元宇宙與python

A. 什麼是「元宇宙」，「元宇宙」真的是個騙局嗎

「元宇宙」並不是騙局，指的是一個與現實世界平行，同時又是一個獨立的虛擬空間，換句話來說，就是真實的數字虛擬世界。

「元宇宙」是非常熱門的話題，許多商業巨頭紛紛加入相關的領域，紛紛開始加入 「元宇宙」的行業。這么一個看似虛幻的世界，只要假以時日，相信在不久的將來會實現「元宇宙」場景出現。

一、「元宇宙」究竟是什麼，是一個虛擬的空間

「元宇宙」是一個由許多個新技術組合而成的新型網路空間和社會形態，利用數字技術產生的現實世界的鏡像，將區塊鏈技術創建出一個經濟體系，把虛幻和現實相結合，並允許所有用戶對其內容進行編輯。「元宇宙」這個詞最先出現在斯蒂芬森的一本科幻小說《雪崩》當中，小說中描述了一個與現關世界平行的另一個數字世界，每個現實世界的人在這個數字世界中都有另一個虛擬的自己。

總結

「元宇宙」不僅不是騙局，並且推動著互聯網發展，通過虛擬現實設備讓人們真正感受到數字化時代的奇妙。人們只要戴上設備就可以進入虛擬的空間跟同事來一場社交，甚至可以利用「元宇宙」來創造一個虛擬的世界，從此人類將成為現實與虛擬世界的「兩棲動物」。

B. 數據分析能力模型

「過去」 以往在增量時代，每天都有新的領域、新的市場被開發。尤其是在互聯網、電商等領域的紅利期，似乎只要做好單點的突破就能獲得市場。這個蠻荒時代，業務運營主要依靠是經驗和直覺驅動。比如跨境電商領域初期，憑借世界工廠平台的優勢，國內廠家似乎只需基於經驗選品即可大賣。

「現在」 但是隨著規則的成熟，更多玩家的進入，市場從藍海變為紅海，進入到存量期，僅靠經驗驅動的增長模式不再有效。還是拿跨境電商舉例，由於賣家的劇增，海外市場的飽和，跨境電商就進入存量運營時代，已經不存在絕對的藍海市場，每個細分領域都有許多競爭對手。此時， 要求商家從粗放運營轉為精細化運營，也就是用數據分析報告決定市場是否值得投入，用數據選品，用數據做經營分析，用資料庫存管理。

當然，不是說純定量的數據分析決定了一切，經驗就不重要了。而是說在決策的過程中，數據結論占據的比例與以往相比更大，同時業務經驗也是必不可少的部分。

「未來」 互聯網逐漸成為「傳統行業」的未來，人工智慧、元宇宙等 由數據驅動的行業越來越依賴數據分析。 還有眾多製造業亟待數字化轉型，以期在全球供應鏈中提高製造環節的附加值。 也就是說，在未來，數據驅動業務將更頻繁。

數據分析的本質是「沙盤演練」：戰場上，指揮員們在指揮部的地形模型前「推演」敵我雙方的趨勢確定作戰方案； 商場上，管理層通過數據間的運算關系「推斷」運營的發展進而做決策。

基於這樣的定義可以知道數據分析的目的是為了做對當下運營發展有利的決策，那它是如何做到的呢？為了解答這個問題，可以從前面的定義中 引申出幾個關鍵概念：數據，運算關系，推斷，決策。

最通用的理解，數據是被存儲起來的信息。從應用的角度，數據是把事物做量化處理的工具，萬物皆可數據化：數值數字是數據，文本、圖像、視頻等同樣都是數據。

按 欄位類型 劃分，可以把數據分為：

按 結構 劃分，可以把數據分為：

根據 數據連續的屬性 不同，還可以分為：

孤立的數據往往沒有參考價值，比如量化一個人，身高是180cm，並不能意味什麼。比如網易雲音樂的用戶，每個用戶的年齡是數據，對使用產品的人群年齡進行分段比如18-24歲，該年齡段人數佔比的指標對網易雲音樂來說才有價值。 從數據到指標的計算過程，就是數據間的「運算關系」，也叫「指標」。

