标签: wps 的官网最新下载的地方在哪(wps下载电脑版免费版官网最新安装)

  • wps office 官方下载地方是多少

      作者:徐坤

      来源:金色财经 

      摘要

      三大矿机公司齐赴港交所,全球区块链第一股花落谁家?

      2018年比特大陆,嘉楠耘智和亿邦国际先后赴港递交上市申请书,全球首批区块链创业公司在未来可能会出现自2009年中本聪发明比特币后的第一次上市潮。三家公司都主要经营wps的官网最新的下载的地方在哪里矿机销售,设计ASIC矿机芯片,采用无晶圆代工模式,在市场竞争中各有优劣。其中,比特大陆招股说明书显示,在2017年以收入计,该公司已经成为中国第二大和全球前十大芯片设计公司。

      逐鹿中原,互争雄长:区块链矿机公司竞争力分析

      在行业市场占有率方面,表现出“三足鼎立”的形式。根据艾瑞咨询的报告,三家矿机公wps的官网最新下载的网站是多少司垄断了比特币矿机市场上近88%的份额,其中比特大陆旗下的蚂蚁矿机以60%以上的市场份额成为该市场上的领导者。

      在经营绩效方面,从绝对值上看,比特大陆在2017年的营业收入和净利润均为嘉楠耘智和亿邦国际的10倍以上;但从ROA和ROE看,三大矿机公司的盈利能力普通高于行业平均水平。其中嘉楠耘智的ROA和ROE连续三年增长,在三家公司中表现最好。

      在研发能力上,三家公司并驱争先,各有优劣。其中比特大陆的研发经费远远高于嘉楠耘智和亿邦国际的研发WPS office电脑版的下载的地方是什么经费。但从研发支出占营收比重来看,比特大陆的研发支出占营收比重相对偏低,常年维持在5%以下的水平,而嘉楠耘智和亿邦国际的研发支出占营收比一直保持在较高水平。此外,迫于转型的压力比特大陆将大量资源用于AI领域的研发,在矿机芯片上持续的低投入给比特大陆的业务带来一定程度的影响。

      居安思危,于治忧乱:矿机公司面临的主要风险

      在监管风险方面,全球各国对wps的官网最新的下载的地方在哪里的态度都是趋于完善监管,但目前我国政府尚未正式出台关于WPS office的电脑版的下载网站怎么找的法律法规。这种监管政策的不确定性可能会对企业业务运营及经营业绩造成不利影响。

      在市场风险方面,主要的风险来源与加密wps的官网最新的下载的地方在哪里价格高波动风险,而矿机公司的营业收入形式多为加密wps的官网最新的下载的地方在哪里,矿机的销售情况也跟wps的官网最新的下载的地方在哪里价格密切相关,因此该市场风险对公司的可持续经营能力的影响十分巨大。

      对于三家矿机公司,比特大陆的存货周转率略高于嘉楠耘智和亿邦国际,但仍低于行业(电子设备行业)平均水平;2017年嘉楠耘智和亿邦国际存货周转率有所回升,但比特大陆的存货周转率反而有所回落。

      在会计风险方面,加密wps的官网最新的下载的地方在哪里被确定为一种可使用年期不确定的无形资产,并采用加权平均成本法而非公允价值计价,这带来的影响是当加密wps的官网最新的下载的地方在哪里价格大跌时,企业的资产规模和净利润面临大幅下降的风险,但该风险却不能反映在资产负债表中;此外,企业的营业收入多为加密货币,但这部分收入无法计入企业的现金流量表中,使公司的经营性现金流在报表中反映可能持续为负,无法正确反映企业的经营情况和短期生存能力。

      吐故纳新,面向未来:矿机公司的AI转型之路

      AI是下一个技术风口。和区块链一样,AI的基础同样是算力,高速算力及数据处理是AI的基本要素WPS office官网最新的下载的网站是什么。矿机公司开发AI芯片,是其拓展业务,分散经营风险的主要策略。目前,比特大陆、嘉楠耘智均已开始布局AI芯片市场。

      风险提示:目前国内对于区块链行业的监管尚不明晰,给企业未来的经营带来一定的不确定性;此外,wps的官网最新的下载的地方在哪里市场目前具有高投机,高波动性的特征,给企业的经营带来高风险,以上风险均可导致企业未能成功上市。

      报告正文

      1. 三大矿机公司齐赴港交所,全球区块链第一股花落谁家?

      2018年9月26日,比特大陆正式向港交所递交招股说明书。比特大陆作为中国大陆区块链领域的独角兽公司,此举引发了市场强烈的关注。如若成功,比特大陆将成为继小米,美团之后第三家在港交所上市的同股不同权的公司。加上嘉楠耘智和亿邦国际分别于今年早前先后赴港递交上市申请书,全球首批区块链创业公司在未来可能会出现自2009年中本聪发明比特币wps 的官网最新的下载地方是多少(wps官网最新电脑版怎么下载)后的第一次上市潮。

      

      亿邦国际于2010年成立,根据其招股说明书披露,亿邦国际最早专注于发展电信业务,涵盖数据通信、光纤传输及微波传输设备,而客户为中国主要电信运营商,如中国移动,及中国电信。在2014年初集团的研发团队开始研发区块链计算设备,在2016年初推出首个自有品牌翼比特E9矿机,2018年从新三板除牌以赴港上市。

      作为全球第二大比特币矿机生产商的嘉楠耘智成立于2013年,其主要产品是“阿瓦隆矿机”。公司创始人张楠赓因研制出第一批内置ASIC芯片技术的加密wps的官网最新的下载的地方在哪里矿机而声誉着重,此外,从2013年到2017年,嘉楠耘智分别成功研发并量产了110nm、55nm、28nm、16nm挖矿芯片。2018年,嘉楠耘智成功研发并量产7nm ASIC芯片,相较其市场主要的竞争产品—比特大陆16nm蚂蚁S9矿机整整领先一代,拥有更高的算力和更低的功耗,在未来比特币矿机市场份额的争夺上占据优势。

      

      在2013年成立的比特大陆,其主要业务领域是设计加密wps的官网最新的下载的地方在哪里挖矿和人工智能ASIC芯片,借助2014年比特币价格的崩盘和2015年初的市场回暖,以及自身矿机的高能低耗的优势,比特大陆成功崛起,成为区块链行业,特别是区块链矿机市场的领导者。根据芯谋研究(ICWise)预计,以销售额计,2017年比特大陆已经成为中国第二大芯片设计公司,而在今年发布的《2017年中国独角兽企业发展报告》中,比特大陆以10亿美元的估值排名第107位。

      wps office的免费版下载地方在哪

      在业务模式方面,比特大陆、嘉楠耘智及亿邦国际这矿机三巨头均采用晶圆代工模式,即矿机公司仅负责前端逻辑设计、后端物理设计以及销售,将晶圆代工和封装测试工作进行外包给第三方供应商。这种轻资产的芯片设计模式,减少了矿机公司的资产成本,可以将业务重心放在芯片的研发和矿机存货的管理上,保证了企业的高速发展。

      

      以比特大陆为例,比特大陆主要负责ASIC芯片设计的前端及后端流程,由比特大陆确定芯片的参数、构建设计的基本逻辑、拟定初步实体布局并进行后端设计验证,在通过流片(试生产)后将图纸送往晶圆代工厂进行大规模生产。在晶圆代工方面,比特大陆的订单由台积电负责,制造出来的芯片送往日月刚和进行封测;在芯片制作完成后,比特大陆再委聘第三方服务商进行PCB组装以及总组装。值得一提的是,根据《商业周刊》的报道,随着2017年下半年比特币的大热,比特大陆成为当年台积电在中国的第2大客户,预计在2018年比特大陆将跻身台积电在全球的前五大客户。

      2. 集成电路行业潜力巨大,区块链领域异军突起

      2.1 集成电路行业:市场规模迅速增长,政策大力扶持

      集成电路(integrated circuit)承担着运算和存储的功能,是电子设备中最重要的部分。在新一轮产业革命正处于酝酿中的历史背景下,芯片成为一切技术的核心,战略地位越来越高。根据弗若斯特沙利文,全球集成电路行业的市场规模由2013年2518亿美元增长至2017年的3414亿美元,年复合增长率为7.9%,并预计全球集成电路行业将以复合增长率9.0%进一步增长,至2020年达到4651亿美元。受益于中国政策支持及国内产业转型升级,近几年中国集成电路市场快速增长。据弗若斯特沙利文数据显示,中国至2017年达到792亿美元,年复合增长率达到21.1%,并预计2020年市场规模将进一步增长至1252亿美元。

      

      无晶圆厂芯片设计公司是仅从事晶圆既芯片的设计、研发、应用和销售,而将晶圆制造外包给专业的晶圆代工厂的半导体公司。根据弗若斯特沙利文,全球无晶圆厂芯片设计行业按销售收益计量的市场规模由2013年629亿美元增长至2017年的770亿美元,年复合增长率为5.2%。受物联网和AI技术的推动,预计未来无晶圆厂芯片设计行业预计将以复合增长率9.6%进一步增长,至2020年达到1011亿美元。近年来,中国无晶圆厂芯片设计公司日益重视自主研发和设计,芯片设计行业以年复合增长率26.3%高速发展,至2017年市场规模达到303亿美元,预计至2020年将达到492亿美元。

      

      集成电路可分为通用集成电路和ASIC芯片。与通用型IC不同,ASIC是专为特定用途而定制的,ASIC在批量生产时与通用集成电路相比具有体积更小、功耗更低、可靠性提高、性能提高、保密性增强、成本降低等优点。据弗若斯特沙利文,ASIC芯片的全球市场规模于2017年达到257亿美元,同比增长率17.88%。由于ASIC的高性能、低功耗,机器学习等尖端技术对ASIC芯片的需求预计将上升,至2022年预计将达到597亿美元,年复合增长率为18.4%。

      

      近年来,我国集成电路产业快速发展,整体实力显著提升,集成电路设计、制造能力与国际先进水平差距不断缩小,封装测试技术逐步接近国际先进水平,部分关键装备和材料被国内外生产线采用,涌现出一批具备一定国际竞争力的骨干企业,产业集聚效应日趋明显。但是,集成电路产业仍然存持续创新能力薄弱、产业发展与市场需求脱节、产业链各环节缺乏协同、适应产业特点的政策环境不完善等突出问题,产业发展水平与先进国家(地区)相比依然存在较大差距,集成电路产品大量依赖进口,难以对构建国家产业核心竞争力、保障信息安全等形成有力支撑。因此国家和地方政府不断出台相关政策支持集成电路的发展,加快追赶先进国家(地区)的步伐。

      2.2 区块链领域:区块链技术方兴未艾,矿机市场风起云涌

      随着加密货币市场接受度的提高和普及,加密货币市场在过去五年取得显著增长。根据coinmarketcap数据显示,加密货币市场总市值最高达到5,663亿美元。截至2018年10月10日,全球wps的官网最新的下载的地方在哪里种类达到2054种。加密货币的普及已经吸引了越来越 多的人在各个交易所开立账户进行加密货币交易。例如,全球领先的加密货币交易所 之一Coinbase的用户数量激增。Coinbase账户总数从2013年的约50万个迅速增至2017 年的约1,330万个,年复合增长率约为124.9%,截至2018年6月30日,Coinbase的在管用户账户达到2,000万个。

      

      

      类似于开采黄金的加密wps的官网最新的下载的地方在哪里“挖矿活动”能够于区块链内增加交易及释放新的加密货币以供流通。以比特币为例,基于比特币的算法, 一个新的区块按每约10分钟的速度形成。形成区块的实际时间可能因多项因素而不同,包括网络中将核实的交易数目以及总hash率,但挖矿难度水平基于现有区块形成次数设为定期调整,以期达致每十分钟这一目标。现时,每解决一个区块获奖励12.5 个比特币,于2017年共产出698,913个比特币。 但是,加密货币的总供应是固定的。就比特币而言,比特币的总供应定为21,000,000个,截至2018年6月15日,已奖励超过 17,000,000个比特币,占总供应量的比例超过80%。于验证过程中解决一个区块所奖励的比特币数量每210,000个区块或约每四年就会减半,直至2140年左右将耗尽总供应。

      

      近年来,随着区块链技术日渐获得广泛应用且加密货币的吸引力愈见增长,特别是加密货币价格增加,加密wps的官网最新的下载的地方在哪里矿机的销售额亦见攀升。供比特币挖矿的矿机乃比特币计算硬件的主要部分,根据弗若斯特沙利文,未来五年内,全球基于ASIC的加密货币矿机市场的市场规模(按收益计)预期将于2022年增加至171亿美元,年复合增长率为41.3%,乃主要受矿工因挖矿难度增加而对能耗低及运营效率高的矿机的需求增加所带动。

      3. 逐鹿中原,互争雄长:区块链矿机公司竞争力分析

      3.1 行业地位:三足鼎立,强者愈强

      相较于“中兴事件”折射出我国在半导体产业上的尴尬现状,在加密wps的官网最新的下载的地方在哪里的上游矿机市场,中国企业在区块链矿机芯片的研发、设计上却在全球处于绝对的优势,以比特大陆、嘉楠耘智和亿邦国际为代表的区块链矿机公司,在全球矿机市场上处于垄断地位。根据艾瑞咨询的报告,三家矿机公司垄断了比特币矿机市场上近88%的份额,其中比特大陆旗下的蚂蚁矿机,以约64.5%的全网算力占有率,60.7%的销售收益占有率成为比特币矿机市场上的绝对领导者。

