一 資料分析定義
資料分析是指有針對性的收集、加工、整理資料，并采用統計、挖掘技術分析和解釋資料。資料分析是為了提取有用資訊和形成結論而對資料加以詳細研究和概括總結的過程。
1 資料定義
資料是客觀事實,對于客觀事物發生，發展的數字化記錄。随着科學技術的發展，資料的概念内涵越來越廣泛包括數值，文本，聲音，圖像，視訊。
資料可以分為定性資料和定量資料。
- 定性資料是用來描述事物的屬性，名稱等，它一種标志，沒有序次關系。例如，“性别”，“男”編碼為1，“女”編碼為2。
- 定量資料描述量化屬性，或用于編碼。如交易金額、額度、商品數量、積分數、客戶評分等都屬于量化屬性。
定量資料可以繼續劃分：定序資料、定距資料與定比資料。
- 定序資料（Ordinal）:資料的中間級，用數字表示個體在某個有序狀态中所處的位置，不能做四則運算。例如，“受教育程度”，文盲半文盲=1，國小=2，國中=3，高中=4，大學=5，碩士研究所學生=6，博士及其以上=7。
- 定距資料（Interval）:具有間距特征的變量，有機關，沒有絕對零點，可以做加減運算，不能做乘除運算。例如，溫度。
- 定比變量（Ratio）:資料的最進階，既有測量機關，也有絕對零點，例如職勞工數，身高。
2 資料分析大事記
計算機時代崛起
計算機的發展和計算技術的發展極大地增強了資料分析的過程。1880年，在使用計算機之前，美國人口普查局花了7年的時間來處理收集到的資訊并完成最終報告。使用此裝置，在18個月内完成了1890年的人口普查。
關系資料庫誕生
關系資料庫由埃德加·科德（Edgar F. Codd）在1970年代發明，并在1980年代非常流行。關系資料庫（RDBM）允許使用者編寫Sequel（SQL）并從其資料庫中檢索資料。關系資料庫和SQL提供了能夠按需分析資料的優勢，并且仍在廣泛使用。它們易于使用，對于維護準确的記錄非常有用。
資料倉庫誕生
在1980年代後期，收集資料的數量繼續顯着增長，部分原因是硬碟驅動器的成本較低。在此期間，開發了資料倉庫的體系結構，以幫助将來自作業系統的資料轉換為決策支援系統。資料倉庫通常是雲的一部分，或者是組織的大型機伺服器的一部分。與關系資料庫不同，資料倉庫通常經過優化，可快速響應查詢。
商業智能(BI)崛起
20世紀80年代-90年代，數十家BI廠商進入市場。資料倉庫技術的發展大大推動了商業智能的發展，傳統存儲在各個地方的業務資料開始集中在一起。應運而生的技術還包括ETL（資料抽取、轉換、加載）和OLAP（聯機分析處理）。
資料挖掘崛起
資料挖掘始于1990年代，是在當時多個學科發展的基礎上發展起來的。随着資料庫技術的發展應用，資料的積累不斷膨脹，導緻簡單的查詢和統計已經無法滿足企業的商業需求，急需一些革命性的技術去挖掘資料背後的資訊。
大資料來臨
2000年到2010年是大資料興起和備受關注的時期，谷歌的“三駕馬車”：谷歌檔案系統、MapReduce和 BigTable。亞馬遜也發表了一篇關于 Dynamo系統的論文。這幾篇論文奠定了大資料時代的基礎。随着大資料的到來，海量的資料以及新的技術發展，幫助公司将資料轉化為洞察力。
資料科學家
2012年9月， Tom Davenport和DJ Patil 在《哈佛商業評論》上發表了“資料科學家：21世紀最性感的工作” 。
增強分析
2017年，Rita Sallman，Cindi Howson和Carlie Idonies在Gartner的研究論文中引入了增強分析的概念，并将其描述為一種新的資料分析方法，可使用機器學習和自然語言生成（NLG）自動化見解。增強型資料分析大大提升了資料分析效率，降低資料分析的門檻，人人都可以像資料科學家一樣，對資料進行多元度的自動鑽取，自動加載各種模型進行深度分析。
3 資料分析 VS 資料科學 VS 商業智能
商業智能（Business intelligence ）
