一、选手简介 1、选手介绍 团队名称：芭比公组 队长介绍：唐迅，帆软社区用户名：唐小牛，目前就读于金陵科技学院，计算机工程学院，21计算机科学与技术。拥有帆软认证BI证书，华为HCIA-Big Data证书，华为HCIP-Big Data Developer证书等。 成员介绍： 成员一：朱思婕，帆软社区用户名：啊不才吖，目前就读于金陵科技学院，计算机工程学院，21计算机科学与技术。拥有帆软认证BI证书，阿里云ACA证书，阿里云ACP证书证书，1+X证书等. 成员二：陈钰，帆软社区用户名：啊钰钰啊，目前就读于金陵科技学院，计算机工程学院，21计算机科学与技术。拥有帆软认证BI证书，1+X证书等。   2、参赛初衷 简单介绍下参赛的初衷，如： 在学校老师推荐参与比赛，自身对数据分析感兴趣 通过学习FineBI技术提升自身数据分析水平 大赛奖励很诱人   二、作品介绍 1、业务背景/需求痛点 简述业务背景 2022年冬奥会在中国北京举办，北京冬奥会推动我国冰雪旅游发展进入快车道，为我国冰雪旅游的发展带来机遇.冰雪旅游带动了我国经济的发展，提高了人民群众之间的文化交流。借助北京冬奥会我国冰雪旅游快速发展效应和前所未有的历史机遇,大力发展冰雪文化和冰雪旅游文化,是冰雪旅游发展的根本途径，文化是冰雪旅游发展的灵魂,服务也是文化，体现在冰雪旅游价值体系之中.构建和完善冰雪旅游公共服务体系、市场服务体系和智慧服务体系，是促进我国冰雪旅游高质量发展的有效途径。鉴于对冬奥会的热潮，我们团队想要通过对历届冬奥会的分析，发掘冬奥会更多的有趣故事及信息，带给人们对冬奥会更多的了解。 简述需求痛点 相对于冬季奥运会，更多的人的关注点在与夏季奥运会，夏季奥运会的各项比赛项目更贴近于普通的生活，其中的项目普通人都可以接触到，对于冬奥会的各项比赛项目更多是冰雪相关的运动，与普通人的接触并不多，大家关注的也少。 冬奥会现在也是一大热点，与人们生活息息相关。通过该项目，呼吁大家多进行冰雪运动，在冬季也可以锻炼体魄。   2、数据来源 自选数据：和鲸社区：https://www.heywhale.com/home/global?search=冬奥会 新浪财经：全球宏观经济数据|中国宏观经济数据,GDP,CPI_新浪财经_新浪网 (sina.com.cn) 聚汇数据： https://gdp.gotohui.com/ 获取各国的失业率数据   3、分析思路 我们小组选择了当下热点题材——2022北京冬奥会，我们决定以历届冬奥会数据为基础，对冬奥会整体项目、赛事项目、中国队伍历届参赛数据、冬奥会经济效益和本届冬奥会情况分析这五个方面来分析。于是开始寻找数据，从和鲸社区下载数据、在新浪、聚汇数据上爬虫所需家的国家GDP数据和国家失业率数据。   4、数据处理 本次数据分析使用软件为FineBi公共账号，数据约由20张excel表构成，将excel表导入FineBI公共账号的仪表盘进行数据预处理。 （1）数据准备 （1）数据清洗：列重命名：将英文项目翻译成中文项目描述 （2）自助数据集： 将冬奥运东道国与历届国家获奖牌数表和2022北京冬奥会奖牌榜表进行上下合并 相同字段进行匹配 对冬奥会历届获奖记录详细进行选字段，选择想要的字段，再过滤国家为中国的数据，再新增列进行计算数量 3）对缺失值处理 在我们获得的历届各国获奖明细数据中，一些未获奖的运动员信息也被编写在此中，对于这个数据我们进行了删除处理。 4）数据排序处理 在自助数据表中，排序顺序应该是先以金牌数目排序，相同金牌数目，以银牌数目排序，再以铜牌顺序为排序规则。 