大数据发展文献摘录.docx
《大数据发展文献摘录.docx》由会员分享，可在线阅读，更多相关《大数据发展文献摘录.docx（13页珍藏版）》请在冰豆网上搜索。
大数据发展文献摘录
“大数据”背景下营销体系的解构与重构
对信息的接收始于对数据的接收，对信息的获取只能通过对数据背景的解读。
数据背景是接收者针对特定数据的信息准备，即当接收者了解物理符号序列的规律，并知道每个符号和符号组合的指向性目标或含义时，便可以获得一组数据所载荷的信息。
亦即数据转化为信息，可以用公式‘数据+背景=信息’表示
2007年，雅虎的首席科学家沃茨博士在《自然》上发表了一篇题为《21世纪的科学》的文章，认为得益于计算机技术和海量数据库的发展，个人在真实世界的活动得到了前所未有的记录，这种记录为社会科学的定量分析提供了极为丰富的数据。
由于能够测得更准、计算得更加精确，他认为社会科学将脱下“准科学”的外衣，真正走进科学的殿堂
受众的碎片化与重聚
大数据与全媒体对抽样的“重塑”，因为考虑到成本问题，人们用科学的抽样来代替普查。
然而大数据的出现颠覆了传统的抽样是因为平台化的传播方式和碎片化的社会结构让抽样难以“准确”，难以用“样本”体现“全部”，难以具备足够的代表性，我们并没有否认抽样本身的科学性和可操作性，只是需要通过新的方式和手段重塑抽样。
淘宝网在采集和存储了海量交易数据之后，自建云存储系统OceanBase，实现数据的产品化，从而实现从交易平台到“生态圈”基础服务提供商的角色转变，完成由平台销售向数据销售的盈利模式的转变。
目前，通过专业的海量数据挖掘，淘宝已经形成了面向进驻商家的多项数据产品。
此外利用淘宝开放数据平台所产生的第三方的数据开发产品还包括:
可以为非淘宝的其他电商网站提供的数据产品及软件，可以为各类网站及社区提供社会化电商的解决方案，可以为淘宝卖家提供的各类优化工具，可以为消费者提供的各类优化工具等。
不可否认，可寻址技术、物联网技术在给我们带来高度真实的受众信息的同时，也作为双刃剑面临着伦理道德方面的拷问。
据相关媒体报道，从全球范围来看，目前已有50多个国家依靠法律形式规范个人信息数据的管理与使用。
如美国通过了一批保护个人信息的法律，包括《隐私权法》《信息保护和安全法》《防止身份盗用法》《网上隐私保护法》和《消费者隐私保护法》等;加拿大制定了《隐私保护法》和《个人信息保护及电子文档法案》;英国制定了《数据保护法》;日本制定了《个人信息保护法》;欧盟先后制定了《关于涉及个人数据处理的个人保护以及此类数据自由流动的指令》《关于个人数据自动化处理之个人保护公约》等。
试想一下,1995年全球制造的总硬盘空间仅为20拍字节（IE15）现在,Google每天就要处理超过24拍字节的信息当然,这些数据存储本身的成本也呈指数下降,从1998年的228美元/千兆字节（IE9）下降到2010年的0.06美元/千兆字节
许多学校在探索电子书包云学习翻转课堂等,它们都是大数据的产物学生自己能学会的,教师不讲怎么知道学生哪些学会,哪些没有学会,哪些学生自己认为学会,但其实没有学会,需要学生对自己的评价,学生对学生的评价,教师对学生的评价,这样的课堂一定是教学与评价融为一体的
维克托说:
执迷于精确性是信息缺乏时代和模拟时代的产物只有5%的数据是结构化且适用于传统数据库的如果不接受混乱,剩下的95%的非结构化数据都无法被利用,只有接受不精确性,我们才能打开一扇从未涉足的世界的窗户大数据通常用概率说话,而不是板着确凿无疑的面孔
2011年，中信银行信用卡中心通过大数据技术的新营销平台进行了1286个宣传活动，每个营销活动配置平均时间从2周缩短到2～3天。
2011年的前3个季度，中信银行信用卡中心交易量增加65%，比股份制商业银行的平均水平高14%，比中国所有银行的平均值高4%。
，马云用了一个很巧妙的比喻：