泛指用于業務分析的技術和工具，通過擷取、處理原始資料，将其轉化為有價值的資訊指導商業行動。維基百科定義為一個組織将所有資源轉化為認知的能力。
資料科學（data science）
是一個多學科領域，專注于從大量原始和結構化資料中找到切實可行的見解。該領域主要注重發掘我們沒有意識到我們還不清楚的事情的答案。它結合了諸多領域中的理論和技術，包括應用數學、統計、模式識别、機器學習、資料可視化、資料倉庫以及高性能計算。資料科學通過運用各種相關的資料來幫助非專業人士了解問題。
三者關系
- 資料分析是一個相當廣的領域，其中包含了資料科學。資料科學是最近比較火的一個名詞，與傳統的資料分析相比都是從資料中找到知識和見解，隻是在使用的技能和方式下有一定差異。
- 并不是所有的資料分析都是商業的，是以他們兩有一個定的交集。
- 有的資料科學過程并不直接是商業分析，但卻是資料分析。比如在石油行業中“鑽井作業優化”需要資料科學工具和技術，屬于資料科學家的日常工作。但是，我們不能将其和商業分析關聯起來。
4 資料分析師 vs 資料科學家
雖然資料分析師和資料科學家都與資料打交道，但主要的差別在于他們如何處理資料。資料分析師檢查大型資料集，以确定趨勢、開發圖表和建立可視化表示，以幫助企業做出更多的戰略決策。另一方面，資料科學家使用原型、算法、預測模型和自定義分析設計和建構新的資料模組化和生産流程。
資料科學家、資料工程師和軟體工程師技能圖譜：
二 為什麼要分析
分析的本質是讓業務更加清晰，讓決策更加高效。在市場經濟的條件下，企業面對激烈的競争，差異化的市場，多變的環境，常常會面臨各種難題。資料分析是用來解決企業的難題，識别機會，規避風險，問題診斷。
總結下來，資料分析可以幫助我們：
- 發生了什麼：追溯過去，了解真相。
- 為什麼發生：洞察事務發生的本質，尋找根源。
- 未來可能發生什麼：掌握事務發展的規律，預測未來。
- 我們該怎麼做：基于你已經知道的“發生了什麼”、“為什麼會發生”以及“未來可能發生什麼”的分析，幫助你确定可以采取的措施，也就是：驅動行動。
三 如何分析？
分析的6個步驟：
1 明确分析目的
業務了解
從事資料分析工作的前提就是懂業務，即熟悉行業知識、公司業務及流程，有自己的業務見解。如果脫離行業認知和公司業務背景，分析的結果沒有太大的使用價值。
如何做到懂業務？首先我們要明白我們業務的商業模式是怎麼樣的？即我們通過什麼樣的方式發生關系并最終産生什麼樣的商業價值。其次我們要了解我們商業模式的核心組成要素，例如我們的客戶細分、收入來源、關鍵業務、核心的資源、成本的結構等等。除此之外我們要對核心的環境因素有所了解，例如宏觀經濟、市場影響、行業趨勢等等。
明确目的
資料分析第一步，不是分析資料而是把業務的問題或者目标定義清晰。通過這次資料分析想要解決一個什麼樣的問題，達成一個業務目标是什麼？
2 确定分析思路和架構
在明确分析的目的之後，我們需要梳理分析思路，并确定分析架構，即從哪些角度進行分析，采用哪些分析名額。在梳理分析思路的時候，将常見的思維模型應用與分析，能夠幫我們更加清晰的了解背後的邏輯線索，做到”不重不漏“（MECE）。常見的思維模型有：結構化思維模型、時間模型、邏輯演繹模型、重要性思維模型。
當然在今天，除了思維模型，其實我們已經沉澱了很多經典的分析模型，這些分析模型曆經随便的沉澱和檢驗。如果你熟悉這些分析架構你的思考會更加快速，有效。你不需要在另起爐竈，就能達到事半功倍。例如：SWOT分析模型、STP分析模型、RATER指數模型。
掌握分析思維模型
思維模型就是我們對客觀世界的一種主觀抽象描述，通過思維模型來分析問題，進而更為準确地找到解決問題的方法。查理·芒格說過：“思維模型是你大腦中做決策的工具箱。你的工具箱越多，你就越能做出最正确的決策。”
1）結構化模型
以事物的結構為思考對象，來引導思維、表達和解決問題的一種思考方法。例如麥肯錫的金字塔原理，5W2H七要素分析法。
a）5W2H分析法
