大數(shù)據(jù)銀行應(yīng)用(45p)課件

1、大數(shù)據(jù)應(yīng)用第1頁(yè)，共46頁(yè)。主要內(nèi)容大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景未來(lái)銀行業(yè)的發(fā)展趨勢(shì)在大數(shù)據(jù)背景下面臨的挑戰(zhàn)第2頁(yè)，共46頁(yè)。你使用過(guò)信用卡嗎？ 卡應(yīng)該發(fā)給誰(shuí)？ 哪些持卡人會(huì)拖欠？ 哪些拖欠的客戶會(huì)還款？影響 資產(chǎn)組合（Portfolio）1、根據(jù)歷史，預(yù)測(cè)將來(lái)2、目標(biāo)是一個(gè)分類變量3、預(yù)測(cè)結(jié)果是一個(gè)統(tǒng)計(jì)意義下的概率1、哪些人可以發(fā)卡，額度是多少？2、持卡人拖欠的概率是多少？3、該對(duì)誰(shuí)催收？第3頁(yè)，共46頁(yè)。第4頁(yè)，共46頁(yè)。技術(shù)和數(shù)據(jù)平臺(tái)：可以加深對(duì)消費(fèi)者的了解、增強(qiáng)針對(duì)性以及提高利潤(rùn)。數(shù)據(jù)科學(xué)深度學(xué)習(xí)、大批量處理以及實(shí)時(shí)分析。數(shù)據(jù)庫(kù)獨(dú)有的分布式相關(guān)數(shù)據(jù)庫(kù)。安全為交易安全提供有力保護(hù)。搜索能生成

2、個(gè)性化結(jié)果的搜索引擎。定向營(yíng)銷給消費(fèi)者加標(biāo)簽，提高針對(duì)性。移動(dòng)提供多臺(tái)設(shè)備之間流暢無(wú)縫的數(shù)據(jù)和服務(wù)體驗(yàn)。第5頁(yè)，共46頁(yè)。大數(shù)據(jù)時(shí)代銀行業(yè)的應(yīng)對(duì)策略第6頁(yè)，共46頁(yè)。銀行業(yè)開(kāi)始嘗試接入和整合外部數(shù)據(jù)資源第7頁(yè)，共46頁(yè)。國(guó)際同行業(yè)大數(shù)據(jù)運(yùn)用的經(jīng)驗(yàn)教訓(xùn)加強(qiáng)數(shù)據(jù)管控防范欺詐分析預(yù)測(cè)客戶及交易對(duì)手行為快速判斷宏觀經(jīng)濟(jì)形勢(shì)改進(jìn)內(nèi)部效率第8頁(yè)，共46頁(yè)。 以大數(shù)據(jù)技術(shù)促進(jìn)智慧銀行建設(shè)推動(dòng)大數(shù)據(jù)應(yīng)用的策略 建立完善的大數(shù)據(jù)工作管理體系 增強(qiáng)數(shù)據(jù)挖掘與分析運(yùn)用能力建立基于大數(shù)據(jù)分析的定價(jià)體系依托大數(shù)據(jù)技術(shù)提升風(fēng)險(xiǎn)管理水平第9頁(yè)，共46頁(yè)。大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景客戶管理營(yíng)銷管理風(fēng)險(xiǎn)管理銀行需要借助由大數(shù)據(jù)構(gòu)

3、建的企業(yè)經(jīng)營(yíng)全景視圖來(lái)進(jìn)行活動(dòng)，進(jìn)而尋找最優(yōu)的模式支持商業(yè)決策。第10頁(yè)，共46頁(yè)。 銀行可以通過(guò)大數(shù)據(jù)分析平臺(tái)，接入客戶通過(guò)社交網(wǎng)絡(luò)、電子商務(wù)、終端設(shè)備等媒介產(chǎn)生的非結(jié)構(gòu)化數(shù)據(jù)客戶進(jìn)行分類根據(jù)用戶行為對(duì)用戶進(jìn)行聚類分析，進(jìn)而可以有效的甄別出優(yōu)質(zhì)客戶、潛力客戶以及流失客戶社交網(wǎng)絡(luò)電子商務(wù)其他終端設(shè)備等媒介收集、分析、甄別大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景客戶管理第11頁(yè)，共46頁(yè)。大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景案例1：花旗銀行工作人員可以利用大數(shù)據(jù)分析獲取銀行客戶信息并且分析客戶的下一步需求，進(jìn)而向客戶營(yíng)銷相關(guān)金融產(chǎn)品。比如，某人為自己的孩子開(kāi)辦了一款 信用卡，當(dāng)孩子上大學(xué)后，就會(huì)分析這位顧客所需要的金融產(chǎn)品