      

      

      

      3.2 经营绩效:比特大陆一骑绝尘,嘉楠耘智稳中有升

      2017年加密货币行业大爆发,大型矿场如雨后春笋般出现,带动了矿机公司的业务发展,矿机销量和单价均受到比特币挖矿的预期经济回报影响。其中,比特大陆的营业收入最高,在2017年营业收入约为嘉楠耘智的12倍、亿邦国际的16倍,达到164.52亿元,同比增长806.79%。嘉楠耘智和亿邦国际的营收规模较小,2017年嘉楠耘智营收规模至13.08亿元,但增长率反而由2016年的562.22%下滑至2017年的314.12%;亿邦国际2017的的营收增长710.35%至9.78亿元。

      在净利润方面,嘉楠耘智与比特大陆连续三年,每年都保持1倍以上的净利润增长率。2017年,随着加密wps的官网最新的下载的地方在哪里的大热,矿机销售攀升,区块链业务增长迅速,三家矿机公司的净利润均大幅提升。其中,比特大陆净利润增长534.28%至45.83亿元,净利润是同期嘉楠耘智3.61亿元的13倍,是亿邦国际3.85亿的12.5倍左右。

      

      

      

      在盈利能力上,三家矿机公司的毛利率都较高,达到40%以上,嘉楠耘智毛利率水平逐年递增,比特大陆和亿邦国际的毛利率较为稳定。在净利润率方面,比特大陆在2017年的净利润率出现明显下滑的现象,而同期毛利率的下滑并不明显,说明比特大陆在2017年其他成本控制不是很好,出现盈利能力的下降;而嘉楠耘智在近三年的净利润率却一直保持稳定上涨,从2015年的3.16%逐渐增长至2017年的27.59%。

      WPS office电脑版的下载地址的方法

      

      从净资产收益率(ROE)和总资产收益率(ROA)上看,三大矿机公司的盈利能力普遍高于行业平均水平。其中,比特大陆盈利能力均远远高于嘉楠耘智和亿邦国际,但其ROE,ROA出现下降。根据比特大陆招股说明书披露,在2017年比特大陆ROA大幅下降主要是由于其在2017年通过债务融资,财务杠杆加大。嘉楠耘智的ROE和ROA逐年增长,盈利能力在不断增强,因此对其未来盈的利预期在三家公司中最好。亿邦国际于2016年ROE和ROA大幅降低,主要是由于其2016年的利润下降了,净资产和总资产在增加,2017年亿邦国际的盈利能力有所恢复。

      

      

      

      从收入结构上看,三大矿机公司公司的收入均主要来自矿机销售收入。其中,比特大陆矿机销售收入由2015年的7亿增长至2017年148亿元,2017年矿机销售收入占比增加至89.89%,部分收入贡献来源于自营挖矿,但由于挖矿难度上升等因素影响,自营挖矿收入占比逐年下降。2015年嘉楠耘智有25%的收入主要来自ASIC芯片销售,其系统产品(AvalonMiner)销售占比75%左右,至2016和2017年,嘉楠耘智的收入几乎均来自矿机销售。亿邦国际从2017年业务重心转向区块链业务,大部分收益主要来自BPU矿机销售,电信业务营收比重逐年下降,由2015年电信业务营收占比68.30%下降至2017年的5.44%。

      3.3 研发能力:并驱争先,各有优劣

      作为无晶圆厂芯片设计公司,矿机公司均需增强自身的研发能力,不断增加研发支出,才能保证矿机芯片的市场竞争力。2015年比特大陆和亿邦国际的研发支出已经达到千万级别,而在2017年比特大陆的研发费用更达到惊人的4.7亿元人民币,远远高于嘉楠耘智和亿邦国际的研发经费。嘉楠耘智在2015年的研发费用仅仅500万元人民币,自2016年开始,嘉楠耘智以每年1倍的速度增加研发费用支出,在2017年研发费用达到1亿元人民币,实现了对亿邦国际的超车。

      但从研发支出占营收比重来看,由于比特大陆的高营收,其研发支出占营收比重相对偏低,常年维持在5%以下的水平,而嘉楠耘智和亿邦国际的研发支出占营收比一直保持在较高水平。在2017年,由于wps的官网最新的下载的地方在哪里的异常火爆,三家矿机公司在当年的营业收入均出现爆发增长,因此尽管在财报上三家公司在2017年的研发费用占营收比均出现下滑,实际上三家公司在2017年研发上的支出仍然保持高速增长。

      

      

      在过去几年里,比特大陆凭借蚂蚁系列矿机在技术和工艺上的先进性成为矿机市场上的绝对领导者。然而,比特大陆公司一方面继续保持着较低的研发支出占营收比,另一方面迫于转型的需要将大量资源用于AI领域的研发,在矿机芯片上持续的低投入给比特大陆的业务带来一定程度的影响。

      最显著的例子是目前比特大陆的主打矿机产品仍然是2016年研发的蚂蚁S9矿机,所采用的芯片仍然是16 nm工艺,整整两年还没研发出新一代矿机产品,这在以半年至一年为一个迭代周期的wps的官网最新的下载的地方在哪里矿机领域是十分罕见的wps 的官网最新下载的地方在哪(wps下载电脑版免费版官网最新安装)。根据《财经》杂志调查,新一代BTC矿机的单位算力功耗应该在70以下。目前市面上有两款矿机达到这一指标——神马矿机M10为66W/T,芯动矿机T2turbo+为69W/T,而比特大陆矿机S9功耗比最低为104W/T,比神马矿机M10高出了37%,比芯动矿机T2高33%。此外,在2018年嘉楠耘智率先宣布顺利研发并量产7nm芯片,这意味着嘉楠耘智的阿瓦隆矿机不需要像比特大陆一样经过优化,就能做到2倍与比特大陆蚂蚁S9矿机的算力,这严重撼动了比特大陆在矿机市场上的领导者地位。

      4. 居安思危,于治忧乱:矿机公司面临的主要风险

      4.1. 监管风险:监管逐渐完善,态度趋于谨慎

      纵观世界范围,各国对wps的官网最新的下载的地方在哪里的态度都是趋于完善监管,差异仅在于先严后松还是先松后严的问题。目前有一些国家已经对数字资产交易所进行了规范管理,明确了监管方案。Autonomous next根据对加密货币的监管态度严格程度及区块链技术应用水平,将全球各个国家和地区对wps的官网最新的下载的地方在哪里的监管分为四类:(1)持审慎监管态度,wps的官网最新的下载的地方在哪里相关活动被命令禁止的,如中国,印度等国家;(2)持中立或无监管态度的,如印度尼西亚,英国等;(3)监管态度复杂,有积极和消极一面的,如美国,俄罗斯;(4)监管态度积极,鼓励加密wps的官网最新的下载的地方在哪里发展的,如澳大利亚,加拿大等国。

      

      目前,我国政府尚未正式出台关于WPS office的电脑版的下载网站怎么找的法律法规,监管政策多以通知或公告的形式发布,其中最主要的两个文件是中国人民银行等五部委于2013年12月5日联合发布的《关于防范比特币风险的通知》和中国人民银行等七部委于2017年9月4日联合发布了《关于防范代币发行融资风险的公告》。 

      其中,《关于防范比特币风险的通知》明确了比特币的性质,认为比特币不是由货币当局发行,不具有法偿性与强制性等货币属性,并不是真正意义的货币。从性质上看,比特币是一种特定的虚拟商品,不具有与货币等同的法律地位,不能且不应作为货币在市场上流通使用。

      对于矿机公司来说,政府当局可能会继续发布有关其经营所处加密货币行业的新法律、规则及法规,并加强对现有法律, 规则和法规的执行。在新政策的不确定下,公司可能无法保证现有或将来有关加密货币的挖矿、持有、使用或转让的制度不会对其业务运营及经营业绩造成不利影响。 因此,公司对于出台的相关政策或监管措施是否有及时、积极、有效的应对或反映的能力,显得至关重要。

      4.2. 市场风险:wps的官网最新的下载的地方在哪里价格波动大,销售管理难度高

      4.2.1. 加密wps的官网最新的下载的地方在哪里价格波动过高,企业营收影响大

      区块链矿机公司的业务与财务状况均与加密wps的官网最新的下载的地方在哪里的市场价格密切相关:当加密wps的官网最新的下载的地方在哪里的价格上涨时,市场对相关矿机的需求增加,矿机公司的营业收入也会上升;反之,当加密wps的官网最新的下载的地方在哪里价格下降时,矿机的市场需求也会下降,导致矿机公司陷入经营困境。最明显的是在2015年比特币价格持续低迷时,大量的矿机公司都破产倒闭。因此wps的官网最新的下载的地方在哪里价格变化对公司的可持续经营能力的影响十分巨大。

      

      不同于其他商品,加密wps的官网最新的下载的地方在哪里天生就具有高投机性和价格高波动性的特点。在2017年1月初,比特币的价格仅仅1000美元左右,而到了2018年1月初,比特币的价格已经达到了惊人的17,400美元的高点,而仅仅在随后的几个月内,比特币价格又迅速腰斩至6000美元的位置,从中可看出比特币价格的巨大波动性,而这种价格的巨大波动性直接影响了矿机的价格和市场的需求,因此区块链的矿机公司都面临着巨大的wps的官网最新的下载的地方在哪里价格波动风险。 

      4.2.2. 存货及还款风险:存货管理至关重要,应收账款高于行业均值

      对于矿机公司而言,为成功经营公司业务、满足客户要求及预期,企业必须保持若干水平的制成品WPS office官网最新的下载网址的方法存货,以确保有需要时及时交付。然而,如果不能保持存货的水平符合产品的市场需求,就会导致矿机公司销售损失面临存货过多以及持货成本过高的风险,进而对公司业务、财务状况及经营业绩造成重大不利影响。

      对于三家矿机公司,比特大陆的存货周转率略高于嘉楠耘智和亿邦国际,但仍低于行业(电子设备行业)平均水平;2017年嘉楠耘智和亿邦国际存货周转率有所回升,但比特大陆的存货周转率反而有所回落。然而,比特大陆与嘉楠耘智的应收账款周转率偏高,远远高于行业平均水平。在加密wps的官网最新的下载的地方在哪里市场低迷的情况下,这部分应收账款存在成为坏账的的风险。相对而言,亿邦国际的应收账款周转率较低,2017年有所上升,处于行业平均水平。

      4.3. 会计风险:加密wps的官网最新的下载的地方在哪里新式会计法则下的风险

      在本次比特大陆披露的财务报告中,历史性地对加密wps的官网最新的下载的地方在哪里进行审计披露,但由于国家会计准则中尚无相关规范,因此在这其中可能蕴含着相关的跨开机风险。

      根据比特大陆的招股说明书,加密wps的官网最新的下载的地方在哪里被确定为一种可使用年期不确定的无形资产,采用加权平均成本法计价,而非按照加密wps的官网最新的下载的地方在哪里于各个会计参考日的公允价值记账,以避免加密wps的官网最新的下载的地方在哪里价格波动性过大造成的影响。在披露上,将加密wps的官网最新的下载的地方在哪里分为加密加货币(包括BTC,BCH等)与加密代币(主要是ERC20合约创造的代币)两大类,其中,密货币被归为“流动资产-加密货币”,而加密代币规为“流动资产-其他金融资产”。

      从比特大陆财报披露的情况上看,比特大陆持有的加密货币资产从2015年的1200万美元迅速增长至2018年6月的8.8亿美元左右,并且在2016年比特大陆加密货币资产规模超过了现金及等价物的资产规模,其占总资产的比例也从2015年的9.92%增长至2018年6月的28.03%。因此,加密货币资产在比特大陆的公司运营中占据重要地位。但加密货币价格的高风险性也给企业带来了高风险。

      

      在对加密wps的官网最新的下载的地方在哪里在会计日期时进行减值测试及减值准备时,可回收金额为公允价值减去出售成本与使用价值的较高者,而使用价值为资产产生的预期现金流量贴现至其现值,而这需要对有关收益水平及经营成本金额做出重大判断。根据比特大陆财务报表披露,在过去的2015年-2018年四年中,仅在2018年6月30日进行了1.02亿美元的减值准备。然而,根据上文的市场风险可知,比特币在今年的价格已经从1月的1.7万美元高点跌至当前的6000美元左右,跌幅超过50%。这里很明显地,在公允价值与使用价值孰高原则下,确定使用价值时的预期现金流现值高于当前的公允价值,因此仅仅计提减值了约10%的减值准备,而如果按照公允价值对加密货币进行重估,公司的加密货币资产将出现大幅度缩水,从这个角度看,比特大陆在财报中所反映的高盈利能力是不准确的。

      

      由于比特大陆的业务集中在矿机销售、矿场、矿池业务上,这其中的大量收入均以加密wps的官网最新的下载的地方在哪里为主,在会计处理上,与加密货币相关的经营收入则按不同的类别进行确认,如下表所示:

      

      由于比特大陆业务收入的主要形式是加密货币,而在披露时加密货币是单独放在“流动资产-加密货币”科目中,这导致了一个严重的问题,即公司的经营性现金流在报表中反映可能持续为负。如下图所示,近几年比特大陆的经营活动现金流持续为负,在2018年6月更达到了惊人的6.21亿美元,而同期的利润却达到了7亿美元。根据比特大陆招股说明书,2015年、2016年、2017年及2018年上半年,公司以收取加密货币形式确认收入分别为0.54亿美元、1.18亿美元、8.55亿美元及7.5亿美元,在公司总营收中的占比分别为39.42%、42.45%、33.96%及26.35%,而如此重要的收入来源却无法进入现金流量表中,导致无法正确反映企业的经营情况和短期生存能力。