又叫七問分析法，是二戰中美國陸軍兵器修理部首創。簡單、友善，易于了解、使用，富有啟發意義，廣泛用于企業管理和技術活動，對于決策和執行性的活動措施也非常有幫助，也有助于彌補考慮問題的疏漏。
b）結構化思維
是指一個人在面對工作任務或者難題時能從多個側面進行思考，深刻分析導緻 問題出現的原因，系統制定行動方案，并采取恰當的手段使工作得以高效率開展，取得高績效。
c）MECE原則
MECE，是Mutually Exclusive Collectively Exhaustive，中文意思是“互相獨立，完全窮盡”。也就是對于一個重大的議題，能夠做到不重疊、不遺漏的分類，而且能夠借此有效把握問題的核心，并解決問題的方法。
2）時間模型
按照事物發展的時間線索，來進行分析。例如使用者行為5階段模型：需求的産生->資訊收集->方案比較->購買決策->購買行為。
3）邏輯演繹模型
演繹模型分為：
- 三段标準式演繹形式：大前提，小前提，結論。
- 常見4W模式：描述現象、分析原因、判斷趨勢、提出對策。
a）麥肯錫七步分析法
麥肯錫七步分析法又稱“七步分析法”是麥肯錫公司根據他們做過的大量案例，總結出的一套對商業機遇的分析方法。它是一種在實際運用中，對新創公司及成熟公司都很重要的思維、工作方法。
b）邏輯樹分析法
邏輯樹是将問題的所有子問題分層羅列，從最高層開始，并逐漸向下擴充。
4）重要性思維
企業資源是有限的，需要把資源用在刀刃上。消費者的關注點有優先級，做好消費者關注的才能打動消費者。例如，四象限分析法提倡人們應有重點地把主要的精力和時間集中地放在處理那些重要但不緊急的工作上，這樣可以做到未雨綢缪，防患于未然。
5）經典思維模型
- 德爾菲法：一種高效重要的判斷預測工具
- 六頂思考帽：有效實用的決策與溝通工具
- KT決策法：最負盛名的決策模型
- 頭腦風暴法：激發團隊創新的有效決策工具
- 垃圾桶模型：一種企業内部的決策制定模式
- 5W2H分析法：一種調查研究和思考問題的有效辦法
- 決策樹分析法：現代管理決策者常用的有效工具
- 綜攝法：開發潛在創造力的一種創新方法
- 戈登法：适用自由聯想的技術創新技法
- 奧斯本檢核表法：創造技法之母，最著名、最典型的檢核提問型創新法
- 黃金思維圈法則
- STAR原則
掌握經典分析模型
分析模型是對客觀事物或現象的一種描述。為了分析其互相作用機制，揭示内部規律，可根據理論推導，或對觀測資料的分析，或依據實踐經驗，設計一種模型來代表所研究的對象。經典的分析模型一般都是以營銷、管理等為理論基礎的。
1）戰略與組織
- SWOT分析：戰略規劃的經典分析工具
- PEST分析：組織外部宏觀環境分析工具
- BCG矩陣法：制定公司層戰略最流行的工具
- GE矩陣：企業決定發展戰略的分析工具
- 定向政策矩陣：戰略業務組合計劃分析工具
- IE矩陣：辨別企業分布地位的分析工具
- 競争态勢矩陣：企業戰略制定提供競争優勢的分析工具
- 麥肯錫三層面分析：企業設計戰略規劃、開拓增長的有效工具
- 波特五力分析：行業競争戰略最流行的分析工具
- 戰略集團分析法：行業内企業競争格局分析工具
- 戰略鐘模型：企業競争戰略選擇分析工具
- 核心競争力分析：分析企業有效競争和成長的重要工具
- 波特價值鍊分析模型：尋求确定企業競争優勢的分析工具
- 利益相關者分析：戰略制定和戰略評價分析工具
- PIMS分析法：有效的戰略評價分析工具
- SPACE矩陣：企業外部環境及戰略組合分析工具
- QSPM矩陣：戰略決策階段重要分析工具
- 三四規則矩陣：成熟市場中企業競争地位分析工具
- 7S模型：組織績效與戰略适應的分析工具20.3C戰略三角模型：經典的營銷戰略管理工具
2）營銷服務
- STP分析：現代營銷戰略的核心分析工具
- 4Ps營銷組合模型：制定市場戰略最經典的營銷理論工具
- 産品生命周期模型：描述産品和市場運作方法的有力工具
- 安索夫矩陣：應用最廣泛的營銷分析工具之一
- 服務品質差距模型：服務品質簡單有效的分析工具