4、。如果之后家長(zhǎng)有裝修廚房的計(jì)劃，那么花旗銀行的工作人員會(huì)向這位家長(zhǎng)推薦適合裝修的貸款，滿 足客戶各方面的潛在需求?？蛻艄芾淼?2頁(yè)，共46頁(yè)。案例2：客戶流失分析。借助大數(shù)據(jù)平臺(tái)搜集到客戶行為記錄，通過(guò)對(duì)已流失客戶的行為進(jìn)行分析，找到客戶流失發(fā)生時(shí)的關(guān)鍵路徑，進(jìn)而能夠利用流失客戶的行為模式有效定位有流失傾向的客戶，以便銀行工作人員能夠在客戶流失前進(jìn)行挽回工作。 大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景客戶管理第13頁(yè)，共46頁(yè)。大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景 電商“大數(shù)據(jù)” 讓客戶多一個(gè)網(wǎng)上的渠道，形成和客戶在支付結(jié)算、傳統(tǒng)銀行業(yè)務(wù)上的對(duì)接、捕獲更多的信息。 提供銷售貨物的渠道，同時(shí)提供多種企業(yè)融資產(chǎn)品。利用大數(shù)據(jù)

5、的集成挖掘分析客戶的消費(fèi)、投資習(xí)慣，為客戶量身定做金融產(chǎn)品與服務(wù)。（支付、融資）第14頁(yè)，共46頁(yè)。電商“大數(shù)據(jù)” 為企業(yè)及其下游商家提供覆蓋整個(gè)銷售鏈的融資服務(wù)，解決買賣雙方的資金需求，幫助企業(yè)度過(guò)難關(guān)，擴(kuò)大經(jīng)營(yíng)。 建行“善融商務(wù)”、交行“交博匯”等銀行電商平臺(tái)。“專業(yè)市場(chǎng)”的產(chǎn)品運(yùn)用第15頁(yè)，共46頁(yè)。大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景金融商品購(gòu)買路徑等用戶消費(fèi)數(shù)據(jù)瀏覽記錄銀行大數(shù)據(jù)平臺(tái)獲取用戶消費(fèi)習(xí)慣、風(fēng)險(xiǎn)收益偏好等特征信息挖掘、追蹤、分析，將不同客戶群體進(jìn)行聚類營(yíng)銷管理第16頁(yè)，共46頁(yè)。大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景 提升客戶對(duì)銀行服務(wù)的認(rèn)可程度以及客戶經(jīng)理 在營(yíng)銷過(guò)程中的專業(yè)程度。提升銀行產(chǎn)品的精

6、準(zhǔn)營(yíng)銷水平。以主動(dòng)營(yíng)銷和個(gè)性化營(yíng)銷 打破傳統(tǒng)無(wú)差異的、被動(dòng)的產(chǎn)品服務(wù)營(yíng)銷方式。營(yíng)銷管理根據(jù)不同客戶特性打造個(gè)性化的產(chǎn)品營(yíng)銷服務(wù)方案，將最適合的產(chǎn)品服務(wù)推介給最需要的客戶。第17頁(yè)，共46頁(yè)。大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景例如，銀行針對(duì)不同的客戶分類推薦相應(yīng)的理財(cái)產(chǎn)品，根據(jù)客戶的購(gòu)買習(xí)慣和風(fēng)險(xiǎn)偏好進(jìn)行產(chǎn)品組合營(yíng)銷；根據(jù)客戶的產(chǎn)品清單和瀏覽記錄進(jìn)行路徑分析，主動(dòng)推送關(guān)聯(lián)產(chǎn)品營(yíng)銷等，真正做到個(gè)性化的主動(dòng)營(yíng)銷服務(wù)。營(yíng)銷管理第18頁(yè)，共46頁(yè)。大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景大數(shù)據(jù)分析自然屬性 、行為屬性客戶行為、客戶信用度、客戶風(fēng)險(xiǎn)以及客戶的資產(chǎn)負(fù)債狀況建立完善的風(fēng)險(xiǎn)防范體系。風(fēng)險(xiǎn)管理第19頁(yè)，共46頁(yè)。Wonga