指標的作用在於「度量」業務的發展：

這些指標（點）通過一定的結構可以編織而成指標體系（線、面）衡量局部、甚至是全局的業務 。

「沙盤演練」中，指揮員通過軍事沙盤上的地形，及敵我雙方的工事、兵力部署、火器配置等情況，分析敵情，制定作戰方案。 數據把現實中的運營抽象到數字世界中，通過指標體系，應用各種分析方法（業務分析、產品分析、用戶分析、經營分析......），幫助經營做決策 。

趙括熟讀兵書，卻不能活用，淪為紙上談兵的笑話。所以獲得分析能力後，不能照本宣科，要結合實際業務場景做決策。

數據分析落地涉及流程創新、變革管理，用新的思維解決業務問題。 但這個過程並不是強迫變革，需要藉助對業務的理解及軟性的能力來使分析平滑落地。

站在「前人」的肩膀上，可以走得更遠。餅乾哥哥根據多年數據分析工作經驗沉澱出了數據分析師能力模型，跟著它「按圖索驥」，補充自身缺失的能力，最終形成獨立、落地的數據分析能力。

完整的數據分析師能力體系應該包括 底層認知、業務場景及能力三板斧。

在建立數據分析思維之前，應該先在底層認知達成共識。
什麼是認知？ 是對事物底層邏輯的了解，是對是世界萬物的判斷，認知的本質就是做決定。 也就是說，為了幫助數據分析中每個決策的有效性（選擇什麼指標、分析方法？接下來做什麼？等等），需要先建立底層認知。

這一步，我們需要去明確數據分析的定義：數據分析是什麼？目的/產出？分析流程？

同學們在求職過程中會發現，同樣是數據分析師崗位，但是面試的內容千差萬別，有考察機器學習、統計學等專業能力的，也有考察市場/行業分析的，還有考察產品分析的。
此時就有同學問，這些真的是數據分析該做的嗎？

我們從字面上拆解，數據分析 = 數據 分析，進一步拆：

這就是認知上的偏差：當一些同學認為數據分析就是用Excel做表、python寫腳本、機器學習建模時（其實這些只是組成數據分析能力的一部分），求職市場對數據分析師的要求更為完整。

回過頭來看，數據分析到底是什麼？筆者認為， 數據分析是一個過程，是利用數據能力做分析的過程：從發現問題、分析原因，到落地建議；這還是一個「解構」的過程：從整體拆到局部，從一般到特殊，從面到線到點，不斷下鑽剖析，找到具體可落地的點。

了解完什麼是數據分析後，深入思考一個問題：這個過程的最終產出的交付物是什麼？

要回答這個問題，我們需要 回到數據分析的本質：解決業務問題。 也就是回到業務層面的需求是什麼，才能決定最後落地交付物：

最常見的數據分析場景，就是業務發現銷售額下降、用戶流失、產品跳失率高，也就是業務層面出現了一個問題待解決，此時需要數據分析師介入幫助從數據層面挖掘原因、給出解決建議。

分析過程可能是做一些 探索 性數據分析、統計分析、機器學習建模，甚至是做AB測試實驗，最終交付分析報告，或者模型部署上線。

有時業務可能並不存在確切的「問題」，更多旨在通過加深對現有場景的理解，來提高現有業務模型、策略的效果；比如，現在業務使用的是客單價平均值將客戶分為高、低兩個人群進行營銷，此時數據分析師通過對消費者的洞察分析，給予更精準的人群劃分方案：利用客單價分位數，將客戶分為三個人群，這樣業務利用更新後的策略進行營銷設計，提高轉化效果。