“基于数据，就像为每个小企业装上一个GPS，为每个船装上一个雷达，我相信你出海的时候，你更有把握，死亡率会大大降低。
”
大数据如果走下去，没有安全保障，早晚会出事，这是个一攻一守的问题。
”数据安全不是技术问题，而是文化和道德问题。
，数据产品会改变一个企业在数据上的地位，如果没有一个容易应用的数据产品，大数据团队就会成为刨数据的工具。
大数据时代，这种现象会越来越严重，所以一定要有数据产品，提供给懂商业的人去使用，而不是将数据专业的人变成商业部门的成员。
，支付宝有点金融味道，偏重于自上而下，数据产品也是自上而下，有点华而不实，数据虽然经过提炼了，但缺少底层的数据。
淘宝是从下而上，数据产品是实而不华，它提供的大量裸数据不能帮你做决策，缺少决策工具。
只要阿里具备了吸储的能力，那么在金融基础设施方面，阿里将凭借其庞大的网络生态和海量的客户和交易数据，对传统商业银行造成冲击。
目前在中国，公民个人和企业的征信体系不健全，各个部门和地区都在建设征信数据体系，但是由于各种复杂原因，这些数据都不相互开放，使得银行贷款在信用评价方面困难重重，从而制约了小微企业的融资途径。
具体针对小微企业而言，其财务制度不健全，一些资金流动不通过公司账户,不反映在财务报表中,而是通过企业主个人储蓄账户,以现金方式进行结算。
。
银行在不能确切掌握小微企业财务数据的情况下，只有要求其提交抵押物，但是对于小微企而言抵押物又是缺乏的，因而进一步限制了银行向其提供贷款。
在大数据时代，评估这些小微企业甚至个人还款能力的技术手段有了巨大进步。
通过分析这些企业往来的交易数据、信用数据、客户评价数据等，完全可以掌握他们可能需要的资金量，可以测算他们可能的还款时间，从而使放贷风险大大降低。
，
银行的每位客户经理能够管理100家小微企业，这已经是极限，我们力争最终每人管1000家以上，这才是真正的信贷工厂。
比如，通过视频聊天的方式，信贷员帮助小微企业编制财务报表，要求他们在线提供个人银行流水、水电费单等票据,通过在线调查方式来判断企业的财务状况与运营能力。
信贷员足不出户，就可以对其信用和还款能力进行调查。
第一，阿里信贷的客户资源不仅雄厚而且具有可持续性。
2012年上半年，天猫商城以47.6%的市场份额稳坐前茅。
对于当前融资难的中小微企业来说，阿里巴巴的小额贷款业务足以吸引其进入阿里巴巴电子商务平台，随着电商企业客户越来越多，使得主体业务也越做越大。
第二，客户网上交易情况全都在阿里巴巴控制之中，但银行却很容易遇到某些不诚信的小企业弄虚作假、粉饰报表，因而可能得不到企业真实的财务数据而掩盖了风险。
另外银行也不能用第三方的交易记录作为融资凭据，种种限制都使银行对建立属于自己的电商平台
有浓厚的兴趣。
第三，阿里金融的强大还在于其根据电商的特点设计出了相应的贷款产品，一种是信用贷款，根据店铺的经营状况和申请人的资质来决定；一种是订单贷款，商家发货后还未收到货款，就可申请此项贷款，基本上具备了申贷资质的卖家，有多少订单就能获贷多少，同时也参考交易的真实性等信息。
，中国目前商业银行竞争的主要不是技术，而是政府关系以及对地域经济的深入了解。
他说，目前银行的核心竞争力还是来自对地域资源的控制，政府政策的支持。
“而且信贷业务，如果要控制风险，要么利用人海战术，如包商银行，要么就是基于对地域经济的深入了解。
而阿里金融在这些方面和一般银行比没有什么优势。
”
控制坏账率是阿里金融的关键，因为坏账率高就会侵蚀其资本，从而收缩其放贷能力，进而酿成风险。
正是由于不能吸储，阿里金融在控制坏账率上要求会非常高，而这又反过来影响其放贷规模。
这导致其在与传统银行竞争时，被束缚住了手脚。
不控制风险而做大规模，必然是死路一条。
。
当宏观经济在较大范围出现系统性风险，比如遇到2008年金融危机那样的风险时，许多风险防控措施都会失效，不能吸储的阿里金融更是受到很大考验。
