最近刚给帆软的可视化夏季挑战赛当完评委，发现了一批非常好的数据分析项目案例，经过官方授权后，分享给大家。

项目背景

社会老龄化的问题日益严重，独居老人的安危牵动人心。通过智能水表，按照既定的数据特征识别出水表可能的用水异常，能够对独居老人实行智能守护。

但是水务企业很少有数据部门或者专注研究数据的人，去进行数据挖掘分析，导致很多工作不能科学的决策，比如热线排班，供水调度等。希望我们的研究成果能给业界同行带来参考价值。

使用到的数据集

数据来源：本次一共用到23个数据集，均取自企业各大系统真实数据并脱敏处理，总数据量超1000万行，涵盖全市疫情前后一年内的数据。

分析思路

首先，我们明确了范围是疫情期间的用水分析，然后分别从数据取值、行业用水分类、用户画像、用水预测四个方面去展开分析。

数据处理

某用户用水波动情况

决策树是一种有监督的常用数据挖掘定位工具，使用该算法首先要计算所有特征变量的信息熵，由此确定变量的优先级，对用户用水量、地址、抄表周期等数据进行特征提取并进行处理，对处理好的特征使用XGBoost算法进行分类。

部分代码

被识别出疑似异常的用户，以高亮的方式在图表中呈现，便于巡检人员重点定向排查。

可视化报告

营业收费与用户用水量分析

疫情期间受影响最大的企业是经营服务行业，一度下跌到33%以下，疫情后随报复式增长了14%，但整体却仍未完全恢复元气。而行政事业用水持续低迷，因为很多学校采取了远程教育的模式。

居民住宅的用水量占据了本市最高位置，其次是工业用水，疫情期间的餐饮、娱乐行业用水几近消失，甚至低于消费用水。同时，本市正在大量加强基建工作，基建用水也逐年提升。在杠铃图中，我们能清晰地看到各用水组成及其最高/最低值与中位数。

大用户的变化分析

分析重点用户受疫情的影响程度，我们提前了重点大用户的数据进行对比，数据随时间变化的趋势与整体基本一致，20%的大用户占据了全市近80%的用水量，商业、工厂、市政出现了短暂负增长，但很快也恢复了生机。

用户数据挖掘

随着社会老龄化不断加快，一些独居用户面临照料问题。将智能水表进行分析管理，按照既定的数据特征识别出水表可能的用水异常；管道水回流、持续用水、长期零水量等，对独居用户实行智能守护，能节省人力，也提高了效率。

完整作品展示

总结

一个成功的数据可视化要满足两要素：

1、提供足够的社会价值/商业价值：本作品的“群体性事件”分析带来的重大社会价值，体现了国企的强烈的社会责任感。

2、帮助读者快速理解信息：本作品无论是内容的信噪比、数据表达的准确度，还是突出洞察信息的标识，都达到了一个极高的水平。同时本作品还别出心裁的制作出日历图、对比杠铃图、环形分析图等等创意图表。

源自：2021帆软BI可视化夏季挑战赛参赛作品，未经允许禁止转载

团队：水务加BI数据联队