      4.4. 技术风险:区块链网络难度值逐步加大,摩尔定律的诅咒

      4.4.1. 区块链网络难度值调整逐步增大

      比特币网络的难度值并不是一成不变的,而是会根据全网算力进行调整,以保证出块时间一定,由于比特币、区块链技术逐渐被大众所接受,越来越多的矿工加入比特币挖矿行,全网的算力也在不断提高,而全网算力的增加意味着挖矿难度的提高,即一台算力未升级的矿机在单位时间内挖到的比特币数量会下降,最终导致获取一枚比特币的成本提高。比特币区块链大约每两周调节一次难度,我们以5%、8%、11%的难度值改变速率来计算未来一年里比特币挖矿的动态收益和成本,结果如图15所示,从图中可以看出,一台算力不变的矿机,由于全网算力的提高,其在未来一年内获取单位比特币的成本也越来越高。

      

      在现实中,难度值的调整与全网算力挂钩,而全网算力的高低与比特币的价格直接相关:比特币价格越高,越多的矿工涌入挖矿,进而拉高全网算力,提高挖矿难度;反之,挖矿难度会出现降低的情况。全网算力降低的情况在2015年比特币价格崩盘时短暂出现过,但随着wps的官网最新的下载的地方在哪里的逐渐普及,越来越多的人开始关注比特币,即使是2018年出现的wps的官网最新的下载的地方在哪里大熊市,依然有大量矿工涌入比特币挖矿领域,因此未来全网算力还会进一步上涨,除非矿机算力升级,否则挖矿成本会越来越高。然而,矿机芯片也遵从摩尔定律,大约每两年ASIC矿机芯片的性能会提高一倍,因此区块链网络难度调整风险主要来自全网算力增加速度与摩尔定律之间的竞赛。

      4.4.2. 芯片研发风险:摩尔定律下的激烈竞争

      任何一家矿机公司想要在市场竞争中获取优势,最重要的是其ASIC芯片工艺及性能要处于市场领先地位。目前,用于wps的官网最新的下载的地方在哪里挖矿的ASIC芯片以半年至一年为一个迭代周期,而流片工序是企业业务中关键的一环。成功流片意味着公司完成ASIC芯片设计及核实工序的所有阶段。流片过程非常昂贵,反复失败会增加矿机公司的成本,更重要的是延长产品的研发周期,使企业在市场中丧失竞争优势。根据《财经》杂志的报告,比特大陆曾经有几次流片失败,估计损失约60亿元人民币。

      5. 吐故纳新,面向未来:矿机公司的AI转型之路

      目前矿机公司均面临公司营收单一、主营业务营收不稳定、利润受币价影响大的问题。毋庸置疑,AI是互联网的下一个风口。跟区块链一样,AI的基础同样是算力,高速算力及数据处理是AI的基本要素。随着就区块链所开发的集成电路芯片日趋专门化且具针对性,ASIC芯片能就特定目标场景进行定制,可从识别图像、识别语音或分析数据方面支持AI。因此,经验丰富的ASIC芯片设计公司亦同时掌握AI领域相关的专业知识。纵观全球,AI行业强劲增长。据弗若斯特沙利文,AI市场规模由2013年的132亿美元增长至2017年的1044亿美元,年复增长率为67.7%,预计2020年全球行业将持续增长至2613亿美元。

      目前,比特大陆、嘉楠耘智均已开始布局AI芯片市场。其中,比特大陆在2017年第二季度推出了首款AI芯片BM1690,并于2018年第一季度推出第二代AI芯片BM1682,主要应用于图像识别,人脸识别及大数据分析。此外,比特大陆也将专注于云端训练及推断,并拓展到终端设备芯片、算法和开发平台等 AI新领域,以把握AI市场广阔的增长潜力。 2018年1月,在“AI品牌算丰及2018战略”媒体沟通会上,比特大陆产品战略总监介绍,公司将今年后续将发布第二代与第三代AI产品;同时,将加快在公安安防、大数据、互联网等领域的场景化落地,提供算丰人工智能解决方案,加速人工智能全方位布局。除此之外,比特大陆将投资更多人工智能领域的公司。在此之前的2017年12月,比特大陆集团宣布收购智能公司北京萝卜科技有限公司资产,打造机器人产品线“新物种”,加强“萝小逗”系列机器人的开发。

      

      

      嘉楠耘智于2016年开始研发人工智能应用的ASIC芯片,并计划在2018年第四季度批量生产边缘运算芯片(KPU),其KUP均涉及有人工神经网络及高性能处理器,主要提供多元化 ,实时及离线人工智能运用,目标包括智能家居,语音及自然语言识别等领域。的策略是将继续设计及推出KPU及其他人工智能应用ASIC芯片,根据嘉楠耘智的战略规划,该公司将首先专注于边缘运算, 并继续探索物联网领域的应用,如智慧城市、智能监控、智能玩具以及高效能应用(如无人驾驶汽车)。 同时也将继续与行业伙伴保持及监理新的战略合作与联盟,提升行业影响力及整体竞争力,为未来向人工智能技术转型搭建平台。

      三大矿机公司齐赴港交所 全球区块链第一股花落谁家?

      徐坤 

      45分钟前

      1.5万

      摘要

      三大矿机公司齐赴港交所,全球区块链第一股花落谁家?

      2018年比特大陆,嘉楠耘智和亿邦国际先后赴港递交上市申请书,全球首批区块链创业公司在未来可能会出现自2009年中本聪发明比特币后的第一次上市潮。三家公司都主要经营wps的官网最新的下载的地方在哪里矿机销售,设计ASIC矿机芯片,采用无晶圆代工模式,在市场竞争中各有优劣。其中,比特大陆招股说明书显示,在2017年以收入计,该公司已经成为中国第二大和全球前十大芯片设计公司。

      逐鹿中原,互争雄长:区块链矿机公司竞争力分析

      在行业市场占有率方面,表现出“三足鼎立”的形式。根据艾瑞咨询的报告,三家矿机公司垄断了比特币矿机市场上近88%的份额,其中比特大陆旗下的蚂蚁矿机以60%以上的市场份额成为该市场上的领导者。

      在经营绩效方面,从绝对值上看,比特大陆在2017年的营业收入和净利润均为嘉楠耘智和亿邦国际的10倍以上;但从ROA和ROE看,三大矿机公司的盈利能力普通高于行业平均水平。其中嘉楠耘智的ROA和ROE连续三年增长,在三家公司中表现最好。

      在研发能力上,三家公司并驱争先,各有优劣。其中比特大陆的研发经费远远高于嘉楠耘智和亿邦国际的研发经费。但从研发支出占营收比重来看,比特大陆的研发支出占营收比重相对偏低,常年维持在5%以下的水平,而嘉楠耘智和亿邦国际的研发支出占营收比一直保持在较高水平。此外,迫于转型的压力比特大陆将大量资源用于AI领域的研发,在矿机芯片上持续的低投入给比特大陆的业务带来一定程度的影响。

      居安思危,于治忧乱:矿机公司面临的主要风险

      在监管风险方面,全球各国对wps的官网最新的下载的地方在哪里的态度都是趋于完善监管,但目前我国政府尚未正式出台关于WPS office的电脑版的下载网站怎么找的法律法规。这种监管政策的不确定性可能会对企业业务运营及经营业绩造成不利影响。

      在市场风险方面,主要的风险来源与加密wps的官网最新的下载的地方在哪里价格高波动风险,而矿机公司的营业收入形式多为加密wps的官网最新的下载的地方在哪里,矿机的销售情况也跟wps的官网最新的下载的地方在哪里价格密切相关,因此该市场风险对公司的可持续经营能力的影响十分巨大。

      对于三家矿机公司,比特大陆的存货周转率略高于嘉楠耘智和亿邦国际,但仍低于行业(电子设备行业)平均水平;2017年嘉楠耘智和亿邦国际存货周转率有所回升,但比特大陆的存货周转率反而有所回落。

      在会计风险方面,加密wps的官网最新的下载的地方在哪里被确定为一种可使用年期不确定的无形资产,并采用加权平均成本法而非公允价值计价,这带来的影响是当加密wps的官网最新的下载的地方在哪里价格大跌时,企业的资产规模和净利润面临大幅下降的风险,但该风险却不能反映在资产负债表中;此外,企业的营业收入多为加密货币,但这部分收入无法计入企业的现金流量表中,使公司的经营性现金流在报表中反映可能持续为负,无法正确反映企业的经营情况和短期生存能力。

      吐故纳新,面向未来:矿机公司的AI转型之路

      AI是下一个技术风口。和区块链一样,AI的基础同样是算力,高速算力及数据处理是AI的基本要素。矿机公司开发AI芯片,是其拓展业务,分散经营风险的主要策略。目前,比特大陆、嘉楠耘智均已开始布局AI芯片市场。

      风险提示:目前国内对于区块链行业的监管尚不明晰,给企业未来的经营带来一定的不确定性;此外,wps的官网最新的下载的地方在哪里市场目前具有高投机,高波动性的特征,给企业的经营带来高风险,以上风险均可导致企业未能成功上市。

      报告正文

      1. 三大矿机公司齐赴港交所,全球区块链第一股花落谁家?

      2018年9月26日,比特大陆正式向港交所递交招股说明书。比特大陆作为中国大陆区块链领域的独角兽公司,此举引发了市场强烈的关注。如若成功,比特大陆将成为继小米,美团之后第三家在港交所上市的同股不同权的公司。加上嘉楠耘智和亿邦国际分别于今年早前先后赴港递交上市申请书,全球首批区块链创业公司在未来可能会出现自2009年中本聪发明比特币后的第一次上市潮。

      

      亿邦国际于2010年成立,根据其招股说明书披露,亿邦国际最早专注于发展电信业务,涵盖数据通信、光纤传输及微波传输设备,而客户为中国主要电信运营商,如中国移动,中国联通及中国电信。在2014年初集团的研发团队开始研发区块链计算设备,在2016年初推出首个自有品牌翼比特E9矿机,2018年从新三板除牌以赴港上市。

      作为全球第二大比特币矿机生产商的嘉楠耘智成立于2013年,其主要产品是“阿瓦隆矿机”。公司创始人张楠赓因研制出第一批内置ASIC芯片技术的加密wps的官网最新的下载的地方在哪里矿机而声誉着重,此外,从2013年到2017年,嘉楠耘智分别成功研发并量产了110nm、55nm、28nm、16nm挖矿芯片。2018年,嘉楠耘智成功研发并量产7nm ASIC芯片,相较其市场主要的竞争产品—比特大陆16nm蚂蚁S9矿机整整领先一代,拥有更高的算力和更低的功耗,在未来比特币矿机市场份额的争夺上占据优势。

      

      在2013年成立的比特大陆,其主要业务领域是设计加密wps的官网最新的下载的地方在哪里挖矿和人工智能ASIC芯片,借助2014年比特币价格的崩盘和2015年初的市场回暖,以及自身矿机的高能低耗的优势,比特大陆成功崛起,成为区块链行业,特别是区块链矿机市场的领导者。根据芯谋研究(ICWise)预计,以销售额计,2017年比特大陆已经成为中国第二大芯片设计公司,而在今年发布的《2017年中国独角兽企业发展报告》中,比特大陆以10亿美元的估值排名第107位。

      

      在业务模式方面,比特大陆、嘉楠耘智及亿邦国际这矿机三巨头均采用晶圆代工模式,即矿机公司仅负责前端逻辑设计、后端物理设计以及销售,将晶圆代工和封装测试工作进行外包给第三方供应商。这种轻资产的芯片设计模式,减少了矿机公司的资产成本,可以将业务重心放在芯片的研发和矿机存货的管理上,保证了企业的高速发展。

      

      以比特大陆为例,比特大陆主要负责ASIC芯片设计的前端及后端流程,由比特大陆确定芯片的参数、构建设计的基本逻辑、拟定初步实体布局并进行后端设计验证,在通过流片(试生产)后将图纸送往晶圆代工厂进行大规模生产。在晶圆代工方面,比特大陆的订单由台积电负责,制造出来的芯片送往日月刚和长电科技进行封测;在芯片制作完成后,比特大陆再委聘第三方服务商进行PCB组装以及总组装。值得一提的是,根据《商业周刊》的报道,随着2017年下半年比特币的大热,比特大陆成为当年台积电在中国的第2大客户,预计在2018年比特大陆将跻身台积电在全球的前五大客户。

      2. 集成电路行业潜力巨大,区块链领域异军突起

      2.1 集成电路行业:市场规模迅速增长,政策大力扶持

      集成电路(integrated circuit)承担着运算和存储的功能,是电子设备中最重要的部分。在新一轮产业革命正处于酝酿中的历史背景下,芯片成为一切技术的核心,战略地位越来越高。根据弗若斯特沙利文,全球集成电路行业的市场规模由2013年2518亿美元增长至2017年的3414亿美元,年复合增长率为7.9%,并预计全球集成电路行业将以复合增长率9.0%进一步增长,至2020年达到4651亿美元。受益于中国政策支持及国内产业转型升级,近几年中国集成电路市场快速增长。据弗若斯特沙利文数据显示,中国至2017年达到792亿美元,年复合增长率达到21.1%,并预计2020年市场规模将进一步增长至1252亿美元。