分析過程可能是做相關分析、回歸分析，甚至是無監督的聚類，來對現狀進行解釋。

按照需求的時效性，可以把業務需求分為臨時需求和常規需求，而前面兩者屬於業務的臨時需求，或者說是專項分析需求。 對於常規需求，主要旨在提高業務流程的效率 ，比如對於電商運營中的商品庫存管理業務，運營需要及時查詢庫存情況，並結合銷售趨勢對低庫存量的商品進行補單；此時，數據分析師可以通過交付「低庫存預警報表」來幫助優化該流程效率。

支持診斷的內容主要集中在自動化的報表，甚至是商業智能（BI）體系的搭建。

如果說前面是基於已知模式的分析，那麼業務中還存在一種需求，就是對未知的 探索 。最為典型的場景則是對市場、對消費者的洞察後，給出品牌及業務增長的策略。

分析過程更多是基於行業、基於市場，使用如PEST、SWOT、波特五力等商業分析模型。

至此，我們知道了數據分析是什麼，以及最終的產出交付物，那這個過程如何實現的呢？從落地的角度來看，數據分析是一個從 發散到收斂 的過程： 業務理解-數據 探索 -分析模型-落地交付-產品生命周期

數據分析是從業務到數據再回到業務的過程，所以理解業務是數據分析的起點。

「無場景不分析」、「脫離業務場景的分析都是耍流氓」等資深數據分析師的建議無不說明業務場景的重要性。數據分析能力模型中的業務場景模型：用戶-產品-場景，就是為了幫助讀者理解業務場景而設計的，在這里不贅述。

不知道讀者有沒這樣的體驗？就是領導交代任務給你，或者是朋友有求於你時，執行力強的人很快就完成了任務請求，但是最後卻被告知這結果並不是對方想要的？這種情況很常發生在初入數據分析崗位的新同學身上，原因歸根結底就是沒有做好問題定義！

在理解了需求所處的業務場景後，可以 藉助邏輯樹工具來對問題進行拆解，拆解的過程盡量要遵循MECE、「相互獨立,完全窮盡」的金字塔原理 。

如果說前面定義問題是明確做什麼，那在這一步就是要明確做到什麼程度？

比如面對銷售額下降的問題，做數據分析，最終是產出一份數據分析報告就好了，還是說需要介入到測試實驗，給出增長策略？如果是後者，那對銷售額的提升幅度要提升多少才有價值？是不痛不癢的1%還是要達到顯著的10%？

如果不在價值層面做思考，並付諸價值落地的行動，最後很容易產生「價值在哪」的靈魂拷問，面臨被優化的風險 。

在業務理解階段，我們是站在業務層面與需求方溝通，但是數據分析的核心部分都是在數據層面進行的。所以在正式開始分析之前，我們需要 把業務需求轉成數據需求，這個過程就是數據 探索 。

拿到業務需求時的定義問題階段，需要數據的輔助：用數據透視業務，判斷現狀與描述是否一致。比如，業務說銷售額下降了需要分析，但是這個下降是和誰比？環比下降但是同比提升，同比下降，但是和競品相比是提升的。

這個步驟比較多的是使用 探索 性數據分析（Exploratory data analysis），或者說通過常見的統計指標來對數據現狀進行剖析。

如果說第一步是在用數據驗證需求的有效性，那這一步則是真正把業務問題轉為數據需求。

此外，還需要判斷數據質量及能做的特徵工程，比如某些欄位缺失率太高，這會影響特徵的構建。

了解業務、明確數據需求後，就可以挑選合適的武器（分析方法、模型框架）上陣。

概括來說，有四種分析方法：

指標的好壞、特徵是否顯著等都可以通過比較分析的方法來實現，比如常見的歸因業務場景，本質就是做比較，通過橫向、縱向的比較找出原因。

分析方法：比如T檢驗、方差分析、同比環比、同期群分析等

分析變數之間的相關性是重要的分析場景。比如業務中想知道提高廣告預算是否能、甚至是能提升多少的銷售業績？這樣的相關性分析或許能找到最優投放ROI的配置方案。

分析方法：卡方、皮爾遜(Pearson)相關系數、斯皮爾曼(Spearman)相關系數、結構分析等

不論是對企業銷售的預測、還是對用戶行為的預測，都能幫助提升業務效率，比如常見的預測用戶流失分析，及時得到高概率流失的人群名單，運營通過提前營銷干預，提高用戶留存率；常見的銷售預測能幫助企業在供應鏈側做准備。這類場景主要應用的是機器學習中的有監督分類模型。

