3.4 骑行时长分布图

分析：由图我们观察到，骑行时长分布的数据存在明显的长尾，呈现右偏态分布（正态分布和偏态分布都是正常现象，为什么数据呈现偏态分布？因为人们使用共享单车出行这一行为本身就含有“偏心”，倾向于短期出行）；x轴的数据范围非常大，造成这样的结果有一部分是由于数据存在异常记录，由图表x轴的数据范围跨度，我们观察到有存在骑行时长长达221分的骑行记录，而连续骑行221分以上显然是比较少见的，这样的数据记录可能是用户骑行忘记关锁造成的。

3.5 24小时骑行订单数分布图

分析：由图我们观察到，24小时骑行订单数分布的数据，在1-7点、9-12点、21-23点这段时间，人们大多在休息，使用共享单车出行的订单数很少；6点开始，订单数逐渐开始增多；在8点、13-20点下午及夜间时段，出现订单数的小高峰，和下午外出就餐游玩或者休息时间活动有一定关系；0点时段出现了局部小高峰，与夜间准备回家的人们，没有公共交通工具选择乘坐有一定关系。整体趋势表明，共享单车的骑行交通在很大程度上是服务于人们出行便利的。

3.6 骑行区域分析

3.7 BI分析——骑行区域地理位置分析

分析：从图中我们能得知在骑行区域地理位置中，南山区、罗湖区、龙华区的共享单车用户骑行较为集中，其中南山区的龙井地铁站、大学城、方大城是日常深圳用户最爱去的地方，人们出行意愿较大，可以扩大这几个区域的单车投放量。
宝安区、光明区、龙岗区的共享单车用户骑行较为分散，其中宝安区和龙岗区属于关外，都是工厂比较多，而工厂员工上下班大多使用公司班车出行，共享单车的需求量也随之减少。
盐田区的共享单车用户骑行主要集中在本区的A级旅游景区，分别是小梅沙和大梅沙滨海公园。其中，小梅沙位于深圳特区东部大鹏湾畔，距市中心区30公里，是深圳市十大旅游景点之一，深圳市最大的海滨度假胜地。小梅沙依山傍海，周围是一片热带雨林景区，洁白的沙滩一望无际，与香港遥遥相对，人们在海边骑着共享单车一路欣赏沿海风景。

3.8 BI分析——用户使用频次统计

分析：用户的使用频次主要集中在 0-5次这个阶段。

3.9 Excel分析——骑行用户订单金额分布情况分析

方法：每笔骑行订单，收费规则为骑行每30分钟1.0元，不足30分钟也收取1.0元，使用excel可视化分析。

分析：从图中可以看到1元消费金额位居第一，其他的分别是2元、3元和0元（会员用户），我们需要采取营销策略提高骑行时间为一小时内，有短距离骑行外出需求的这部分用户数量，这类用户的用户特点是最近购买、高频、高消费，说明其对共享单车的使用需求高，我们可以在比如商圈等企业聚居密集、居民区等用车频繁的区域投放单车，扩大消费潜力用户的数量。

更多内容请关注科象教育微信公众号，科象教育，成就首席数字官！