是重要原因。
比如,在交通基础设施建设上,2014年新疆高速公路通车里程达到4312公里,居西部省份第3位、全国第12位,高速公路网骨架基本形成。在信息基础设施建设上,得益于宽带接入的快速推广,截至2014年12月底新疆网民普及率达50.3%,网民普及率全国排名第十位。
如果将新疆的经验放到其他边疆省份和中西部地区,互联网改造下的消费经济将带来巨大的基础设施投资机会,而投资又将进一步促进各省居民消费潜力的释放。
2015年5月,商务部等10部门联合印发的《全国流通节点城市布局规划(2015~2020年)》,就根据国家区域发展总体战略及“一带一路”、京津冀协同发展和长江经济带战略这三大战略部署,结合国家新型城镇化规划、全国主体功能区规划等,确定2015~2020年“三纵五横”全国骨干流通大通道体系。
按照这一布局,黑龙江、新疆、云南、广西等边疆省份将在三大战略的带动下进一步加强同内陆地区的连接。由于这些省份也是“一带一路”国家产品未来进入中国的通道,这些省份将成为对外开放和中国消费转型的“桥头堡”。
关注年轻——后发的消费潜力
根据阿里大数据所呈现的信息,中国网购人群的近一半分布在19~28岁这一年龄段,但29~35岁的“轻熟群体”是购买力最强的人群。这一现象也符合个人从踏入职场到进入收入稳定期,从而购买力逐渐提高的规律。如果一个城市网购人群集中在19~35岁,其消费稳定性会较一般的城市更好,远期的消费潜力可能会更大。
根据阿里大数据的统计,这样的城市大多出现在中部地区,如河南的商丘市、周口市、郑州市、江西的南昌市、安徽的阜阳市、亳州市、宿州市、内蒙古的呼和浩特市、湖北的武汉市、江苏的宿迁市等。这些城市网购消费人群中有近六成在19~28岁年龄段,而全国平均的比重为约44.1%。
如果这些未来消费潜力人群在35岁时仍留在这一城市,城市的消费前景将保持良好。
但我们研究发现,包括河南、安徽等省的大部分上榜城市都是劳动人口输出型城市,甚至湖北的武汉市也一度为年轻人才流失而苦恼。因此,如何在消费改革中留住年轻人将是这些城市需要探讨的重要议题。
数据分析咨询请扫描二维码
统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22