- 推銷方格理論：直覺有效的銷售分析工具
- 哈夫模型：最有效的計算商圈的分析工具之一
- 服務金三角：服務組織管理的基石
- CS戰略：企業提高市場占有率的有力工具
- SPIN銷售法：系統化挖掘客戶需求的銷售工具
- 營銷戰略新三角模型：戰略業務架構分析工具
- 服務利潤鍊：服務管理最經典、最有效的分析工具
- 滿意鏡：提高顧客滿意與員工滿意的工具
- 顧客金字塔模型：有效的顧客細分管理工具
- 植田T理論：典型的競争性理論政策工具
3）人力資源
- 平衡計分卡：最具影響力的戰略績效管理工具
- 360度績效考核：推進員工行為改變最有效的工具之一
- KPI：國際通行的企業經營績效成果測量和戰略目标管理的工具
- 3P模型：實施企業人力資源戰略化管理的有效工具
- 職位分析問卷法：最普遍和流行的人員導向職務分析系統
- 關鍵事件技術：識别工作績效的關鍵性因素的工作分析方法
- 貝爾賓團隊角色理論：目前最權威、應用最廣的團隊理論
- 蓋洛普Q12測評法：最經典的員工敬業度測評工具
- 績效棱柱模型：新穎的績效測量和管理分析工具
- Lifo管理系統：美國應用最廣、發展最早的行為風格行為系統之一
- 寬帶薪酬設計：一種新的薪酬管理系統及操作流程
- 霍蘭德職業興趣理論：通用的職業興趣測驗工具
- 勝任素質模型：人力資源戰略群組織整體戰略緊密結合的重要工具
- 職業錨：職業測評運用最廣泛、最有效的工具之一
- 海氏工作評價系統：目前國際上最為流行、使用最為廣泛的崗位評估工具
4）品質及生産管理
- TPM：生産改善過程中的重要工具之一
- TQM：一項持續變革的有效管理體系
- 定置管理：強化現場管理和謀求系統改善的科學管理方法
- 5S現場管理法：現場科學管理的基礎工具
- 六西格瑪：世界最先進的品質管理法
- JIT生産方式：使生産有效進行的新型生産方式
- QFD法：一種顧客驅動的先進品質管理應用技術
- 田口方法：品質管理利器、企業技術創新不可或缺的工具
- 甘特圖：最常用的項目控制管理的有效工具
- OPT：改善生産管理技術的新方式
- PDCA：循環有效控制管理過程和工作品質的工具
- AUDIT法：保證産品品質的先進品質管理控制方法
- 大規模定制：21世紀最重要的、最具競争優勢的生産模式
- 朱蘭三步曲：品質戰略思想和管理的有力武器
- 零缺陷管理法：企業品質管理方法的又一次革命
- QC七大手法：一組對品質管理活動的資料進行客觀分析的有力工具
- 豐田生産方式：一套系統完整的生産管理方式
5）财務管理工具
- 阿特曼Z-score模型：最著名的預測企業破産的方法
- ABC成本法：企業控制成本的有力工具
- 杜邦分析法：企業業績評價體系中最為有效的工具之一
- 比率分析法：财務分析最基本的工具
- 經濟附加值：當今最熱門的财務創意
- 财務分析雷達圖：企業經濟效益綜合分析工具
- 零基預算法：對企業的預算決策進行控制的有效工具
- 淨現值法：企業投資決策中最基本、最常用的一種方法
- 沃爾評分法：對企業财務信用能力綜合評價的方法
- 本量利分析：實施目标成本管理的一個重要工具
6）項目與物流
- SCOR模型：第一個标準的供應鍊流程參考模型，供應鍊一體化的得力工具
- ECR系統：一種新型的供應鍊管理政策
- 快速反應政策：企業實作供應鍊競争優勢的有效管理工具
- 綠色供應鍊管理：可持續發展的供應鍊管理模式
- 責任矩陣：項目計劃十分重要的工具
- 關鍵路徑法：項目管理中應用最為廣泛的方法之一
- 邏輯架構法：項目品質評價的綜合評價方法
- PERT網絡分析法：有效的項目進度管理工具
- VMI模型：國際前沿的供應鍊庫存管理模式
- 工作分解結構：項目管理衆多工具中最有價值的工具之一
7）常見的分析模型
a）SWOT分析模型
用來确定企業自身的競争優勢、競争劣勢、機會和威脅，進而将公司的戰略與公司内部資源、外部環境 有機地結合起來的一種科學的分析方法。
b）STP分析
