[ 導讀 ] 日前，作為企業級數據分析領域的翹楚美國SAS公司舉辦了2014 SAS中國論壇，SAS大數據研究與發展全球副總裁Paul Kent、SAS公司大中華區總裁吳輔世、平安銀行風險管理部兼新資本協議辦公室總經理俞勇、SAS公司大中華區首席顧問張磊座談大數據，筆者摘要其中速記重點，分享

        數據宇宙從2013年到2020年整體的數據量，從全球來看會翻10倍，總的數據量從4.4萬億GB發展到44萬億GB這樣的規模。數據量飛速的增長，不僅僅是一個量的變化，實際上數據的種類和速度，其實都在發生著非常巨大的變化。大數據有四個V這樣的概念，最重要的一個V實際上是價值。

        日前，作為企業級數據分析領域的翹楚美國SAS公司舉辦了2014 SAS中國論壇，SAS大數據研究與發展全球副總裁Paul Kent、SAS公司大中華區總裁吳輔世、平安銀行風險管理部兼新資本協議辦公室總經理俞勇、SAS公司大中華區首席顧問張磊座談大數據，筆者摘要其中速記重點，分享給讀者。

        以下為速記摘錄：

        SAS公司大數據研究與發展全球副總裁Paul Kent：

        大數據的發展狀況和未來的發展趨勢中，最重要的一個就是從原本的單機處理變成了多臺電腦同時處理，這也讓原本只有超級計算機能夠運行的一些運算，很多行業都能夠使用了，這就多虧了Hadoop這個開源的系統和開源的框架，讓很多的IT都能夠使用到新的想法和新的技術。Hadoop框架是從雅虎開始的，當時使用Hadoop必須要有Java方面經驗的工程師，他們必須是一些數據的科學家。但是現在就不一樣了，Hadoop慢慢成長成為了一個分析的平臺，能夠讓其他種類的軟件也被融入和整合進來，運行Hadoop集群。現在開放了一些空間給其他的軟件公司，包括像SAS這樣的公司也可以參與到這個平臺之中，把它變得更容易使用，包括界面友好。SAS在分析方面已經有40年的專業經驗了，所以我們可以參與進來，讓整個Hadoop框架和集群變得更好。

        給大家一個案例的分析，跟信用卡有關。信用卡公司一般非常希望知道顧客消費的行為，購買東西的模式，支出的模式，包括想要什么，不想要什么，包括家庭狀況的改變。比如說這個家庭馬上要迎來一個孩子的降臨，他們就可能會改變消費的模式，購買的東西也不一樣了。過去我們只能儲存3年的數據，也就是說，針對一個個體的5,000個數據儲存時間周期是三年，進行橫向縱向的比較，但是這些公司希望有10年的數據，這樣經濟周期不斷的改變，有時好有時壞的情況下，他們能夠記錄下整個經濟周期所有點關于顧客所有的數據，這樣就比較全面，3年的數據是做不到的。

        一些公司利用大數據的技術只是希望運算能夠更快，但另外一些公司利用大數據建立了新的商業模式。比如說車輛保險公司，可以在車里面加上一些感應器，這些感應器能夠監測一些數據，測出來司機是不是魯莽的，還是開車非常注意安全的司機。根據他們不同的駕駛行為和方式，可以對安全的司機給予保費上的折扣。對于剎車很多或者加速很多的魯莽的司機，保費就會更高。這些保險公司是非常成功的，他們可以從其他沒有感應技術以根據駕駛習慣來設計保費的公司中拉來很多客戶。車內感應器可以攝取非常多的信息，每秒都有很多信息流，不單單GPS可以定位你在哪兒，還有模型可以知道你是在市內的公路上行駛，還是在高速公路上行駛，這樣可以更全面的掌握你到底是安全的司機還是非常危險的司機。

        另外一個很有趣的故事是關于物聯網的。現在無論是感應器還是網絡都有很多信息存檔，也可以被用來打造新的商業模式。在日本一個做寫字樓租賃的客戶，他在每一個電梯里放一個計時器，記錄下電梯停在某層的時間，從而計算每一層停的次數，如果某一層的停留次數多，說明這層的客戶業務非常成功。很多時候我們覺得這些日志只能用于技術維修，實際上可以用在商業用途上。所以大數據不能僅看到其量大的特點，有時候只需要將其中一個類別的信息通過各種方式進行分析，就會產生新的商業模式。