      

      无晶圆厂芯片设计公司是仅从事晶圆既芯片的设计、研发、应用和销售,而将晶圆制造外包给专业的晶圆代工厂的半导体公司。根据弗若斯特沙利文,全球无晶圆厂芯片设计行业按销售收益计量的市场规模由2013年629亿美元增长至2017年的770亿美元,年复合增长率为5.2%。受物联网和AI技术的推动,预计未来无晶圆厂芯片设计行业预计将以复合增长率9.6%进一步增长,至2020年达到1011亿美元。近年来,中国无晶圆厂芯片设计公司日益重视自主研发和设计,芯片设计行业以年复合增长率26.3%高速发展,至2017年市场规模达到303亿美元,预计至2020年将达到492亿美元。

      

      集成电路可分为通用集成电路和ASIC芯片。与通用型IC不同,ASIC是专为特定用途而定制的,ASIC在批量生产时与通用集成电路相比具有体积更小、功耗更低、可靠性提高、性能提高、保密性增强、成本降低等优点。据弗若斯特沙利文,ASIC芯片的全球市场规模于2017年达到257亿美元,同比增长率17.88%。由于ASIC的高性能、低功耗,机器学习等尖端技术对ASIC芯片的需求预计将上升,至2022年预计将达到597亿美元,年复合增长率为18.4%。

      

      近年来,我国集成电路产业快速发展,整体实力显著提升,集成电路设计、制造能力与国际先进水平差距不断缩小,封装测试技术逐步接近国际先进水平,部分关键装备和材料被国内外生产线采用,涌现出一批具备一定国际竞争力的骨干企业,产业集聚效应日趋明显。但是,集成电路产业仍然存持续创新能力薄弱、产业发展与市场需求脱节、产业链各环节缺乏协同、适应产业特点的政策环境不完善等突出问题,产业发展水平与先进国家(地区)相比依然存在较大差距,集成电路产品大量依赖进口,难以对构建国家产业核心竞争力、保障信息安全等形成有力支撑。因此国家和地方政府不断出台相关政策支持集成电路的发展,加快追赶先进国家(地区)的步伐。

      2.2 区块链领域:区块链技术方兴未艾,矿机市场风起云涌

      随着加密货币市场接受度的提高和普及,加密货币市场在过去五年取得显著增长。根据coinmarketcap数据显示,加密货币市场总市值最高达到5,663亿美元。截至2018年10月10日,全球wps的官网最新的下载的地方在哪里种类达到2054种。加密货币的普及已经吸引了越来越 多的人在各个交易所开立账户进行加密货币交易。例如,全球领先的加密货币交易所 之一Coinbase的用户数量激增。Coinbase账户总数从2013年的约50万个迅速增至2017 年的约1,330万个,年复合增长率约为124.9%,截至2018年6月30日,Coinbase的在管用户账户达到2,000万个。

      

      

      类似于开采黄金的加密wps的官网最新的下载的地方在哪里“挖矿活动”能够于区块链内增加交易及释放新的加密货币以供流通。以比特币为例,基于比特币的算法, 一个新的区块按每约10分钟的速度形成。形成区块的实际时间可能因多项因素而不同,包括网络中将核实的交易数目以及总hash率,但挖矿难度水平基于现有区块形成次数设为定期调整,以期达致每十分钟这一目标。现时,每解决一个区块获奖励12.5 个比特币,于2017年共产出698,913个比特币。 但是,加密货币的总供应是固定的。就比特币而言,比特币的总供应定为21,000,000个,截至2018年6月15日,已奖励超过 17,000,000个比特币,占总供应量的比例超过80%。于验证过程中解决一个区块所奖励的比特币数量每210,000个区块或约每四年就会减半,直至2140年左右将耗尽总供应。

      

      近年来,随着区块链技术日渐获得广泛应用且加密货币的吸引力愈见增长,特别是加密货币价格增加,加密wps的官网最新的下载的地方在哪里矿机的销售额亦见攀升。供比特币挖矿的矿机乃比特币计算硬件的主要部分,根据弗若斯特沙利文,未来五年内,全球基于ASIC的加密货币矿机市场的市场规模(按收益计)预期将于2022年增加至171亿美元,年复合增长率为41.3%,乃主要受矿工因挖矿难度增加而对能耗低及运营效率高的矿机的需求增加所带动。

      3. 逐鹿中原,互争雄长:区块链矿机公司竞争力分析

      3.1 行业地位:三足鼎立,强者愈强

      相较于“中兴事件”折射出我国在半导体产业上的尴尬现状,在加密wps的官网最新的下载的地方在哪里的上游矿机市场,中国企业在区块链矿机芯片的研发、设计上却在全球处于绝对的优势,以比特大陆、嘉楠耘智和亿邦国际为代表的区块链矿机公司,在全球矿机市场上处于垄断地位。根据艾瑞咨询的报告,三家矿机公司垄断了比特币矿机市场上近88%的份额,其中比特大陆旗下的蚂蚁矿机,以约64.5%的全网算力占有率,60.7%的销售收益占有率成为比特币矿机市场上的绝对领导者。

      

      

      

      3.2 经营绩效:比特大陆一骑绝尘,嘉楠耘智稳中有升

      2017年加密货币行业大爆发,大型矿场如雨后春笋般出现,带动了矿机公司的业务发展,矿机销量和单价均受到比特币挖矿的预期经济回报影响。其中,比特大陆的营业收入最高,在2017年营业收入约为嘉楠耘智的12倍、亿邦国际的16倍,达到164.52亿元,同比增长806.79%。嘉楠耘智和亿邦国际的营收规模较小,2017年嘉楠耘智营收规模至13.08亿元,但增长率反而由2016年的562.22%下滑至2017年的314.12%;亿邦国际2017的的营收增长710.35%至9.78亿元。

      在净利润方面,嘉楠耘智与比特大陆连续三年,每年都保持1倍以上的净利润增长率。2017年,随着加密wps的官网最新的下载的地方在哪里的大热,矿机销售攀升,区块链业务增长迅速,三家矿机公司的净利润均大幅提升。其中,比特大陆净利润增长534.28%至45.83亿元,净利润是同期嘉楠耘智3.61亿元的13倍,是亿邦国际3.85亿的12.5倍左右。

      

      

      

      在盈利能力上,三家矿机公司的毛利率都较高,达到40%以上,嘉楠耘智毛利率水平逐年递增,比特大陆和亿邦国际的毛利率较为稳定。在净利润率方面,比特大陆在2017年的净利润率出现明显下滑的现象,而同期毛利率的下滑并不明显,说明比特大陆在2017年其他成本控制不是很好,出现盈利能力的下降;而嘉楠耘智在近三年的净利润率却一直保持稳定上涨,从2015年的3.16%逐渐增长至2017年的27.59%。

      

      

      从净资产收益率(ROE)和总资产收益率(ROA)上看,三大矿机公司的盈利能力普遍高于行业平均水平。其中,比特大陆盈利能力均远远高于嘉楠耘智和亿邦国际,但其ROE,ROA出现下降。根据比特大陆招股说明书披露,在2017年比特大陆ROA大幅下降主要是由于其在2017年通过债务融资,财务杠杆加大。嘉楠耘智的ROE和ROA逐年增长,盈利能力在不断增强,因此对其未来盈的利预期在三家公司中最好。亿邦国际于2016年ROE和ROA大幅降低,主要是由于其2016年的利润下降了,净资产和总资产在增加,2017年亿邦国际的盈利能力有所恢复。

      

      

      

      从收入结构上看,三大矿机公司公司的收入均主要来自矿机销售收入。其中,比特大陆矿机销售收入由2015年的7亿增长至2017年148亿元,2017年矿机销售收入占比增加至89.89%,部分收入贡献来源于自营挖矿,但由于挖矿难度上升等因素影响,自营挖矿收入占比逐年下降。2015年嘉楠耘智有25%的收入主要来自ASIC芯片销售,其系统产品(AvalonMiner)销售占比75%左右,至2016和2017年,嘉楠耘智的收入几乎均来自矿机销售。亿邦国际从2017年业务重心转向区块链业务,大部分收益主要来自BPU矿机销售,电信业务营收比重逐年下降,由2015年电信业务营收占比68.30%下降至2017年的5.44%。

      3.3 研发能力:并驱争先,各有优劣

      作为无晶圆厂芯片设计公司,矿机公司均需增强自身的研发能力,不断增加研发支出,才能保证矿机芯片的市场竞争力。2015年比特大陆和亿邦国际的研发支出已经达到千万级别,而在2017年比特大陆的研发费用更达到惊人的4.7亿元人民币,远远高于嘉楠耘智和亿邦国际的研发经费。嘉楠耘智在2015年的研发费用仅仅500万元人民币,自2016年开始,嘉楠耘智以每年1倍的速度增加研发费用支出,在2017年研发费用达到1亿元人民币,实现了对亿邦国际的超车。

      但从研发支出占营收比重来看,由于比特大陆的高营收,其研发支出占营收比重相对偏低,常年维持在5%以下的水平,而嘉楠耘智和亿邦国际的研发支出占营收比一直保持在较高水平。在2017年,由于wps的官网最新的下载的地方在哪里的异常火爆,三家矿机公司在当年的营业收入均出现爆发增长,因此尽管在财报上三家公司在2017年的研发费用占营收比均出现下滑,实际上三家公司在2017年研发上的支出仍然保持高速增长。

      

      

      在过去几年里,比特大陆凭借蚂蚁系列矿机在技术和工艺上的先进性成为矿机市场上的绝对领导者。然而,比特大陆公司一方面继续保持着较低的研发支出占营收比,另一方面迫于转型的需要将大量资源用于AI领域的研发,在矿机芯片上持续的低投入给比特大陆的业务带来一定程度的影响。

      最显著的例子是目前比特大陆的主打矿机产品仍然是2016年研发的蚂蚁S9矿机,所采用的芯片仍然是16 nm工艺,整整两年还没研发出新一代矿机产品,这在以半年至一年为一个迭代周期的wps的官网最新的下载的地方在哪里矿机领域是十分罕见的。根据《财经》杂志调查,新一代BTC矿机的单位算力功耗应该在70以下。目前市面上有两款矿机达到这一指标——神马矿机M10为66W/T,芯动矿机T2turbo+为69W/T,而比特大陆矿机S9功耗比最低为104W/T,比神马矿机M10高出了37%,比芯动矿机T2高33%。此外,在2018年嘉楠耘智率先宣布顺利研发并量产7nm芯片,这意味着嘉楠耘智的阿瓦隆矿机不需要像比特大陆一样经过优化,就能做到2倍与比特大陆蚂蚁S9矿机的算力,这严重撼动了比特大陆在矿机市场上的领导者地位。

      4. 居安思危,于治忧乱:矿机公司面临的主要风险

      4.1. 监管风险:监管逐渐完善,态度趋于谨慎

      纵观世界范围,各国对wps的官网最新的下载的地方在哪里的态度都是趋于完善监管,差异仅在于先严后松还是先松后严的问题。目前有一些国家已经对数字资产交易所进行了规范管理,明确了监管方案。Autonomous next根据对加密货币的监管态度严格程度及区块链技术应用水平,将全球各个国家和地区对wps的官网最新的下载的地方在哪里的监管分为四类:(1)持审慎监管态度,wps的官网最新的下载的地方在哪里相关活动被命令禁止的,如中国,印度等国家;(2)持中立或无监管态度的,如印度尼西亚,英国等;(3)监管态度复杂,有积极和消极一面的,如美国,俄罗斯;(4)监管态度积极,鼓励加密wps的官网最新的下载的地方在哪里发展的,如澳大利亚,加拿大等国。

      

      目前,我国政府尚未正式出台关于WPS office的电脑版的下载网站怎么找的法律法规,监管政策多以通知或公告的形式发布,其中最主要的两个文件是中国人民银行等五部委于2013年12月5日联合发布的《关于防范比特币风险的通知》和中国人民银行等七部委于2017年9月4日联合发布了《关于防范代币发行融资风险的公告》。 

      其中,《关于防范比特币风险的通知》明确了比特币的性质,认为比特币不是由货币当局发行,不具有法偿性与强制性等货币属性,并不是真正意义的货币。从性质上看,比特币是一种特定的虚拟商品,不具有与货币等同的法律地位,不能且不应作为货币在市场上流通使用。

      对于矿机公司来说,政府当局可能会继续发布有关其经营所处加密货币行业的新法律、规则及法规,并加强对现有法律, 规则和法规的执行。在新政策的不确定下,公司可能无法保证现有或将来有关加密货币的挖矿、持有、使用或转让的制度不会对其业务运营及经营业绩造成不利影响。 因此,公司对于出台的相关政策或监管措施是否有及时、积极、有效的应对或反映的能力,显得至关重要。

      4.2. 市场风险:wps的官网最新的下载的地方在哪里价格波动大,销售管理难度高

      4.2.1. 加密wps的官网最新的下载的地方在哪里价格波动过高,企业营收影响大

      区块链矿机公司的业务与财务状况均与加密wps的官网最新的下载的地方在哪里的市场价格密切相关:当加密wps的官网最新的下载的地方在哪里的价格上涨时,市场对相关矿机的需求增加,矿机公司的营业收入也会上升;反之,当加密wps的官网最新的下载的地方在哪里价格下降时,矿机的市场需求也会下降,导致矿机公司陷入经营困境。最明显的是在2015年比特币价格持续低迷时,大量的矿机公司都破产倒闭。因此wps的官网最新的下载的地方在哪里价格变化对公司的可持续经营能力的影响十分巨大。

