数据搜索

数据搜索,就是来学习如何利用能够随手搜到的数据,帮助我们更好地做决策。

一、案例引入

亲戚的孩子刚刚高考完,分数还不错,想在武汉大学和南开大学中选一个。如果只参考往年两所大学的录取分数,历年的录取分数都差不多,而且在亲戚所在的省份招的人数都不算多。随便选一所吧,问题是拿不准会不会碰上哪个大学突然变热门,如果没选好,就有掉档的危险。那么,选哪所大学更好也更稳妥呢?

面对这个问题呀,我们可以分为以下几步走:

首先我们要先通过高考网查询两所学校的历年录取分数线,这个网站是高考信息最全的网站,直接百度就可以搜索到了。打开高考录取网,我们可以在地区分类下面找到广东高考分数线,可以看到历年录取线,也可以找到各个高校的录取情况。

通过高考网的站内引导,我们很容易就能找到南开大学在广东省的历年录取分数线,以及近六年录控线与校线对比趋势分布图,通过搜索我们可以看到,最近一年南开大学在广州的录取分数线是648分。当然,如果你在不同的地区,可以根据考生所在地选择自己的所在省份,比如四川的考生在考生所在地选择四川省就可以找到对应的信息。在这里,我们可以找到南开大学在广东省历年录取的分数线,我们可以看到2013年是最低, 2015年是最高, 2016年录取分数线是648分。

通过同样的方式,可以找到武汉大学在广东省历年的录取分数线,发现最近一年的平均录取分数线是647分。两所学校的分数线差不多,小明的分数在这两所学校平均线徘徊,到底报考哪所学校更好呢?

接下来我们就来比较一下两所大学的就业前景吧。

我们可以通过“大数据导航网站”(http://hao.199it.com/  里面的“高考工具”一栏,找到毕业生薪酬排名,根据自身需求查看全国高校的毕业生五年后的平均薪酬作为参考,发现两者也差不多。在两者往年平均录取分数线接近,平均薪酬也差不多的情况下,我们只要选择报考更稳妥的那个学校就好。

但是,到底哪个学校录取的可能性更高呢?

我们来分析一下高考录取的原理,每年高校录取人数名额有限,在录取分数线和就业前景差不多的情况下,选择填报人数少的那所高校更稳妥。如果不小心撞上了热门,孩子的分数如果不算非常有竞争力,被挤掉了,就非常可惜。如何看热度?“百度指数”就可以完美帮到我们!

我们在百度指数当中输入武汉大学和南开大学会发现,无论是PC电脑端,还是移动端,或者是整体趋势,明显武汉大学的关注度要比南开大学的关注度高。那么在填报志愿的时候就可以看到,武汉大学更加热门。而且你可以看到近24小时、近7天,近30天的数据,那么这个数据非常直观的反映了在这个阶段大家搜索两所大学的热度。

为什么要搜索热度呢?因为高考填报志愿就是那几天的事情,密切关注高考出分后到志愿提交前这段时间的百度搜索指数,可以密切跟踪两所学校的实时热度。需要注意的是,这些数据是动态的,当下的截图趋势,不代表当你真正填报志愿时的趋势,我现在的截图也与你现在当下的截图不同,数据是实时动态的。通过动态指数,可以抓住最新的趋势变化,避免因为太热门被挤掉。

同时你还可以对比两所学校在某个地区的热度,点击图标的右上角的“全国”字样,就可以出现地区的选择栏,比如你处在广东省,就可以选中广东省这个区域,因为高考是以省为单位排名录取的,所以选中“省”这个级别的地域划分就可以了。你会发现南开大学的搜索热度中,广东地区排名第四。而武汉大学的搜索热度排名中,广东地区排名第二。比南开大学要热上许多,说明武汉大学在广东地区更受欢迎!

百度指数还提供周边相关的搜索,可以看出其他差不多的学校,比如说,天津大学的热度趋势,或者差不多的厦门大学的热度趋势,作一个综合比较参考。

通过这个案例,我们搜索了目标学校的录取分数线,就业竞争力的情况,然后进一步根据搜索热度这种追踪实时热度的方式,来做出更好的选择。结合了历史数据、平均统计、以及动态数据综合比较,为影响一生的高考这件事情提供了非常好的决策支持。 这便是用数据搜索来掌控命运的例子。

二、各大平台指数帮你迅速掌握各种动向

在对数据搜索有了一个具象的认知之后,我们接下来看一下最实用的一些平台指数数据。

作为新媒体工作者,曾经一个学员小R就非常困扰:为了发布文章,每天最头疼的事情就是取标题了?比如同样的文章,“旅行”和“旅游”,标题到底用哪个词?搜索解决能这个问题吗?

新媒体工作者主要在各大网络社交平台发布文章,每个大的平台,如微信和微博,都有自己的大数据监测平台,如微博的微指数,微信的微信指数。对于不知道用哪个词好的时候,那就让用户的行为沉淀下来的大数据告诉你就好了!

在微博的微指数中搜索关键词“旅行”和“旅游”,可以看到,在微博中,旅行的热度一直高于旅游,证明在微博的用户群体中,更喜欢有文艺感一点的旅行。所以如果不影响文章内容的话,标题用“旅行”人气会更旺!

打开微信,搜索“微信指数”小程序,点击进去搜索 “旅行” 和 “旅游” ,结果会发现,在微信上,旅游这个词的热度远高于旅行。所以,如果文章发布在公众号上,那么标题采用旅游,会比旅行更火热!

三、学会搜索官方数据

除了各大平台的指数,还有一种非常重要的数据来源就是官方数据。比如,买房或许是几乎每个人都会遇到的问题,很多人在买房前都会想参考历史房价,或者对比其他相类似地方的房价。那么在过去的十年中,你所在的城市房价是什么样子的?下面来看看具体的搜索步骤是什么样的。

第一步:在搜索引擎中搜索“国家统计局”,选择国家数据,进入网页。

第二步:打开国家数据主页,选择地区数据-主要城市年度数据;

第三步:选择左边菜单栏中的“房地产”选项,选择地区,在这里操作默认为“北京”,时间为“近十年”并且选中“商品房平均销售价格(元/平方米)”。出现历年数据:

第四步:选择数据展现形式,可以通过柱状图、曲线图来进行数据可视化。可以看到近十年来北京平均房价的变化趋势。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,117评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,328评论 1 293
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,839评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,007评论 0 206
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,384评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,629评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,880评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,593评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,313评论 1 243
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,575评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,066评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,392评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,052评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,082评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,844评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,662评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,575评论 2 270

推荐阅读更多精彩内容

  • 数据搜索是很有用的。 比如报志愿 ,如何对比两个平行学校。 面对这个问题呀,我们可以分为以下几步走: 第一步开始搜...
    Clouds_liu阅读 162评论 0 1
  • 今天我们来聊一个非常有意思的搜索话题:「数据搜索」,就是来学习如何利用能够随手搜到的数据,帮助我们更好地做决策。 ...
    唐夕_ai阅读 613评论 0 1
  • 本文摘自:http://blog.umcloud.com/metasearch/ 从一本食谱开始说起 多年前,一名...
    区块鱼阅读 3,850评论 1 2
  • 1背景 如今,搜索引擎是人们的获取信息最重要的方式之一,在搜索页面小小的输入框中,只需输入几个关键字,就能找到你感...
    datagrand阅读 3,724评论 1 11
  • 枯枝败叶,荒草地。 残垣断壁,几代人。 蓝天,白云,小树林…… 淡淡的酒色,浅浅的泪痕。 荒,燃烧岁月的灵魂! ...
    横贯国际阅读 275评论 0 1