        對于SAS來說，最強大的地方就是集群環境下的運算和算法，這也是SAS的核心競爭力所在。我們現在在市場中處于領先地位，SAS是第一家把大量且復雜的精密運算應用到Hadoop集群。現在通過軟件就能夠很輕易的讓很多人做到過去只有數據科學家才能做到的事情，比如建立很好的模型或對未來進行預測等。

        這種演變不是一件非常容易的事。舉個簡單的例子，今天早上在那個大廳我在主講臺上講到了，如何讓在場的人通過運算得到全場年齡最小的人，傳統的方法就是用串行計算機一個一個算。后來我把指令發給聽眾，進行類似并行計算的分組，每組得出一個結論，每組都進行數據處理，最后再綜合的處理，整個過程就變得非常的簡單。經過3年、4年，甚至5年的復雜運算，SAS研發中心工作人員實現了從原本的單機處理變成多機同時處理。這是我們非常引以為傲部分，但其中涉及的大量復雜而艱難的運算工作可想而知。

        技術是一個很重要的引擎，能夠處理更大集群的數據，更快地得出結果。但是我們也非常關注用戶界面友好，令用戶使用方便。為什么？因為你可以很快的得到一個報表，看問題就可以得到答案，看報表就能夠得到結果。但如果報表生成的時間很長，就會失去興趣進行業務方面的發掘了。我們通過把這些數據集群放在內存上，但因為有很多的電腦，相應有很多內存可以分布下去，這就使得很快產生報表。

        SAS公司大中華區總裁吳輔世：

        SAS公司專注在大數據分析領域，大數據談四個V，數量，變化，速度，最后一個V是跟SAS最相關的價值，即怎么運用分析技術產生業務價值。剛剛Paul談到了Hadoop的新的趨勢，國內很多企業也都做了相關研究。在2、3年前大家都是很保守的，現在包括電信業、零售業，甚至以前傳統上對新的科技一步一步采用的金融業對Hadoop這個新的技術都做了很多試點、測試和研究。過去傳統的主機和大型數據倉庫平臺做的工作現在也逐步地遷移到Hadoop當中去，這對SAS公司來講代表了一個新的契機。過去我們和Teredata、甲骨文等公司有很多的合作，跟他們的結合，不管是直接訪問他們的數據倉庫，還是在庫內做高速的分析，都有各種的軟件功能讓客戶取得很好的成果。現在由于Hadoop這個新的科技的產生，會讓客戶有更快速的部署，更精簡的投資，從而得到效益。

        舉個例子。前不久一個銀行的客戶，在做風險管理回歸分析的測試，大約1億條的記錄，用我們的高性能分析技術在4臺的PC服務器上，只要花3分鐘時間就把分析做完了。過去如果沒有這種高性能分析，如果是SAS軟件要花2、3個小時才能解決，其他友商的軟件也許算出不來結果，因為數據量太大，大數據一出現就會碰到瓶頸。所以這對于SAS公司來說是一個很大的契機。

        我們每年把收入的25%，每收入4塊錢中的1塊錢投入在研發上，確保我們不斷地推出最新最強性能的產品。所以大數據這一個新的商機，面對客戶需要創新、轉型方面需要的軟件，SAS公司做好了充分的準備，通過我們的高性能分析、可視化分析，包括75%的大數據都是非結構化數據而不是傳統的結構化數據，要做這樣的分析很多大量的文本必須透過文本分析(Text Analytics)，像這樣的解決方案我們SAS公司有非常好的產品線配合客戶的需求。這方面業務增長機會非常大，國內幾個重要行業都有新的增長潛力。同時我們也與國內的集成商合作，希望集合大家的力量一起加大我們對市場的覆蓋和服務的力度。

        我剛剛講到的測試我再補充下，除了速度以外，因為它用的是4臺PC服務器，對用戶來講投資成本大概是三、四十萬人民幣硬件的設備，過去可能要10倍、20倍以上的硬件投資，才能夠做出這么快速的大數據的處理分析。現在因為結合了SAS的高性能分析，我們就可以搭配非常精簡具有效率的硬件平臺環境，讓客戶享受到這種大數據分析的成果。整體來講，我們對于大數據趨勢的發展，對于中國市場的潛力，我們非常的有信心，也感覺到很興奮。我們可以與國內的合作伙伴一起把服務做的更好，把這個市場發展的更大。

