燃爆了(上海的房价多少钱一平方米)上海月薪8000什么水平,
学姐刚过完生日,但她看上去却并不是特别开心。
她说:过生日啊,也没什么大意思。无非是选一个男友出来,带着我逛逛名牌店,买买衣服和包包,吃吃大餐,住住五星级酒店什么的。逛逛买买吃吃住住。唉,也大概就是这样吧。
我说:好像是有点缺乏创意啊。
学姐说:创意什么的我并不在意。关键问题是,逛逛买买吃吃住住,把这些项目全加上,这一天也花不了多少钱,实在看不出来他的诚意来。这让我如何客观判断和他下一步的发展呢?
小团,你能不能综合评价一下,他给我过生日的这个消费水平,到底是高还是低呢?
学姐果真是一个我见过的最单纯,但同时也是最理性的好女生。看着她愁眉不展的样子,我也有些于心不忍。好吧,让我用最近与某支付机构合作时用的一组数据结果,来帮她做一做分析吧。
————————数据分析的分割线————————
我们本次的研究问题是:男友庆祝学姐生日的消费标准是高是低呢?
由于学姐生日当天进行了多种活动,行程较为复杂,我们不妨拆解来看,简单分成三个部分:1,购物(衣服和包为主);2,餐饮;3,开房。然后,我们再用这三类消费项目分别去匹配学姐生日当天上海全市的消费刷卡数据库,整理出了三组全样本的对比。
好的,第一组全样本对比的问题来了:
学姐生日那天,一个人在魔都买买买的话,要花到多少钱时才算高消费?
首先,从全样本对比组数据中可以统计出:
在学姐生日那天(不告诉你是哪天哈哈),全上海所有市民,在买衣服和包这项活动上,一共进行了6.7万笔消费,并花掉了约6900万元。平均每笔要花约1100元。
然后,我们可以把这6.7万笔消费和金额落到空间上来看,画出图大概长这样:
毫无疑问,大部分的高端服装消费,都集中在市中心。
学姐学姐,你男友带你去的是哪个商场?
当然,单纯的学姐并不关心这个。学姐关心的是,男友为她买衣服和包所花费的钱,在这6.7万笔交易中排名第几呢?请看下图:
可以看到,虽然全市人民平均每次“买买买”要花1100元,但实际上“买买买”消费的中位数值仅有约270元而已。也就是说,少数的有钱人在“买买买”上的花费大大地拉高了全市整体消费水平。
那么,是谁拖了后腿呢?具体来看吧:
假如男友给学姐买衣服和包的花费超过2700元,那么该男友本次消费力就能跻身全市前5%。 假如男友给学姐买衣服和包的花费达到1400元,那么该男友本次消费力就能跻身全市前10%。 假如男友给学姐买衣服和包的花费达到270元,那么该男友本次消费力就能达到全市中位水平。 假如男友每次给学将姐买衣服和包的花费不超过100元,那么可以判断:该男友本次消费力将被全市80%的人打败。看完这个结果,学姐似乎对自己的男友有了一点信心,嘴角逐渐绽开了笑容。
好的,第一个问题得到解决,接着第二个问题又来了——-
学姐生日那天,在魔都吃顿大餐,要花到多少钱时才算是高消费?
同样地,首先来看:魔都人民在学姐生日那天去餐馆吃饭一共吃了多少钱?
从对比组数据可以看到,在学姐生日那天,全上海市人民在餐饮这一项目上,一共进行了23万笔消费,总金额约8000万元。
然后,我们可以把这23万笔交易落到空间上,画出图大概长这样:
但需要注意的是,以上消费是全天汇总结果,那么则意味着早餐买包子午餐买煎饼什么的也就算在里面了。这势必会大大影响分析结果。
为了更精确地判断男友的消费能力,我们则需要把全上海餐饮行业消费的时间维度来拉出来,画出图来大概长这样:
很明显,晚饭的消费水平比午饭还是要高出一截的。仅仅晚上8点一个小时,全上海就吃掉了差不多1500万元。
因此,我们可以把研究样本进一步缩小到高消费的晚餐时段,选择学姐生日当天晚上6点到12点期间的消费作为对比组。简单统计一下,可以算出:在这个时间段上,全市人民在餐饮活动上一共进行了约9.2万笔消费,吃掉了大概4579万元。 平均每笔要吃掉约500元。
从空间上看,这4579万元大概长这样:
果然,与全天餐饮消费的分布进行对比,可以看到那些分布在中环线附近的办公园区周边那些由于吃午饭而出现的热点纷纷消失了。城市夜间餐饮活力重新回归市中心。
学姐学姐,你男友带你去哪吃的大餐呢?好吃吗?
当然,理性的学姐也并不关心这个。学姐关心的是,男友请她吃饭所花掉的钱,在这9.2万笔交易中,到底排名第几呢?请看下图:
可以看到,虽然全市人民平均每次晚上下馆子要花500元,但实际上这个平均值毫无任何意义,因为其中位数仅有200元。也就是说,少数有钱人吃饭的花费大大地拉高了整体消费水平。
那么,这次是谁又拖了后腿呢?具体而言:
假如男友请学姐吃大餐的花费超过1800元,那么该男友本次消费力就能跻身全市前5%; 假如男友请学姐吃大餐的花费达到1100元,那么该男友本次消费力就能跻身全市前10%。 假如男友请学姐吃大餐的花费达到200元,那么该男友本次消费力就能达到全市中位水平。 假如男友请学姐吃大餐的花费不到40元,那么可以判断:该男友本次消费力将被全市90%的人打败。
看完这个结果,学姐对男友的信心似乎又多了一点,笑容也更加灿烂了起来。
于此同时,最后,也是最重要的问题来了——
学姐生日那天,在魔都找个酒店开房,住多少钱的房间才算高消费呢?
