第五部分 实际应用
第十二章 中国楼市分析
自2004年推出“招拍挂”制度以来，房地产行业迎来了快速发展的十五年，也被称之为“黄金十五年”，以致现如今，房地产行业在中国整体的经济规模中拥有举足轻重的位置，不仅影响着GDP、财政收入、投资等方面，也促进了城市化进程，推动了上下游如钢铁、建材、机械、化工、陶瓷、纺织、家电等一系列产业的共同发展，据统计房地产行业直接或间接影响60余个行业。 在这个新时代，房地产行业已经迈上了新的平台，正跨过新的起跑线，无疑将呈现出新的趋势和特点。 下面我们利用国家官方统计数据，借助DataFocus分析工具，来一起分析下房价与GDP、CPI、投资之间的关系。
12.1 趣味计算
首先，我们来制作一个有趣的“计算器”。常听到人们说，辛辛苦苦一年了，到头来连买一个厕所的钱都没赚到，听起来是不是很悲惨？那现实，究竟是不是真的连一间厕所都买不起呢？现在房价如此之高，想不想知道，凭你的工资，是不是真的这辈子买房无望了？是不是真的连厕所也买不起？如果想要有一个80平方米的属于自己的小屋，那么凭你现在的工资，不吃不喝还需要攒几年呢？别急，下面我们就一起来制作一个购房趣味计算器。
上图12-1-1就是我们利用DataFocus制作的趣味购房计算器，我们从统计局中收集2017年各行业的年平均工资，以及2017年全国主要城市的年平均房价，现在，大家可以一起来算一算自己的工资，不吃不喝几年内可以拥有自己的一间小屋子。
12.2 GDP对房价的影响
国内生产总值（GDP）常被公认为是衡量国家经济状况的最佳指标，其是核算体系中一个重要的综合性统计指标，也是我国新国民经济核算体系中的核心指标，它反映了一国（或地区）的经济实力和市场规模。2018年中国经济总量首次突破90万亿元，初步核算，2018年全年国内生产总值900309亿元，按可比价格计算，比上年增长6.6%，实现了6.5%左右的预期发展目标。
我们从国家统计局中收集了2009年到2017年的GDP数据，以及住宅商品房销售平均价格，将数据导入DataFocus系统，并对数据进行一定的处理分析，将GDP增长以及房价增长，按照时间顺序进行分析，分析结果如上图12-2-1所示，从图中主要的一些转折点，我们可以初步了解到GDP对于房价的影响，两者之间基本呈负相关。
12.3全国房价变化分析
通过分析全国房价同比环比数据，进一步分析全国不同地区的住宅销售价格情况。
从图12-3-1中，我们可以了解到，全国各大地区房价仍然呈现上涨趋势，但涨幅比率有所差异，例如从图中可看到新疆、河南地区等，环比率较大，意味着其上涨幅度较大，而浙江等地区，相比较之下，涨幅较为缓慢。
上图12-3-2展示的是全国各省环比率涨幅情况，可看到有些省份呈现负涨幅，结合图12-3-1，我们可以得知，例如浙江等地区，虽然其房价仍呈现上涨趋势，但是上涨幅度较之前的有所减小，而河南等地区，其不仅房价一直呈现上涨趋势，而且上涨的幅度也在不断增大。
12.4 CPI对房价的影响
CPI是消费价格指数，反映的是老百姓的日常生活中购买商品与服务的价格。但是不包含房价，因为房价不属于消费价格。而房租、装修、水电煤气属于消费，包含在CPI中。
从上述图12-4中，我们可以直观的看到CPI与房价之间的关系，从图中的趋势来看，二者走向基本一致。在短周期波动中，房价和CPI或者同向降温，或者同向升温。房价上涨在一定程度上会带动CPI的提高，相反地，CPI的持续膨胀也会带动房价的上涨。拿房屋价格作为例子，房价的波动性很强，一般而言，当房价上涨，房租也会随之上涨，但房租不会剧烈波动，因为即便房地产价格急速上涨，也很难马上反映在房租上。因为很多时候房租是一年一签或者是数年一签，所以当房价持续上涨时，房租则缓速上涨，CPI也会受其影响而有所提高。
12.5销售面积与销售额
这一节，基于2014年4个月的房屋累计销售额以及累计销售面积数据，我们利用DataFocus，分析销售额、销售面积及其增长率与时间之间的关系。
从上图12-5中，我们了解到整体每月销售额以及销售面积是呈现持续上涨的趋势，这一点可以从累计销售额以及累计销售面积数值不断增大中得知，虽然整体数值是上涨的，但是其上涨的幅度呈现下降趋势，即上涨幅度越来越小。
12.6新开工面积增长情况
本节我们分析房屋新开工以及竣工的累计面积数据，房屋新开工面积，是房屋施工面积和房地产开发投资最重要的先行指标。土地购置、新开工、施工与竣工是房地产开发的几个阶段，其进展情况决定了着未来商品房供给量与节奏。
从上图12-6中，我们可以了解到，目前来看，开发商的开工热情正随着楼市的火爆不断升温，累计面积总体呈现上涨趋势。但因为楼市升温速度过快，开发商的开发节奏在后期也将出现较频繁的调整。后期可看到房屋竣工面积增速有所下降，这可能意味着着开发商已经进入理性调整阶段。
12.7房地产投资分析
本节我们通过对2014年2月到6月的房地产投资数据的分析，了解房地产投资随时间变化的规律。此次房地产投资分析，主要从不同类别的房屋类型出发，分析各类型不同时间内累计投资额以及累计投资增长率情况。