        平安銀行風險管理部兼新資本協議辦公室總經理俞勇：

        借這個機會跟大家認識一下，介紹一下金融領域的情況，特別是大數據在金融領域的應用。同時盡可能結合平安集團和平安銀行的情況談一點個人的體會。我主要想說的是價值value。

        我昨天晚上跟一個老板聊天的時候，聊到大數據，他基本贊同我的觀點，大數據主要就是分析，價值挖掘，這是它的關鍵精髓。當然對我們來說更重要的是，對SAS這樣的分析公司來說，對我們這種應用領域的，不管是金融、通訊，還是零售、教育、醫療等行業來說也都是分析的工具。前面三個V都是比較專業的做硬件的或者做數據挖掘、數據收集，或者跟當地政府的監管有關系。比如Volume，什么數據能夠收集，什么數據不能收集，不僅僅是你想做，而且是能不能做的問題。

        舉個例子，大數據在金融中的應用最明顯的例子就是信用卡。信用卡不僅僅是反欺詐的問題，還有怎么利用大數據做精準營銷。比如說張博士工作穩定，有張平安銀行無限額的鉆石白金卡，今天開會住在悠唐皇冠假日酒店，刷了1000塊錢的單子。如果營銷成功的話，我們可以分析后臺的數據，收集張博士年齡、身份、收入、消費習慣以及他的家庭情況，他喜歡到哪兒去，北京周邊，特別是朝陽門周邊的情況，是不是要到外交部參觀一下國家的部委，還是到雍和宮拜拜佛，還是到附近的咖啡店吃個飯。這個信息反饋到銀行去以后，銀行馬上會給張博士發一個微信或短信，我們現在都是微信營銷了。平安銀行的壹錢包已經在用微信營銷。

        上一次我跟一家著名的IT廠商聊天，他說有一個產品，可以在5分鐘之內能夠送一條信息給張博士。比如張博士喜歡火鍋，最近有一家很好的火鍋店很適合他的口味，用我們的銀行卡可以打折，火鍋店開門時間，交通都安排好了，我們還可以幫你預定。這就是精準營銷。可見大數據后面的數據量和工作是非常繁雜的，SAS完全可以起到作用，因為SAS是一個非常有力的工具。數據運營商也可以發揮作用，另外像分析工具，包括銀行進行風險管理都可以運用。所以價值分析是大數據應用的關鍵。

        現在金融的現狀對于大數據應用是遠遠不夠的，其中有監管的問題，有些個人數據是不能用來營銷的，比如張博士的個人數據，因為他個人的數據并沒有和平安銀行簽約，他的個人數據我們用來營銷，這是不可以的，這是違法的。在美國，需要簽privacy agreement。回到我前面所說的，大數據在金融領域的應用是非常復雜的，關鍵你怎么樣把價值挖掘工具用好。我的理解是在金融領域大概有這么幾個方面。第一是營銷，這是很顯然的，不管你是做銀行、保險、證券、基金，你都需要大數據來發掘營銷，這不僅僅是單純的金融營銷的問題，包括教育、醫療也同樣需要。

       第二是風險管理。因為這不光是反欺詐反洗錢的問題，風險管理方面，我們要對顧客行為貸前、貸中、貸后的分析，我們都需要大數據的支持。第三，更重要的是，我們需要大數據對我們的業務發展進行指導，什么業務可以做，什么業務不可以做，什么賺錢，什么不賺錢，什么時候可以開發新領域。三個領域做的很大，每個領域都可以細分出很多。就銀行來說，比如零售的營銷包括個貸、信用卡，對公的營銷，線上的線下的，還有投行、機構金融等等。
 平安銀行在金融領域大數據挖掘有兩個維度，一個是集團的維度，集團有一個首席創新官辦公室，由屠總統領金融科技創新，就有大數據。平安有數科、金科、平安科技，三家共同合作做大數據。平安的財險客戶都是非常好的客戶，忠誠度非常高。各位媒體有開車的，可能有人買平安車險，平安車險是可以比較快的拿到理賠的，又是一種潮流身份的象征。這是在集團層面的做法。在技術應用方面怎么進行推進我們還在探索。