分析方法：線性/邏輯回歸、決策樹、時間序列分析、貝葉斯等；

前面三種都是基於企業已知模式的分析邏輯，還有一種分析方法——無監督的機器學習模型，可以應對未知模式的分析。比如不知道應該把現有人群分成多少個組來進行營銷最合適，就可以對人群基於核心特徵做無監督的聚類分析，得出有效分組的界限。

分析方法：Kmeans聚類、DBScan聚類等；

交付落地的 最佳實踐是讓數據和分析從理論滲透到業務中，對流程進行變革提效 。

在交付給業務之前，需要先對給出的解決方案做有效性評估：

分析如果涉及模型的開發使用，需要通過AB測試，或者ROC等指標來證明模型在數據層面上的有效。在數據層面完成驗證後，回到業務分析需求，評估交付的方案在業務層面上的有效落地。

數據分析是圍繞業務價值而展開的，所以在最後的落地，也得就價值進行討論， 回答這個方案解決業務問題的途徑和程度 ：

A. 途徑 是對流程的優化（降本提效）還是對數據的優化（數據體系效率、數據質量）？

B. 這方式能多大 程度 上幫助解決？比如對業務的提升是10%還是30%？是對單次項目的應用，還是說可以部署到日常流程中，在更長時間、更廣范圍內影響業務？

C. 此外，要實現這樣的效果，需要投入的資源是什麼

分析項目的落地需要多方參與，即使是業務能力豐富的分析師，由於流程邊界的存在也不可能每步都參與執行。因此，確保項目能否有效落地的一個重要因素則是能否和業務達成共識。

如何做到？講數據故事：起因(需求定義)、過程(分析邏輯)、結局(重要結論)是否引人入勝(被認可)。

這個過程需要製作PPT向上匯報、與業務溝通，甚至是做跨部門的演講。

不論是業務模型還是演算法模型，最終都有一個「靴子落地」的過程--落地實施。模型測試有效、與業務達成共識後就到了模型的部署上線階段：

接在分析生命周期最後的是分析產品的生命周期： 以產品的思維看待數據分析，交付至業務落地的模型應用就是產品。數據分析這個過程並不是靜態、單次的，而是一個PDCA不斷迭代升級的過程 。（這個分析產品的定義包括分析服務、數據產品。）

從產品思維的角度，分析結論落地到業務流程中，對流程進行再造，提高運營效率。

當數據分析流程成熟後，大量重復執行的流程可以抽取出來，形成自動化的產品，用於服務數據分析（主要對象為數據分析師，也包括運營），這就是數據產品。分析師的結論模型就可以部署到現有的數據產品中，優化分析效率。

之所以要從產品思維的角度來看數據分析過程，是因為要像迭代產品那樣去迭代分析模型：不論是優化演算法參數，還是調整分析框架，都能得到更優的結論。

在數據分析生命周期第一步的「理解業務」中，我們提到業務場景的重要性。

根據業務經驗，筆者沉澱了一套便於理解的模型：業務場景 = 用戶 產品 場景

也就是說，要理解業務，就要了解用戶，熟悉產品，明確分析所處的上下文場景。它們決定了分析的目標、處理邏輯以及落地建議。

更詳細的討論見：回歸到營銷理論，談談到底什麼是業務場景？

對數據分析有了底層認知、了解業務場景後，就需要有看得見摸得著的「招式」來行動：思維方法、工具技術和項目能力這三板斧能組成不同招式應對多變的問題。

經常看到有人說數據分析如做飯，如果是這樣的話， 在數據分析這個廚房裡，工具技術就是鍋鏟、鐵鍋、勺子等器皿，思維方法就是切配、烹飪、打荷等技藝手法，項目能力則是最後的裝盤上菜 。