同样地,先来看一下:学姐生日当天,魔都人民在开房这项活动上一共花了多少钱?
通过对比组数据可以看到,在学姐生日当天,上海全市人民在开房这件事上一共进行了约7.1万笔消费,总金额约8800万元。平均每次花费约1200元。
然后,我们可以把这7.1万笔开房交易落到空间上,画出图来大概长这样:
终于,与餐饮和购物不同,开房的消费不再单极地集中在市中心了。在郊区的金山和川沙等地,也有高消费开房的身影哦。
学姐学姐,你是在上图哪个地方开房的?开房体验怎么样呢?
当然,学姐似乎不想回答我这个问题。学姐更关心的是,男友带她开房所花的钱,在这7.1万笔交易中,到底排名第几呢?请看下图:
可以看到,虽然全市人民平均每次开房要花约1200元,但请大家也不要被这个结果吓到,实际上这个平均值毫无任何意义,因为全市开房消费的中位数仅有500元而已。也就是说,其实是少数有钱人开房所花的钱大大地拉高了全市人民开房的消费水平。
那么,到底又是谁拖了开房价格的后腿?具体来看:
假如男友带学姐开房的花费超过3500元,那么该男友本次消费力就能跻身全市前5%;
假如男友带学姐开房的花费超过2300元,那么该男友本次消费力就能跻身全市前10%。
假如男友带学姐开房的花费超过500元,那么该男友本次消费力就能达到全市中位水平。
假如男友带学姐开房的花费超过100元,那么可以判断:该男友本次消费力将被全市80%的人打败。
看完这个结果,学姐显得非常喜悦。 她握着我的手,兴奋地说:小团,谢谢你,通过这次的分析。我想这次,我终于可以下定决心了。
看来,这次学姐选定的男友在开房方面十分给力。我看着学姐幸福离去的背影,也深深地为她祝福。但忽然之间,却忍不住想到了一个更深刻的问题:
虽然说学姐的这个男友很可能在买买吃吃睡睡等方面的消费能力不错,甚至可以在上海滩排名前列,但这是否意味着他总体的消费能力也很强呢?
或者说,真正的消费能力,是否能仅从买买吃吃睡睡上看出来呢?
于是,好奇心驱动,我又打开电脑,开始整理筛学姐生日当天魔都所有类型消费的全部数据,接下来,看到了这样一组结果:
是的,在2015年学姐生日当天,上海市一共发生了约280万笔消费,金额共计约56亿元。而其中“买买吃吃睡睡”的总消费,仅有约2.4亿而已,只占总消费金额的4%。
所以,只是在4%的消费比例中进行排名对比的话,那是否意味着,我们对于学姐男友消费力的筛选工作过于简单粗暴了呢?
没错,不如我们认真地再研究一次,将学姐生日当天的280万笔交易再按照金额数高低进行排序汇总,把额度排名前1%的刷卡消费全部筛选出来,看看真正有消费力的人是怎么花钱的吧。
通过这前2.8万笔消费的分析,可以看到明确的结论:
1,有消费力的少数人花掉了大多数的钱。
如图所示,排名前1%的消费总额(仅2.8万笔消费)就达到了35亿元,占到总交易额的58%。
2,主要的大额消费都集中在投资领域
。
如图所示,排名前1%的大笔资金流动都集中在金融,批发和房地产三个领域,其中32%的钱都花在了金融理财上,23%的钱花在了批发上,而12%的钱都花在了房地产上。
3,日常生活性的消费,在这个世界中并不那么重要。
如图所示,通过前1%和后99%的消费对比,可以看到,重要的消费总是集中在购房,理财,旅游,教育;从零售行业起,后99%的消费总额才超过了前1%。而大部分集中在后99%的消费类型则是吃东西,收快递和。。。。。。结婚。 是的,和我们生活息息相关的,往往却并不是最重要的。
————————正式回答问题的分割线————————
那么, 通过学姐男友的分析,我们可以回到题主的问题了,上海的消费水平有多高呢?
我的回答是,这似乎并不重要。
在衣食住行的日常花销当中,无论你勤俭节约精打细算,还是挥金如土一掷千金,甚至可以在上海滩消费榜上名列前茅,这些也只是整个城市级消费中毫不起眼的一笔,并不能代表更多的意义。 所以,真正有价值的消费,既不是日常流水,也不是声色犬马。那是什么呢?是投资。当然,投资并不是消费;但从目的上说,投资是为了获得收益,能够在未来更多地消费。同样是花钱,用作投资将比现时消费更有价值。投资金融,投资事业,投资房地产,投资教育,包括投资自己。只有投资,才会让未来的自己变的更富有、更自信或者更强大。 这一点无论对于个人还是城市,都毫无例外。
因此我想,对于上海而言,消费水平的高低并不重要,重要的是你把握住多少机会把平淡无奇的日常消费变为真正的价值投资。这才是上海这座每天花掉差不多60亿元的城市带给每个消费者的最大的意义。
大概就是这样。
注:
1,以上数据来源于合作方银联智惠研究院的统计性数据,不涉及个人隐私,所有的数据挖掘分析均在在银联智惠安全云环境下操作,符合银联智惠数据安全规范。
2,欢迎分享,请勿转载。