日常活动与睡眠数据集
数据来源：互联网公开数据
标签：健康追踪, 智能穿戴设备, 日常活动, 睡眠监测, 数据可视化, 用户行为分析, 市场营销策略
数据概述
本数据集来自Fitbit健身追踪器数据集，包含两部分核心数据：dailyActivity_merged.csv 和 sleepDay_merged.csv。数据集记录了用户的日常活动（如步数、卡路里消耗等）和睡眠情况（如总睡眠时长、深度睡眠时长等）。数据经过初步清洗和处理，使用了平均值（AVG）作为关键指标的统计值，以简化分析并提高数据的可读性和可用性。用户ID经过重新映射为 User_ 格式，便于分析和可视化。数据集共包含24位用户的完整记录，所有用户均具备日常活动和睡眠数据，时间跨度覆盖数个月，样本量适中且具有代表性。
数据用途概述
该数据集适用于以下场景：
1. 用户行为分析：通过分析用户的日常活动和睡眠模式，了解健康追踪设备的使用习惯和偏好，为产品改进提供依据。
2. 市场营销策略制定：基于数据洞察，帮助制定面向健康意识强的用户的营销策略，提高产品吸引力。
3. 产品优化建议：数据可用于改进健康追踪设备的功能，例如引入睡眠提醒功能，帮助用户达到更健康的睡眠目标。
4. 行业趋势研究：通过对用户行为和健康数据的分析，识别智能穿戴设备市场中潜在的增长机会和用户需求。
5. 数据可视化与报告：数据经过初步整理和清洗，适合进一步的可视化分析，生成直观的洞察报告。
数据集关键字段示例（部分字段）
- dailyActivity_merged.csv
- Id：用户编号（已映射为 User_ 格式）
- ActivityDate：活动日期
- TotalSteps：总步数
- TotalDistance：总距离（单位：英里）
- TrackerDistance：追踪器记录的距离
- VeryActiveMinutes：非常活跃的分钟数
- FairlyActiveMinutes：较为活跃的分钟数
- SedentaryMinutes：久坐的分钟数
- Calories：消耗的总卡路里
- sleepDay_merged.csv
Id：用户编号（已映射为 User_ 格式） SleepDay：睡眠日期 TotalSleepRecords：总睡眠记录条数 TotalMinutesAsleep：总睡眠时长（分钟） TotalTimeInBed：在床上的时间（分钟） DeepSleepPercentage：深度睡眠占比
数据价值
本数据集的独特价值在于其结合了日常活动和睡眠数据，能够揭示用户的整体健康行为模式。通过分析睡眠时长与卡路里消耗的关系，发现用户在睡眠时长接近420分钟（约7小时）时，卡路里消耗达到峰值。这一发现不仅有助于产品功能优化（如增加睡眠提醒功能），还可为市场营销策略提供科学依据，帮助Bellabeat更好地理解目标用户群体的行为特征，从而制定更具针对性的市场推广方案。
数据可视化与分析工具
数据集已通过SQL进行初步清洗和处理，并使用Excel对用户ID进行统一映射。后续的可视化分析通过Tableau完成，图表清晰直观，能够快速呈现关键洞察。
数据适用场景
- 产品改进：基于用户行为数据，优化健康追踪设备的功能和用户体验。
- 市场推广：为Bellabeat制定面向健康意识强的女性用户的营销策略，提升品牌影响力。
- 用户研究：深入研究用户使用智能穿戴设备的方式，识别潜在的市场机会。
- 数据驱动决策：为公司高层提供数据支持，帮助制定更科学的商业决策。