6)对数据进行分组合并 分析各大项男性获奖数量和女性获奖数量情况，需要对整个历届获奖明细数据表进行选择字段和分组合并操作来整合数据，如下图所示：   5、可视化报告 5.1 版式布局 主要分为以下五个方面,通过各项分析，最终制作冬奥会可视化数据分析仪表板 （1)历届冬奥会举办国家整体分析 （2)冬奥会赛事项目分析 （3)冬奥会经济效益分析 （4)中国队历届冬奥史 （5)2022北京冬奥会 5.2 历届冬奥会举办国家整体分析 我们通过对比102年来冬奥会举办次数，最近一届冬奥会参与国家与地区数，参与冬奥会历届总人数，历届冬奥会举办国家分布图 冬奥会主办国成绩对比图 通过折线图展现各项对比 报告分析： ①102年来冬奥会共举办24次，冬奥会从1924年首届举办，到目前北京是第24届，前23届，美国办了4届、法国办了3届、加拿大、挪威、瑞士、意大利、日本、奥地利这6个国家各办了2届、德国、前南斯拉夫、俄罗斯和韩国各办一届。很显然，与夏季奥运会的主办一样，主办冬奥会同样需要综合国力的保证。 ②回顾冬奥会历史，从第1届冬奥会到第24届冬奥会，代表团数增长6倍，比赛项目数也增长为6倍。 ③1924年第一届冬奥会在法国滑雪圣地霞慕尼举办时，参赛国家和地区仅仅16个，运动员总数258人，一共16个小项。2022年北京冬奥会举办，参赛国家和地区扩大到91个，运动员人数2892人，109个小项。总体上占比扩大10倍以上。 ④历届冬奥会的举办地，欧洲最多，北美洲次之，亚洲最少。 ⑤冰雪运动是速度与耐力运动的代表，充满着激情与刺激。从分析结果来看，冰雪运动受气候和自然环境的的影响，属于寒带气候的地区更适于冰雪运动的开展和普及，赤道及热带地区不具备开展冰雪运动的自然气候条件。 ⑥近三届冬奥会获金牌国家主要集中在欧洲地区，其次是北美洲和亚洲，在获奖完全看不到任何非洲国家的身影。短道速滑和自由式滑雪是中国的优势项目，优势较为单一，中国获奖牌、金牌数呈下滑趋势，在冰雪运动的道路上，中国面临的挑战将越来越大。 ⑦当冬奥会作为东道国的国家参加比赛，得奖数呈明显上升趋势，在举办年份都都在平均线水平，挪威虽作为小国，但是作为属于寒带气候的国家在冬奥运动独占鳌头。 5.3 冬奥会赛事项目分析 通过词云展现热门赛事 玫瑰图展现各国在冬奥会获奖比例 堆积柱状图大项金牌数 历届冬奥会奖牌数的不断上升，折线图直观体现冬奥会的各项比赛的神奇魔力。 ①总体上，冬奥会赛事数量不断上升，发放金牌数也随之不断上升，两者呈现正相关关系。 ②目前高山滑雪是最热门的项目，热门的体育项目还有：越野滑雪、自由式滑雪、速度滑冰等。 ③历届产生的金牌数量最多的体育项目有：速度滑冰、越野滑雪、高山滑雪等。 可以看到冬奥会热门赛事与奥运会各项运动产生的金牌数量最大的几个赛事有着极高的重合度，奥运会项目热门与否与该类项目发放的金牌数有很强的关联。 ④各国的王牌项目： 可以看出挪威最擅长的冬季两项，德国最擅长的是雪车，中国擅长的是自由式滑雪。 5.4 冬奥会经济效益分析 通过对比东道国举办冬奥会的成本支出情况 各国家GDP和获奖情况 在举办冬奥会期间国家GDP与国家失业率等，通过折线图分析出举办冬奥会能给举办国家带来怎样的经济效益。 ①在每一届冬奥会上都出现成本超支的情况，冬季奥运会举办成本在2014年达到近20年来的最大值：218.9亿美元，同时也达到了近24年来成本支出的最大值：289%。 ②国家GDP（国内生产总值）也会间接影响冬奥会获奖情况，看上图各国家GDP和获奖数量情况来看，前十名中除中国和俄罗斯奥委会以外，国家GDP都在50000（美元）以上。根据趋势线来看，国家GDP越低则获奖数量越少。 5.5 中国队历届冬奥史 通过显示数字与柱状图相结合展现中国队历届冬奥情况 ①在中国参赛历程中，参赛总人数达到768人次，参赛届数共12届，获奖数量达77次。 ②在参加前三届冬奥会，与奖牌无缘，总结了经验教训，在美国普莱西德湖举办的第十三届冬奥会摘得了首金。 ③在历届冬奥会上，女性获奖数量相对于男性获奖数量略高，女性获奖占比为66.25%。其中，在速度滑雪中，女性的优势比男性更为突出。 5.6 2022北京冬奥会 对于北京冬奥会，我们小队讨论把这一项单独进行分析，通过分析最新一届冬奥会比赛情况，各个国家获奖情况，中国队获奖表现。 