以支付宝为代表的第三方支付，已经削弱了银行作为社会支付平台的地位；而以Facebook为代表的社交网络崛起，更是威胁到银行的存贷中介的功能，因此互联网金融业发展正当时。
2012年3月29日美国政府启动“大数据研究与开发计划”，旨在提升利用大量复杂数据集
合获取知识和洞见的能力，并将为此投入两亿美元以上资金
a．全面的数据，有利于提高竞争情报的真实性。
从数据来源上看，大数据主要包括交易数据、交互数据和感知数据等三种数据。
其中，交易数据是以SQL数据库来存储的事务性数据，来源于企业ERP、SCM、CRM和Web交易系统;交互数据主要来源于社交媒体，如微博、Facebook、Twitter、Web日志、点击流数据、电子邮件等;感知数据主要来源于物联网，如传感器、RFID、GPS芯片，是对周围物理世界的感应。
这些不同来源的数据从不同方面反映着企业竞争对手、竞争环境以及企业自身的方方面面，为企业洞察行业的竞争态势、竞争对手的动向以及自身的优劣提供了足够的情报资源。
更为重要的是，企业用以分析的数据越全面，分析的结果就越接近于真实。
b．社会化的数据，有利于提高竞争情报的精准性。
长期以来，企业与客户之间总存在着无形的隔阂，使得企业难以真正了解他的客户。
而大数据时代的一个重要趋势是数据的社会化，从博客论坛到游戏社区再到微博，从互联网到移动互联网再到物联网，到处都可以发现客户各类网络活动所产生的相关数据记录。
数据的社会化使得企业更加贴近客户，这让企业竞争情报人员有机会收集客户的第一手资讯，近距离地观察客户，为企业提供精准的和预判性的客户竞争情报。
c．即时传播的数据，有利于提高竞争情报的实时性。
当前，互联网的重心逐步向着移动互联转移。
截至2011年12月底，中国手机网民规模达到3．56亿，占总体网民中的比例达到69．4%［6］。
手机上网成为人们工作和生活的一种习惯，越来越多的企业开通官方微博，第一时间发布自己的产品信息、人事变动等重要信息，而普通用户则随时针对特定的事件或对象发表自己的见解观点或者态度。
如今，通过智能手机、平板电脑甚至具有网络功能的照相机、摄像机等泛互联网设备所产生的信息占互联网信息总量的1/3以上。
这些即时传播的数据，如能利用好，将极大地提高竞争情报的时效性和企业的反应能力。
如2012年5月18日，即Facebook上市当天，社交媒体监测平台DataSift通过分析Twitter上的情感倾向，成功地预测了Facebook的股价波动，延迟情况只有几分钟到20多分钟
似曾相识的是21世纪初互联网泡沫的破裂。
当时企业都认为互联网具有高价值，于是大量投入人力、资金。
后来虽然互联网泡沫破裂了，但是它的高价值仍存在，并影响到各个行业甚至个人，使得经济得到飞速发展。
与之类似，尽管大数据话题的炒作会冷却，但是大数据分析的价值会继续下去，企业关注的重点应该是如何采取正确的策略、流程和方法从大数据分析中获得价值。
，驾驭大数据的真正问题不是技术问题，而是人、文化、流程或者基础设施。
在5大数据时代）生活!
工作与思维的大变革6一书中,列举了很多大数据制胜的案例"比如美国的物流公司UPS通过监测全美6万辆车的各种数据发现,能提前预测车辆哪些零件需要更换,而之前没有用大数据手段,只能等汽车抛锚或出现问题时,才能去更换零件（从中UPS节省了数百万美元的支出"；再如一家创业公司,通过分析过去十年美国航班的飞行情况,再结合实时的天气!
空港各种数据,能预测出很多航班是否正点"这些预测甚至比航空公司自己给出的航班排期表都准确,从而节省了乘客的时间"
大数据概念的兴起,实际是科技逻辑一贯的思路在起作用）即在西方的科技逻辑体系中,人是可以被物化的,通过一系列外在的!
标签式的符号,能对人进行规定"进而通过一系列外在的科技化语言和数据,能找出规律,找出趋势和发展方向,从而对人的下一步行为进行判断"；"如果数字化分析依托时象是有规律的物体,则可能问题不大"但是如果是叶用户或消费者进行行为!