很多人學做飯，可能是因為在抖音或B站看到某個 美食 視頻，然後就開始按照視頻步驟備料烹飪。這個過程，也就是數據分析中學習思維方法的過程。數據分析也是先有思維方法，才能談得上是分析。

剛開始學做飯時，通常先學基礎的煎、炒、炸、烤、煮、蒸、燜、拌烹飪方式。這些基礎的能力在數據分析中就是統計學、相關分析、歸因分析等通用分析思維。

正如 美食 有八大菜系，分別滿足不同地域人群的口味，數據分析在不同場景下，也有不同的「分析」招式來滿足不同的業務需求：

習得了做飯的方法後，就可以選擇幾件趁手的器皿，來提高烹飪效率。

之所以不是先選擇器皿再研究做飯流程，是因為工具始終是工具，完成同一個目標或許有多種工具可以實現，再不濟我用原始的土灶也能燒飯。

不過對於部分復雜的烹飪需求，也是需要選擇特定的器皿才能完成。

常見的工具技術及應用：

菜做好後一定要及時出鍋、裝盤、上菜，要不然再美味的菜餚也只是空中閣樓。

項目能力強調的是數據分析項目的落地。理論的分析方法如何在業務場景中落地賦能，體現數據價值？這是很多企業數據團隊在討論的課題。

說項目能力像是烹飪最後的上菜階段，其實不太嚴謹，因為 落地能力是一種軟性的能力，貫穿分析項目的整個過程 ：

作者： 作者餅乾哥哥

C. 怎麼理解元宇宙

-------怎麼理解元宇宙-------

D. 說說你所理解的元宇宙

首先我們要了解元宇宙的概念是什麼。元宇宙（Metaverse）是虛擬時空間的集合，是利用科技手段進行鏈接與創造的，與現實世界映射交互的虛擬世界，具備新型社會體系的數字生活空間。那就讓我來說說我所了解的元宇宙是什麼。

一、元宇宙的概念來源。

元宇宙的八個關鍵特徵：即Identity (身份)、Friends(朋友)、Immersive(沉浸感)、Low Friction(低延遲)、Variety(多樣性)、Anywhere(隨地)、Economy(經濟)、Civility(文明)。

各個特徵都有它能夠實現的路徑。有三大實現路徑：①沉浸和疊加。沉浸式路徑的代表是VR技術；②激進和漸進。通往元宇宙的路徑，一直有激進和漸進兩種方式；③開放和封閉。元宇宙的路徑還存在開放和封閉兩種關系。

總結：以上就是我關於元宇宙的全部理解。在現實世界，我們大部分人都在工作，被稱為勞工。隨著進入元宇宙時代，大部分人是不工作的，少量的人在做創新創造和指揮機器人的工作，所以大部分人會在元宇宙時代從勞工轉變為玩工，在元宇宙裡面進行娛樂遊玩，從而進一步產生經濟價值。這是元宇宙當中資本化的邏輯。所以元宇宙的發展是非常有必要的。

E. 什麼是元宇宙技術

元宇宙概念是指被利用科技手段來進行鏈接與創造，是與現實世界映射與交互的虛擬世界，具備新型社會體系的數字生活空間。

元宇宙本質上是對現實世界的虛擬化、數字化過程，需要對內容生產、經濟系統、用戶體驗以及實體世界內容等進行大量改造。但元宇宙的發展循序漸進，是在共享的基礎設施、標准及協議的支撐下，由眾多工具、平台不斷融合、進化而最終成形。

