每天都泡在健身房，还是一点没瘦？肌肉也没变多？这是怎么回事！
不要以为你健身了，就一定会瘦！我们要通过观察健身数据，分析各种数据，找出根本原因！
今天，我们将为您带来一篇利用Qlik Sense及相关功能对Peloton数据实现进阶分析的精彩文章，带您领略数据分析的实用性趣味～
我是Peloton的忠实用户，它各方面的表现一直都很棒。但是它有一个缺憾：虽然基本的类别统计指标（class-level statistics），但缺乏能力去跟踪任何形式的整体变动、计量总数，更没有任何能随时间推移而变化的视图。
此时，我想到了Qlik，以及它友好且强大的数据分析功能。
我根据需要自主创建了一个能满足更多需要的Peloton数据分析程序（如下图）。
qlik仪表盘
这就是我用于分析Peloton统计数据的仪表盘界面，这个界面是在Qlik Sense内实现的。结果一目了然，非常直观。
01、通过Peloton API，我们获得了大量可用于分析的数据。通过Qlik的一个简单公式，我们就可以顺利解开Unix时间戳之谜，并按“日期（Day）”来区分不同时段锻炼情况的差异性。
每日热量消耗直方图（横轴：date）
如上，我创建了一个可视化图表，以显示我在某段周期训练的进展。以日期为横坐标，纵坐标则为消耗的热量。您可以看到：当燃烧的卡路里越多，色块就越红，这种效果非常直观。
02、除此之外，我还想看，对教练的偏好是否等同于更好的锻炼效果。
课程热量平均消耗图03、现在，数据存在某些偏向，因为它是根据课程耗时的平均值来计算的。让我们进一步看看下面这个比较图表：
课时热量平均消耗直方图我还想知道，我是如何分配自己的训练时间的？
课时分布图
04、现在，我还可以看到我在Peloton自行车及其他课程上投入的工作总量。那么，我怎么知道我在哪个时段有着最好的锻炼效果？当我为锻炼投入的精力越多，是不是就会有更好的成效呢？
每日热量消耗直方图（横轴：weekday）
可以看到，我在周五投入最多，总耗能水平也是最高的，呈现红色，当天的平均耗能水平也是最高的。而周六则是最懒惰的。
这下知道，自己的健身数据如何了吧？接下来的运动，要一起加油哦！