        第二個層面是銀行層面。大數據應用有這么幾個方面，一是零售。我們希望能夠通過大數據帶來的技術，把零售營銷的精準性、速度、范圍進行擴大。二是對公營銷方面。我們希望能夠在風險管控上把客戶即時的信息反饋過來，盡可能的收集到。因為對客戶的信用進行判斷就是一個數據分析的問題，數據問題則是中國金融行業最缺乏的。缺乏到什么程度？我看過一個報道，P2P類型的“人人貸”所屬的宜信公司，不是一個金融機構。中國的金融機構是銀監會批準牌照的，但它不是，只是一個工商局批準的企業，雖然可以貸款，但不能享受銀行待遇，比如對客戶的信用報告進行查詢。也就是說他不能查客戶的信用報告，只有銀行可以查。它不能查客戶的信用報告，我怎么判斷要不要把5萬塊錢貸給張博士，就要想辦法收集各種數據。如果有一個第三方，運用吳總說的SAS技術來收集和挖掘數據很好，這就有問題了數據收集不到，最后他們怎么辦？他們就根據每個申請人的其他相關信息來判斷他的違約率。他們還計劃對這客戶數據分析方法申請專利，違約率為大大降低。

        小額貸的不良貸款率是遠遠高于金融機構的，不用看銀監會的年報，銀監會年報是銀行的，都是國有、股份和城商行，國有銀行平均不良貸款率是1到1.5%，股份制稍微低一點是0.8%，平安去年是0.89%。是比較好的，因為股份制新成立的，所以比較靈活，比較小，所以我們講究效益，講究顧客的質量。大行因為是歷史積累下來的，所以一些不良貸款是正在處置的，同時還有國家的政策負擔，所以不良貸款率會高一點。小銀行，像城商行、農商行違約率可能會高一點，達到1.5—2%左右。宜信小額貸款或人人貸違約率應該是很高的，至少高于2%，因為他的客戶群本來就是急需錢，但在銀行貸不到款的客戶群，客戶群沒有銀行優質，同時他讓客戶支付的利率比較高，因為我能到銀行貸到款比較便宜就不會找小額貸了，因為小額貸款的利息是一分、兩分，有的是三分、四分，當然了基本都是短期貸款。

        最后一個是風險管理。我在風險管理部門工作期間建了一個很大的數據庫，把風險管理加進數據庫，對數據庫進行挖掘和分析。其中工具用的之一就是SAS，用SAS做了一些模型，判斷用戶的行為，將模型通過實驗室進行驗證是否合格，我們用的是SAS模型實驗室軟件。

        Paul Kent：現在確實沒有到大數據大規模采用部署的階段，但是你說中小企業不能用或者不適用也是不完全對的，很多時候大數據能夠帶來一些新的商業模式。比如說在一個地方因為一個原因收集了一些數據，你把它放在一種新的模式下面就會產生新的價值，一組數據用兩次不同的原因可以有新的價值，加入一些外部的資源或者信息進來，就可以通過數據建立決策或者產生一些新的數據產品，通過網絡或者遙控等方法部署下去。這也是中小企業未來的商業機遇，也可以發掘出很多新想法。大數據技術可以應用于任何企業。

        Hadoop集群不一定量非常巨大，有的時候只要5個服務器就夠了，比如5臺英特爾服務器，價格也不高，今年在北美的價格是1萬美金一臺，350GB的內存，14TB的存儲量。有5臺這樣的電腦，就可以處理70TB的存儲量，1.5TB內存。不用像google或雅虎一樣有成百上千臺服務器。很多客戶剛起步的時候只用5到20臺服務器，這對他們來說就已經非常的有用了，隨著業務的增長可以慢慢的加，從20加到25個，或者加更貴的服務器更帶來更高的容量。

        吳輔世：5臺服務器就是5萬美金，差不多6.2的匯率，30萬人民幣。三、四十萬人民幣對于小微企業來說真的不需要做什么分析，如果是中小企業投資三、四十萬能夠處理很大量的數據，從投資的角度來講是絕對可以負擔得起的。中國有一個特色，今天是小企業，明天可能是中企業，后天變成大企業。舉個例子，國有銀行、股份制銀行，我們有五大行、12家股份制銀行，但是下面一百多家城商行，過去城商行的資產規模是不可能排到全球一千大的銀行規模，但是看他們的營收增長，過去幾年自然的增長每年20%到30%的增長，并不是通過并購。所以很多銀行已經躋身在全球五百大三百大之內。這就是為什么覺得中國的市場有很大的使命感，也很興奮。今天看這些大的銀行做的工作，明天可能就到了城商行或者第三、第四級的銀行，都可以普及應用到。