漏斗图奖牌榜 饼状图体现参赛各项目热门程度 矩形树图颜色突出获奖的数量 多层饼图获奖情况 散点图2022中国各选手获奖时间及项目名称 ①在本次第24届冬奥会上，有29个参赛国，参赛人员达到3042人，每位运动健儿都会给我们展示矫健的身姿。从述地图观察可得，获得奖牌的国家主要集中在国家地理纬度较高的地区，纬度较低的地区则参赛国较少，以挪威(Norway)为例，挪威位于北纬较高的区域，得天独厚的地理环境为挪威运动员提供了良好的运动环境。 ②挪威代表队以16金8银13铜，总奖牌37枚获得第一名，德国代表队以12金10银5铜，总奖牌27枚获得第二名，中国代表队以9金4银2铜，总奖牌37枚获得第三名 ③挪威的主要获奖大项项目是冬季两项，共获得14枚奖牌，占比42%，下一届的冬奥会上在冬季两项上挪威会是一个很强势的竞争对手。 速度滑冰在本次冬奥会上相对占比较高，但是挪威在此大项上仅仅获得三枚奖章，对此稍有弱势。 ④通过大项项目占比和中国各大项项目获奖情况对比，中国的自由式滑雪是挺有优势的，相对来说，中国的各大项项目都比较均衡，相信在后面的冬奥会上会有更突出的表现。 ⑤中国的获奖选手谷爱凌在此次冬奥会上表现优异，在自由式滑雪上斩获三枚奖牌。 5.7 最终结果呈现的页面布局 仪表板公共链接：https://bisolutions.fanruan.com/webroot/decision/link/izkN   三、参赛总结 1、FineBI工具 FineBI工具简单易学，以自助分析为核心，进行简单的操作流程，实现数据可视化，是我们分析数据的好帮手。   2、参赛总结 参赛的初衷是通过老师的推荐，团队的同学也对这款软件比较感兴趣，所以一起做了这个项目。 在初期阶段，每个人都对这个软件不了解，没有做过这种类型的数据报告，各种组件也挺让人眼花缭乱的。通过课堂上老师对于FineBI的讲解，让我们更深入的了解学习基本的组件制作，通过自己在软件上的练习操作，大大加深了自己对这款软件的熟练度。FineBI这款软件可以做出各种数据可视化的内容，给人眼前一亮的感觉，总体感觉上手很简单，对于毫无经验的小白非常友好，不熟悉的地方还有各种解释文档。 对于选题是前段时间比较热门的冬奥会，在寻找数据方面还比较顺利。 最后，感谢大赛的各位指导老师在我们数据分析过程中的帮助和指导，让我们的作品更顺利更优化的完成了，另外感谢团队的小伙伴的相互鼓励，相互支持，共同学习，共同进步，一起完成了这份作品，还得要感谢这个比赛让我们这些志同道合的小伙伴相聚在一起。

一、选手简介 1、选手介绍 团队名称：芭比公组 队长介绍：唐迅，帆软社区用户名：唐小牛，目前就读于金陵科技学院，计算机工程学院，21计算机科学与技术。拥有帆软认证BI证书，华为HCIA-Big Data证书，华为HCIP-Big Data Developer证书等。 成员介绍： 成员一：朱思婕，帆软社区用户名：啊不才吖，目前就读于金陵科技学院，计算机工程学院，21计算机科学与技术。拥有帆软认证BI证书，阿里云ACA证书，阿里云ACP证书证书，1+X证书等. 成员二：陈钰，帆软社区用户名：啊钰钰啊，目前就读于金陵科技学院，计算机工程学院，21计算机科学与技术。拥有帆软认证BI证书，1+X证书等。 2、参赛初衷 简单介绍下参赛的初衷，如： 在学校老师推荐参与比赛，自身对数据分析感兴趣 通过学习FineBI技术提升自身数据分析水平 大赛奖励很诱人 二、作品介绍 1、业务背景/需求痛点 简述业务背景 2022年冬奥会在中国北京举办，北京冬奥会推动我国冰雪旅游发展进入快车道，为我国冰雪旅游的发展带来机遇.冰雪旅游带动了我国经济的发展，提高了人民群众之间的文化交流。借助北京冬奥会我国冰雪旅游快速发展效应和前所未有的历史机遇,大力发展冰雪文化和冰雪旅游文化,是冰雪旅游发展的根本途径，文化是冰雪旅游发展的灵魂,服务也是文化，体现在冰雪旅游价值体系之中.