开发者学堂课程【场景实践-通过阿里云数据分析工具实现共享单车骑行分析：案例场景分析】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/527/detail/7098
案例场景分析
内容介绍：
一、总括
二、实验
三、指标与维度
四、业务优化
一、总括
数据分析需要以业务需求为核心，对于共享单车用户和企业的需求如何满足一是个比较有趣的现象。当你需要骑车，发现不在存车处；不骑车的时候单车无处不在。车辆投放不断加码，大量车辆闲置，如何达到供需平衡。
增加车辆的投放量，不能满足所有用户的需求。告诉用户到哪儿找车，又会极大的降低用户体验。
从成本、效果等方面综合考虑，优化现有单车的资源调配，加强单车周转率有四个可行性的方案。
海量的骑行数据中可以挖掘出热门线路、高峰时段，重点区域哪个时段需求量、可再分配量，根据数据分析的结果，智能化的分配调度任务。
调度员在各个测量站点之间进行测量调度，提高单车的利用率。
运营人员也可以产品上下功夫，应有相应的营销活动，以激励的方式引导用户做任务，把单车从过剩的地方骑回需求量大的地方。
二、实验
实验分为以下三个部分：数据准备、数据分析和数据展现。
数据准备阶段需要收集数据，了解企业环境。
数据分析阶段，有两个任务，一个是kpi指标，包括活跃用户数、骑行次数、人均骑行时长、单车的周转利用率等等。一个是调度场景分析，包括热门线路、热门的站点、高峰时段、单车调度分配等等。
数据展现需要根据数据分析结果做出可视化的报表。
车辆调度分配是模拟电子围栏技术设计虚拟的停车桩，优化库存，解决共享单车的智能化调度分配任务。电子围栏是划定一块区域，共享单车只有提供在区域内才能停止计费。这种管理方式是通过企业来进行强制性的规范，可以看作是便利性和规范性的相互博弈。
最开始的时候并不理解电子围栏，很多人抱怨，现在目睹共享单车乱停放的状况后，用户已经慢慢的接受这一技术。
虽然电子围栏在一定程度上可以解决乱停放。但前提条件是存放的空间足够，并且用户的用车需求匹配。一旦电子围栏的布点不够密集，或者不能满足停车需求，共享单车的便利性优势就会大打折扣，而用户的需求量有多大、电子围栏布置在哪里、多少比较合理，这时候就需要从共享单车骑行大数据中来进行分析预测。
下面来看一下实验的数据集。
数据集比较简单，使用国外公开的数据，包含实验必须的骑行数据和治理信息两部分内容。字段包括用户的id、骑行开始时间、单车的id以及终点站、用户类型、用户性别、出生年份等用户的基本信息。
三、指标与维度
指标与维度是数据分析中常用的术语。
1.指标
指标是衡量事物发展程度的方法，指的是预期达到的指数标准，一般由指标名称和指标值两部分组成。比如开两会时，今年新增了几个指标，员工流失率、门店客流量等等。
（1）共享单车运营的核心指标：一个是用户指标状况，用户的生命周期运营可以归纳为获得用户转化成活跃用户，然后留住用户，最后转化成付费用户。一个是业务发展状况，单车整理情况，市场覆盖率。还有财务健康状况，也就是成本和收入。
这些都是领导层比较关注的指标。
（2）运营人员在投入成本获取用户之后，需要着重的关注升用户在整个生命周期中所创造的实际收入价值。所以新增用户数、活跃用户数、留存流失、用户黏性等指标对于运营者来都比较关键。
对测量使用方面，主要体现为执行次数、执行时长、频率轨迹和需求满足度等指标。
为用户是指一段时间内打开app的独立用户数，按照统计周期，有日活、周活、月活。活跃用户的值越低，用户的质量不高。
用户在一段时间后仍然缺席共享单车，则被认作是留存用户。这部分用户在当时新增用户的比例即是留存率。留存率越高，用户的忠诚度越好。用户留存是用户最终向付费转化，创造实际收入价值的过程中最关键的阶段。
关注新用户在支付的不同时期，还有多少人仍然在使用，从而了解到产品在使用多久后容易流失用户，找出流失用户的时间段，通过调整业务策略、活动激励等等措施来降低用户的流失。
用户联系指标是日活用户与月活用户个比值。比值越趋近于一，表明活跃度越高。
（3）维护人员主要关注车辆的情况。比如车辆的状态，车辆的位置轨迹，调用情况等等。三个指标比较重要。一个是车辆的使用率， 是使用车辆数占总车辆数的比例。一个是测量的故障率，故障车辆数占总车辆数的比例。还有一个车辆闲置率，是连续N天没有使用车辆数占总车辆数的比例。
（4）产品经理，比较关注的是产品的互动的效果，包括界面的效果、加载时长交互操作体验情况、产品的异常情况，比如开锁的成功率，app的崩溃次数，请求的失败率等等。
最后是用户满意度，是用户反馈的好评数占用户总评论数的比值。
前面指标是用于衡量事物发展程度，那么这个程度好坏需要通过不同的维度来对比才能知道。
2.维度
维度是事故的某种特征，比如性别、地区、时间等等，都是维度。
数据分析中最重要的就是通过组合各种维度对指标进行评估，从而更加优化合理的调整策略。比如共享单车的用户数量就可以时间、地域、推广渠道等不同维度来拆解分析新增总数以及增长率。
组合各种维度来分析各营销渠道的用户获取效果，以及目标用户的分布情况。
在共享单车中，可以建立客户流失预警模型。所谓新老客户进行分类，就用到了分类算法。
对客户进行细分，可根据消费者的不同，制定不同的营销策略，将资源针对目标用户集中使用。这是典型的聚类算法。
也可以对出行的流量进行预测，预测某区域在未来某个时间段的需求量以及需求满足度。这是回归算法。
还可以进行精准营销，基于用户画像，短途出行数据也进行精细化运营，这是关联规则的做法。
四、业务优化
1.数据可视化
数据可视化是将数据以图形图像等形式表示，并利用数据分析和开发工具发现其中位置信息的一个处理过程。
基本以表格、图形、地图等元素为主，数据也可以进行过滤、钻取联动、跳转、高亮等分析手段做动态分析。
按照不同的原理，可以分为基于几何、面向技术、基于图标，基于层次、图像和分布式技术等。
2.对比
在调度优化前，单车的使用频率比较低，投放的数量和成本是不断攀升。而且在潮汐时段用户需求比较高，大部分用户无车可骑。调度员完全是凭借经验来安排调度，造成了资源的过度浪费，而且用户满意度比较低。
在进行单车优化后，单车周转率得到了提升，控制了车辆的投放数量，企业的资金利用率得到了一个优化。同时，潮汐时段通过车辆的调度测量，可以反复利用系统自动派单，
合理的安排调度，资源得到了合理的利用，用户满意度得到了提升。
这种店铺分配的场景可以应用于比如仓储行业。进行智能推荐商品调拨数量，减少库存的积压；对物流行业，可以合理的分配运输车辆，提升车辆的运力。
对交通行业来，合理规划交通线路以及车辆调配。
3.问题和解决方案
大数据分析显示，北上广深的共享单车数量达到供需平衡。下一步，共享单车进入了新的赛道，精细化、自动化运营是重点，也是行业竞争的核心力量。
可以建立人工的智能分析平台，从技术手段来优化运营。通过监测车辆数据、骑行轨迹数据、环境数据以及人流量数据等维度，对用户用车的便利性选择问题，车辆的发现以及单车的调度都有着极大的好处。对城市骑行的需求，单车的供需预测、城市交通系统调度进行智能与指引和推荐。