        三、四十萬人民幣，一般的銀行過去做這么大量的數據分析，不管是做市場營銷還是風險管理，可能建一個數據倉庫的投入就是千萬級的人民幣。但是今天因為有了這些新的技術，因為結合了SAS的高性能分析，初始投資可以大幅度的降低，銀行可以得到很大的效益。大數據市場當然會像剛才那位媒體朋友問到的，不可能一夜之間全面覆蓋，但可以一步一步的來，它的擴散效應可以很快的發展，尤其是在中國的市場充滿了潛力。即便是像剛才俞總提到的幾個應用范圍，精準營銷前幾年真的只有大的銀行在談，現在城商行，包括寧波銀行、上海銀行都在談精準營銷，都在跟進。風險管理以前做新資本協議合規只有五大行跟股份制銀行，現在有十幾二十家的城商行也在做，加強風險管理，參照大行的做法，一步一步的去強化他們的風險管理。這些都是在中國市場可以顯現出來的有很好的成長潛力的方面。

        俞勇：結構化和非結構化，通用汽車公司以前就是用結構化的數據來分析，比較簡單，這個事大家一直在做，SAS也做的非常出色。現在非結構化數據分析更多一些，文檔。我以前也是搞IT的，非結構化的數據分析難度是比較大的，要估計一個模型，假定它的linear問題非常容易，但non-linear問題估計方法沒有統一的，因為每個方法都有它的缺點。

        比如信用卡，我要判斷給到張博士的信用卡是多少額度，叫申請卡。變量是很多的，年齡、家庭收入、職業，有沒有汽車房產等資產，這些變量假定都跟他的額度是線性關系，我們才可以做回歸，才可以測算額度。如果是非線性的關系，這就需要風險管理。還有他的年齡說不定跟他的信用卡額度并不是正相關的，或者超過40歲以上這個人的額度就很高，20歲以上額度非常低。這并不是一對一就比較難了。回到非結構化，在金融領域的應用，我感覺還是停留在非常初級的階段，特別是在銀行領域，保險和精算會好一點，金融領域比較少。

        吳輔世：這段時間張博士參與了一些銀行的項目，金融領域是在初始的階段，因為很多文本分析需求的存在，所以我們SAS剛好有一個很好的產品。早上我提到了制造業非常成功的案例，實際上金融業也開始有了應用。請張博士補充一下。

        張磊：對于非結構化數據的分析和挖掘，據我個人的了解，特別是在中國市場看到的情況來說。基本上從去年年終開始一直到今年，勢頭非常的猛。以前在國內做一些文本非結構化數據的分析和挖掘，基本上大家只停留在一些概念上，但從去年開始真的有客戶開始要做這個項目，開始啟動了一些文本挖掘的相關概念驗證的項目。包括吳總談到通用做文本的挖掘，針對汽車保修的文本記錄，做文本的自動分類，對應到的汽車零部件，這都是我們已經上線成功的應用。除了汽車的行業，還有保險行業、銀行業、招聘網站的公司，他們都用了文本挖掘分析的內容在做。據我現在接觸的客戶，有10個客戶已經開始著手在做文本挖掘和分析了，上一些項目。

        比如奧斯卡獎的獲獎名單。來自微軟研究院的一位專家在獎項公布之前就做了預測，那些獎項到底花落誰家，預測的準確性非常之高，14個獎項預測準了12項。他是怎么預測出來的？他是基于歷史上的分析，用了很多非結構化數據的分析，包括影片的風格，奧斯卡專家的評判標準等。