      

      不同于其他商品,加密wps的官网最新的下载的地方在哪里天生就具有高投机性和价格高波动性的特点。在2017年1月初,比特币的价格仅仅1000美元左右,而到了2018年1月初,比特币的价格已经达到了惊人的17,400美元的高点,而仅仅在随后的几个月内,比特币价格又迅速腰斩至6000美元的位置,从中可看出比特币价格的巨大波动性,而这种价格的巨大波动性直接影响了矿机的价格和市场的需求,因此区块链的矿机公司都面临着巨大的wps的官网最新的下载的地方在哪里价格波动风险。 

      4.2.2. 存货及还款风险:存货管理至关重要,应收账款高于行业均值

      对于矿机公司而言,为成功经营公司业务、满足客户要求及预期,企业必须保持若干水平的制成品存货,以确保有需要时及时交付。然而,如果不能保持存货的水平符合产品的市场需求,就会导致矿机公司销售损失面临存货过多以及持货成本过高的风险,进而对公司业务、财务状况及经营业绩造成重大不利影响。

      对于三家矿机公司,比特大陆的存货周转率略高于嘉楠耘智和亿邦国际,但仍低于行业(电子设备行业)平均水平;2017年嘉楠耘智和亿邦国际存货周转率有所回升,但比特大陆的存货周转率反而有所回落。然而,比特大陆与嘉楠耘智的应收账款周转率偏高,远远高于行业平均水平。在加密wps的官网最新的下载的地方在哪里市场低迷的情况下,这部分应收账款存在成为坏账的的风险。相对而言,亿邦国际的应收账款周转率较低,2017年有所上升,处于行业平均水平。

      4.3. 会计风险:加密wps的官网最新的下载的地方在哪里新式会计法则下的风险

      在本次比特大陆披露的财务报告中,历史性地对加密wps的官网最新的下载的地方在哪里进行审计披露,但由于国家会计准则中尚无相关规范,因此在这其中可能蕴含着相关的跨开机风险。

      根据比特大陆的招股说明书,加密wps的官网最新的下载的地方在哪里被确定为一种可使用年期不确定的无形资产,采用加权平均成本法计价,而非按照加密wps的官网最新的下载的地方在哪里于各个会计参考日的公允价值记账,以避免加密wps的官网最新的下载的地方在哪里价格波动性过大造成的影响。在披露上,将加密wps的官网最新的下载的地方在哪里分为加密加货币(包括BTC,BCH等)与加密代币(主要是ERC20合约创造的代币)两大类,其中,密货币被归为“流动资产-加密货币”,而加密代币规为“流动资产-其他金融资产”。

      从比特大陆财报披露的情况上看,比特大陆持有的加密货币资产从2015年的1200万美元迅速增长至2018年6月的8.8亿美元左右,并且在2016年比特大陆加密货币资产规模超过了现金及等价物的资产规模,其占总资产的比例也从2015年的9.92%增长至2018年6月的28.03%。因此,加密货币资产在比特大陆的公司运营中占据重要地位。但加密货币价格的高风险性也给企业带来了高风险。

      

      在对加密wps的官网最新的下载的地方在哪里在会计日期时进行减值测试及减值准备时,可回收金额为公允价值减去出售成本与使用价值的较高者,而使用价值为资产产生的预期现金流量贴现至其现值,而这需要对有关收益水平及经营成本金额做出重大判断。根据比特大陆财务报表披露,在过去的2015年-2018年四年中,仅在2018年6月30日进行了1.02亿美元的减值准备。然而,根据上文的市场风险可知,比特币在今年的价格已经从1月的1.7万美元高点跌至当前的6000美元左右,跌幅超过50%。这里很明显地,在公允价值与使用价值孰高原则下,确定使用价值时的预期现金流现值高于当前的公允价值,因此仅仅计提减值了约10%的减值准备,而如果按照公允价值对加密货币进行重估,公司的加密货币资产将出现大幅度缩水,从这个角度看,比特大陆在财报中所反映的高盈利能力是不准确的。

      

      由于比特大陆的业务集中在矿机销售、矿场、矿池业务上,这其中的大量收入均以加密wps的官网最新的下载的地方在哪里为主,在会计处理上,与加密货币相关的经营收入则按不同的类别进行确认,如下表所示:

      

      由于比特大陆业务收入的主要形式是加密货币,而在披露时加密货币是单独放在“流动资产-加密货币”科目中,这导致了一个严重的问题,即公司的经营性现金流在报表中反映可能持续为负。如下图所示,近几年比特大陆的经营活动现金流持续为负,在2018年6月更达到了惊人的6.21亿美元,而同期的利润却达到了7亿美元。根据比特大陆招股说明书,2015年、2016年、2017年及2018年上半年,公司以收取加密货币形式确认收入分别为0.54亿美元、1.18亿美元、8.55亿美元及7.5亿美元,在公司总营收中的占比分别为39.42%、42.45%、33.96%及26.35%,而如此重要的收入来源却无法进入现金流量表中,导致无法正确反映企业的经营情况和短期生存能力。

      4.4. 技术风险:区块链网络难度值逐步加大,摩尔定律的诅咒

      4.4.1. 区块链网络难度值调整逐步增大

      比特币网络的难度值并不是一成不变的,而是会根据全网算力进行调整,以保证出块时间一定,由于比特币、区块链技术逐渐被大众所接受,越来越多的矿工加入比特币挖矿行,全网的算力也在不断提高,而全网算力的增加意味着挖矿难度的提高,即一台算力未升级的矿机在单位时间内挖到的比特币数量会下降,最终导致获取一枚比特币的成本提高。比特币区块链大约每两周调节一次难度,我们以5%、8%、11%的难度值改变速率来计算未来一年里比特币挖矿的动态收益和成本,结果如图15所示,从图中可以看出,一台算力不变的矿机,由于全网算力的提高,其在未来一年内获取单位比特币的成本也越来越高。

      

      在现实中,难度值的调整与全网算力挂钩,而全网算力的高低与比特币的价格直接相关:比特币价格越高,越多的矿工涌入挖矿,进而拉高全网算力,提高挖矿难度;反之,挖矿难度会出现降低的情况。全网算力降低的情况在2015年比特币价格崩盘时短暂出现过,但随着wps的官网最新的下载的地方在哪里的逐渐普及,越来越多的人开始关注比特币,即使是2018年出现的wps的官网最新的下载的地方在哪里大熊市,依然有大量矿工涌入比特币挖矿领域,因此未来全网算力还会进一步上涨,除非矿机算力升级,否则挖矿成本会越来越高。然而,矿机芯片也遵从摩尔定律,大约每两年ASIC矿机芯片的性能会提高一倍,因此区块链网络难度调整风险主要来自全网算力增加速度与摩尔定律之间的竞赛。

      4.4.2. 芯片研发风险:摩尔定律下的激烈竞争

      任何一家矿机公司想要在市场竞争中获取优势,最重要的是其ASIC芯片工艺及性能要处于市场领先地位。目前,用于wps的官网最新的下载的地方在哪里挖矿的ASIC芯片以半年至一年为一个迭代周期,而流片工序是企业业务中关键的一环。成功流片意味着公司完成ASIC芯片设计及核实工序的所有阶段。流片过程非常昂贵,反复失败会增加矿机公司的成本,更重要的是延长产品的研发周期,使企业在市场中丧失竞争优势。根据《财经》杂志的报告,比特大陆曾经有几次流片失败,估计损失约60亿元人民币。

      5. 吐故纳新,面向未来:矿机公司的AI转型之路

      目前矿机公司均面临公司营收单一、主营业务营收不稳定、利润受币价影响大的问题。毋庸置疑,AI是互联网的下一个风口。跟区块链一样,AI的基础同样是算力,高速算力及数据处理是AI的基本要素。随着就区块链所开发的集成电路芯片日趋专门化且具针对性,ASIC芯片能就特定目标场景进行定制,可从识别图像、识别语音或分析数据方面支持AI。因此,经验丰富的ASIC芯片设计公司亦同时掌握AI领域相关的专业知识。纵观全球,AI行业强劲增长。据弗若斯特沙利文,AI市场规模由2013年的132亿美元增长至2017年的1044亿美元,年复增长率为67.7%,预计2020年全球行业将持续增长至2613亿美元。

      目前,比特大陆、嘉楠耘智均已开始布局AI芯片市场。其中,比特大陆在2017年第二季度推出了首款AI芯片BM1690,并于2018年第一季度推出第二代AI芯片BM1682,主要应用于图像识别,人脸识别及大数据分析。此外,比特大陆也将专注于云端训练及推断,并拓展到终端设备芯片、算法和开发平台等 AI新领域,以把握AI市场广阔的增长潜力。 2018年1月,在“AI品牌算丰及2018战略”媒体沟通会上,比特大陆产品战略总监介绍,公司将今年后续将发布第二代与第三代AI产品;同时,将加快在公安安防、大数据、互联网等领域的场景化落地,提供算丰人工智能解决方案,加速人工智能全方位布局。除此之外,比特大陆将投资更多人工智能领域的公司。在此之前的2017年12月,比特大陆集团宣布收购智能机器人公司北京萝卜科技有限公司资产,打造机器人产品线“新物种”,加强“萝小逗”系列机器人的开发。

      

      

      嘉楠耘智于2016年开始研发人工智能应用的ASIC芯片,并计划在2018年第四季度批量生产边缘运算芯片(KPU),其KUP均涉及有人工神经网络及高性能处理器,主要提供多元化 ,实时及离线人工智能运用,目标包括智能家居,语音及自然语言识别等领域。的策略是将继续设计及推出KPU及其他人工智能应用ASIC芯片,根据嘉楠耘智的战略规划,该公司将首先专注于边缘运算, 并继续探索物联网领域的应用,如智慧城市、智能监控、智能玩具以及高效能应用(如无人驾驶汽车)。 同时也将继续与行业伙伴保持及监理新的战略合作与联盟,提升行业影响力及整体竞争力,为未来向人工智能技术转型搭建平台。

  • wps官网最新的下载的地址在哪里

      【项目背景】

      当下我国正处于从4G网络向5G网络转型的过程中。5G网络拥有高可靠、低时延、大带宽、大连接等特性,在赋智慧城市、远程医疗和自动驾驶等领域都有很好的应用效果。从4G时代迈向5G时代,有利于发展多种新兴产业,也有利于居民的生活质量,而提升移动端的5G用户数量正是4G时代向5G时代的转变中至关重要一步。

      【项目目标】

      (1)对用户的数据进行分析,针对5G业务形成认知,找到关键指标,并对如何推广5G业务提出建议。

      (2)构建5G潜客识别模型。

      本项目涵盖了一个数据分析/ 机器学习项目的大部分关键内容。

      【主要内容】

      (1)数据摸底+数据处理: 对数据集进行修改、了解和梳理,做缺失值处理和异常值处理。

      (2)EDA: 以可视化、相关性分析等手段进行探索性数据分析,深入了解数据,总结了一些机器学习部分可以参考的信息,以及一些对5G业务的认知与建议wps 的官网的下载入口是什么。(重要的结论都汇总在“EDA总结”这一小节中。)

      (3)特征工程和机器学习 :构建潜客识别模型。

      p.s:具体的内容请看左边的目录。

      【数据集简介】

      使用的数据集来自中国移动“梧桐杯”大数据应用创新大赛重庆赛区的比赛题目,具体数据由重庆移动大数据平台提供。

      原数据集分为1个训练集和2个预测集,预测集的目标变量的答案在网上暂时找不到,本项目仅使用了训练集(后称数据集)。数据集包含了重庆移动用户的43个特征变量和1个目标变量,总数据量为28W行。根据项目概述可将这44个变量按照业务上的含义分为10组,分别为用户标识相关字段,用户基础信息相关字段,消费行为信息相关字段,超套信息相关字段,宽带信息相关字段,签约信息相关字段,套餐信息,流量饱和度信息,其他信息相关字段,标签字段。

      样本数据特征集的字段说明如下(以下内容截取子上方链接中的项目概述):在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      对数据集进行了解、修改和梳理,做缺失值处理和异常值处理。

      数据摸底

      检查数据集的行列数。

      检查各字段的字段名和数据类型。

      在这里插入图片描述

      修改列名。(根据项目概述中给的信息)

      进一步修改列名。

      为了提高列名的一致性,将字段名‘宽带是否激活’修改为‘是否激活宽带’。

      为了提高列名的一致性,将签约信息相关的4个字段名从‘xxx标识’修改为‘是否xxx’。

      为了提高列名的一致性,将’居住地是否覆盖5g标识’字段重命名为’居住地是否覆盖5G’。将’工作地是否覆盖5G基站’字段重命名为’工作地是否覆盖5G’。

      为了让列名更简洁,将字段名‘5G流量,空值表示未产生5G流量’,修改为‘5G流量’。

      为了让列名更简洁、准确,将字段名‘用户总套餐价值(包含主题套餐和自选套餐等)’修改为‘用户总套餐价值’,将字段名‘用户主资费套餐’修改为‘用户主资费套餐价值’。

      观察发现,字段名‘上上月月用户流量饱和度’存在错误,将它修改为‘上上月用户流量饱WPS office的电脑版的下载的地址怎么找和度’。

      在这里插入图片描述

      下面检查重复值。观察发现,每一条记录对应一个用户标识和一个用户号码,检查这两个字段的取值是否有重复。(两个字段的取值都相同则算存在重复值。)

