大数据迁徙图:逃离北上广,他们竟然去了这里!

2017 年 8 月 12 日 凤凰财经

来源:90度地产(dc90du)  作者: 艾普大数据


“做出这个决定,我们考虑了很久。”不久前,高铭离开了工作生活12年的北京,举家回到故乡重庆。“重庆房价比北京便宜得多,孩子上学的问题也好解决。”


高铭的经历并非个案。最近几年,“逃离北上广”成为经久不衰的热门话题。除了高房价和子女教育问题,逃离理由还有雾霾引发的健康问题、户籍门槛带来的不公平感等等。


实际上,长期以来作为“人口抽水机”的一线城市,已隐现人口拐点迹象。据官方统计数据,2015年北京城六区、上海城区常住人口均由正转负,去年北京城六区常住人口再度同比下降3%。


随着一线城市人口疏解工作步入深水区,“逃离”不仅是主动告别,也包括了被迫离去。逃离者到底都去了哪里?为此,艾普大数据调取了2017年第二季度全网移动用户全生命周期的海量数据,进行了深入解析。


艾普大数据对“逃离北上广深人群”采用了如下定义:从北京、上海、广州、深圳离开后,迁徙至省会城市或热点二线城市,并在该城市驻留超过两个月的人群。


从北上广深人群迁徙图和北上广深人群流入城市TOP10图可看出,逃离一线城市的人群,主要流向了重庆、杭州、成都、厦门、苏州等地。


图1-北上广深人群迁徙图


图2-北上广深人群流入城市TOP10


| 重庆成最受青睐城市


除了反映从北上广深逃离人群整体流向的迁徙图外,艾普大数据还针对北京、上海、广州、深圳四大城市,分别研究了其逃离人群流向城市的分布情况。


图3-北京人口流向城市TOP10


图4-上海人口流向城市TOP10


图5-广州人口流向城市TOP10


图6-深圳人口流向城市TOP10


图7-人口流入TOP10城市人口来源和弦图


从图3-图7可以看出,在流入城市中,重庆对北上广深流出人口均具有较高的吸引力,流入总量占比最高,成为最受逃离人群青睐的城市,其次为杭州、成都、厦门、苏州、南宁、南京、长沙、武汉等。从整体上来看,逃离人群流入地区仍以周边潜力城市为主。


这些城市大部分为我国GDP万亿俱乐部成员(GDP超过万亿的城市),经济发达,就业机会多,被誉为“准一线”城市。


| 幸福指数高于一线城市


到底是什么吸引“逃离北上广人群”流入这些城市?


房价和就业是已知的最关键因素。尽管本轮楼市上行周期房价涨了不少,但相比北上广深,大多数人口流入城市的房价仍相对较低,“置业梦”更容易实现。


以2017年1月为例,据中国房价行情网数据,人口流入TOP10城市的房屋均价分别为:重庆7431元、杭州21821元、成都8808元、厦门38897元、苏州15418元、南宁7535元、南京24936元、长沙7675元、武汉14381元、西安7152元。


这些城市工作机会也不少。近几年,随着金融、互联网、通信等产业的迅速发展,世界五百强企业纷纷抢滩二线潜力城市,创业氛围、总部经济等直追北上广深,催生出大量高学历、高技能人才就业岗位。


图8-人口流入TOP10城市及北上广深拥堵指数、平均通勤时间、人均消费对比 


图7清晰地反映出,在人口流入TOP10城市,除了房价低、工作机会较多以外,还拥有城市拥堵指数低、通勤时间较短或消费水平相对低等优势。上述因素综合在一起,意味着在这些人口流入城市工作和生活,人们的幸福指数要高于一线城市。


| 逃离的究竟是哪些人?


图9-北京流出人口年龄分布


图10-上海流出人口年龄分布


图11-广州流出人口年龄分布


图12-深圳流出人口年龄分布


如图9~12所示,逃离北上广深的人群中,26-35岁、36-45岁这两个年龄段的人最多,占到总人群的66.01%~77.21%。他们正值年富力强、为事业打拼的年纪,同时也是面临安家置业和子女教育等问题的一群人。因此,在留守一线和奔赴二线之间,他们必须做出选择。


| 逃离后买房还是租房?


在逃离人群中,有很大一部分人是对北上广深(尤其是北上深)高不可攀的房价感到绝望。那么,来到新城市,他们是选择买房,还是租房?


通过对逃离北上广深人群在移动终端对房产的关注行为(包括但不限于搜索、浏览等),艾普大数据对逃离北上广深人群在新落脚城市的居住情况做了初步分析。


为了更准确地反映逃离人群对居住需求的趋势性,在逃离人群关注行为的基础上(图13标注为地理逃离),艾普大数据叠加分析了有逃离意愿人群关注行为的大数据计算结果(图13标注为移动关注)。


图13-“逃离人群”在流入城市的居住情况


图13告诉我们,逃离人群在流入新城市后,有买二手房意愿的占比55.18%,有买新房意愿的占比40.68%;有租房意愿的占比为43.62%;也就是说,多数人有意愿在新落脚地买房,实现安家置业梦。


然而,居者不易。随着本轮房价普涨,很多人口流入城市的房价也都创下新高。对于刚毕业不久、又无法啃老的年轻人,买房是一个艰巨的任务。带着置业的希望先租房,或许是更加务实的选择。


来源:90度地产(dc90du)  作者: 艾普大数据


新媒体运营编辑 王程海伦

凤凰财经官方微信(ID:finance_ifeng)

联系邮箱:finance_ifeng@163.com

喜欢此文,欢迎转发点赞支持凤财君

登录查看更多
1

相关内容

从各种各样类型的数据中,快速获得有价值信息的能力,就是大数据技术。明白这一点至关重要,也正是这一点促使该技术具备走向众多企业的潜力。大数据的4个“V”,或者说特点有四个层面:第一,数据体量巨大。从TB级别,跃升到PB级别;第二,数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等等。第三,价值密度低。以视频为例,连续不间断监控过程中,可能有用的数据仅仅有一两秒。第四,处理速度快。
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
239+阅读 · 2020年4月18日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
报告 | 2020中国5G经济报告,100页pdf
专知会员服务
97+阅读 · 2019年12月29日
【阿里技术论文】AliMe KBQA:阿里小蜜中的结构化知识问答
专知会员服务
82+阅读 · 2019年12月14日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
120+阅读 · 2019年10月10日
解读《中国新一代人工智能发展报告2019》
走向智能论坛
32+阅读 · 2019年6月5日
重磅!2019中国经济研判,涉及20个敏感问题…
笔记侠
10+阅读 · 2019年2月17日
人工智能:英、中、美上演“三国演义”
专知
4+阅读 · 2018年1月27日
Arxiv
101+阅读 · 2020年3月4日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Arxiv
6+阅读 · 2018年11月29日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
Arxiv
3+阅读 · 2018年3月29日
Arxiv
3+阅读 · 2015年5月16日
VIP会员
相关VIP内容
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
239+阅读 · 2020年4月18日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
报告 | 2020中国5G经济报告,100页pdf
专知会员服务
97+阅读 · 2019年12月29日
【阿里技术论文】AliMe KBQA:阿里小蜜中的结构化知识问答
专知会员服务
82+阅读 · 2019年12月14日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
120+阅读 · 2019年10月10日
相关论文
Arxiv
101+阅读 · 2020年3月4日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Arxiv
6+阅读 · 2018年11月29日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
Arxiv
3+阅读 · 2018年3月29日
Arxiv
3+阅读 · 2015年5月16日
Top
微信扫码咨询专知VIP会员