冬奧會居然是這個國家最強？——BI資料分析大賽優秀案例分享

案例背景

2022年冬奧會在中國北京舉辦，北京冬奧會推動我國冰雪旅遊發展進入快車道，為我國冰雪旅遊的發展帶來機遇，冰雪旅遊帶動了我國經濟的發展，提高了人民群眾之間的文化交流。

鑑於對冬奧會的熱潮，我們團隊想要

透過

對歷屆冬奧會的分析，發掘冬奧會更多的有趣故事及資訊，帶給人們對冬奧會更多的瞭解

。

相對於冬季奧運會，更多的人的關注點在與夏季奧運會，夏季奧運會的各項比賽專案更貼近於普通的生活，其中的專案普通人都可以接觸到，對於冬奧會的各項比賽專案更多是冰雪相關的運動，與普通人的接觸並不多，大家關注的也少。

冬奧會現在也是一大熱點，與人們生活息息相關。透過該專案，呼籲大家多進行冰雪運動，在冬季也可以鍛鍊體魄。

資料來源

自選資料

：和鯨社群：https：//www。heywhale。com/home/global？search=冬奧會

新浪財經

：全球宏觀經濟資料|中國宏觀經濟資料，GDP，CPI_新浪財經_新浪網 （sina。com。cn）

聚匯資料

： https：//gdp。gotohui。com/ 獲取各國的失業率資料

分析思路

我們小組選擇了當下熱點題材——2022北京冬奧會，我們決定以歷屆冬奧會資料為基礎，對冬奧會整體專案、賽事專案、中國隊伍歷屆參賽資料、冬奧會經濟效益和本屆冬奧會情況分析這五個方面來分析。於是開始尋找資料，從和鯨社群下載資料、在新浪、聚匯資料上爬蟲所需家的國家GDP資料和國家失業率資料。

資料處理

本次資料分析使用軟體為FineBI公共賬號，資料約由20張excel表構成，將excel表匯入FineBI公共賬號的儀表盤進行資料預處理。

1、資料準備

2、資料清洗

列重新命名：將英文專案翻譯成中文專案描述

3、自助資料集

將冬奧運東道國與歷屆國家獲獎牌數表和2022北京冬奧會獎牌榜表進行上下合併

相同欄位進行匹配

對冬奧會歷屆獲獎記錄詳細進行選欄位，選擇想要的欄位，再過濾國家為中國的資料，再新增列進行計算數量

4、對缺失值處理

在我們獲得的歷屆各國獲獎明細資料中，一些未獲獎的運動員資訊也被編寫在此中，對於這個資料我們進行了刪除處理。

5、資料排序處理

在自助資料表中，排序順序應該是先以金牌數目排序，相同金牌數目，以銀牌數目排序，再以銅牌順序為排序規則。

6、對資料進行分組合並

分析各大項男性獲獎數量和女性獲獎數量情況，需要對整個歷屆獲獎明細資料表進行選擇欄位和分組合並操作來整合資料，如下圖所示：

視覺化報告

1、版式佈局

主要分為以下五個方面，透過各項分析，最終制作冬奧會視覺化資料分析儀表板

歷屆冬奧會舉辦國家整體分析

冬奧會賽事專案分析

冬奧會經濟效益分析

中國隊歷屆冬奧史

2022北京冬奧會

2、歷屆冬奧會舉辦國家整體分析

我們透過對比102年來冬奧會舉辦次數，最近一屆冬奧會參與國家與地區數，參與冬奧會歷屆總人數，歷屆冬奧會舉辦國家分佈圖

冬奧會主辦國成績對比圖

透過折線圖展現各項對比

報告分析：

① 102年來冬奧會共舉辦24次，冬奧會從1924年首屆舉辦，到目前北京是第24屆，前23屆，美國辦了4屆、法國辦了3屆、加拿大、挪威、瑞士、義大利、日本、奧地利這6個國家各辦了2屆、德國、前南斯拉夫、俄羅斯和韓國各辦一屆。很顯然，與夏季奧運會的主辦一樣，主辦冬奧會同樣需要綜合國力的保證。

② 回顧冬奧會歷史，從第1屆冬奧會到第24屆冬奧會，代表團數增長6倍，比賽專案數也增長為6倍。

③1924年第一屆冬奧會在法國滑雪聖地霞慕尼舉辦時，參賽國家和地區僅僅16個，運動員總數258人，一共16個小項。2022年北京冬奧會舉辦，參賽國家和地區擴大到91個，運動員人數2892人，109個小項。總體上佔比擴大10倍以上。

④

歷屆冬奧會的舉辦地，歐洲最多，北美洲次之，亞洲最少

。

⑤ 冰雪運動是速度與耐力運動的代表，充滿著激情與刺激。從分析結果來看，冰雪運動受氣候和自然環境的的影響，屬於寒帶氣候的地區更適於冰雪運動的開展和普及，赤道及熱帶地區不具備開展冰雪運動的自然氣候條件。

⑥ 近三屆冬奧會獲金牌國家主要集中在歐洲地區，其次是北美洲和亞洲，在獲獎完全看不到任何非洲國家的身影。短道速滑和自由式滑雪是中國的優勢專案，優勢較為單一，中國獲獎牌、金牌數呈下滑趨勢，在冰雪運動的道路上，中國面臨的挑戰將越來越大。