      在这里插入图片描述经检查,本表不存在重复记录。

      删除用不上的字段:‘用户标识’, ‘用户号码’。

      删除已完成

      查看最终的列名。

      在这里插入图片描述

      在这里插入图片描述

      经检查,各字段的数据类型与项目概述中描述的一致。

      确定分类变量,数值变量,目标变量。

      依据项目目标,把‘标签’字段设为目标变量,该字段表明了用户是否为5G用户。 下面将取值种类小于等于10种的变量划分为分类变量,大于10种的划分为数值变量。

      在这里插入图片描述

      按照项目描述中给出的思路,将数据集中的字段按照业务含义进行如下分组:

      用户基础信息相关字段共有5个:‘性别’, ‘年龄’, ‘星级’, ‘在网时长’, ‘细分市场’ 。其中分类变量共有3个:‘性别’, ‘星级’, ‘细分市场’。数值变量共有2个:‘年龄’, ‘在网时长’。

      消费行为信息相关字段共有12个:‘当月arpu’, ‘上月arpu’, ‘上上月arpu’, ‘当月dou’, ‘上月dou’, ‘上上月dou’, ‘当月mou’, ‘上月mou’, ‘上上月mou’, ‘近三月平均arpu’, ‘近三月平均dou’, ‘近三月平均mou’。它们全部为数值变量。

      超套信息相关字段共有6个:‘当月语音超套金额’, ‘上月语音超套金额’, ‘上上月语音超套金额’, ‘当月流量超套金额’, ‘上月流量超套金额’, ‘上上月流量超套金额’。它们全部为数值变量。

      宽带信息相关字段共有4个:‘是否本网宽带用户’, ‘是否异网宽带用户’, ‘宽带带宽’, ‘是否激活宽带’。它们全部为分类变量。

      签约信息相关字段共有4个:[‘是否宽带捆绑签约’, ‘是否终端捆绑签约’, ‘是否话费签约’, ‘是否套餐签约’]。它们全部为分类变量。

      套餐信息相关字段共有2个:[‘用户总套餐价值’, ‘用户主资费套餐价值’]。它们都是数值变量。

      流量饱和度信息相关字段共有3个:[‘当月用户流量饱和度’, ‘上月用户流量饱和度’, ‘上上月用户流量饱和度’]。它们都是数值变量。

      其他信息的相关字段共有7个:[‘是否家庭用户’, ‘5G流量’, ‘终端类型’, ‘当月是否低消保号用户’, ‘当月是否换机’, ‘居住地是否覆盖5G’, ‘工作地是否覆盖5G’]。 分类变量共有6个:[[‘是否家庭用户’, ‘终端类型’, ‘当月是否低消保号用户’, ‘当月是否换机’, ‘居住地是否覆盖5G’, ‘工作地是否覆盖5G’]]。 数值变量共有1个:[5G流量]。

      标签字段分组只有一个字段’标签’,它是分类型变量,是本项目的目标变量。

      缺失值处理、异常值处理

      检查各字段的缺失值数量。

      在这里插入图片描述

      经检查,数据集的部分字段存在缺失值。 下面对各个字段分组中的各个字段逐一进行缺失值处理和异常值处理。

      对于分类变量,不做异常值检测。 对一些数值变量,在进行异常值检验后,决定保留这些异常值,原因如下: (1)认为这些异常值并非来自于某些错误(比如输入错误),而是代表着某些较为罕见的真实情况。 (2)在项目的EDA部分,排除这些罕见的数据会产生一些错误。 (3)在项目的机器学习部分,除了对异常值敏感的模型(如逻辑回归),我们也采用了一些对异常值不敏感的模型,例如随机森林。这样即使不排除异常值,也能做出不错的预测。 对于一些数值变量,在了解它的分布情况之后,直接跳过异常值检测和异常值处理。

      用户基础信息相关字段

      用户基础信息相关字段共有5个:‘性别’, ‘年龄’, ‘星级’, ‘在网时长’, ‘细分市场’ 。其中分类变量共有3个:‘性别’, ‘星级’, ‘细分市场’。数值变量共有2个:‘年龄’, ‘在网时长’

      观察字段的分布情况。

      在这里插入图片描述

      在这里插入图片描述

      缺失值处理 检查缺失值。

      在这里插入图片描述

      在这里插入图片描述查看这些字段中任意一个字段为空值的记录。

      在这里插入图片描述

      在这里插入图片描述对于每个有缺失值的字段ci,新建一个字段:ci_曾有缺失值。某行的ci字段如有缺失值,则该行的ci_曾有缺失值字段为True,否则为False。 对所有缺失值用众数进行填充。

      在这里插入图片描述

      异常值处理

      在这里插入图片描述观察本组的数值变量后,决定不对这些字段做异常值处理。

      消费行为信息相关字段

      消费行为信息相关字段共有12个:‘当月arpu’ WPS office的官网最新下载的入口是什么, ‘上月arpu’, ‘上上月arpu’, ‘当月dou’, ‘上月dou’, ‘上上月dou’, ‘当月mou’, ‘上月mou’, ‘上上月mou’, ‘近三月平均arpu’, ‘近三月平均dou’, ‘近三月平均mou’。它们全部为数值变量。

      观察字段的分布情况。

      在这里插入图片描述缺失值处理

      检查缺失值。

      在这里插入图片描述

      在这里插入图片描述

      消费行为信息相关的12个字段的缺失值的数量相同,猜测这12个字段总是一起取空值。

      在这里插入图片描述

      上面的猜测得到证实,任意一条记录的这些字段的数据,总是一起取空值。

      查看这些字段中任意一个字段为空值的记录。

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      下面用IQR方法进行异常值检测。把小于第一四分位数,或大于第三四分位数的数据判定为异常值。

      观察各列低于Q1-1.5IQR的数据的分布情况。

      在这里插入图片描述

      观察各列高于Q3+1.5IQR的数据的分布情况。

      在这里插入图片描述决定将这些异常值全部保留。

      超套信息相关字段

      超套信息相关字段共有6个:‘当月语音超套金额’, ‘上月语音超套金额’, ‘上上月语音超套金额’, ‘当月流量超套金额’, ‘上月流量超套金额’, ‘上上月流量超套金额’。它们全部为数值变量。

      观察字段的分布情况。

      在这里插入图片描述

      缺失值处理

      检查缺失值。

      在这里插入图片描述

      超套信息相关的6个字段的缺失值的数量相同,猜测这6个字段总是同时取空值。

      上面的猜测得到证实,任意一条记录的这些字段的数据,总是一起取空值。

      查看这些字段中任意一个字段为空值的记录。

      在这里插入图片描述

      把这些字段中任意一个字段为空值的记录删除。

      在这里插入图片描述

      异常值处理

      在这里插入图片描述采用缩尾法进行异常值检测。把小于第1百分位数,或大于第99百分位数的数据判定为异常值。

      观察各列低于第1百分位数的数据的分布情况。

      在这里插入图片描述

      观察各列高于第99百分位数的数据的分布情况。

      在这里插入图片描述

      在这里插入图片描述

      决定将这些异常值全部保留。

      宽带信息相关字段

      宽带信息相关字段共有4个:‘是否本网宽带用户’, ‘是否异网宽带用户’, ‘宽带带宽’, ‘是否激活宽带’。它们全部为分类变量。

      观察字段的分布情况。

      在这里插入图片描述

      缺失值处理

      检查缺失值。

      在这里插入图片描述

      ‘宽带带宽’, '是否激活宽带’这2个字段的缺失值的数量相同,猜测这2个字段总是一起取空值。

      上面的猜测得到证实,任意一条记录的这些字段的数据,总是一起取空值。

      查看这些字段中任意一个字段为空值的记录。

      在判断宽带信息相关字段的缺失值产生的原因时,遇到了一些困难,主要是这本分的字段涉及到了异网,即其他家运营商,部分字段的口径令人感到疑惑。在联合’是否宽带捆绑签约’字段做分析后,思路才变得清晰了起来。

      在这里插入图片描述

      先说结论:‘是否宽带捆绑签约’, ‘宽带带宽’, '是否激活宽带’这几个字段记录的是“是否在本公司xxx”,而没有记录在其他家运营商的宽带捆绑签约,宽带带宽和激活宽带的数据。

      我们先观察上面代码块输出的最后一个表。这个表中’是否宽带捆绑签约’字段出现了缺失值,于是我先做了该字段的缺失值分析,最终认为该字段的缺失值都是由于输入等环节的疏漏产生的,由于缺失值的数量很小,决定把这些缺失值的相应记录删除。(具体的分析和执行详见下一小节)那么现在我们可以忽略这些缺失值了。

      忽略缺失值之后我们发现,'是否本网宽带用户’为1且’是否异网宽带用户’为0的用户,他们的宽带捆绑签约率为99.40%。而’是否本网宽带用户’为0且’是否异网宽带用户’为1的用户,他们的宽带捆绑签约率仅有0.05%。这个巨大的差异是不正常的,本网宽带用户和异网宽带用户的习惯不应该有这么大的差别。一个合理的推测是,'是否宽带捆绑签约’字段统计的是“是否在本公司宽带捆绑签约”,这就能解释为什么不是本网宽带用户仅是异网宽带用户在这个字段99.95%都是0,他们是其他家运营商的宽带用户,自然绝大部分都没有和本公司进行签约而是和其他家运营商进行签约。这也很好地解释了,为什么’是否本网宽带用户’为1且’是否异网宽带用户’为1的用户,他们在’是否宽带捆绑签约’字段中1的比例仅有90%,这是因为那些在两边都购买了宽带服务的用户,可能会和其他家运营商签约而不和本公司签约。

      带着这个思路回头看 ‘宽带带宽’, '是否激活宽带’这两个字段,如果把他们的统计口径是“是否在本公司xxx”,wps官网下载的网址是什么那么一切就很好理解了,这些空值代表的含义是:未在本公司开通宽带,不存在’宽带带宽’数据/ 没有激活宽带。

      0.0005052206130010104

      最终的结论如下:

      ‘宽带带宽’字段的空值,代表的含义是未在本公司开通宽带,不存在’宽带带宽’数据。这些空值应被替换为’未开通本网宽带’。

      '是否激活宽带’字段的空值,代表的含义是未在本公司开通宽带,不存在’是否激活宽带’的数据,但也可以说是未激活宽带。这些空值应被替换为0。

      下面进行缺失值处理。

      检查一下替换是否正确。

      在这里插入图片描述

      在这里插入图片描述

      异常值处理

      本分组内的字段全部为分类变量,决定不对它们做异常值检测和处理。

      签约信息相关字段

      签约信息相关字段共有4个:[‘是否宽带捆绑签约’, ‘是否终端捆绑签约’, ‘是否话费签约’, ‘是否套餐签约’]。它们全部为分类变量。

      wps office 官方的下载地方是什么(wps官网下载安卓下载)在这里插入图片描述

      缺失值处理

      检查缺失值。

      在这里插入图片描述

      签约信息相关的4个字段的缺失值的数量相同,猜测这4个字段总是同时取空值。

      上面的猜测得到证实,任意一条记录的这些字段的数据,总是一起取空值。

      查看这些字段中任意一个字段为空值的记录。

      在这里插入图片描述

      把这些字段中任意一个字段为空值的记录删除。

      在这里插入图片描述

      异常值处理

      本分组内的字段全部为分类变量,决定不对它们做异常值检测和处理。

      套餐信息相关字段

      套餐信息相关字段共有2个:[‘用户总套餐价值’, ‘用户主资费套餐价值’]。它们都是数值变量。

      观察字段的分布情况。

      在这里插入图片描述

      缺失值处理

      检查缺失值。

      套餐信息相关的2个字段的缺失值的数量相同,猜测这2个字段总是同时取空值。

      上面的猜测得到证实,任意一条记录的这2个字段的数据要么全不是空值,要么全是空值。

      查看这些字段中任意一个字段为空值的记录。

      对于每个有缺失值的字段ci,新建一个字段:ci_曾有缺失值。某行的ci字段如有缺失值,则该行的ci_曾有缺失值字段为True,否则为False。 对所有缺失值用中位数进行填充。

      在这里插入图片描述

      异常值处理

      在这里插入图片描述采用缩尾法进行异常值检测。把小于第1百分位数,或大于第99百分位数的数据判定为异常值。

      观察各列低于第1百分位数的数据的分布情况。

      pd.concat(describes_lower_outlier, axis=1)

      在这里插入图片描述观察各列高于第99百分位数的数据的分布情况。

      在这里插入图片描述

      在这里插入图片描述

      决定将这些异常值全部保留。

      流量饱和度信息相关字段

      流量饱和度信息相关字段共有3个:[‘当月用户流量饱和度’, ‘上月用户流量饱和度’, ‘上上月用户流量饱和度’]。它们都是数值变量。

      观察字段的分布情况。

      在这里插入图片描述

      缺失值处理

      检查缺失值。

      在这里插入图片描述

      在这里插入图片描述

      查看这些字段中任意一个字段为空值的记录。

      在这里插入图片描述

      观察’当月用户流量饱和度’字段为空值时,'当月dou’字段的取值情况。 观察’上月用户流量饱和度’字段为空值时,'上月dou’字段的取值情况。 观察’上上月用户流量饱和度’字段为空值时,'上上月dou’字段的取值情况。

