Ein Datenprofil der Menschen, die Data science in Indien kaufen, verfolgen und schätzen — modelliert aus mehr als zwölf digitalen Signalquellen. Data science hat eine geschätzte Zielgruppe von 3,316,705 Personen in Indien.
Der durchschnittliche Data science-Fan in Indien ist 27.6 Jahre alt, eher männlich, und lebt vor allem in Maharashtra.
Die Zielgruppe konzentriert sich auf Maharashtra, Tamil Nadu, Uttar Pradesh.
Zu den Top-Markenaffinitäten zählen Gemini, Database, Artificial intelligence, mit der stärksten Überindexierung bei Gemini (3.8× Landesdurchschnitt).
Demografisch ist die Data science-Zielgruppe eher männlich mit einem Durchschnittsalter von 27.6 Jahren und überindexiert bei Persönlichkeitsmerkmalen wie Career Orientation, Need for Security.
Im Vergleich zur Landes-Basis zeigt diese Zielgruppe markante Muster über 20 Markenaffinitäten und 29 von Rascasse erfasste Regionen.
Der typische Data science-Fan in Indien ist eher männlich, etwa 27.6 Jahre alt, mit ausgeprägten Career Orientation-Tendenzen und einer deutlichen Affinität zu Gemini.
Die Kennzahlen, die das Data science-Profil in Indien charakterisieren.
32.6% sind weiblich, 67.4% männlich, Durchschnittsalter 27.6.
| Metrik | Wert |
|---|---|
| Weiblich | 32.6% |
| Männlich | 67.4% |
| Durchschnittsalter | 27.6 |
| Geschätzte Zielgruppengröße | 3,316,705 |
| Altersgruppe | Anteil | % |
|---|---|---|
| 16-19 | 51% | |
| 20-29 | 28% | |
| 30-39 | 11% | |
| 40-49 | 6% | |
| 50+ | 5% |
der weltweiten Data science-Zielgruppe entfallen auf Indien.
| Land | Anteil |
|---|---|
| United States | 20.9% |
| India | 12.2% |
| United Kingdom | 4.7% |
Wo die Data science-Zielgruppe in Indien am stärksten ist.
| # | Region | Reichweite | Affinität | × |
|---|---|---|---|---|
| 01 | Tamil Nadu | ~200K | 2.49× | |
| 02 | Andhra Pradesh | ~90K | 2.19× | |
| 03 | Telangana | ~100K | 2.02× | |
| 04 | Maharashtra | ~300K | 1.80× | |
| 05 | Karnataka | ~100K | 1.76× | |
| 06 | Kerala | ~80K | 1.66× | |
| 07 | Uttarakhand | ~20K | 1.14× | |
| 08 | Gujarat | ~100K | 1.05× | |
| 09 | Madhya Pradesh | ~70K | 1.05× | |
| 10 | Haryana | ~40K | 1.03× | |
| 11 | Punjab (region) | ~40K | 0.98× | |
| 12 | Goa | ~3K | 0.98× | |
| 13 | Uttar Pradesh | ~200K | 0.95× | |
| 14 | Odisha | ~30K | 0.87× | |
| 15 | Sikkim | ~1K | 0.83× | |
| 16 | Himachal Pradesh | ~10K | 0.82× | |
| 17 | Jharkhand | ~20K | 0.80× | |
| 18 | Chhattisgarh | ~20K | 0.80× | |
| 19 | West Bengal | ~80K | 0.77× | |
| 20 | Manipur | ~3K | 0.76× | |
| 21 | Arunachal Pradesh | ~2K | 0.75× | |
| 22 | Mizoram | ~2K | 0.74× | |
| 23 | Nagaland | ~2K | 0.73× | |
| 24 | Rajasthan | ~50K | 0.70× | |
| 25 | Meghalaya | ~2K | 0.70× | |
| 26 | Tripura | ~3K | 0.69× | |
| 27 | Jammu and Kashmir | ~10K | 0.63× | |
| 28 | Assam | ~20K | 0.62× | |
| 29 | Bihar | ~40K | 0.60× |
Die stärksten Cross-Interessen der Data science-Zielgruppe — Marken, Themen und Personen kombiniert.