购买的分析,则可能会有一些陷阱"；用更加通俗的话来说,人有可预知的部分,也有不可预知的部分"前者属于理性,可以交给大数据,后者属于感性,无法用数字衡量"如果想通过大数据全部还原和分析人本身,进而作为商业发展的判断依据,大有可为,但并非是万能解决方案"
按照现行的说法,大数据涵盖了网络日志RFID传感器网络社会数据互联网文本和文件互联网搜索索引呼叫详细记录天文学大气科学基因组学地球化学其他复杂或跨学科的科研军事侦察医疗记录以及大规模电子商务等
积极培养企业的数据化理念,并将企业的业务指标进行量化处理则更加符合市场发展状况
，在开放的网络化社会，大数据的数据量大且相互关联，对于攻击者而言，相对低的成本可以获得“滚雪球”的收益。
近年来在互联网上发生的用户账号的信息失窃等连锁反应可以看出，大数据更容易吸引黑客，而且一旦遭受攻击，失窃的数据量也是巨大的。
云计算专家李志霄博士说：
“数据安全三分靠技术，七分靠管理。
”[5
美国著名市场学者约翰·沃纳梅克曾说过，“我知道一半广告花费都是浪费的，但是我不知道是哪一半。
”大数据营销方式的到来，这一问题似乎得到了解决。
随着大数据处理能力的提升，通过对网民特征的深入挖掘，数字媒体营销也将更为个性化、网民也更加个性化。
大数据是把双刃剑，一方面大量的数据和信息为商超的战略制定和各种数据分析提供了参考信息和实践数据；另外一方面，研究和甄别、筛选、分析这些数据，给零售商场增加了人力物力等成本，这个对于一些成长中的中小零售商超来说，是难以承担之重，和无法企及的倚天剑。
“冷兵器时代”（即依靠管理者经验而不是借助电脑等工具进行销售监控和分析的时代）时普遍存在的观点。
然而现在很多的数据不是管理软件可以从数据库提取分析的，比如依靠监控视频进行动线分析、依靠音频设备进行客流大小分析等，这些分析结果都是非结构性的数据
在国内，制约运算能力特别是云计算能力的，不单单是商超的电脑配置和服务器性能，还有通信网络的带宽。
太复杂意味着缺乏市场，缺乏市场就让大数据这一工具无法实现价值的最大化，其存在与海量数据就没有太大的差别。
大数据与海量数据的区别就是在于复杂性数据，如何更为简易化的转化和分析复杂性数据
云计算上，一个较为悲观的观点是，中国企业已经没有多少机会。
由于云计算基础设施建设需要巨大的资金投入，长时间、大范围的部署和持续的更新维护，有足够的资源、实力去构建大规模云计算平台的企业并不多。
工业和信息化部软件司副司长陈英认为，大数据群所蕴含的价值如今正在逐步释放，大数据的挖掘利用对提升政府管理职能和企业的决策能力、创新发展模式都将产生深远影响。
由企业、高校共同发起的中关村，大数据产业联盟已经成立，大数据产业已经纳入《中关村战略性新兴产业集群创新引领工程（20132015年）》
大数据的拥有者和第三方开发者之间可以有着很好的结合点。
由于数据分散在各行各业，大数据时代可能不会出现“数据垄断”现象，但是要让数据真正发挥作用，需要数据的开放，甚至让数据可以像商品和货币一样互相交换流通。
除了互联网领域，我国金融、电信、工商、交通卫生等行业已积累大量的数据资产，如何唤醒这些数据，是推动大数据在行业中应用的关键
微软IE浏览器中，增加了一个私密浏览的可选功能，用户在这一模式下用浏览器干了什么事，别人都无法看到。
淘宝网都无法跟踪和搜集用户的一系列在线行为，也分析不到相关的数据信息
不容忽视的是，大数据体系在吸纳数据时，并不将个体或群体是否愿意共享信息的意愿考虑在内。
被誉为大数据时代的预言家、牛津大学教授维克托·迈尔-舍恩伯格在其所著的《删除：
大数据取舍之道》一书中揭示了大数据时代带给人的负面影响。
Google对我们的了解比我们自己能够记住。
基于技术形成的大数据体系将使记忆趋于数字化，让人无法忘记或舍弃，这是对人类社会长期以来形成的记忆习惯、知识积累与传播方式的逆反。
