一、选手简介
1、选手介绍
（1）团队选手版
- 团队名称：鄂川互助小分队
- 队长介绍：小Y，目前就读于重庆某大学，工程管理专业
- 成员介绍：
- 成员1-小Z，目前就读于上海某大学，统计学专业
- 成员2-小W，毕业于北京某大学，数学与应用数学专业
- 成员3-小L，目前就读于重庆某大学，工程造价专业
2、参赛初衷
-
- 初步接触数据分析、商业分析领域，学习数据分析软件，提升个人能力
- 互相交流学习，进行数据可视化作品以及分析思维的碰撞
二、作品介绍
1、业务背景/需求痛点
我国从1999年步入老龄化社会起，养老需求逐步提高，养老市场的繁荣带来了新的地产开发潜力，万科、绿城、首创、远洋等房企巨头纷纷探索养老地产。然而养老地产在我国现阶段形势下看，无论在运营模式还是融资方面都缺乏一定经验。在这个行业还并未成熟、盈利模式并未清晰的时候，竞争就已经异常激烈，因此快速推进是赢得主动权的唯一武器。
养老问题关系到国民经济以及整个社会的稳定，无论对于开发商还是地方政府都需要谨慎对待。龙头房企进军养老地产起到很好的带头作用，他们有条件、有能力去推动养老地产的发展，但前提是必须研究养老地产开发模式、经营模式、运作模式、盈利模式。
2、数据来源
本参赛作品的数据来源均为自选数据，由以下四个部分组成：国家统计局统计数据、中国健康与养老追踪调查（CHARLS）数据、利用“八爪鱼采集器”在各网络平台上爬取的数据以及中国专业的综合性养老平台“链老网”平台资料与数据。
小组成员在国家统计局官网收集了宏观经济数据、人口数据以及与房地产相关的数据，包括全国及分省的国民生产总值、人口结构与数量、老年人口抚养比、固定资产投资等与“养老”、“人口”、“地产”相关的数据，部分检索结果如下图所示：
中国健康与养老追踪调查（China Health and Retirement Longitudinal Survey, CHARLS）是由北京大学国家发展研究院主持、北京大学中国社会科学调查中心与北京大学团委共同执行的大型跨学科调查项目，是国家自然科学基金委资助的重大项目，旨在收集一套代表中国45岁及以上中老年人家庭和个人的高质量微观数据，用以分析我国人口老龄化问题，推动老龄化问题的跨学科研究，为制定和完善我国相关政策提供更加科学的基础。
CHARLS问卷内容包括：个人基本信息，家庭结构和经济支持，健康状况，体格测量，医疗服务利用和医疗保险，工作、退休和养老金、收入、消费、资产，以及社区基本情况等，其访问应答率和数据质量在世界同类项目中位居前列，数据在学术界得到了广泛的应用和认可。
在本报告中，小组成员主要使用了CHARLS数据库中的个人基本信息，家庭结构和经济支持，健康状况，体格测量，工作、退休和养老金、资产，以及社区基本情况等数据，包括居住地址类型、居住地址位置、婚姻状况、对身体状况的自我认知、血压检查频率、血糖检查频率、近期娱乐活动、对当地康养服务中心满意度，部分数据如下图所示：
为了了解公众和学者对养老地产的认知与研究情况，小组成员利用“八爪鱼采集器”分别在B站、知乎及中国知网上对养老地产相关关键词进行了检索及数据采集，部分采集结果如下图所示：
并利用jieba库在python中进行分词处理后统计词频，以在FineBI中形成词云图。
链老网是中国专业的综合性养老平台之一，致力于服务50后中老年人群体，主要为中老年人提供养老院、养老资讯、老年大学、居家养老、健康医疗等产品与服务，小组成员在该网站收集了万科、保利、远洋房地产开发企业在全国范围内的养老产业概况，部分结果如下图所示：
3、分析思路
首先从宏观层面分析了国家政策、宏观经济、人口老龄化现状以及当前老年人口居住特点等，明晰了养老地产的发展背景与开发环境。然后从市场供需关系入手，从近五年的相关学术论文、主流媒体上的评论数据以及大众对于养老地产的购买意向调查结果（以武汉市为例）进行了需求分析，再结合我国当前养老地产开发模式、2022年养老机构运营表现榜单进行了供给分析。
在进行微观分析过程中，以当前我国的三大养老地产领先企业的运营情况为切入点，以城市布局、典型项目概况分析以及经营情况等作为分析指标，以小见大，从中可映射出我国养老地产整体的行业发展态势。
4、数据处理
由于数据来源广、类型多，在数据可视化分析之前，我们对数据进行了预处理。
首先，我们对数据进行了清洗，删除了原有表格文件中的备注性内容及缺失内容，以分省年度人口数据为例，删除下图中的框选内容。