        另外一個非結構化應用比如流行病傳染程度，這是政府監控度非常關注的，萬一一個疾病暴發，它會流行到什么地步，有什么的發展趨勢，這對政府的應對是非常重要的。以前是基于搜索引擎，比如Google的搜索引擎，根據搜索量的變化，搜索的關鍵字，由此分析可以知道現在流行感冒在哪個地區不斷的蔓延，蔓延的速度是什么樣的。回到商用的領域，保險也好、銀行也好，其他相關的行業也好，一個最典型的應用場景是呼叫中心。客戶會打電話咨詢和投訴，會留下一堆的文本記錄。我們前期給用戶做了很多分析應用，要了解客戶投訴的熱點是什么，屬于哪一個投訴分類。投訴的熱點問題到底業務上應該怎么改善，跟我的哪些業務的舉措有一定的關聯性。所有的這些數據分析挖掘都是通過文本挖掘出來的。另外我還可以分析投訴的走勢，未來我什么樣的服務，什么樣的投訴類別未來會怎么發展，都可以分析出來。這是內部的數據。

        還有一部分數據是社交媒體。社交媒體發展非常猛，大家會在社交媒體微博、微信上發布我對每家銀行或保險公司的看法和意見，實際上這也是企業通常會關注的，也就是輿情監控，用到的技術就是文本挖掘和分析技術。國際上做文本挖掘的廠商非常多，但在國內我們碰到的競爭對手并不是很多，因為競爭對手在中國有中文支持的障礙。因為文本挖掘的研發團隊就在中國有研發中心，所以中文支持非常好。

        俞勇：對于金融機構來說，特別是像我們這樣的中小銀行，在人才、技術方面跟大行相比都有很大的差距，這就是為什么大家發現在股份制銀行工作壓力很大，人均產出肯定要比大行高，這不管是前臺、中臺、后臺，而是一種普遍的現象。出現這種情況之后，從風險來說主要是兩個方面，一是我們盡可能的招高素質的人，愿意加班加點，愿意承擔責任，這一塊我們已經有了長足的進展。平安銀行的目標是3萬人4萬億資產。風險管理部最近招了7個海歸，都是高素質的人才。同時內部也進行人員的培訓，下個星期我們會請SAS給我們做一個SAS的建模技術培訓和軟件。

        因為我們比較小，比較講究效益，比較講究投入與產出，所以有了一個大的項目我們就會請著名的咨詢公司，像SAS等協助。這是一個普通的現象，中小銀行來做一些大的項目，因為他們的專業技術、能力和產品的創新性，在某一階段他們可以彌補我們的不足，可以跟我們一起成長。但這也要辯證的看，一方面我們希望所有的東西都自己做，但我們做不了。另外一方面我們希望外部的公司來做，他們的知識能夠轉移給我們，讓我們自己可以獨立的完成這件事。比如，SAS要能夠培養出一到兩個人可以更新我們的實驗室，軟件方式方法要交給我們的人去用。

        吳輔世：所謂大數據在大企業的應用。車聯網我們在美國有一個應用，即美國的UPS快遞公司，全球大概是820萬的用戶，每天在路上的貨物是1700萬件，每天的客戶查詢大概3000多萬筆。他在全球大概是46000臺的運貨車，每臺車上都裝了傳感器，汽車在什么地方，什么速度，什么方向，路線怎么走，全都傳回總部，他要時時刻刻知道貨物在什么地方。這還不夠，我們幫助他們做了一個系統ORION（路上導航整合優化系統）。我現在知道你的車去了哪里，我知道你的貨要送往哪里，但是SAS幫他做的一個優化是希望每臺車每個司機每天能夠少開一英里，對UPS來說一年可以省下3000萬美元。這是基于車聯網遠程傳感器的技術，我們只有收集到這些信息，再結合SaaS預報和優化的技術才能做得到，這是我們已經成功的案例。

        Paul Kent：現在有一個趨勢，政府最好不要自己把報表或者報告產生出來，他可以把很多原始的數據放在網上，能夠讓公民自己看到，獲得這些數據。他們就可以用一些軟件進行自選功能，通過像SAS這樣的軟件進行自選。比如他們只想知道周一的交通情況會是怎么樣的，或者想知道西北部的交通情況，他們就可以自己去選，可以用一些非常好的像SAS這樣的工具。我今天早上講到一個例子，是醫療行業的，就是政府把很多的原始數據放在網上，讓公民通過像SAS這樣可視化的軟件自己得到想要的結果，這是一個非常好的想法。

【聲明】物流產品網轉載本文目的在于傳遞信息，并不代表贊同其觀點或對真實性負責，物流產品網倡導尊重與保護知識產權。如發現文章存在版權問題，煩請聯系小編電話：010-82387008，我們將及時進行處理。