，人们之所以能够结成群体和社会，是因为接受一定范畴的共同信息，从而形成共享记忆和共同情感；如若而今及以后变得不会遗忘、不会对信息作出范畴限制，共享记忆和共同情感及其提供的基础作用就会消失。
非但如此，大数据体系、数字化记忆还可能造成对公民的全景控制，进一步强化社会等级，巩固并加深现有的不平等的信息权力分配。
《删除：
大数据取舍之道》一书提出了对大数据体系、数字化记忆负面性的六种可能对策：
数字化节制、保护信息隐私权、建设数字隐私权基础设施、打造良性的信息生态、调整人类的现有认知、完全语境化。
2013年1月30日，银联与快递协会在京签署了战略合作协议，双发共同发布了供应链金融服务的新产品——供应链综合服务平台。
供应链综合服务平台最大的特点是在供应链中寻找出一个大的核心企业，以该核心企业为出发点，将银行信用融入上下游企业的购销行为，增强其商业信用，为整个供应链上的企业提供金融服务，从而促进上下游企业与核心企业建立长期战略协同关系，提升供应链企业的核心竞争力。
通过供应链综合服务平台，核心物流企业可以掌握上下游企业存货商品价值、库存量变动、投入生产进度或销售前景等第一手资料，而银行则可通过物流公司等战略伙伴监控供应链各个环节，为中小企业提供浮动融资额度，降低交易成本和风险。
物联网、云计算、“大数据”分析等高新技术的广泛应用，也给商业银行的风险甄别和防范带来契机。
实现对物品的智能化识别、定位、跟踪、监控和管理。
物联网核心“可视跟踪”技术将有效监管核心企业下游客户销售信息的及时性、有效性，大大降低银行对质押货物的监管工作。
这就需要将供应链上的“1+N”交易伙伴、银行和物流企业的多方作业流程实现全程在线操作，确立供应链融资各方信息交互、识别的统一标准。
大数据的处理主要分为三个阶段，即数据提取、数据分析与结论。
处理模式主要有两种，即流处理模式和批处理模式。
流处理认为数据的价值随时间递减，流处理过程中响应时间越短越好。
流处理模式对内存数据结构的设计要求较高，需要较大的内存容量。
批处理模式是指在对原始数据分类的情况下由不同的任务区进行数据处理。
现阶段主流的大数据处理平台主要包含Hadoop，MapR,Cloudera等，其中Hadoop大数据处理平台的发展较为完善，包含文件系统、数据库和数据处理等模块。
主要的数据库包含以Greenplum为代表的SQL数据库；以HRase为代表的NoSQL数据库；以Spanner为代表的NewSQL数据库等。
业务特性使银行积累了海量的数据信息，但银行传统的业务系统设计并未考虑客户偏好、生活习惯等更深层的数据搜集，最终导致银行在做决策时只能更多地借助宏观经济层面的信息。
国外先进银行已进行了一些有益的实践，如新加坡花旗银行开展了深度信用卡交易数据分析，针对性的为客户推荐符合客户消费习惯的商家优惠信息；INGDirect网上银行通过数据分析将客户进行分类，筛选出高回报客户，并为他们提供具有吸引力的利率；谷歌推出的小额贷款产品ZestCash增设了传感装置，可以区分出由于环境限制导致的暂时信用较低的客户，以和信用一直较低的客户区分对寺，避免有效客户的流失。
大数据催生了信息驱动的
商业模型，使用大数据研究客户群体，打造区别化商业模式，已经成为金融业发展的趋势和方向。
。
2012年3月，美国政府宣布，将投资2亿美元启动“大数据研究和发展计划”，把大数据从商业层面上升到国家战略层面。
。
2012年1月，瑞士达沃斯论坛发布了《大数据，大影响》的报告，宣称数据已经成为一种新的经济资产类别，就像货币和黄金一样。
亚马逊声称，他们30%的销售收入来自于“你可能也喜欢”的推荐引擎。
大数据让大公司可以做平台，包括数据采集、分享、分析、计算、统计、存储，小公司则可以找题目做应用。
中国计算机协会大数据专家委员会的一份调研报告显示，大数据在社会计算方面的应用中，医疗、金融、电子商务、城市管理排名前4位
