數據來源：知乎爬取(一萬條)，鑒於數據樣本較小且考慮到取樣可能存在偏差，該分析僅用於數據分析實例練習。
工具：Excel、tableau、mysql、navicat
先用Excel進行簡單的數據處理--刪除空行、刪除重復項、無關數據隱藏。
通過mysql（由navicat導入，此前excel文件無關數據盡量做刪除處理）和tableau對數據進行分析。
1、用戶性別比例。分別通過mysql、tableau餅圖發現一萬條數據中，男性（m）占比約四分之三，女性（f）僅四分之一左右。
2、用戶登記學校與否的比例。比較登記學校和沒有登記學校的人數，發現97.9%的用戶沒有對學校進行登記，可能多數用戶對個人信息的保護意識比較強烈，也可能是注冊的時候覺得麻煩並未填寫。
用戶登記學校與否男女比例。分別對男、女用戶登記學校百分比進行對比發現，男生登記學校的比例高於女生。說明跟女生相比，男生更不在乎別人知道自己更多的信息。（左邊為男生，右邊為女生）
3、用戶工作領域分布。未標記工作領域用戶占比45.17%。標記了工作領域的用戶中，互聯網行業占多數，可能在互聯網從業人員眼中，知乎是一個可以分享和學習的比較不錯的工具。
同時沒有標記工作領域的男性和女性的比例也接近3:1。
比較有意思的是，互聯網從業者男女比例低於這一平均比例，倒也不算失衡，實際情況應該不會如此樂觀吧。
4、行業粉絲數（可能某種程度也可以說用戶粉絲數）的多少和那些因素有關呢？
這是知乎行業的粉絲排行榜,這張圖給我的疑問太多。是不是回答的數量越多，粉絲越多呢？是不是獲得感謝越多，粉絲越多呢？是不是文章寫得越多，粉絲越多呢？
帶着上述疑問，我做了如下這張圖，根據分析結果，上面這幾個疑問的答案就不言而喻了。並不是答題數越多，粉絲就越多，這也提醒大家，產出高質量的答案和文章，比高數量的答案和文章更有價值，更能得到別人的關注。由於提取的用戶數據多數沒有標記城市，所以比較喜歡作答的地區沒有辦法進行數據分析，有點遺憾。
5、那么各行業的好奇寶寶（提問最多）與熱心市民（答題最多）分別是哪一位呢？ 博物館行業平均答題數最高，剛好與我們對行業的直觀認知相契合。此處數據統計可用mysql或excel透視表實現。
6、用戶粉絲數與答題數、獲得感謝數的關系是不是和行業粉絲數一致呢？通過下面這個圖可以看出，用戶的粉絲數和回答數及感謝數沒有必然的聯系，與上面的行業粉絲數一樣，回答問題質量高，粉絲數才會高。
7、那么男女用戶答題數、提問數、獲得感謝數和粉絲數有什么區別呢？
對比發現，男用戶比女用戶更喜歡提問與回答，社區積極性更高。同時女用戶的粉絲數和感謝數與男用戶基本持平，結合答題數來說，女用戶答題質量更高一些，分析認為女生更傾向於圍觀。
8、總結（數據只有一萬條，在分析過程中會存在較大誤差，以下結論對此不予考慮）
1）針對1、7兩個問題，知乎可以從女用戶視角入手來增加其用戶數，對女性群體的共同特點、興趣點等進行挖掘分析，開發出服務於女用戶的板塊，滿足這類用戶群體的需求。
2）針對用戶是否登記學校的問題，建議知乎從某種角度（例如，對登記了學校的用戶贈送知乎鹽值等）鼓勵用戶登記學校，然后將同一學校的用戶進行分類，設計一個校友推薦板塊（類似大街網），方便交流，增加用戶粘性。另外，可以設置通過學校查找用戶所在地址，設計一個同城板塊。
3）對於填寫工作領域的問題，用戶在注冊知乎時，應給以提醒（例：登記工作領域可以將工作領域和推薦內容更好的進行匹配），進而增強行業板塊話題熱度。
4）知乎的初衷就是讓每個人高效獲得可信賴的解答，針對上面的4、5、6三個問題，可從用戶粘性的角度出發采取相應措施（將知乎鹽值和鹽選會員掛鈎，鹽值越高，開通會員的價格梯度越低，價格梯度根據知乎盈利情況設定）。