亚太区各城市生活成本大比拼

  • 时间:
  • 浏览:2

Qlik亚太及日本区域副总裁

在亚太地区生活成本应用多线程 中,日此人 口最多的城市东京成为总冠军,是生活成本最高的城市,较亚太平均水平高出39%。后来 ,深入分析数据会发现,这个切并就有看起来那样简单。类似,只看商品条目中的“高档”分类,显示香港超过东京,是高消费人士生活成本最高的城市。而在此人 面,可能性选泽低档消费,悉尼排名第二,仅次于东京,表明澳大利亚我实在有波光粼粼的港口美景,但大部分人的生活预算从不低。

本文出处:畅享网

什么想法推动了交互式Qlik APAC生活成本应用多线程 的诞生。亲戚我们歌词 歌词 充采集挥可视化分析技术的能力,帮助更多的人全版了解亚太地区八个城市的生活成本数据——香港、吉隆坡、孟买、首尔、上海、新加坡、悉尼和东京。亲戚我们歌词 歌词 选泽了具有广泛代表性的项目进行对比,如房地产、交通、教育、娱乐、公用事业、食品、餐饮和服装,此外,用户还能在所有成本类别中选泽高、中、低档进行比较,结果产生了令人信服的分析结论。

本文来自云栖社区战略公司合作 伙伴畅享网,了解相关信息可不都里能关注vsharing.com网站。

数据中隐藏的细节

可能性要找有一一一八个 大约的居住地,后来 想住在城市中心,吉隆坡是吸引人的城市,每平方英尺房产价格为331美元,每平方英尺租住价格可不都里能了1.11美元。而香港市中心的房地产价格最高,每平方英尺2,002美元,每平方英尺租住价格为6.52美元。此人 面,可能性您想租住在近郊,没法孟买(每平方英尺0.24美元)、吉隆坡(每平方英尺0.41美元)以及悉尼(每平方英尺0.9美元)是比较便宜的。

Beniac常驻中国香港,拥有悉尼大学农业(科学)经济学位。

关于作者

悉尼我实在是知名的美食天堂,但也是亚太地区在酒店餐厅吃饭最贵的地方,一顿两人餐的花费高达247美元。这大约是上海(133美元)和东京(116美元)的两倍,而首尔是最便宜的(53美元),后来是孟买(61美元)和香港(70美元)。

什么都村里人 认为亚太地区(APAC)是适宜移民的地区,亚洲经济一起体于2015年12月启动了一项计划,更加促进了该地区人员的流动。移民群体没法来越多,而员工的流动性也没法高,浮动的汇率和不同的经济因素由于 好难计算某一城市中一种生活措施的生活成本。  

亲戚我们歌词 歌词 在日常生活中没法来越多地使用数据深入了解我们歌词 歌词 生活的方方面面。比如,可穿戴设备能提供此人 健身和训练数据,而分析此人 消费模式可不都里能更好地控制每月的预算开支等。与企业现在常用的商业智能相类似,每此人 也可不都里能采用同样的措施,对每天的日常数据进行分析,深入了解此人 的生活情形。

我实在上海的生活成本比亚太平均水平低11%,后来 可能性要保持有一一一八个 好身材,上海却是最贵的,每月健身会费大约是157美元,请私人教练则时需393美元。作为对比,首尔的生活总成本我实在与上海类似,比平均水平低10%,后来 每月健身会费只需30美元,而私人教练的成本只需72美元。

我实在市场上公开发表了什么都有“生活成本”的研究结果,但什么就有假设每此人 有相同的兴趣和化活措施,这当然不符合实际情形。类似,村里人 认为汽车是生活中必需的,村里人 则认为汽车就是属于奢侈品。同样,或多或少人会一直出去吃饭,而有的人喜欢此人 在家烧菜。

生活中的什么都有事情都体现在细节中。亲戚我们歌词 歌词 有不同的爱好和化活措施,什么都有,某此人 的生活成本可能性与原此人 全版不同。这个应用多线程 通过设置众多的变量,得出了或多或少非常有趣的结论:

Beniac在数据分析和商业智能领域有25年的工作经验,在加入Qlik完后 ,曾在IBM软件增长市场部门担任亚太区企业分析总监。在IBM收购Cognos完后 ,Beniac曾在Cognos就任销售和运营总裁。Beniac还曾在SAS担任亚太及日本地区EMEA新兴市场的总监兼副总裁。

东京生活成本最高,香港和悉尼紧随其后

可视化分析的力量

应用多线程 还突出介绍了或多或少巨大的成本差异。类似,在上海要把一名学生送到国际学校(45,229美元)的花费大约在孟买把22名学生送到国际学校(2,016美元)的花费。

Phillip Beniac任职Qlik亚太及日本区域副总裁,负责销售、市场、专家服务、企业渠道和化盟的管理工作,支持亚太地区对Qlik数据发现外理方案快速增长的需求。

将可视化分析技术深入应用到日常生活中,亲戚我们歌词 歌词 就很容易直观地看完来自不同来源的数据。亲戚我们歌词 歌词 都知道离亲戚我们歌词 歌词 最近的杂货店的糖和大米的价格,但同样的商品在另一城市价格又何如呢? 通过对比不同地区总生活成本的差异,可能性选泽或多或少商品条目的价格,亲戚我们歌词 歌词 可不都里能发现隐藏在数据身前的有趣见解。