构建和完善冰雪旅游公共服务体系、市场服务体系和智慧服务体系，是促进我国冰雪旅游高质量发展的有效途径。鉴于对冬奥会的热潮，我们团队想要通过对历届冬奥会的分析，发掘冬奥会更多的有趣故事及信息，带给人们对冬奥会更多的了解。 简述需求痛点 相对于冬季奥运会，更多的人的关注点在与夏季奥运会，夏季奥运会的各项比赛项目更贴近于普通的生活，其中的项目普通人都可以接触到，对于冬奥会的各项比赛项目更多是冰雪相关的运动，与普通人的接触并不多，大家关注的也少。 冬奥会现在也是一大热点，与人们生活息息相关。通过该项目，呼吁大家多进行冰雪运动，在冬季也可以锻炼体魄。 2、数据来源 自选数据：和鲸社区：https://www.heywhale.com/home/global?search=冬奥会 新浪财经：全球宏观经济数据|中国宏观经济数据,GDP,CPI_新浪财经_新浪网 (sina.com.cn) 聚汇数据： https://gdp.gotohui.com/ 获取各国的失业率数据 3、分析思路 我们小组选择了当下热点题材——2022北京冬奥会，我们决定以历届冬奥会数据为基础，对冬奥会整体项目、赛事项目、中国队伍历届参赛数据、冬奥会经济效益和本届冬奥会情况分析这五个方面来分析。于是开始寻找数据，从和鲸社区下载数据、在新浪、聚汇数据上爬虫所需家的国家GDP数据和国家失业率数据。 4、数据处理 本次数据分析使用软件为FineBi公共账号，数据约由20张excel表构成，将excel表导入FineBI公共账号的仪表盘进行数据预处理。 （1）数据准备 （1）数据清洗：列重命名：将英文项目翻译成中文项目描述 （2）自助数据集： 将冬奥运东道国与历届国家获奖牌数表和2022北京冬奥会奖牌榜表进行上下合并 相同字段进行匹配 对冬奥会历届获奖记录详细进行选字段，选择想要的字段，再过滤国家为中国的数据，再新增列进行计算数量 3）对缺失值处理 在我们获得的历届各国获奖明细数据中，一些未获奖的运动员信息也被编写在此中，对于这个数据我们进行了删除处理。 4）数据排序处理 在自助数据表中，排序顺序应该是先以金牌数目排序，相同金牌数目，以银牌数目排序，再以铜牌顺序为排序规则。 6)对数据进行分组合并 分析各大项男性获奖数量和女性获奖数量情况，需要对整个历届获奖明细数据表进行选择字段和分组合并操作来整合数据，如下图所示： 5、可视化报告 5.1 版式布局 主要分为以下五个方面,通过各项分析，最终制作冬奥会可视化数据分析仪表板 （1)历届冬奥会举办国家整体分析 （2)冬奥会赛事项目分析 （3)冬奥会经济效益分析 （4)中国队历届冬奥史 （5)2022北京冬奥会 5.2 历届冬奥会举办国家整体分析 我们通过对比102年来冬奥会举办次数，最近一届冬奥会参与国家与地区数，参与冬奥会历届总人数，历届冬奥会举办国家分布图 冬奥会主办国成绩对比图 通过折线图展现各项对比 报告分析： ①102年来冬奥会共举办24次，冬奥会从1924年首届举办，到目前北京是第24届，前23届，美国办了4届、法国办了3届、加拿大、挪威、瑞士、意大利、日本、奥地利这6个国家各办了2届、德国、前南斯拉夫、俄罗斯和韩国各办一届。很显然，与夏季奥运会的主办一样，主办冬奥会同样需要综合国力的保证。 ②回顾冬奥会历史，从第1届冬奥会到第24届冬奥会，代表团数增长6倍，比赛项目数也增长为6倍。 ③1924年第一届冬奥会在法国滑雪圣地霞慕尼举办时，参赛国家和地区仅仅16个，运动员总数258人，一共16个小项。2022年北京冬奥会举办，参赛国家和地区扩大到91个，运动员人数2892人，109个小项。总体上占比扩大10倍以上。 ④历届冬奥会的举办地，欧洲最多，北美洲次之，亚洲最少。 ⑤冰雪运动是速度与耐力运动的代表，充满着激情与刺激。