大数据统计机械键盘市场

对某方面有统计需求的同学可以留言哟~O(∩_∩)O~!!!

老早前知乎上面看到一个说程序员都喜欢机械键盘的帖子。感觉是软文,至少我写代码这么多年来,从来没用过机械键盘,而且机械键盘很吵,严重影响我的思维。
最近朋友圈又有人说起,于是就像爬数据研究一下。看看有多高端。
关键词:机械键盘
数据下载时间:20170614

●价格分布

先看看卖家都在销售哪个价格段的键盘


结论:

1.从图中可以看到,卖家都集中在低端市场,越高端的机械键盘,卖家越少。
2.其实侧面也反应消费者的需求在200以下,很多人还是不纠结是不是机械的。



●销售量与销售额

接着来看看,是不是消费者也集中在200以下


结论:

1.果然,200以下的销售额是占绝对优势的,
2.超过200的部分下降没有那么明显,不过也可以看出,越贵的,销售额越小,
3.1400的反而有所上升,这个是高端消费者的区域。



●卖家的品牌分布

上面只能看到价格的集中区域,下面看看品牌的集中区域。看看有没有哪个牌子是值得推荐的。


结论:

1.前十名的品牌占了卖家的六成,但是每个品牌相差都不大,证明机械键盘这个领域内,并没有形成垄断的品牌
2.从这个图上看,这些品牌中,找个喜欢的就行了。



●品牌的销售量与销售额

看品牌的卖家的数量是不能看出全部情况的,或许某个品牌占了绝对优势呢?所以我整理了各个品牌销售额的统计。


结论:

1.摩箭这个品牌占比较大的优势。不过并没有形成垄断。
2.“其他”是剩余的牌子的集合,这个才是占绝大部分。这说明这个领域内,百家争鸣,并没有形成垄断。
3.从侧面也反应了,机械键盘,或者说键盘这个行业,是技术相对成熟,或者相对低端的行业,很多厂家都有能力制造出市面上其他商家品质差不多的产品。
4.好了,拿了这个图给使用机械键盘的同学看了一下,被喷了一脸懵逼。很多知名的品牌制作水平其实也不怎么样,所以销售额也不怎么样。所以销售额靠前的品牌很多都是国产山寨的杀马特造型的键盘。



●卖家销售额

品牌没有形成垄断,那卖家有没有呢?


结论:

1.相对于之前统计过的粽子行业,这个机械键盘的前十名的市场份额真的少了很多。
2.总体来说,排名越靠后的平均销售额越小,也就是说后面的卖家更难生存。
3.整个市场还是很乱的,或者从新人卖家来说,这个市场还是有利可图的,至少没有形成寡头。



●卖家城市分布

最后研究一下,卖家的城市分布。


结论:

卖家主要集中在北京、上海、广东、湖北这四个地区,也就是北上广了。
其他地区也有少量的卖家,不过也主要集中在沿海地区。
再往内陆西北和华北地区,几乎没有卖家了。这刚好也反映了中国经济的现状。



●销售额的城市分布

最后看看各个城市的销售额吧


结论:

1.上海占了很大的份额,然后广东三个城市,接着是湖北。
2.东莞也在,看来东莞不止某方面发达的。
3.还好,都没有形成垄断。

打开网页看了一下,确实,低端的机械键盘,好多都是带闪光灯的,这是给游戏玩家的。
绝对不是给程序员的东西。或许程序员的键盘在高端区吧,有没有懂行的专家指点一下?

觉得有用就关注一下、分享一下哟!O(∩_∩)O哈!

在这个科技高速发展的时代,经历了PC时代几乎人手一台电脑,随之衍生出站长这个概念;移动互联网时代几乎人手一部智能手机,智能手机一般都会安装很多应用,目前应用呈爆发式的增长;随着产业的不断深入发展,小程序的发展也日益壮大,应用涵盖各个领域;如今一个公司就可能有多个软件应用,对于软件开发商来说,急需一套分析系统帮助软件运营,如果单独开发一个分析系统去针对一个软件进行分析的话,成本会非常的大,这个成本包含开发成本以及以后的维护成本。为了解决了上述的问题,我们开发出了一套云产品:亿级动态数据统计分析系统,本系统可以支持所有的终端  (Web端、移动端、小程序端等 )数据统计,只要简单的使用sdk就可以接入我们的系统,软件开发商可以很轻松的对软件使用的情况进行监控,及时辅助公司对该软件的运营。该产品历经2年的实践,商业价值极高。本套案例是完全基于真实的产品进行开发和讲解的,同时对架构进行全面的升级,采用了全新的 Flink 架构+Node.js+Vue.js等,完全符合目前企业级的使用标准。对于本套课程在企业级应用的问题,可以提供全面的指导。Flink作为第四代大数据计算引擎,越来越多的企业在往Flink转换。Flink在功能性、容错性、性能方面都远远超过其他计算框架,兼顾高吞吐和低延时。Flink能够基于同一个Flink运行时,提供支持流处理和批处理两种类型应用的功能。也就是说同时支持流处理和批处理。Flink将流处理和批处理统一起来,也就是说作为流处理看待时输入数据流是无界的;批处理被作为一种特殊的流处理,只是它的输入数据流被定义为有界的。Flink技术特点1. 流处理特性支持高吞吐、低延迟、高性能的流处理支持带有事件时间的窗口(Window)操作支持有状态计算的Exactly-once语义支持高度灵活的窗口(Window)操作,支持基于time、count、session,以及data-driven的窗口操作支持具有Backpressure功能的持续流模型支持基于轻量级分布式快照(Snapshot)实现的容错一个运行时同时支持Batch on Streaming处理和Streaming处理Flink在JVM内部实现了自己的内存管理支持迭代计算支持程序自动优化:避免特定情况下Shuffle、排序等昂贵操作,中间结果有必要进行缓存2. API支持对Streaming数据类应用,提供DataStream API对批处理类应用,提供DataSet API(支持Java/Scala)3. Libraries支持支持机器学习(FlinkML)支持图分析(Gelly)支持关系数据处理(Table)支持复杂事件处理(CEP)4. 整合支持支持Flink on YARN支持HDFS支持来自Kafka的输入数据支持Apache HBase支持Hadoop程序支持Tachyon支持ElasticSearch支持RabbitMQ支持Apache Storm支持S3支持XtreemFS课程所涵盖的知识点包括:Flink、 Node.js、 Vue.js、 Kafka、Flume、Spring、SpringMVC、Dubbo、HDFS、Hbase、Highcharts等等  企业一线架构师讲授,代码在老师指导下可以复用,提供企业解决方案。  版权归作者所有,盗版将进行法律维权。   
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值