| # | · | Interesse | Kategorie | Affinität | × |
|---|---|---|---|---|---|
| 01 | Business analytics | Technology & Electronics | 5.85× | ||
| 02 | SQL | Technology & Electronics | 5.84× | ||
| 03 | Business analysis | Business & Career | 5.76× | ||
| 04 | Data analysis | Technology & Electronics | 5.64× | ||
| 05 | Machine learning | Business & Career | 4.73× | ||
| 06 | ElevenLabs | Technology & Electronics | 4.57× | ||
| 07 | Data management | Technology & Electronics | 4.53× | ||
| 08 | Big data | Business & Career | 4.51× | ||
| 09 | Coursera | Business & Career | 4.35× | ||
| 10 | Python (programming language) | Technology & Electronics | 3.87× | ||
| 11 | Gemini | Technology & Electronics | 3.80× | ||
| 12 | Khan Academy | Business & Career | 3.59× | ||
| 13 | Database | Technology & Electronics | 3.45× | ||
| 14 | GitHub | Internet & Social Media | 3.33× | ||
| 15 | Artificial intelligence | Technology & Electronics | 3.11× | ||
| 16 | Data | Business & Career | 3.09× | ||
| 17 | Grok | Technology & Electronics | 2.89× | ||
| 18 | Educational technology | Business & Career | 2.72× | ||
| 19 | International Chamber of Commerce | Business & Career | 2.12× | ||
| 20 | Money | Business & Career | 1.68× |
Werte über 1,00× liegen über dem Landesdurchschnitt, Werte darunter entsprechend darunter.
| Merkmal | Cluster | Abweichung | Wert |
|---|---|---|---|
| Career Orientation | POWER | 1.67× | |
| Need for Security | CONSERVATISM | 1.63× | |
| Social Media Usage | JOY | 1.26× |
| Merkmal | Cluster | Abweichung | Wert |
|---|---|---|---|
| Extroversion | THRILL | 0.68× | |
| Design Affinity | PREMIUM | 0.78× | |
| Indulgence | JOY | 0.82× |
Data science hat eine geschätzte Zielgruppe von 3,316,705 Personen in Indien, konzentriert auf Maharashtra und Tamil Nadu.
32.6% der Data science-Fans sind weiblich, 67.4% männlich, das Durchschnittsalter liegt bei 27.6 Jahren.
Data science-Fans zeigen die stärkste Markenaffinität zu Gemini (3.8×), Database (3.45×) und Artificial intelligence (3.11×) gegenüber dem Landesdurchschnitt.
Data science-Fans in Indien konzentrieren sich vor allem auf Maharashtra (Reichweite ~300K), Tamil Nadu (Reichweite ~200K) und Uttar Pradesh (Reichweite ~200K). Diese drei Regionen stellen den größten Teil der aktiven Zielgruppe.
Über Data science hinaus überindexiert die Zielgruppe bei Database (3.45×), Artificial intelligence (3.11×), ElevenLabs (4.57×) und International Chamber of Commerce (2.12×) im Vergleich zum Indien-Durchschnitt.
Verwandte Profile, Rankings und dieselbe Zielgruppe in anderen Märkten.
Die Zielgruppengröße ist die geschätzte Zahl der Menschen in Indien, die aktiv nach Data science suchen. Affinität ist ein Überindexierungs-Verhältnis: 2,0× bedeutet, die Zielgruppe interessiert sich doppelt so wahrscheinlich für diese Marke oder dieses Merkmal wie der Landesdurchschnitt. Reichweite ist die geschätzte Zahl der Zielgruppenmitglieder in einer Region. Die Tabellen sind vom stärksten zum schwächsten Signal sortiert.
Dieses Zielgruppenprofil wird von Rascasse aus anonymisierten Suchverhaltens-Signalen in Indien erstellt. Zur Methodik siehe Methodik. Affinitätswerte sind Überindexierungs-Verhältnisse gegenüber dem Landesdurchschnitt (1,0 = Basis). Zielgruppengrößen sind Schätzungen, keine Messungen.
Von globalen Massenmarken bis zu lokalen Nischensegmenten — entdecken Sie die vollständige Bibliothek und die enthaltenen Intelligence-Schichten.