从分析结果来看，冰雪运动受气候和自然环境的的影响，属于寒带气候的地区更适于冰雪运动的开展和普及，赤道及热带地区不具备开展冰雪运动的自然气候条件。 ⑥近三届冬奥会获金牌国家主要集中在欧洲地区，其次是北美洲和亚洲，在获奖完全看不到任何非洲国家的身影。短道速滑和自由式滑雪是中国的优势项目，优势较为单一，中国获奖牌、金牌数呈下滑趋势，在冰雪运动的道路上，中国面临的挑战将越来越大。 ⑦当冬奥会作为东道国的国家参加比赛，得奖数呈明显上升趋势，在举办年份都都在平均线水平，挪威虽作为小国，但是作为属于寒带气候的国家在冬奥运动独占鳌头。 5.3 冬奥会赛事项目分析 通过词云展现热门赛事 玫瑰图展现各国在冬奥会获奖比例 堆积柱状图大项金牌数 历届冬奥会奖牌数的不断上升，折线图直观体现冬奥会的各项比赛的神奇魔力。 ①总体上，冬奥会赛事数量不断上升，发放金牌数也随之不断上升，两者呈现正相关关系。 ②目前高山滑雪是最热门的项目，热门的体育项目还有：越野滑雪、自由式滑雪、速度滑冰等。 ③历届产生的金牌数量最多的体育项目有：速度滑冰、越野滑雪、高山滑雪等。 可以看到冬奥会热门赛事与奥运会各项运动产生的金牌数量最大的几个赛事有着极高的重合度，奥运会项目热门与否与该类项目发放的金牌数有很强的关联。 ④各国的王牌项目： 可以看出挪威最擅长的冬季两项，德国最擅长的是雪车，中国擅长的是自由式滑雪。 5.4 冬奥会经济效益分析 通过对比东道国举办冬奥会的成本支出情况 各国家GDP和获奖情况 在举办冬奥会期间国家GDP与国家失业率等，通过折线图分析出举办冬奥会能给举办国家带来怎样的经济效益。 ①在每一届冬奥会上都出现成本超支的情况，冬季奥运会举办成本在2014年达到近20年来的最大值：218.9亿美元，同时也达到了近24年来成本支出的最大值：289%。 ②国家GDP（国内生产总值）也会间接影响冬奥会获奖情况，看上图各国家GDP和获奖数量情况来看，前十名中除中国和俄罗斯奥委会以外，国家GDP都在50000（美元）以上。根据趋势线来看，国家GDP越低则获奖数量越少。 5.5 中国队历届冬奥史 通过显示数字与柱状图相结合展现中国队历届冬奥情况 ①在中国参赛历程中，参赛总人数达到768人次，参赛届数共12届，获奖数量达77次。 ②在参加前三届冬奥会，与奖牌无缘，总结了经验教训，在美国普莱西德湖举办的第十三届冬奥会摘得了首金。 ③在历届冬奥会上，女性获奖数量相对于男性获奖数量略高，女性获奖占比为66.25%。其中，在速度滑雪中，女性的优势比男性更为突出。 5.6 2022北京冬奥会 对于北京冬奥会，我们小队讨论把这一项单独进行分析，通过分析最新一届冬奥会比赛情况，各个国家获奖情况，中国队获奖表现。 漏斗图奖牌榜 饼状图体现参赛各项目热门程度 矩形树图颜色突出获奖的数量 多层饼图获奖情况 散点图2022中国各选手获奖时间及项目名称 ①在本次第24届冬奥会上，有29个参赛国，参赛人员达到3042人，每位运动健儿都会给我们展示矫健的身姿。从述地图观察可得，获得奖牌的国家主要集中在国家地理纬度较高的地区，纬度较低的地区则参赛国较少，以挪威(Norway)为例，挪威位于北纬较高的区域，得天独厚的地理环境为挪威运动员提供了良好的运动环境。 ②挪威代表队以16金8银13铜，总奖牌37枚获得第一名，德国代表队以12金10银5铜，总奖牌27枚获得第二名，中国代表队以9金4银2铜，总奖牌37枚获得第三名 ③挪威的主要获奖大项项目是冬季两项，共获得14枚奖牌，占比42%，下一届的冬奥会上在冬季两项上挪威会是一个很强势的竞争对手。 速度滑冰在本次冬奥会上相对占比较高，但是挪威在此大项上仅仅获得三枚奖章，对此稍有弱势。 ④通过大项项目占比和中国各大项项目获奖情况对比，中国的自由式滑雪是挺有优势的，相对来说，中国的各大项项目都比较均衡，相信在后面的冬奥会上会有更突出的表现。 ⑤中国的获奖选手谷爱凌在此次冬奥会上表现优异，在自由式滑雪上斩获三枚奖牌。 