客戶細分（Segmentation）、目标客戶選擇(Targeting)、目标客戶定位(Positioning)。
c）經典的客戶滿意度模型
RATER指數模型、KANO模型。例如：RATER指數是全美最權威的客戶服務研究機構美國論壇公司投入數百名調查研究人員用近十年的時間對全美零售業、信用卡、銀行、制造、保險、服務維修等十四個行業的近萬名客戶服務人員和這些行業的客戶進行了細緻深入的調查研究，發現一個可以有效衡量客戶服務品質的RATER指數。
d）PEST分析模型
是指宏觀環境的分析模型，宏觀環境又稱一般環境，是指一切影響行業和企業的宏觀因素。對宏觀環境因素作分析，不同行業和企業根據自身特點和經營需要，分析的具體内容會有差異，但一般都應對政治(Political)、經濟(Economic)、社會(Social)和技術(Technological)這四大類影響企業的主要外部環境因素進行分析。簡單而言，稱之為PEST分析法。
e）波特五力分析模型
是邁克爾·波特(Michael Porter)于80年代初提出，對企業戰略制定産生全球性的深遠影響。用于競争戰略的分析，可以有效的分析客戶的競争環境。五力分别是：供應商的議價能力、購買者的議價能力、潛在競争者進入的能力、替代品的替代能力、行業内競争者現在的競争能力。五種力量的不同組合變化 最終影響行業利潤潛力變化。
f）經典營銷管理模型4P、4C、4S、4R、4V、4I
以滿足市場需求為目标的4P理論，以追求顧客滿意為目标的4C理論，以建立顧客忠誠為目标的4R理論等。
g）使用者行為理論
h）AARRR模型
AARRR是Acquisition、Activation、Retention、Revenue、Refer這五個單詞的縮寫，分别對應使用者生命周期中的5個重要環節：擷取使用者、提高使用者活躍度、提高使用者留存率、擷取收入、自傳播。AARRR模型因其掠奪式的增長方式也被稱為海盜模型，同時它也是一個典型的漏鬥模型可以用來評估連續的業務流程節點轉化率。通過該模型可以有針對性的對出現問題的重要節點進行優化，達到提升ROI的目的。
名額體系設計
名額體系的設計是一個業務資料化的過程。好的名額設計能夠抽象目标具體化，具有直接實踐意義。
1）什麼是名額
通常我們講述的名額是指将業務單元精分後量化的路徑成本，譬如：DAU、訂單數、金額等。當然，原子名額還會基于次元、修飾詞、統計口徑而建構出派生名額。名額的核心意義是它使得業務目标可描述、可度量、可拆解。
2）什麼是好名額
好的資料名額是比較性的，可以是一個比率。因為比率的可操作性強、天生比較性名額、适用于比較各種因素間的相生和相克。例如：“本周轉化率比上周高0.5個百分點”顯然比“轉化率為2%”更有意義。會計和金融分析師僅需迅速檢視幾個比率就能對一個公司的基本狀況做出判斷。例如：市盈率、毛利率、利潤率，等等。
好的資料名額是簡單易懂的。如果人們不能容易記住或讨論某個名額，那麼通過改變它來改變公司的作為将會十分困難。
好的資料名額可以衡量目前業務的真實情況。
好的資料名額會改變行為。這是最重要的評判标準。
3）什麼是名額體系
将資料名額系統性的組織起來，可以按照業務模型。名額體系會對按照名額不同的屬性分類及分層。
名額不成體系會怎樣？
- 從業務視角看：經常碰到的一種現象是業務上線了之後發現資料不夠用，缺名額或缺次元。
- 從技術視角看：基于需求的變更，業務團隊技術同學将需要重新去更改設計和開發埋點，資料團隊技術則需要重新采集、清洗、存儲資料。
4）常見名額體系建構過程
名額設計規範
随着資料量的增大，資料名額也會越來越多，即使是同樣的命名，但定義口徑卻不一緻。這對于各部門了解難度大，同時也造成了重複計算存儲的資源浪費。阿裡OneData名額規範，以次元模組化作為理論基礎，建構總線矩陣，定義業務域、資料域、業務過程、度量/原子名額、次元、次元屬性、修飾詞、修飾類型、時間周期、派生名額等，幫助我們形成統一資料标準。
