一张思维导图带你看懂2020年的消费市场的前十变化

〖壹〗、消费分化凸显 ，理性消费回归核心表现：消费者决策更注重性价比与实用性
，减少非必要支出，同时高收入群体仍保持高端消费需求 ，形成“两极分化”现象 。驱动因素：经济环境不确定性增加，消费者对未来收入预期趋于谨慎
，叠加消费观念升级，推动理性消费成为主流
。

〖贰〗 、对市场整体判断短期看多市场：谢治宇在这个时候接受访谈 ，从短期视角来看
，传递出一种相对积极的市场态度，暗示当前市场存在一定机会 ，投资者可保持适度乐观
，关注市场动态并寻找合适的投资切入点。无系统性风险：近来市场不存在系统性风险，这意味着整体市场不会出现全面大幅下跌的极端情况 。

〖叁〗
、要在最短时间内迅速吃透一个行业 ，需将系统性框架与高效执行结合
，通过明确目标、建立知识地图 、掌握基础框架、拆解核心知识
、深度实践、解析现状及持续迭代六个维度推进，快则3个月形成系统性认知 ，6个月形成深度见解。

〖肆〗 、这张图是半导体市场规模
，可以看到高高低低，有明显的周期性
。其中比较小的起伏都是因为库存周期导致的 ，也就是在半导体上行周期中加大产能，但是在产能释放的时候恰好遇到了周期下行的情况
，因此出现库存积压被迫降价。但是比较巨大的下行都伴随着经济衰退，比如2008年 。

疫情影响全景图:疫情对各行业短中期影响!

疫情对各行业的短中期影响显著 ，不同行业受冲击程度和表现形式各异
。具体影响如下：短期影响海外大厂停产与失业率上升 疫情导致海外大厂纷纷停产
，涉及汽车
、半导体、消费电子 、飞机制造
、奢侈品等多个行业，北美、欧洲 、印度
、东南亚等地均受影响。

市场恐慌情绪：投资者对疫情地理扩散（如意大利、伊朗 、韩国病例激增）的担忧加剧 ，导致风险资产抛售潮 。图：疫情初期道琼斯指数波动（模拟数据）中期影响：经济数据恶化
，行业分化加剧随着疫情蔓延，经济数据逐步验证市场担忧 ，股市影响从“预期层面 ”转向“基本面层面
”
，行业分化显著
。

疫情对经济产生了广泛且深刻的影响，不同行业受冲击程度不同 ，后续走势也呈现差异化特征。具体如下：疫情对经济的影响第三产业受冲击严重不利行业 医疗资源分配受影响行业：疫情发生前正在住院的病人
，如需按周期化疗
、放疗、肾透析 、血液透析等患者，因体质虚弱易感染 ，当下分配给他们的医疗资源减少 。

新经济动能（数字经济、生命健康产业）崛起，成为增长新引擎
。国内市场潜力庞大
，疫情后消费复苏势头强劲，为经济提供坚实支撑。长期影响：挑战与机遇并存疫情加速全球经济格局调整 ，地缘政治风险上升
，全球化面临挑战，中国经济需在复杂环境中寻找新机遇 。

新冠疫情对全球经济和中国经济的短期与长期影响短期影响：若中国控制住疫情 ，经济下滑可能局限于前两个季度
，产出损失约10%；若持续一年，损失或达40%
。欧美失业率大幅上升
、服务业崩溃将导致全球经济短期瘫痪 ，进而伤害中国经济。若欧美有效控制疫情
，影响将局限于短期 。长期影响：与各国政策相关。

【有迹可循】美国新冠病例破500万,新冠疫情出现多个新特征

美国新冠肺炎确诊病例超500万，疫情新特征的出现有其人为因素 ，是“人祸”与“天灾 ”共同作用的结果
。美国疫情发展迅速 8月9日
，美国新冠肺炎确诊病例超过503万例，死亡病例超过16万例。从确诊400万例增至500万例 ，仅用了17天，新增确诊100万人所用时间之短
，凸显了疫情在美国的快速蔓延 。

截至2月7日19时19分，湖北省累计 报告 新型冠状病毒感染的肺炎确诊病例22112例 ，新增确诊2447例
，618人
。根据全国发热门诊发布，全国疫情确诊病例31257例 ，疑似病例26359例
，而且人数还在逐渐上升。 这种病毒可防可控 。为了预防这种病毒，老师要求我们必须做到勤洗手丶戴口罩丶少出门丶不食野味丶不聚会
。

最新发布:2020年度民宿行业研究报告,疫情笼罩之下民宿行业的变化

《2020年度民宿行业研究报告》显示 ，疫情下民宿行业经历剧烈波动
，但通过转型与创新逐步复苏，行业集中度提升 ，头部品牌优势凸显
，同时呈现区域分化、运营模式升级等趋势。

中国 旅游 与民宿发展协会发布的《2020年度民宿行业研究报告》显示，2020年在线房东增长15% 。尤其从2018年-2020年的增长曲线来看 ，增速虽有放缓，但整体增长数量依然可观
，可见疫情仍难挡民宿创业热情
。 除供需两端变化带来的市场空间之外，政策鼓励 、市场环境等同样对民宿行业的加速扩容起到助推作用。

眼下随着国内疫情稳控 ，中国的旅游民宿行业也开启了强劲反弹 。

新年伊始
，初春正寒
。国内疫情再次席卷而来，从边城小镇东兴市 ，至世界都市大上海
，全国各地都笼罩在疫情的阴霾之下，各地方政府紧急展开预案 ，停业
、停工、停学 、关闭 娱乐 场所等
，同时严格执行跨省 旅游 经营活动管理“熔断”机制，严格控制 旅游 团队规模暂停经营 旅游 专列业务。

tidyverse实战——利用疫情数据

利用tidyverse进行疫情数据实战分析 数据来源：约翰霍普金斯大学持续更新的开源项目（CSSEGISandData/COVID-19） ，包含确诊数
、死亡数和治愈数三个数据集 。分析工具：主要使用tidyverse套件中的readr、dplyr 、tidyr等包进行数据读取
、清洗和转换
，并利用barRacer包制作动态条形图。

tidyverse是一个由一系列R包组成的生态系统，旨在让数据传输、清理和转换变得简单 、有扩展性
、可读性和一致性
。tidyverse包括常用的包dplyr和tidyr ，分别用于数据处理和转换，以及总结数据中的缺失值和非方便型的列、行。在学习ggplot2和tidyverse之前
，需要掌握R语言基本知识和一些绘图基础知识 。

数据标准化：scale（）函数对物种丰度数据进行Z-score标准化
。

关卡1：R 基础（2-3 周）核心目标：掌握数据处理与可视化的核心技能，为Shiny开发奠定基础。学习内容：学习《R for Data Science》的1-21章 ，重点掌握：tidyverse的数据处理理念 。readr的读取操作
。dplyr的核心操作（如过滤 、转换、分组聚合）。ggplot2的可视化理念与核心操作 。

设置环境首先
，确保你已经安装并加载了必要的R包
。常用的包包括lme4用于拟合混合效应模型，ggplot2用于数据可视化 ，以及tidyverse用于数据处理。