5.7 最终结果呈现的页面布局 仪表板公共链接：https://bisolutions.fanruan.com/webroot/decision/link/izkN 三、参赛总结 1、FineBI工具 FineBI工具简单易学，以自助分析为核心，进行简单的操作流程，实现数据可视化，是我们分析数据的好帮手。 2、参赛总结 参赛的初衷是通过老师的推荐，团队的同学也对这款软件比较感兴趣，所以一起做了这个项目。 在初期阶段，每个人都对这个软件不了解，没有做过这种类型的数据报告，各种组件也挺让人眼花缭乱的。通过课堂上老师对于FineBI的讲解，让我们更深入的了解学习基本的组件制作，通过自己在软件上的练习操作，大大加深了自己对这款软件的熟练度。FineBI这款软件可以做出各种数据可视化的内容，给人眼前一亮的感觉，总体感觉上手很简单，对于毫无经验的小白非常友好，不熟悉的地方还有各种解释文档。 对于选题是前段时间比较热门的冬奥会，在寻找数据方面还比较顺利。 最后，感谢大赛的各位指导老师在我们数据分析过程中的帮助和指导，让我们的作品更顺利更优化的完成了，另外感谢团队的小伙伴的相互鼓励，相互支持，共同学习，共同进步，一起完成了这份作品，还得要感谢这个比赛让我们这些志同道合的小伙伴相聚在一起。

一、选手简介 1、选手介绍 团队名称： 队长介绍：唐迅，帆软社区用户名：唐小牛，目前就读于金陵科技学院，计算机工程学院，21计算机科学与技术。拥有帆软认证BI证书，华为HCIA-Big Data证书，华为HCIP-Big Data Developer证书等。 成员介绍： 成员一：朱思婕，帆软社区用户名：啊不才吖，目前就读于金陵科技学院，计算机工程学院，21计算机科学与技术。拥有帆软认证BI证书，阿里云ACA证书，阿里云ACP证书证书，1+X证书等. 成员二：陈钰，帆软社区用户名：啊钰钰啊，目前就读于金陵科技学院，计算机工程学院，21计算机科学与技术。拥有帆软认证BI证书，1+X证书等。 2、参赛初衷 简单介绍下参赛的初衷，如： 在学校老师推荐参与比赛，自身对数据分析感兴趣 通过学习FineBI技术提升自身数据分析水平 大赛奖励很诱人 二、作品介绍 1、业务背景/需求痛点 简述业务背景 2022年冬奥会在中国北京举办，北京冬奥会推动我国冰雪旅游发展进入快车道，为我国冰雪旅游的发展带来机遇.冰雪旅游带动了我国经济的发展，提高了人民群众之间的文化交流。借助北京冬奥会我国冰雪旅游快速发展效应和前所未有的历史机遇,大力发展冰雪文化和冰雪旅游文化,是冰雪旅游发展的根本途径，文化是冰雪旅游发展的灵魂,服务也是文化，体现在冰雪旅游价值体系之中.构建和完善冰雪旅游公共服务体系、市场服务体系和智慧服务体系，是促进我国冰雪旅游高质量发展的有效途径。鉴于对冬奥会的热潮，我们团队想要通过对历届冬奥会的分析，发掘冬奥会更多的有趣故事及信息，带给人们对冬奥会更多的了解。 简述需求痛点 相对于冬季奥运会，更多的人的关注点在与夏季奥运会，夏季奥运会的各项比赛项目更贴近于普通的生活，其中的项目普通人都可以接触到，对于冬奥会的各项比赛项目更多是冰雪相关的运动，与普通人的接触并不多，大家关注的也少。 冬奥会现在也是一大热点，与人们生活息息相关。通过该项目，呼吁大家多进行冰雪运动，在冬季也可以锻炼体魄。 2、数据来源 自选数据：和鲸社区：https://www.heywhale.com/home/global?search=冬奥会 新浪财经：全球宏观经济数据|中国宏观经济数据,GDP,CPI_新浪财经_新浪网 (sina.com.cn) 聚汇数据： https://gdp.gotohui.com/ 获取各国的失业率数据 3、分析思路 我们小组选择了当下热点题材——2022北京冬奥会，我们决定以历届冬奥会数据为基础，对冬奥会整体项目、赛事项目、中国队伍历届参赛数据、冬奥会经济效益和本届冬奥会情况分析这五个方面来分析。