从上图12-7，我们了解到'144平方米以上住房'在整个时间跨度内，累计增长都为负增长，并且从中发现，二月份，除别墅和高档公寓外，其余类型累计增长率全部都有较为明显的变化趋势，而5月份期间，除别墅和高档公寓外，其余类型累计增长率全部都呈现明显的下降趋势，整体来看，别墅和高档公寓与其余三种房屋类型，累计增长呈现相反的趋势。
12.8楼市动态分析大屏
将所有的分析图表整合，加入到同一个数据看板，并且经过个性化配置，图表调整，以更直观更美观的形式展现最终结果，如下图12-8所示，整个数据看板，即呈现一个完整的分析过程，也展示了中国楼市的分析结果。
第十三章 DataFocus官网访问情况
随着互联网的不断发展，带宽的不断提升，人们越来越喜欢从网上了解自己所需要的信息。为了适应大环境的发展和及时的展示自身产品和服务，都选择了利用自己专业的网站为自己的用户提供更好的服务，让自己的品牌效应不断提升，从而吸引更多的用户。以此同时，也将带来一系列的需要了解和优化的问题，比如网站各个板块和页面的浏览量、页面停留时间、分时段用户的浏览情况等等。这些问题都可以通过DataFocus对网站的数据进行对比、分析和汇总，通过这些分析结果了解用户的行为并对应的做出相应的优化。下面我们以官方网站为例，对各个板块及页面做个网站整体的数据分析。
这个案例使用的数据源是Excel类型的数据“官方数据分析”，下面我们就通过这份数据来创建“官网情况”的可视化看板。
13.1 制作“各版块总访问量”图表
首先我们通过颜色和矩形的面积的大小，来展示和观察网站各分类板块的总访问量，从而了解网站访问的相关信息。将“网页访问量”、“网站版块”加入到搜索框，并勾选显示数据标签以及对颜色标签字号进行调整，是图表内容更加明显。如下图所示
从图表我们可以看出，用户生成页面的访问量最高，其次是案例页面的访问量。从这我们可以了解到一些基本的用户行为信息以及网站的流量来源。如：1、新流量来源主要是依靠用户创建并分享的页面；2、精彩的案例可以更好的吸引并留住客户等。这个是图表能够给我们传递的一些简单的内容，更全面的了解则需要更多的数据支持。
13.2 制作“网站各版块访问量走势”图表
现在我们通过折线图了解每个版块访问量的一个变化情况，根据不同的请款进行网站内容和运营策略的调整。将 “网页访问量”、“网站版块”、“日期”加入到搜索框，并对日期的聚合方式改为“每天”。如下图所示
从图里我们可以了解到的一个基本情况就是2.18整体访问量上升，通过观察可以看出案例>用户生成>博客>……的这样一个趋势，可以理解为案例版块带动了网站整体访问凉的一个变化，我们可以集中对当天的一个案例内容、运营的方式方法进行研究，甚至对当天的内容和行为进行一个有效的复刻。
13.3 制作“页面停留时间、访问人数交叉分析”图表
为了了解页面停留时间、访问人数交叉和访问量之间的关系，我们通过制作气泡图来进行观察。将“单次访问时长的平均值”、“网页访问量”、“网站版块”、“访问人次”放入搜索框，选择气泡图，点击配置图进行配置：X轴“单次访问时长的平均值”、 Y轴“访问人次的总和”、 大小“网页访问量的总和”、 图例“网站版块”。这样我们可以得到下图
我们可以从图上做一个基本的判断，判断页面停留时间、访问人数的一个关系，从而对我们的网站和内容进行优化，优化的同时也要关注好数据变化的情况。
13.4 制作“各网址情况分析”图表
为了了解各网址的浏览量、停留时间、跳出情况我们将“页面”、“网站版块”与“退出”、“单次访问时间”、“网页访问量”得出几个不同的图表，我们可以观察和监控图表获取各种变化的数据。
13.5 制作“仪表”图
有两个我们经常要查看的指标，普遍能反映网站的一个基本情况。所以在做可视化大屏的时候希望能够直接将其独立出来，以便更好的观察。我们分别将“网页访问量”和“单次浏览时长”放入搜索框，然后图表选择KPI直接进行展示，如下图
13.6 制作官网访问动态大屏
我们将前面的图表导入到看板，让后进行样式和布局的一个调整。在数据图表清晰明了的基础上你可以根据自己的审美来进行调整。我们这边进行了一个简单的布局，得到如下效果
第十四章 伦敦巴士路线可视化
14.1 制作“巴士站点”图表
我们导入”线路2”的Excel数据源，然后将“经度”、“纬度”、“站名”和“站号”放入搜索框，我们可以清晰的定位每一个站点的位置，得到如下图
14.2 制作“时间与人流量”图表
同样，我们导入“每日流量”的Excel数据源，将“周期”、“进入时间”和“数目”放入搜索框可以得到星期与人流量和时刻与人流量的关系图表，以便我们对其中的规律进行探寻，以便能够更好把控运行成本。我们得到如下图
14.3 制作“支付方式”图表
同样的，导入“售票方式”的Excel数据源，将“支付方式”、“支付方式_组_”和“数目”放入搜索框，我们可以得到如下图所示的支付方式图表，这个图表有利于我们了解用户的一个支付方式和支付习惯。
14.4 制作动态大屏
我们将上面的三个图表导入可视化大屏，得到如下图。我们这里只是做一个简单的分析了解，如果有兴趣可以更深层次的发掘数据的价值。