元宇宙六大核心技術

1、物聯網技術：分為感知層、網路層、應用層。

2、區塊鏈技術：演算法及時間戳技術、數據傳播及驗證技術、共識機制、分布式存儲、智能合約、分布式賬本等。

3、交互技術：VR虛擬現實技術、AR虛擬現實技術、MR混合現實技術、全息影像技術、隨機交互技術、感測技術等。

4、網路及運算技術：5G6G、雲計算、邊緣計算。

5、人工智慧技術：計算機視覺、機器學習、自然語音學習、自然語音處理、智能語音等。

6、電子游戲技術：游戲引擎、3D建模、實時渲染等。

F. 什麼是元宇宙

我們可以給宇宙完美的想像。宇宙之外有什麼？我記得一個以色列人說過宇宙從一個原點爆炸。這是一種不完整的理解。什麼是起源？重要嗎？什麼可以是點不是物質？那麼無論它是什麼，都必須被容納在這個空間中。空間是無限的，而且是無窮無盡的。宇宙中的任何物體都必然包含在空間中。這位以色列學者還認為一個起源的爆炸產生了時間和空間，這就更可笑了。空間包含在什麼容器下？當然是無限空間。任何宇宙都是永遠存在的。永恆是時間的概念，是無限的時間和無限的空間。這位以色列學者出版了這本書，被認為是世界上的一部奇書。可見當今世界人類的知識並沒有突破很多概念，被一種頑固的地球認知所禁錮。如果把我們所到達的宇宙看成一個單元，那麼這個單元之外還有一個更大的空間，然後這個更大的空間又被一個更大的空間包圍，無窮無盡。那麼行星宇宙之外是什麼呢？我們看到很多無限星系，星系外是一片黑暗的空間。在這個空間的宇宙海洋中，一個個星系形成的孤島，無數個星系孤島密密麻麻，形成了宇宙的星辰。這顆宇宙星是一個單位。在這個單元之外，還有數不清的宇宙恆星，無窮無盡。當從這個宇宙星到那個宇宙星有無窮無盡的空間，有永遠無法結束的時間，時間就是永恆的。那麼我們所知的多元宇宙之外是什麼呢？是永恆不變的物質星辰，是永恆不變的時間和無邊無際的空間。

G. 到底什麼是元宇宙

元宇宙是利用科技手段進行鏈接與創造的，與現實世界映射與交互的虛擬世界，具備新型社會體系的數字生活空間。

關於「元宇宙」，比較認可的思想源頭是美國數學家和計算機專家弗諾·文奇教授，在其1981年出版的小說《真名實姓》中，創造性地構思了一個通過腦機介面進入並獲得感官體驗的虛擬世界。

元宇宙的引發變化

中國社會科學院數量經濟與技術經濟研究所信息化與網路經濟研究室副主任、中國社會科學院信息化研究中心秘書長左鵬飛認為，元宇宙將給我們的生活和社會經濟發展帶來五個方面的巨變：

（1）從技術創新和協作方式上，進一步提高社會生產效率；

（2）催生出一系列新技術新業態新模式，促進傳統產業變革；

（3）推動文創產業跨界衍生，極大刺激信息消費；

（4）重構工作生活方式，大量工作和生活將在虛擬世界發生；

（5）推動智慧城市建設，創新社會治理模式。

以上內容參考：網路-元宇宙

H. 怎麼加入元宇宙游戲賺錢

加入元宇宙游戲賺錢方法步驟如下：
1.在手機上打開游戲，點擊開始游戲。
2.在游戲里裝備好資源採集工具。
3.然後控制角色採集礦產或樹木資源。
4.獲得這些資源後，將資源交付到回收站，就可以換錢。
元宇宙游戲介紹
元宇宙不是真正的世界，而是一個虛擬的世界。其實更准確來說元宇宙是未來的虛擬世界。
最早來源於1992年的科幻小說《雪崩》，小說描繪了一個龐大的虛擬現實世界，並將其命名為元界，所有現實中的人在元界中都有一個網路分身，大家戴著耳機和眼睛顯設備在這個虛擬世界裡玩樂工作、交易土地，建造樓房公園等等，讓人身臨其境。
電影《頭號玩家》算是還原了元宇宙的最初形態，早在30年前世界著名科學家中國兩彈一星功勛獎章獲得者，錢學森就預言過元宇宙，給他取了另外一個富有中國人文意境的名字。