于是开始寻找数据，从和鲸社区下载数据、在新浪、聚汇数据上爬虫所需家的国家GDP数据和国家失业率数据。 4、数据处理 本次数据分析使用软件为FineBi公共账号，数据约由20张excel表构成，将excel表导入FineBI公共账号的仪表盘进行数据预处理。 （1）数据准备 （1）数据清洗：列重命名：将英文项目翻译成中文项目描述 （2）自助数据集： 将冬奥运东道国与历届国家获奖牌数表和2022北京冬奥会奖牌榜表进行上下合并 相同字段进行匹配 对冬奥会历届获奖记录详细进行选字段，选择想要的字段，再过滤国家为中国的数据，再新增列进行计算数量 3）对缺失值处理 在我们获得的历届各国获奖明细数据中，一些未获奖的运动员信息也被编写在此中，对于这个数据我们进行了删除处理。 4）数据排序处理 在自助数据表中，排序顺序应该是先以金牌数目排序，相同金牌数目，以银牌数目排序，再以铜牌顺序为排序规则。 6)对数据进行分组合并 分析各大项男性获奖数量和女性获奖数量情况，需要对整个历届获奖明细数据表进行选择字段和分组合并操作来整合数据，如下图所示： 5、可视化报告 5.1 版式布局 主要分为以下五个方面,通过各项分析，最终制作冬奥会可视化数据分析仪表板 （1)历届冬奥会举办国家整体分析 （2)冬奥会赛事项目分析 （3)冬奥会经济效益分析 （4)中国队历届冬奥史 （5)2022北京冬奥会 5.2 历届冬奥会举办国家整体分析 我们通过对比102年来冬奥会举办次数，最近一届冬奥会参与国家与地区数，参与冬奥会历届总人数，历届冬奥会举办国家分布图 冬奥会主办国成绩对比图 通过折线图展现各项对比 报告分析： ①102年来冬奥会共举办24次，冬奥会从1924年首届举办，到目前北京是第24届，前23届，美国办了4届、法国办了3届、加拿大、挪威、瑞士、意大利、日本、奥地利这6个国家各办了2届、德国、前南斯拉夫、俄罗斯和韩国各办一届。很显然，与夏季奥运会的主办一样，主办冬奥会同样需要综合国力的保证。 ②回顾冬奥会历史，从第1届冬奥会到第24届冬奥会，代表团数增长6倍，比赛项目数也增长为6倍。 ③1924年第一届冬奥会在法国滑雪圣地霞慕尼举办时，参赛国家和地区仅仅16个，运动员总数258人，一共16个小项。2022年北京冬奥会举办，参赛国家和地区扩大到91个，运动员人数2892人，109个小项。总体上占比扩大10倍以上。 ④历届冬奥会的举办地，欧洲最多，北美洲次之，亚洲最少。 ⑤冰雪运动是速度与耐力运动的代表，充满着激情与刺激。从分析结果来看，冰雪运动受气候和自然环境的的影响，属于寒带气候的地区更适于冰雪运动的开展和普及，赤道及热带地区不具备开展冰雪运动的自然气候条件。 ⑥近三届冬奥会获金牌国家主要集中在欧洲地区，其次是北美洲和亚洲，在获奖完全看不到任何非洲国家的身影。短道速滑和自由式滑雪是中国的优势项目，优势较为单一，中国获奖牌、金牌数呈下滑趋势，在冰雪运动的道路上，中国面临的挑战将越来越大。 ⑦当冬奥会作为东道国的国家参加比赛，得奖数呈明显上升趋势，在举办年份都都在平均线水平，挪威虽作为小国，但是作为属于寒带气候的国家在冬奥运动独占鳌头。 5.3 冬奥会赛事项目分析 通过词云展现热门赛事 玫瑰图展现各国在冬奥会获奖比例 堆积柱状图大项金牌数 历届冬奥会奖牌数的不断上升，折线图直观体现冬奥会的各项比赛的神奇魔力。 ①总体上，冬奥会赛事数量不断上升，发放金牌数也随之不断上升，两者呈现正相关关系。 ②目前高山滑雪是最热门的项目，热门的体育项目还有：越野滑雪、自由式滑雪、速度滑冰等。 ③历届产生的金牌数量最多的体育项目有：速度滑冰、越野滑雪、高山滑雪等。 可以看到冬奥会热门赛事与奥运会各项运动产生的金牌数量最大的几个赛事有着极高的重合度，奥运会项目热门与否与该类项目发放的金牌数有很强的关联。 ④各国的王牌项目： 可以看出挪威最擅长的冬季两项，德国最擅长的是雪车，中国擅长的是自由式滑雪。 