⑦ 當冬奧會作為東道國的國家參加比賽，得獎數呈明顯上升趨勢，在舉辦年份都都在平均線水平，挪威雖作為小國，但是作為屬於寒帶氣候的國家在冬奧運動獨佔鰲頭。

3、冬奧會賽事專案分析

透過詞雲展現熱門賽事

玫瑰圖展現各國在冬奧會獲獎比例

堆積柱狀圖大項金牌數

歷屆冬奧會獎牌數的不斷上升，折線圖直觀體現冬奧會的各項比賽的神奇魔力。

① 總體上，冬奧會賽事數量不斷上升，發放金牌數也隨之不斷上升，兩者呈現正相關關係。

② 目前高山滑雪是最熱門的專案，熱門的體育專案還有：越野滑雪、自由式滑雪、速度滑冰等。

③

歷屆產生的金牌數量最多的體育專案有：速度滑冰、越野滑雪、高山滑雪等

。

可以看到冬奧會熱門賽事與奧運會各項運動產生的金牌數量最大的幾個賽事有著極高的重合度，奧運會專案熱門與否與該類專案發放的金牌數有很強的關聯。

④ 各國的王牌專案：

可以看出挪威最擅長的冬季兩項，德國最擅長的是雪車，中國擅長的是自由式滑雪

。

4、冬奧會經濟效益

分析

透過對比東道國舉辦冬奧會的成本支出情況

各國家GDP和獲獎情況

在舉辦冬奧會期間國家GDP與國家失業率等，透過折線圖分析出舉辦冬奧會能給舉辦國家帶來怎樣的經濟效益。

① 在每一屆冬奧會上都出現成本超支的情況，冬季奧運會舉辦成本在2014年達到近20年來的最大值：218。9億美元，同時也達到了近24年來成本支出的最大值：289%。

② 國家GDP（國內生產總值）也會間接影響冬奧會獲獎情況，看上圖各國家GDP和獲獎數量情況來看，前十名中除中國和俄羅斯奧委會以外，國家GDP都在50000（美元）以上。根據趨勢線來看，國家GDP越低則獲獎數量越少。

5、中國隊歷屆冬奧史

透過顯示數字與柱狀圖相結合展現中國隊歷屆冬奧情況

① 在中國參賽歷程中，參賽總人數達到768人次，參賽屆數共12屆，獲獎數量達77次。

② 在參加前三屆冬奧會，與獎牌無緣，總結了經驗教訓，在美國普萊西德湖舉辦的第十三屆冬奧會摘得了首金。

③ 在歷屆冬奧會上，女性獲獎數量相對於男性獲獎數量略高，女性獲獎佔比為66。25%。其中，在速度滑雪中，女性的優勢比男性更為突出。

6、2022北京冬奧會

對於北京冬奧會，我們小隊討論把這一項單獨進行分析，透過分析最新一屆冬奧會比賽情況，各個國家獲獎情況，中國隊獲獎表現。

漏斗圖獎牌榜

餅狀圖體現參賽各專案熱門程度

矩形樹圖顏色突出獲獎的數量

多層餅圖獲獎情況

散點圖2022中國各選手獲獎時間及專案名稱

① 在本次第24屆冬奧會上，有29個參賽國，參賽人員達到3042人，每位運動健兒都會給我們展示矯健的身姿。從述地圖觀察可得，獲得獎牌的國家主要集中在國家地理緯度較高的地區，緯度較低的地區則參賽國較少，以挪威（Norway）為例，挪威位於北緯較高的區域，得天獨厚的地理環境為挪威運動員提供了良好的運動環境。

② 挪威代表隊以16金8銀13銅，總獎牌37枚獲得第一名，德國代表隊以12金10銀5銅，總獎牌27枚獲得第二名，中國代表隊以9金4銀2銅，總獎牌37枚獲得第三名

③ 挪威的主要獲獎大項專案是冬季兩項，共獲得14枚獎牌，佔比42%，下一屆的冬奧會上在冬季兩項上挪威會是一個很強勢的競爭對手。

速度滑冰在本次冬奧會上相對佔比較高，但是挪威在此大項上僅僅獲得三枚獎章，對此稍有弱勢。

④ 透過大項專案佔比和中國各大項專案獲獎情況對比，中國的自由式滑雪是挺有優勢的，相對來說，中國的各大項專案都比較均衡，相信在後面的冬奧會上會有更突出的表現。

⑤ 中國的獲獎選手谷愛凌在此次冬奧會上表現優異，在自由式滑雪上斬獲三枚獎牌。

參賽總結

1、FineBI工具

FineBI工具簡單易學，以自助分析為核心，進行簡單的操作流程，實現資料視覺化，是我們分析資料的好幫手。

2、參賽總結

參賽的初衷是透過老師的推薦，團隊的同學也對這款軟體比較感興趣，所以一起做了這個專案。

在初期階段，每個人都對這個軟體不瞭解，沒有做過這種型別的資料報告，各種元件也挺讓人眼花繚亂的。透過課堂上老師對於FineBI的講解，讓我們更深入的瞭解學習基本的元件製作，透過自己在軟體上的練習操作，大大加深了自己對這款軟體的熟練度。

FineBI這款軟體可以做出各種資料視覺化的內容，給人眼前一亮的感覺，總體感覺上手很簡單，對於毫無經驗的小白非常友好，不熟悉的地方還有各種解釋文件。

對於選題是前段時間比較熱門的冬奧會，在尋找資料方面還比較順利。

最後，感謝大賽的各位指導老師在我們資料分析過程中的幫助和指導，讓我們的作品更順利更最佳化的完成了，另外感謝團隊的小夥伴的相互鼓勵，相互支援，共同學習，共同進步，一起完成了這份作品，還得要感謝這個比賽讓我們這些志同道合的小夥伴相聚在一起。