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      对于每个有缺失值的字段ci,新建一个字段:ci_曾有缺失值。某行的ci字段如有缺失值,则该行的ci_曾有缺失值字段为True,否则为False。 对所有缺失值用众数进行填充。

      在这里插入图片描述

      异常值处理

      在这里插入图片描述

      采用缩尾法进行异常值检测。把小于第1百分位数,或大于第99百分位数的数据判定为异常值。

      观察各列低于第1百分位数的数据的分布情况。

      在这里插入图片描述

      观察各列高于第99百分位数的数据的分布情况。

      在这里插入图片描述

      在这里插入图片描述

      决定将这些异常值全部保留。

      其他信息相关字段

      其他信息的相关字段共有7个:[‘是否家庭用户’, ‘5G流量’, ‘终端类型’, ‘当月是否低消保号用户’, ‘当月是否换机’, ‘居住地是否覆盖5G’, ‘工作地是否覆盖5G’]。 分类变量共有6个:[‘是否家庭用户’, ‘终端类型’, ‘当月是否低消保号用户’, ‘当月是否换机’, ‘居住地是否覆盖5G’, ‘工作地是否覆盖5G’]。 数值变量共有1个:[‘5G流量’]。

      观察字段的分布情况。

      在这里插入图片描述

      在这里插入图片描述

      缺失值处理

      检查缺失值。

      在这里插入图片描述

      查看这些字段中任意一个字段为空值的记录。

      在这里插入图片描述

      项目概述中对’5G流量’字段的描述为:5G流量,空值表示未产生5G流量wps 的官网最新下载的地方在哪(wps下载电脑版免费版官网最新安装)。观察发现,'5G流量’字段的最小值大于0。 将’5G流量’字段的缺失值替换为0。

      在这里插入图片描述

      在这里插入图片描述

      采用缩尾法进行异常值检测。把小于第1百分位数,或大于第99百分位数的数据判定为异常值。

      观察各列低于第1百分位数的数据的分布情况。

      在这里插入图片描述

      观察各列高于第99百分位数的数据的分布情况。

      在这里插入图片描述

      在这里插入图片描述决定将这些异常值全部保留。

      标签字段

      标签字段分组只有一个字段’标签’,它是分类型变量,是本项目的目标变量。

      观察字段的分布情况。

      异常值处理

      '标签’字段为分类型目标变量,决定不对该字段做异常值检测和处理。

      数据预处理总结

      最后检查一遍缺失值。

      在这里插入图片描述

      以可视化、相关性分析等手段进行探索性数据分析。总结了一些机器学习部分可以参考的信息。针对5G业务形成认知,找到关键指标,并对如何推广5G业务提出建议。

      这部分较为重要的发现或结论都加粗了。最后的总结部分记录了EDA的主要结论。

      准备工作

      把分类字段的数据类型改为字符串。 对所有数值字段进行异常值处理,把低于第1百分位数或高于第99百分位数的数据判定为异常值,并用中位数对所有异常值进行替换。

      相关性+feature importance

      相关性分析

      通过相关性分析,挖掘出对用户是否办理5G影响较大的属性。

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      根据相关性分析,以下属性与用户办理5G有较大的正相关性:

      arpu, ‘用户总套餐价值’, ‘用户主资费套餐价值’, dou, mou, 星级为4,宽带带宽为100, 激活宽带,是本网宽带用户,宽带捆绑签约, 是家庭用户。

      Feature Importance

      在这里插入图片描述

      根据随机森林算法给出的feature importance,以下属性对用户是否办理5G有较大的影响: arpu, ‘用户总套餐价值’, ‘用户主资费套餐价值’, dou, mou, '年龄, ‘是否家庭用户’。

      可视化分析

      下面对整个数据集的各个字段进行可视化分析,主要完成了以下任务:

      (1)了解各个字段的分布。

      (2)前面我们已经通过分析相关性和feature importance找到了一些对办理5G有较强影响的用户属性,下面通过可视化的角度寻找对5G办理有较强影响的用户属性。

      (3)获得一些业务层面的理解。

      (4)获得一些启发,在后面的部分有针对性地做进一步分析。

      绘制目标变量的饼图和柱状图,发wps office 的官方的下载的地方在哪现这是一个非均衡数据集,5G用户为少数类别,占比20.1%。

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      用p值检验数值变量是否符合正态分布,发现所有数值变量均不符合正态分布。

      所有数值变量均不符合正态分布

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述以用户的平均5G办理率(20.1%)为参考,观察上面的柱状图,找到了一些对5G办理率有明显影响的分类型属性。(过滤掉了样本量太少的属性)

      较大提升5G办理率的属性:'星级’大于3级,是本网宽带用户,激活宽带,'宽带带宽’为100或200,宽带捆绑签约,终端捆绑签约,话费签约,终端类型为2。

      较大降低5G办理率的属性:'星级’小于3级,不是本网宽带用户,未激活宽带,没有宽带捆绑签约,不是家庭用户,终端类型为0。

      较小提升5G办理率的属性: 先生(男性),集团用户,家庭用户。

      较小降低5G办理率的属性:女士(女性),农村用户,校园用户,是异网宽带用户,没有套餐签约。

      总结一下观察到的信息,并针对性地提出一些建议:

      5G用户和非5G用户在宽带相关的属性上有明显的差异: (1)是本网宽带用户/ 激活宽带/ 宽带捆绑签约极大提升了用户的5G办理率。 (2)'宽带带宽’为100或200的用户办理5G的比例远高于平均水平。另外办理了某些种类的’宽带带宽’的用户虽有很高的5G办理比例,但因其总数太少,参考价值不大。 (3)异网宽带用户的5G办理率低于平均水平。这是非常有意思的,因为其它所有和宽带相关的属性,是/有/签约/激活就意味着高于平均水平的5G办理率。猜测’标签’字段(即是否5G用户)只统计在本网办理5G的用户,而异网宽带用户可能因为宽带捆绑签约等原因倾向于在异网办理5G,从而不在本网办理5G。

      签约会极大地提升5G办理率。 进行宽带捆绑签约/ 终端捆绑签约/ 话费签约的用户办理5G的比例远高于平均水平,进行套餐签约的用户的5G办理率也比平均水平更高。猜测在这些签约中有绑定5G服务。

      低消保号用户的5G办理率超过50%,远高于一般用户。低消保号用户的人数较少(约占总用户数的1%),建议找业务弄清楚这背后的原因,是样本的问题,还是运营商给不活跃的用户自动更换了5G套餐?

      当月换机的用户办理5G的比例高于整体用户的5G办理率,猜测是有部分用户换上了支持5G的手机从而考虑更换5G套餐。可以确定的是,换机的当月是用户考虑办理5G业务的一个窗口期,应在用户换机之后,做及时的、有针对性的营销。

      比较意外的是,居住地是否覆盖5G,'工作地是否覆盖5G’对办理5G并没有很大的影响。 一方面,居住地和工作地的5G覆盖率较低,都不到20%。另一方面,居住地覆盖5G/ 工作地覆盖5G只提升了3%的5G办理率,按照提升/减少的5G办理率来看,这两个字段甚至是对办理5G影响最小的几个分类字段之一。回看前面的相关性分析,这两个字段与目标变量的相关系数在0和0.1之间,属于无关变量。5G的低覆盖率,可能会降低用户对5G的关注和使用。另外,需要进一步跟进调查看看为什么5G的覆盖并没有带来显著的5G办理比例的提升。是因为宣传不到位虽然覆盖了5G但用户不知道,还是因为用户的5G办理多是在捆绑签约等场景下完成,5G用户对5G本身并不怎么关心,办理5G业务主要是受捆绑的套餐的影响,而受5G覆盖的影响较小?

      在这里插入图片描述

      在这里插入图片描述

      观察上面的分布图,有以下发现:

      (1)5G用户明显高于非5G用户的属性:arpu, dou, mou, ‘用户总套餐价值’, ‘用户主资费套餐价值’。其中mou的差距相对较小,其余字段的差距则非常显著。

      (2)5G用户的流量饱和度略微高于非5G用户。

      (3)5G用户的语音超套金额略微低于非5G用户。

      (4)5G用户和非5G用户之间差异很小的属性:‘年龄’, ‘在网时长’, ‘流量超套金额’, ‘5G流量’。

      (5)比较意外的是,5G用户和非5G用户在5G流量这个属性上的差异较小。这意味着很多5G用户并不使用5G流量,而是仍然使用4G流量。推测这一现象是因为5G配套的应用的还没有足够完善或者还没有流行起来,这可能是5G业务推广的主要瓶颈。

      (6)在近三月平均arpu为70-80这个区间,5G用户和非5G用户有着接近的密度,可加强对这个区间内的非5G用户的营销,他们有较大的可能称为5G用户。

      在这里插入图片描述

      总结对5G办理影响较大的属性

      前面我们通过以下三种方式寻找对5G办理影响较大的属性:(1)相关性分析(2)feature importance分析(3)可视化分析。下面对得到的结果进行汇总。

      在这里插入图片描述

      进一步分析对5G办理较大影响较大的部分属性

      试图回答以下问题:有一些字段似乎彼此有着很高的相关性和相似度,如arpu相关的四个字段和套餐价值相关的两个字段,它们是否确实高度正相关且高度相似?我们能否在认知上对他们进行精简/合并?

      arpu与套餐价值

      这部分试图理清arpu相关字段和套餐价值相关字段之间的关系,从而对它们形成较为精简的认知。

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      段,都可以看做是在反映用户的流量使用情况。

      p.s:上面的认知并不严谨并不绝对正确,但足够好用。一方面这种简化后形成的认知让我们的分析更便捷更清晰,另一方面在实际业务场景中上述理解完全可以处理好绝大部分的情况。

      结合之前的可视化分析与相关性分析,我们可以形成一个认知:5G用户往往使用较多流量。

      mou

      这部分试图理清mou相关字段之间的关系,从而对它们形成较为精简的认知。

      在这里插入图片描述

      在这里插入图片描述

      从上面的图片中我们发现:‘当月mou’约等于’上月mou’约等于’上上月mou’约等于’近三月平均mou’。、

      我们不妨在认知上做如下精简:用’近三月平均mou’代表mou相关的4个字段。mou相关字段中的任意一个字段,都可以看做是在反映用户的语音使用情况。

      p.s:上面的认知并不严谨并不绝对正确,但足够好用。一方面这种简化后形成的认知让我们的分析更便捷更清晰,另一方面在实际业务场景中上述理解完全可以处理好绝大部分的情况。

      结合之前的可视化分析与相关性分析,我们可以形成一个认知:5G用户往往使用较多的语音

      宽带

      在这里插入图片描述

      下面把宽带相关的重要字段拎出来做一份热力图。

      在这里插入图片描述

      在这里插入图片描述

      下面研究一下本网宽带用户,异网宽带用户和未办理宽带的用户的arpu的分布。

      p.s:想到要做这样的分析是因为在后面针对一些重点属性的的相关性分析中,宽带相关字段总是和arpu,套餐价值一起出现。

      在这里插入图片描述

      在这里插入图片描述对宽带相关字段,可以针对5G业务得出以下认知:

      (1)从5G业务的角度,用户可被分为互不重合的两种:本网宽带用户,非本网宽带用户。

      (2)本网宽带用户的5G办理率远高于平均水平,非本网宽带用户的5G办理率远低于平均水平。

      (3)本网宽带用户中,宽带带宽为100的用户会特别倾向于办理5G,宽带带宽为200的用户会倾向于办理5G,宽带带宽为60的用户办理5G的倾向为平均水平。

      (4)本网宽带用户等价于激活宽带,约等于宽带捆绑签约。

      (5)非本网宽带用户,等价于未激活宽带,等价于没有本网宽带带宽(‘宽带带宽’字段为’未开通本网宽带’)。

      p.s:上面的认知并不严谨并不绝对正确,但足够好用。一方面这种简化后形成的认知让我们的分析更便捷更清晰,另一方面在实际业务场景中上述理解完全可以处理好绝大部分的情况。

      观察到’是否本网宽带用户’与用户的消费水平相关字段有较强相关性,下面看看’是否本网宽带用户’字段分别为0,1时,'近三月平均arpu’的分布情况

      在这里插入图片描述观察上图时感觉上图有些像’标签’字段分别为0,1时,'近三月平均arpu’的分布密度图。下面画图一看,果然有些像。

      在这里插入图片描述

      在这里插入图片描述本网宽带用户的特点 相对显著的特点:消费较高

      结合之前的可视化分析与相关性分析,我们可以形成如下认知:大部分5G用户都是本网宽带用户,本网宽带用户的5G办理率远高于平均水平。

      家庭用户

      在这里插入图片描述

      在这里插入图片描述家庭用户的特点 相对显著的特点:是本网宽带用户。

      结合之前的可视化分析与相关性分析,我们可以形成如下认知:88%的5G用户都是家庭用户。非家庭用户的5G办理率远低于平均水平。

      针对多种分类型属性的用户特点分析

      基于上一节获得的精简后的业务认知,对那些对5G办理率影响较大的分类型属性,尝试找出具备这些属性的用户的特点。

      在这里插入图片描述

      在这里插入图片描述

      星级大于3的用户的特点

      相对显著的特点:消费较高。

      相对不显著的特点:通话时间较长,是本网宽带用户。

      在这里插入图片描述

      终端类型0与arpu和dou成负相关,猜测该终端的定位较为低端,或在使用上有一定限制(类似之前的小灵通)。

      终端类型2与5G流量和当月换机有较强的正相关性,猜测该终端类型是当前主推的,且和5G有关。

      终端类型为0的用户的特点

      相对不显著的特点:消费较低,流量使用较少。

      终端类型为2的用户的特点

      相对不显著的特点:5G流量使用较多,当月换机。

      在这里插入图片描述

      终端捆绑签约的用户的特点

      相对不显著的特点:是本网宽带用户,消费较高。

      在这里插入图片描述

      话费签约的用户的特点

      未观察到明显的特点。

      其他分析wps的官网最新的下载的地方在哪(金山wps官网最新网址是多少)

