幾天前，一個(gè)朋友來聊天，表示很羨慕我的6位QQ號(hào)，我說有啥好羨慕的，還有那么多5位號(hào)呢! 他感嘆道:“一個(gè)5位號(hào)現(xiàn)在值好幾萬，早知道當(dāng)初注冊(cè)個(gè)百八十個(gè)的話，現(xiàn)在不就發(fā)財(cái)了… ”!

自我介紹下。傳說中的“網(wǎng)絡(luò)抓取鐵手追命”，就是本人了。 主要擅長(zhǎng)各種互聯(lián)網(wǎng)數(shù)據(jù)抓取挖掘，通曉各種數(shù)據(jù)源采集規(guī)則，互聯(lián)網(wǎng)江湖人士也，現(xiàn)和你分享一下如何一夜間挖價(jià)值9個(gè)億的5位數(shù)QQ號(hào)用戶!

　　9萬條5位數(shù)QQ用戶的詳細(xì)數(shù)據(jù)

QQ號(hào)，昵稱，空間名稱，性別，年齡，生日，所在國(guó)家，省份，城市，感情狀況，職業(yè)(其中QQ空間公開的一共有23283條，占全部9萬個(gè)號(hào)的25.87%)

你還不知道的騰訊用戶真相：

在價(jià)值9個(gè)億的5位數(shù)QQ號(hào)用戶中出現(xiàn)了神秘人物!

QQ的“金粉世家”主要聚集在哪些地方?

5位數(shù)QQ用戶如何影響到國(guó)家的GDP?

75后85前用戶，至今未婚的QQ女們要腫么辦?

IT腐男宅女，商場(chǎng)精英，工程師，退休老大爺最愛混跡QQ圈!

到目前為止，沒人知道“天若晴”到底是哪位大佬!

　　QQ的“金粉世家”主要聚集在哪些地方?

大數(shù)據(jù)分析常用的熱力圖如下，顏色越深的是代表人數(shù)越多，可以看出：人群最集中的是長(zhǎng)三角，珠三角和北京。遼寧，湖南和四川瞧著也是略有小成。

爬了3000萬QQ用戶數(shù)據(jù)，挖出了花千骨趙麗穎的QQ號(hào)

大數(shù)據(jù)真可怕!技術(shù)帝教利用整個(gè)QQ網(wǎng)絡(luò)，查出一個(gè)QQ號(hào)碼的所有相關(guān)信息

再來看看省市的TOP10，前4沒有黑馬，主要就是國(guó)內(nèi)熱點(diǎn)聚集地區(qū);稍感意外的是城市的第5名是我大東北的哈爾濱，而黑龍江也排在省的第7名。

　　5位數(shù)QQ用戶如何影響到國(guó)家的GDP?

我為什么說稍感意外呢，因?yàn)榍懊嬉舱f了5位QQ號(hào)這個(gè)東西某種意義上也算一種財(cái)富象征，不管是虛擬財(cái)富還是現(xiàn)實(shí)財(cái)富;而我大黑龍江雖然白山黑水，地大物博，畢竟GDP在全國(guó)還是排在后面的，現(xiàn)實(shí)財(cái)富會(huì)差一些，用一張圖來對(duì)比下：

一對(duì)比就可以看出來，黑龍江在右圖(QQ)的顏色明顯深過左邊(GDP)。咱來算筆賬：黑龍江2014年GDP是1.5萬個(gè)億，公開的5位QQ號(hào)有493個(gè);而山東省GDP將近6萬億，5位QQ號(hào)卻只有266個(gè)?可見老山東起碼在互聯(lián)網(wǎng)+的發(fā)展上，落后于黑龍江一籌。

用鄧通發(fā)明的指標(biāo)GQ率(GDP除以5位QQ號(hào)人數(shù))來計(jì)算，老山東高達(dá)223.4，而后幾名內(nèi)蒙古，山西，河北也都是重度霧霾的難兄難弟，互聯(lián)網(wǎng)+的創(chuàng)新不夠，急需經(jīng)濟(jì)轉(zhuǎn)型啊。

至于東北為何5位QQ這么多(摸頭)大概因?yàn)榘硞儢|北人喜歡嘮嗑吧?這個(gè)問題還是等磚家作答吧。

　　75后85前用戶，至今未婚的QQ女們要腫么辦?

