燃爆了(上海的房價多少錢一平方米)上海月薪8000什么水平,
學姐剛過完生日,但她看上去卻并不是特別開心。
她說:過生日啊,也沒什么大意思。無非是選一個男友出來,帶著我逛逛名牌店,買買衣服和包包,吃吃大餐,住住五星級酒店什么的。逛逛買買吃吃住住。唉,也大概就是這樣吧。
我說:好像是有點缺乏創意啊。
學姐說:創意什么的我并不在意。關鍵問題是,逛逛買買吃吃住住,把這些項目全加上,這一天也花不了多少錢,實在看不出來他的誠意來。這讓我如何客觀判斷和他下一步的發展呢?
小團,你能不能綜合評價一下,他給我過生日的這個消費水平,到底是高還是低呢?
學姐果真是一個我見過的最單純,但同時也是最理性的好女生。看著她愁眉不展的樣子,我也有些于心不忍。好吧,讓我用最近與某支付機構合作時用的一組數據結果,來幫她做一做分析吧。
————————數據分析的分割線————————
我們本次的研究問題是:男友慶祝學姐生日的消費標準是高是低呢?
由于學姐生日當天進行了多種活動,行程較為復雜,我們不妨拆解來看,簡單分成三個部分:1,購物(衣服和包為主);2,餐飲;3,開房。然后,我們再用這三類消費項目分別去匹配學姐生日當天上海全市的消費刷卡數據庫,整理出了三組全樣本的對比。
好的,第一組全樣本對比的問題來了:
學姐生日那天,一個人在魔都買買買的話,要花到多少錢時才算高消費?
首先,從全樣本對比組數據中可以統計出:
在學姐生日那天(不告訴你是哪天哈哈),全上海所有市民,在買衣服和包這項活動上,一共進行了6.7萬筆消費,并花掉了約6900萬元。平均每筆要花約1100元。
然后,我們可以把這6.7萬筆消費和金額落到空間上來看,畫出圖大概長這樣:

毫無疑問,大部分的高端服裝消費,都集中在市中心。
學姐學姐,你男友帶你去的是哪個商場?
當然,單純的學姐并不關心這個。學姐關心的是,男友為她買衣服和包所花費的錢,在這6.7萬筆交易中排名第幾呢?請看下圖:

可以看到,雖然全市人民平均每次“買買買”要花1100元,但實際上“買買買”消費的中位數值僅有約270元而已。也就是說,少數的有錢人在“買買買”上的花費大大地拉高了全市整體消費水平。
那么,是誰拖了后腿呢?具體來看吧:
假如男友給學姐買衣服和包的花費超過2700元,那么該男友本次消費力就能躋身全市前5%。 假如男友給學姐買衣服和包的花費達到1400元,那么該男友本次消費力就能躋身全市前10%。 假如男友給學姐買衣服和包的花費達到270元,那么該男友本次消費力就能達到全市中位水平。 假如男友每次給學將姐買衣服和包的花費不超過100元,那么可以判斷:該男友本次消費力將被全市80%的人打敗。看完這個結果,學姐似乎對自己的男友有了一點信心,嘴角逐漸綻開了笑容。
好的,第一個問題得到解決,接著第二個問題又來了——-
學姐生日那天,在魔都吃頓大餐,要花到多少錢時才算是高消費?
同樣地,首先來看:魔都人民在學姐生日那天去餐館吃飯一共吃了多少錢?
從對比組數據可以看到,在學姐生日那天,全上海市人民在餐飲這一項目上,一共進行了23萬筆消費,總金額約8000萬元。
然后,我們可以把這23萬筆交易落到空間上,畫出圖大概長這樣:

但需要注意的是,以上消費是全天匯總結果,那么則意味著早餐買包子午餐買煎餅什么的也就算在里面了。這勢必會大大影響分析結果。
為了更精確地判斷男友的消費能力,我們則需要把全上海餐飲行業消費的時間維度來拉出來,畫出圖來大概長這樣:

很明顯,晚飯的消費水平比午飯還是要高出一截的。僅僅晚上8點一個小時,全上海就吃掉了差不多1500萬元。
因此,我們可以把研究樣本進一步縮小到高消費的晚餐時段,選擇學姐生日當天晚上6點到12點期間的消費作為對比組。簡單統計一下,可以算出:在這個時間段上,全市人民在餐飲活動上一共進行了約9.2萬筆消費,吃掉了大概4579萬元。 平均每筆要吃掉約500元。
從空間上看,這4579萬元大概長這樣:

果然,與全天餐飲消費的分布進行對比,可以看到那些分布在中環線附近的辦公園區周邊那些由于吃午飯而出現的熱點紛紛消失了。城市夜間餐飲活力重新回歸市中心。
學姐學姐,你男友帶你去哪吃的大餐呢?好吃嗎?
當然,理性的學姐也并不關心這個。學姐關心的是,男友請她吃飯所花掉的錢,在這9.2萬筆交易中,到底排名第幾呢?請看下圖:

可以看到,雖然全市人民平均每次晚上下館子要花500元,但實際上這個平均值毫無任何意義,因為其中位數僅有200元。也就是說,少數有錢人吃飯的花費大大地拉高了整體消費水平。
那么,這次是誰又拖了后腿呢?具體而言:
假如男友請學姐吃大餐的花費超過1800元,那么該男友本次消費力就能躋身全市前5%; 假如男友請學姐吃大餐的花費達到1100元,那么該男友本次消費力就能躋身全市前10%。 假如男友請學姐吃大餐的花費達到200元,那么該男友本次消費力就能達到全市中位水平。 假如男友請學姐吃大餐的花費不到40元,那么可以判斷:該男友本次消費力將被全市90%的人打敗。
看完這個結果,學姐對男友的信心似乎又多了一點,笑容也更加燦爛了起來。
于此同時,最后,也是最重要的問題來了——
學姐生日那天,在魔都找個酒店開房,住多少錢的房間才算高消費呢?
同樣地,先來看一下:學姐生日當天,魔都人民在開房這項活動上一共花了多少錢?
通過對比組數據可以看到,在學姐生日當天,上海全市人民在開房這件事上一共進行了約7.1萬筆消費,總金額約8800萬元。平均每次花費約1200元。
然后,我們可以把這7.1萬筆開房交易落到空間上,畫出圖來大概長這樣:

終于,與餐飲和購物不同,開房的消費不再單極地集中在市中心了。在郊區的金山和川沙等地,也有高消費開房的身影哦。
學姐學姐,你是在上圖哪個地方開房的?開房體驗怎么樣呢?
當然,學姐似乎不想回答我這個問題。學姐更關心的是,男友帶她開房所花的錢,在這7.1萬筆交易中,到底排名第幾呢?請看下圖:

可以看到,雖然全市人民平均每次開房要花約1200元,但請大家也不要被這個結果嚇到,實際上這個平均值毫無任何意義,因為全市開房消費的中位數僅有500元而已。也就是說,其實是少數有錢人開房所花的錢大大地拉高了全市人民開房的消費水平。
那么,到底又是誰拖了開房價格的后腿?具體來看:
假如男友帶學姐開房的花費超過3500元,那么該男友本次消費力就能躋身全市前5%;
假如男友帶學姐開房的花費超過2300元,那么該男友本次消費力就能躋身全市前10%。
假如男友帶學姐開房的花費超過500元,那么該男友本次消費力就能達到全市中位水平。
假如男友帶學姐開房的花費超過100元,那么可以判斷:該男友本次消費力將被全市80%的人打敗。
看完這個結果,學姐顯得非常喜悅。 她握著我的手,興奮地說:小團,謝謝你,通過這次的分析。我想這次,我終于可以下定決心了。
看來,這次學姐選定的男友在開房方面十分給力。我看著學姐幸福離去的背影,也深深地為她祝福。但忽然之間,卻忍不住想到了一個更深刻的問題:
雖然說學姐的這個男友很可能在買買吃吃睡睡等方面的消費能力不錯,甚至可以在上海灘排名前列,但這是否意味著他總體的消費能力也很強呢?
或者說,真正的消費能力,是否能僅從買買吃吃睡睡上看出來呢?
于是,好奇心驅動,我又打開電腦,開始整理篩學姐生日當天魔都所有類型消費的全部數據,接下來,看到了這樣一組結果:

是的,在2015年學姐生日當天,上海市一共發生了約280萬筆消費,金額共計約56億元。而其中“買買吃吃睡睡”的總消費,僅有約2.4億而已,只占總消費金額的4%。
所以,只是在4%的消費比例中進行排名對比的話,那是否意味著,我們對于學姐男友消費力的篩選工作過于簡單粗暴了呢?
沒錯,不如我們認真地再研究一次,將學姐生日當天的280萬筆交易再按照金額數高低進行排序匯總,把額度排名前1%的刷卡消費全部篩選出來,看看真正有消費力的人是怎么花錢的吧。
通過這前2.8萬筆消費的分析,可以看到明確的結論:
1,有消費力的少數人花掉了大多數的錢。

如圖所示,排名前1%的消費總額(僅2.8萬筆消費)就達到了35億元,占到總交易額的58%。
2,主要的大額消費都集中在投資領域
。

如圖所示,排名前1%的大筆資金流動都集中在金融,批發和房地產三個領域,其中32%的錢都花在了金融理財上,23%的錢花在了批發上,而12%的錢都花在了房地產上。
3,日常生活性的消費,在這個世界中并不那么重要。

如圖所示,通過前1%和后99%的消費對比,可以看到,重要的消費總是集中在購房,理財,旅游,教育;從零售行業起,后99%的消費總額才超過了前1%。而大部分集中在后99%的消費類型則是吃東西,收快遞和。。。。。。結婚。 是的,和我們生活息息相關的,往往卻并不是最重要的。
————————正式回答問題的分割線————————
那么, 通過學姐男友的分析,我們可以回到題主的問題了,上海的消費水平有多高呢?
我的回答是,這似乎并不重要。
在衣食住行的日常花銷當中,無論你勤儉節約精打細算,還是揮金如土一擲千金,甚至可以在上海灘消費榜上名列前茅,這些也只是整個城市級消費中毫不起眼的一筆,并不能代表更多的意義。 所以,真正有價值的消費,既不是日常流水,也不是聲色犬馬。那是什么呢?是投資。當然,投資并不是消費;但從目的上說,投資是為了獲得收益,能夠在未來更多地消費。同樣是花錢,用作投資將比現時消費更有價值。投資金融,投資事業,投資房地產,投資教育,包括投資自己。只有投資,才會讓未來的自己變的更富有、更自信或者更強大。 這一點無論對于個人還是城市,都毫無例外。
因此我想,對于上海而言,消費水平的高低并不重要,重要的是你把握住多少機會把平淡無奇的日常消費變為真正的價值投資。這才是上海這座每天花掉差不多60億元的城市帶給每個消費者的最大的意義。
大概就是這樣。
注:
1,以上數據來源于合作方銀聯智惠研究院的統計性數據,不涉及個人隱私,所有的數據挖掘分析均在在銀聯智惠安全云環境下操作,符合銀聯智惠數據安全規范。
2,歡迎分享,請勿轉載。