云天使基金、中云融汇基金、大数据实验室孵化基金3只产业投资基金也于日前宣布创立，3只基金将面向大数据、云计算、移动互联网等领域早中期创业企业，关注这些行业种子期的技术和商业模式，发现、培育和扶持创造性的思想、创新的技术和创业的团队。
目前广泛使用的开源海量数据处理系统大都以Hadoop作为数据存储和并行处理的基础框架——HDFS提供海量数据存储平台，MR框架提供海量数据并行计算模型。
Hive和Pig都是在Hadoop之上提供了类SQL语言的解决方案，这大大减少了并行处理程序开发的难度，使用户不必具备较强的程序编写能力，进而更多地关注业务逻辑。
以上海量数据处理系统在高可用性、高容错、扩展性方面都提供了很好的支持
沃尔沃集团，通过在卡车产品中安装传感器和嵌入式CPU，使得从刹车到中央门锁系统等形形色色的车辆使用信息源源不断地传输到沃尔沃集团总部。
这些数据正在被用来优化生产流程，以提升客户体验和提升安全性，以及让产品部门提早发现产品潜在的问题，并在这些问题发生之前提前向客户预警。
社交媒体监测平台DataSift监测了FacebookIPO当天Twitter上的情感倾向与Facebook股价波动的关联。
Twitter上每一次情感倾向的转向都会影响Facebook股价的波动，延迟情况通常只有十几分钟。
例如，一个客户使用最新款的诺基亚手机，每月准时缴费，平均一年致电客服3次，使用WEP和彩信业务。
如果按照传统的数据分析，这可能是一位满意度非常高、流失概率非常低的客户。
但是，当搜集了来自微博、社交网络等媒介的客户数据后，这位客户的真实情况可能是：
客户在国外购买的这款手机，手机中的部分功能在国内无法使用，在某个地点手机经常断线，彩信无法使用——他的使用体验极差，正在面临流失风险。
事例一：
花旗银行工作人员可以利用大数据分析获取银行客户信息并且分析客户的下一步需求，进而向客户营销相关金融产品。
比如，某人为自己的孩子开办了一款信用卡，当孩子上大学后，就会分析这位顾客所需要的金融产品。
如果之后家长有装修厨房的计划，那么花旗银行的工作人员会向这位家长推荐适合装修的贷款，满足客户各方面的潜在需求。
事例2：
客户流失分析。
借助大数据平台搜集到客户行为记录，通过对已流失客户的行为进行分析，找到客户流失发生时的关键路径，进而能够利用流失客户的行为模式有效定位有流失倾向的客户，以便银行工作人员能够在客户流失前进行挽回工作。
借助大数据分析平台，通过对形式多样的用户数据（用户消费数据、浏览记录、购买路径等）进行挖掘、追踪、分析，将不同客户群体进行聚类，有助于获取用户的消费习惯、风险收益偏好等特征信息。
从而根据不同客户特性打造个性化的产品营销服务方案，将最适合的产品服务推介给最需要的客户。
事例：
Wonga是英国一家小额贷款公司，他们利用海量数据挖掘算法来做一些贷款业务。
Wonga对过去客户的各种碎片化信息进行数据获取和整理，用大量的数据串成了客户特征的全貌，同时根据不良贷款等风险信号不断完善调整模型，有效控制风险。
如今它已获得了5亿美金的年利润，其风险管理能力也获得业界的认可。
（1）未来银行业更加倾向于零售营销。
绝大部分客户数据通常是用户在社交网络、移动终端设备等媒介留下的海量碎片化数据，如何收集数据并对客户的行为属性进行有效的分析，是支撑以客户为中心发展模式的重要手段。
（2）未来银行更加倾向于科技创新。
银行的经营管理系统都面临着同质化严重的问题，因此需要通过技术创新来不断增强银行业的核心竞争力——帮助银行改进金融系统，改善与顾客之间的交互，改进并简化客户的银行业务体验。
（3）未来银行更加倾向于数据分析挖掘
已被业界广泛使用的开源的海量数据处理系统（Hive）使得很多公司能够从零开始快速搭建大数据系统，为银行构建大数据处理平台提供了实验性平台保障。
需要分析人员具有更高的素质，不仅要有较高的业务理解力，而且要有很强的数据建模、数据挖掘的技术能力。
近几年，N
升级会员 