      这一部分凭感觉和兴趣画了些图,挑了些一些点做分析。很多内容和5G业务的关系不大

      在这里插入图片描述

      在这里插入图片描述

      超过90%的5G用户,未使用5G流量。(数据集中没把’5G流量’的口径写清楚,猜测这个字段表示的是当月的5G流量)这可能是因为缺少配套的5G应用场景,用户缺乏使用5G的动力。也可能是因为5G的费用较高,用户不愿意为网速的提升掏这样一笔额外的金额。

      不到4%的非5G用户,使用了5G流量。

      在这里插入图片描述

      在这里插入图片描述

      即便把范围缩小到当月语音超套金额大于0的用户,当月流量超套金额对5G办理的影响也比较小。

      即便把范围缩小到当月流量超套金额大于0的用户,当月流量超套金额对5G办理的影响也比较小。

      在这里插入图片描述

      在这里插入图片描述

      即便把范围缩小到当月用户流量饱和度大于0的用户,当月用户流量饱和度对5G办理的影响也非常小。

      在这里插入图片描述即使是在居住地和工作地都覆盖5G的用户中,5G办理率也仅有22%。5G覆盖对5G办理的影响非常小。

      在这里插入图片描述观察上面的柱形图发现,各个细分市场的用户使用最多的都是终端类型1。农村用户更多使用终端类型0,更少使用终端类型2,集团用户则正好相反。

      在这里插入图片描述

      观察上面饼图发现,用户使用的终端类型以1型为主

      在这里插入图片描述观察上面的双色散点图发现:

      低消费高流量使用的用户办理5G的比率很低。

      中等消费的用户,语音使用明显多余低消费用户,但二者在流量使用上没有明显的差别。

      使用流量最多的那部分用户,使用语音较少。使用流量最少的那部分用户,使用语音较多。

      在这里插入图片描述

      上面的散点图都有几条明显的从原点出发的线段。推测这些线段代表着某些热门的流量额度,在有相同流量额度的用户中,dou和流量饱和度成正比,他们的数据在散点图中形成了从原点出发的线段。

      在这里插入图片描述

      发现上图中有一些垂直于横坐标的线段。猜测这代表着使用某些热门的主资费套餐的用户,他们除了使用主资费套餐之外,很少有额外的消费,所以他们的arpu高度集中在某几个值附近,从而形成了一些竖直的线段。下面找到了人数最多的’用户总套餐价值’和’用户主资费套餐价值’的取值,几个热门的价值的取值,和上面的散点图中的竖直线段的横坐标大致吻合。上述猜测得到了初步证实。

      在这里插入图片描述

      在这里插入图片描述

      观察上面待误差棒的条形图发现,星级为5,6,7的置信区间较长,这是因为它们的的样本比较少,因此同为95%置信度时,它们的估计更不可靠,置信区间更长。

      在这里插入图片描述

      观察上面的双色密度图发现,年龄对于是否套餐签约的影响很小。

      在这里插入图片描述观察上面的双色密度图发现,在那些在网时长大于1的用户中,5G用户的在网时长比非5G用户略微高一些。

      在这里插入图片描述

      观察上面的箱型图发现: (1)终端类型为0的用户,消费水平远低于终端类型为1或2的用户。 (2)终端类型为2的用户,消费水平略微高于终端类型为1的用户

      fig = plt.figure(figsize=(16,5))

      在这里插入图片描述

      观察上面的小提琴图发现,集团用户语音使用较多,校园用户语音使用较少。

      流量相关字段的异常数据分析

      在做数据处理的时候,观察到有的记录’当月流量饱和度’为0.00,'当月dou’却大于0。感到有些疑惑,在此做进一步观察和分析。

      '当月dou’和’当月流量饱和度’这两个字段,如果: (1)两个都为0。正常! (2)都不为0,那么就看计算出来的总流量额度有无异常。 (3)如果一个为0,一个大于0:(a)没有取近似值,就是0。相关记录是出现了错误或是特殊情况。(b)有取近似值,其实是小于0.01的某值,那就还是计算总流量看有无异常。

      检查近三个月,dou和流量饱和度同时为0的记录数。

      在这里插入图片描述

      对于近三个月,dou和流量饱和度同时大于0的记录,计算这些记录对应的总流量额度,未观察到异常。

      在这里插入图片描述

      下面分析’当月dou’和’当月用户流量饱和度’这两个字段一个为0,一个不为0的记录。这时可能有几种情况: (1)在数据录入等环节出了错。 (2)没出错,该条记录代表的某种特殊情况。 (3)字段中的0是取近似数的结果,观察发现这两个字段都保留到0.01,那么字段中的0可能代表的是小于0.01的某个值,在取近似数时被记录为0。

      dou相关字段的平均数都在2000左右。《中国移动互联网发展报告(2021)》中提到“2020年全年移动互联网接入流量消费达1656亿GB,比上年增长35.7%。全年移动互联网月户均流量(DOU)达10.35GB/户·月”。合理推测本数据中dou相关字段的单位是MB。

      下面进行具体的分析。

      在这里插入图片描述在这里插入图片描述

      观察发现,有172条记录的’当月dou’字段为0,且’当月用户流量饱和度’大于0。

      这些记录的很可能是情况(1),即在数据输入等环节出现了错误,因为相关记录的数量非常少所以可能性还是挺高的。其次,也有可能是情况(2),即这些记录代表着某些特殊情况。不管是情况(1)还是情况(2),都需要与业务方或与数据工程师进行沟通后才能确认。

      这些记录不太可能普遍是情况(3),即字段中的0是取近似数的结果。假设是情况(3),那么这172条记录中的’当月dou’都小于0.01,而有超过一半记录的’当月用户流量饱和度’大于21%,那么就有超过86名用户他们的总流量额度小于0.048MB。这是不符合常识的,没有套餐会定这么小的总流量额度。所以这些记录不太可能普遍是情况(3),他们中只有’当月用户流量饱和度’较低的那些记录有可能是情况(3)。

      在这里插入图片描述在这里插入图片描述

      观察发现,有87023条记录的’当月用户流量饱和度’为0,且’当月dou’大于0。

      这些记录不太可能是情况(1),即在数据输入等环节出现了错误,因为相关记录的数量非常多。其次,也有可能是情况(2),即这些记录代表着某些特殊情况。不管是情况(1)还是情况(2),都需要与业务方或与数据工程师进行沟通后才能确认。

      这些记录不太可能普遍是情况(3),即字段中的0是取近似数的结果。假设是情况(3),那么这87023条记录中的’当月用户流量饱和度’都小于0.01%,有超过一半记录的’当月dou’大于786.5,那么就有超过43511名用户(即占比超过30%的用户)的总流量额度大于7865000MB。这是不符合常识的。所以这些记录不太可能普遍是情况(3),他们中只有’当月dou’较低的那些记录有可能是情况(3)。

      上面对超过80000条记录’当月dou’和’当月用户流量饱和度’这两个字段一个为0一个不为0这一现象的几种可能情况做了具体的分析。分析后并未能完全排除前面提到的3种可能情况的任何一种,需要与业务/数据工程的同事做确认后才能做出判断。

      对于上月和上上月的dou与流量饱和度,也是类似的分析过程和结果,在此就不多赘述,仅把数据附在下面。

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      EDA总结

      总结一下EDA部分的主要结论,结论涉及两个方面(1)机器学习部分可以参考的信息(2)针对5G业务的认知、核心指标与建议。

      机器学习部分可以参考的信息

      (1)这是一个非均衡数据集(imbalanced data),我们主要关注的是目标变量为1(是5G用户),而它的占比只有20.1%,是少数类别。为了让模型能更好地预测少数类别,在特征工程部分可以采用一些方法对数据进行处理,如欠采样,过采样,或SMOTE。

      (2)数值变量都不符合正态分布,特征工程中可以参考这点进行特征缩放。

      (3)随机森林算法给出的feature importance给出了一些不重要的特征,相关系分析中发现了一些具有较高相关性的特征,在特征工程中可以参考这些进行特征筛选。

      针对5G业务的认知、核心指标与建议

      (1)5G用户往往消费较高,且使用较多的流量和语音。

      (2)88%的5G用户是家庭用户(全部用户中,家庭用户的比例是62%)。非家庭用户的5G办理率远低于平均水平。

      (3)59%的5G用户是本网宽带用户(全部用户中,本网宽带用户的比例是28%),本网宽带用户的5G办理率远高于平均水平,非本网宽带用户的5G办理率远低于平均水平。

      (4)当前5G业务的核心指标:近三月平均arpu(或消费相关的6个字段中的任意一个),近三月平均dou(或dou相关的4个字段中的任意一个),近三月平均mou(或mou相关的4个字段中的任意一个),是否家庭用户,是否本网宽带用户。

      (5)其它较大提升5G办理率的属性:'星级’大于3级,终端捆绑签约,话费签约,终端类型为2。

      (6)其它较大降低5G办理率的属性:'星级’小于3级,终端类型为0。

      (7)要推广5G业务,可以依照已有的路径,通过推广本网宽带业务、增加家庭用户以及增加终端捆绑签约等,铺开5G业务。

      (8)当前5G业务的主要瓶颈是,5G基站的覆盖率较低,用户也缺乏使用5G的需求。要推广5G业务,可以加快基站建设提高5G覆盖率,也可以寻找新的5G用户增长点,比如开发和宣传5G的配套应用吸引用户办理5G业务(类似短视频和直播吸引用户办理4G业务)。

      (9)宽带业务是一场你死我活的战争,本网宽带用户和异网宽带用户有较强的互斥性,用户办理了异网宽带就几乎不会办理本网宽带,进而不倾向于成为本网的5G用户。建议把与其它运营商竞争宽带业务作为重要的目标,针对性地展开营销,这有助于本网5G业务的展开。

      (10)当月换机的用户办理5G的比例高于整体用户的5G办理率,猜测是有部分用户换上了支持5G的手机从而考虑更换5G套餐。可以确定的是,换机的当月是用户考虑办理5G业务的一个窗口期,应在用户换机之后,做及时的、有针对性的营销。

      (11)‘居住地是否覆盖5G’,'工作地是否覆盖5G’对5G办理的影响很小。一方面,居住地和工作地的5G覆盖率较低,都不到20%。另一方面,居住地覆盖5G/ 工作地覆盖5G/ 居住地和工作地都覆盖5G只提升了不到4%的5G办理率,提升幅度很小。5G的低覆盖率,可能会降低用户对5G的关注和使用。另外需要进一步跟进调查,看看为什么5G的覆盖并没有带来显著的5G办理比例的提升。是因为宣传不到位虽然覆盖了5G但用户不知道,还是因为用户的5G办理多是在捆绑签约等场景下完成,5G用户对5G本身并不怎么关心,办理5G业务主要是受捆绑的套餐的影响,而受5G覆盖的影响较小?

      (12)超过90%的5G用户,未使用5G流量。(数据集中没把’5G流量’的口径写清楚,猜测这个字段表示的是当月的5G流量)。这可能是因为5G覆盖率较低。也可能是因为缺少配套的5G应用场景,用户缺乏使用5G的动力。还可能是因为5G的费用较高,高于用户对网络升级的心理价格。

      (13)低消保号用户的5G办理率超过50%,远高于一般用户。低消保号用户的人数较少(约占总用户数的1%),建议找业务弄清楚这背后的原因,是样本的问题,还是运营商给不活跃的用户自动更换了5G套餐?

      (14)在近三月平均arpu为70-80这个区间,5G用户和非5G用户有着接近的密度,可加强对这个区间内的非5G用户的营销,他们有较大的可能称为5G用户。

      准备供机器学习使用的特征。

      生成特征

      在这里插入图片描述

      特征选择

      在这里插入图片描述

      在这里插入图片描述

      特征标准化

      特征编码

      在这里插入图片描述

      构建潜客识别模型(二分类分离器)。

      准备工作

      模型训练

      Logistic Regression

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      KNN

      在这里插入图片描述

      在这里插入图片描述

      在这里插入图片描述

      Decision Tree

      在这里插入图片描述在这里插入图片描述

      Random Forest

      在这里插入图片描述在这里插入图片描述

      XGboost

      在这里插入图片描述

      在这里插入图片描述

      机器学习总结

      在这里插入图片描述

      最终部署的模型可以将阈值调低,牺牲精确率换取召回率。识别5G潜在用户的目的,是为了对他们进行营销,故而我们在成本允许的情况下,可以扩大营销的范围,让营销活动覆盖到更多的潜在5G用户,哪怕这会把更高比例的非5G潜在客户的用户含括在内。

      部署了最终模型之后,就可以对被模型判断为5G客户的用户进行精细化的5G营销。比如面对于是本网宽带用户的5G潜客,可以宣传宽带和5G捆绑的套餐,对于消费较高的用户,可以着重宣传5G带来的网络服务的提升。