5.4 冬奥会经济效益分析 通过对比东道国举办冬奥会的成本支出情况 各国家GDP和获奖情况 在举办冬奥会期间国家GDP与国家失业率等，通过折线图分析出举办冬奥会能给举办国家带来怎样的经济效益。 ①在每一届冬奥会上都出现成本超支的情况，冬季奥运会举办成本在2014年达到近20年来的最大值：218.9亿美元，同时也达到了近24年来成本支出的最大值：289%。 ②国家GDP（国内生产总值）也会间接影响冬奥会获奖情况，看上图各国家GDP和获奖数量情况来看，前十名中除中国和俄罗斯奥委会以外，国家GDP都在50000（美元）以上。根据趋势线来看，国家GDP越低则获奖数量越少。 5.5 中国队历届冬奥史 通过显示数字与柱状图相结合展现中国队历届冬奥情况 ①在中国参赛历程中，参赛总人数达到768人次，参赛届数共12届，获奖数量达77次。 ②在参加前三届冬奥会，与奖牌无缘，总结了经验教训，在美国普莱西德湖举办的第十三届冬奥会摘得了首金。 ③在历届冬奥会上，女性获奖数量相对于男性获奖数量略高，女性获奖占比为66.25%。其中，在速度滑雪中，女性的优势比男性更为突出。 5.6 2022北京冬奥会 对于北京冬奥会，我们小队讨论把这一项单独进行分析，通过分析最新一届冬奥会比赛情况，各个国家获奖情况，中国队获奖表现。 漏斗图奖牌榜 饼状图体现参赛各项目热门程度 矩形树图颜色突出获奖的数量 多层饼图获奖情况 散点图2022中国各选手获奖时间及项目名称 ①在本次第24届冬奥会上，有29个参赛国，参赛人员达到3042人，每位运动健儿都会给我们展示矫健的身姿。从述地图观察可得，获得奖牌的国家主要集中在国家地理纬度较高的地区，纬度较低的地区则参赛国较少，以挪威(Norway)为例，挪威位于北纬较高的区域，得天独厚的地理环境为挪威运动员提供了良好的运动环境。 ②挪威代表队以16金8银13铜，总奖牌37枚获得第一名，德国代表队以12金10银5铜，总奖牌27枚获得第二名，中国代表队以9金4银2铜，总奖牌37枚获得第三名 ③挪威的主要获奖大项项目是冬季两项，共获得14枚奖牌，占比42%，下一届的冬奥会上在冬季两项上挪威会是一个很强势的竞争对手。 速度滑冰在本次冬奥会上相对占比较高，但是挪威在此大项上仅仅获得三枚奖章，对此稍有弱势。 ④通过大项项目占比和中国各大项项目获奖情况对比，中国的自由式滑雪是挺有优势的，相对来说，中国的各大项项目都比较均衡，相信在后面的冬奥会上会有更突出的表现。 ⑤中国的获奖选手谷爱凌在此次冬奥会上表现优异，在自由式滑雪上斩获三枚奖牌。 5.7 最终结果呈现的页面布局 仪表板公共链接：https://bisolutions.fanruan.com/webroot/decision/link/izkN 三、参赛总结 1、FineBI工具 FineBI工具简单易学，以自助分析为核心，进行简单的操作流程，实现数据可视化，是我们分析数据的好帮手。 2、参赛总结 参赛的初衷是通过老师的推荐，团队的同学也对这款软件比较感兴趣，所以一起做了这个项目。 在初期阶段，每个人都对这个软件不了解，没有做过这种类型的数据报告，各种组件也挺让人眼花缭乱的。通过课堂上老师对于FineBI的讲解，让我们更深入的了解学习基本的组件制作，通过自己在软件上的练习操作，大大加深了自己对这款软件的熟练度。FineBI这款软件可以做出各种数据可视化的内容，给人眼前一亮的感觉，总体感觉上手很简单，对于毫无经验的小白非常友好，不熟悉的地方还有各种解释文档。 对于选题是前段时间比较热门的冬奥会，在寻找数据方面还比较顺利。 最后，感谢大赛的各位指导老师在我们数据分析过程中的帮助和指导，让我们的作品更顺利更优化的完成了，另外感谢团队的小伙伴的相互鼓励，相互支持，共同学习，共同进步，一起完成了这份作品，还得要感谢这个比赛让我们这些志同道合的小伙伴相聚在一起。