第一關鍵名額原則
第一關鍵名額（OMTM：One Metric That Matters）原則就是在目前階段高于一切，你需要集中全部注意力的數字。
使用第一關鍵名額的理由：
- 它回答了現階段最重要的問題。
- 它促使你建立清晰的目标。
- 它關注的是整個公司層面的健康。
- 它可以提高行動力。
選擇第一關鍵名額的同時它還會解釋下一個關注點。
常見名額名詞
你所在商業領域決定了你應關注的名額。常見商業模式分類有電商類、内容類、社群類、軟體工具類、遊戲類。
1）電商類
電商類的名額常見分類：
常見的名額定義如下：
- PV（page view）：即頁面浏覽量，使用者每1次對網站中的每個網頁通路均被記錄1次。使用者對同一頁面的多次通路，通路量累計。在一定統計周期内使用者每次重新整理網頁一次也被計算一次。
- UV（unique visitor）：即獨立訪客，通路網站的一台電腦用戶端為一個訪客。
- DAU（Daily Active Users）日活躍使用者：每日登陸過的使用者數。
- WAU（Weekly Active Users）周活躍使用者：七天内登陸過的使用者數。
- MAU（Monthly Active Users）月活躍使用者：30天内登陸過的使用者數。
- 收藏人數：統計日期内，通過該管道通路該商品并收藏該商品的去重買家人數。
- 收藏次數：統計時間内，寶貝被來訪者收藏的次數，一件寶貝被同一個人收藏多次記為多次。
- 加購人數：統計時間内，訪客将商品加入購物車的訪客去重數。
- 加購次數：標明周期下，該行業下商品物品被加入購物車的次數。
- 支付金額：買家拍下後支付給的金額，未剔除售中售後退款金額，預售階段付款在付清尾款當天才計入内，貨到付款訂單确認收貨時計入内。
- 支付子訂單數：也被稱為支付筆數，比如某個買家在某個店鋪購買了多個寶貝一起下單支付，訂單背景會展現每個産品每個SKU粒度下會有一條記錄，這個就是一個子訂單。
- 支付轉化率：統計時間内，支付買家數/訪客數，即來訪客戶轉化為支付買家的比例。
- 店内搜尋次數：在所選的終端（PC或無線）上，在店鋪内搜尋關鍵詞的次數，一個關鍵詞被同一個人搜尋多次，記為多次。關鍵詞的一次搜尋後多次翻頁檢視搜尋結果，搜尋次數記為一次。
2）遊戲類
遊戲類産品考慮的名額很多，根據最想要知道的名額大緻可以分為四大類：使用者、付費、推廣和遊戲。
- 使用者類：平均同時線上人數（ACU）、最高同時線上人數（PCU）活躍使用者數（包括日/周/月活躍）、留存率（次日/三日/七日/月）、活躍使用者、每日新增使用者數、每日流失人數。
- 付費類：活躍付費賬戶（APA）、付費率（PUP）、每位使用者平均收入 ARPU（Average Revenue Per User）
- 遊戲類：遊戲道具消費排行、比例，平均線上時間（人均、最高、最低），遊戲使用者等級分布，遊戲使用者持有虛拟貨币量（人均、最高、最低）
- 推廣類：下載下傳量（日、周、月），注冊使用者量、激活率（日、周）。
參考資料https://data-flair.training/blogs/data-scientist-vs-data-analyst/ https://www.datapine.com/blog/data-science-vs-data-analytics/ https://www.leiphone.com/news/201703/u6UW2CFBbGa4bRrN.html http://www.woshipm.com/pmd/1418055.html https://radacad.com/do-you-need-a-date-dimension https://www.zhihu.com/question/20117449 https://zhuanlan.zhihu.com/p/43529971 https://www.cnblogs.com/fanyu2019/p/11502913.html