对于通过“八爪鱼采集器”爬取的网络数据，同理首先删去不需要的数据，如爬取时间、播放数、弹幕数等，并将excel表格转换为文本格式，使用python对其进行分词统计处理后转换为excel表格，如下所示：
 
完成数据清洗后我们将数据导入了FineBI中。
接着，我们在FineBI中进行了数据的整理。以宏观人口数据为例，由于老年人口抚养比和65岁及以上人口都是以年度和省份为维度进行区分，因此我们以省份地区为依据创建了自助数据集，对上述两部分数据进行了左合并，并通过字段设置将其指标重命名，以创建多指标的地图型组件，操作如下图所示：
5、可视化报告
（1）宏观环境分析
近五年来，全社会固定资产投资额保持逐年上升的趋势，其中占比较大的房地产开发投资尽管在2020年后环比增长率有所下降，但整体投资额依然上升，说明房地产市场虽然近年来趋近饱和，但依旧占据国民经济的支柱地位。人均GDP的逐年增长代表国民消费水平的提高，更有利于房地产市场的发展。
截止2020年，我国65岁以上人口数达到了19.064万人，占总人口的22.55%，并呈现逐年增长的态势，人口老龄化趋势已初步显现。然而，截止2019年，老年人口抚养比仅16.5%，养老问题亟待解决。
- 市场需求
通过近五年养老地产200篇相关文献检索，以及B站“养老社区”有关视频61条评论数据的采集，得到了“城市”、“社会”、“住房”、“地产”、“服务”、“希望”等高频词，展现了当前社会对于养老地产的关注度的提高，以及购房者对未来养老地产在城市布局、社区服务等方面的期待。
此外，对养老地产的购买意向调查数据（以2021年武汉市为例）显示，超过85%的购房者表示愿意购买。综上，养老地产具备一定的市场需求，极具开发潜力。
- 市场供给
当前我国的养老模式有三种：居家养老、社区养老、机构养老。2022年的调查显示96%的老年人正实行居家养老，社区养老与机构养老人群比例低于国务院目标。敬老院（57.16%）、老年公寓（14.72%）、养老院（13.42%）是目前社会占比最大的三类养老机构，78.76%的养老机构费用标准在每月1000元以下。此外，养老地产已具有“高端会员制”、“社区+养老组团”等多种开发模式，开发商需要紧跟市场需求不断进行创新。
- 案例分析
以当前国内养老地产开发三大领先企业——万科、远洋、保利为例。
万科作为房地产龙头企业，本身在打造优质创新的社区服务等方面经验领先。在养老地产开发方面，主力进军北京、广州、深圳等一线城市，同时进驻少数二线城市。业态分布较广，但主打养老机构、社区照料中心以及老年公寓。代表项目随园嘉树目前有47处，分布在全国13个城市中，最低收资标准为5000。
远洋地产主打老年公寓，其代表项目椿萱茂分布在北上广等9个一二线城市，最低收资标准6500，260万余床位占据较大市场份额，但面积相对较小。
保利主攻养老机构领域，其推出的主打养老项目和熹会的特点主要是重品质、低价格，其16个项目分布在8个一二线城市中，最低收资标准为4300。
- 小结
总体来看，随着我国人口深度老龄化的加快，人均GDP的提高，养老地产具有足够的市场需求。目前房企龙头企业对于养老地产的开发运营仍然处于尝试阶段，主要投入在北上广等一线城市，二三线城市的开发潜力较大。老年公寓、养老机构为主要养老地产开发类型，养老社区、敬老院以及社区照料中心仍有较大缺口。有意进军养老地产的企业需进一步探究其开发运营模式，打造优质的养老服务，打出品牌，才能脱颖而出。
- 仪表盘效果
作品公共链接：https://bisolutions.fanruan.com/webroot/decision/link/2RYv
三、参赛总结
1、FineBI工具
- 市面上还有很多数据可视化的产品，但FineBI对于新手很友好，并且还配套了基础操作打卡营，就算是没有接触过数据分析相关知识的小白也能完成参赛作品。
- FineBI内置了丰富的数据可视化图表，为用户提供了方便快捷的组件模板，通过尝试不同的图表类型也可以开拓我们进行数据可视化的思路。
- 在仪表板布局中可以任意对组件进行排版，还可以导入许多与作品相关的图片、边框和分割线等。
- FineBI小助手也在本次大赛中给予了我们很多帮助。
2、参赛总结
作为在读大学生，出于对数据分析的兴趣，我们抱着学习的态度参与了本次大赛。身为非专业人士，我们利用课余零碎时间从头学起，在整个大赛过程中收获了许多。但由于缺乏实战经验，在分析方法、专业术语措辞等方面肯定有所不足，欢迎批评指正。 | 