從結(jié)果可以看到，男女分布為60.2和23.2%，其中女生透露自己年齡的不多，只占15%左右;這也是人之常情:)。36大數(shù)據(jù)表示， 從年齡結(jié)構(gòu)看，75后85前占大部分，確實(shí)，QQ大概是98,99年發(fā)布的(那時(shí)還叫OICQ呢)，那時(shí)候90后還都在吃奶玩凱蒂貓呢。女生中70后占比最高，并且未婚比已婚的比例高。

從情感方面的分布圖，未婚比已婚的比例高。這個(gè)話題，我表示比較有興趣：70后的土豪Q們大部分時(shí)間都在忙事業(yè)了，Q男的不著急生娃，Q女不著急婚嫁。大齡女可以叫“剩女”，大齡男不能喊“剩男”，那得叫成熟的“黃金單身”!這讓至今未婚的Q女們腫么辦? 可以考慮學(xué)學(xué)小龍女，也許能遇上一段世紀(jì)佳緣，百合一生，或者干脆將單身進(jìn)行到底，做堅(jiān)強(qiáng)的“黃金剩斗士”!!!

　　原來IT腐男宅女，商界精英，工程師，退休老大爺最愛混跡QQ圈!

用戶職業(yè)方面，QQ好像可以隨便，因此職業(yè)也是五花八門，挑了前十幾個(gè)最多的做一副云圖。另外標(biāo)識(shí)退休的一部分估計(jì)早已財(cái)務(wù)自由。計(jì)算機(jī)及互聯(lián)網(wǎng)行業(yè)的居多，很好理解。早期QQ號(hào)碼隨便申請(qǐng)，沒人知道他的價(jià)值，同時(shí)安全性也非常差，主要的上網(wǎng)渠道–網(wǎng)吧中有各種后門及盜號(hào)木馬神馬的。所以很大一部分靚號(hào)都被各類計(jì)算機(jī)大神“收集”起來。所以最終形成如下現(xiàn)在的分類圖：

　　后記：擁抱互聯(lián)網(wǎng)數(shù)據(jù)

很有感悟“ 互聯(lián)網(wǎng)上沒有垃圾信息，只有放錯(cuò)位置的資源”。關(guān)于WEB數(shù)據(jù)挖掘方面其實(shí)是很值得研究的。以上的數(shù)據(jù)分享案例僅從5個(gè)維度做了對(duì)應(yīng)分析，其實(shí)根據(jù)數(shù)據(jù)采集的維度，是可以做更廣泛分析的。如從騰訊開放的QQ群、QQ會(huì)員、QQ拼音及QQ秀等多個(gè)公開數(shù)據(jù)源渠道挖掘收集到非常有價(jià)值的數(shù)據(jù)。就像百度中有很多你需要的開放數(shù)據(jù)，關(guān)鍵看你怎么去挖掘收集。

多年前，數(shù)據(jù)采集工作是需要程序員自己寫各種爬蟲程序，同時(shí)需要搞定多線程、數(shù)據(jù)庫(kù)、高匿IP等多個(gè)技術(shù)門檻才能比較隨心所欲地做到，整個(gè)過程是非常繁瑣的?，F(xiàn)在好多了，隨著互聯(lián)網(wǎng)云存儲(chǔ)計(jì)算、大數(shù)據(jù)相關(guān)云技術(shù)的成熟，使用支持云采集的SaaS工具化交易平臺(tái)，一方面自己可以使用工具輕而易舉收集到想要你的數(shù)據(jù)，另一方面也可以直接發(fā)個(gè)需求讓其他開發(fā)者或供應(yīng)方定制給你。自己就可以聚焦在擅長(zhǎng)的數(shù)據(jù)分析方面了。

言歸正傳。以上數(shù)據(jù)源由托管在發(fā)源地?cái)?shù)據(jù)交易平臺(tái)，有興趣的朋友可以去這個(gè)鏈接：http://www.finndy.com/midycp.php?action=robots&op=viewrobot&robotid=1123看看(需要登錄)，2萬多原始數(shù)據(jù)都在里面。