7、是英國(guó)一家小額貸款公司，他們利用海量數(shù)據(jù)挖掘算法來(lái)做一些貸款業(yè)務(wù)。Wonga對(duì)過(guò)去客戶的各種碎片化信息進(jìn)行數(shù)據(jù)獲取和整理，用大量的數(shù)據(jù)串成了客戶特征的全貌，同時(shí)根據(jù)不良貸款等風(fēng)險(xiǎn)信號(hào)不斷完善調(diào)整模型，有效控制風(fēng)險(xiǎn)。如今它已獲得了5億美金的年利潤(rùn)，其風(fēng)險(xiǎn)管理能力也獲得業(yè)界的認(rèn)可。風(fēng)險(xiǎn)管理大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景第20頁(yè)，共46頁(yè)。未來(lái)銀行業(yè)的發(fā)展趨勢(shì)客戶是驅(qū)動(dòng)零售企業(yè)生存發(fā)展的核心資源銀行依賴存貸款利差創(chuàng)造利潤(rùn)的盈利方式須調(diào)整。零售及中間業(yè)務(wù)在未來(lái)銀行經(jīng)營(yíng)中會(huì)占有越來(lái)越大的比重。大部分客戶數(shù)據(jù)通常是用戶在社交網(wǎng)絡(luò)、移動(dòng)終端 設(shè)備等媒介留下的海量碎片化數(shù)據(jù)，收集數(shù)據(jù)并對(duì)客戶的行為屬性進(jìn)行有效的分析

8、，是支撐以客戶為中心發(fā)展模式的重要手段。構(gòu)建以客戶為中心的精確的銀行運(yùn)營(yíng)全景視圖就顯得尤為重要。未來(lái)銀行業(yè)更加傾向于零售營(yíng)銷第21頁(yè)，共46頁(yè)。大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景創(chuàng)新是銀行實(shí)現(xiàn)差異化發(fā)展的驅(qū)動(dòng)力 目前銀行產(chǎn)品、銀行的經(jīng)營(yíng)管理系統(tǒng)都面臨著同質(zhì)化嚴(yán)重的問(wèn)題，因此需要通過(guò)技術(shù)創(chuàng)新來(lái)不斷增強(qiáng)銀行業(yè)的核心競(jìng)爭(zhēng)力 幫助銀行改進(jìn)金融系統(tǒng)，改善與顧客之間的交互，改進(jìn)并簡(jiǎn)化客戶的銀行業(yè)務(wù)體驗(yàn)。大數(shù)據(jù)時(shí)代為銀行業(yè)務(wù)發(fā)展和技術(shù)創(chuàng)新帶來(lái)了新機(jī)遇。未來(lái)銀行更加傾向于科技創(chuàng)新第22頁(yè)，共46頁(yè)。大數(shù)據(jù)在銀行業(yè)的應(yīng)用場(chǎng)景很多互聯(lián)網(wǎng)公司愿意將自己定位為數(shù)據(jù)企業(yè)數(shù)據(jù)成為經(jīng)營(yíng)決策的強(qiáng)有力依據(jù)，給企業(yè)帶來(lái)發(fā)展和引領(lǐng)行業(yè)的機(jī)遇

9、。數(shù)據(jù)意味著巨大的商機(jī)，可強(qiáng)化客戶體驗(yàn)，提高客戶忠誠(chéng)度“數(shù)據(jù)的收集能力+數(shù)據(jù)的分析能力=企 業(yè)智商”未來(lái)銀行更加傾向于數(shù)據(jù)分析挖掘第23頁(yè)，共46頁(yè)。在大數(shù)據(jù)背景下面臨的挑戰(zhàn)構(gòu)建銀行業(yè)大數(shù)據(jù)分析平臺(tái)挑 戰(zhàn)培養(yǎng)銀行業(yè)的大數(shù)據(jù)分析人才第24頁(yè)，共46頁(yè)。數(shù)據(jù)挖掘是什么？1模型+算法2數(shù)據(jù)挖掘?qū)嵺`分享3心得與總結(jié)第25頁(yè)，共46頁(yè)。從運(yùn)籌帷幄到?jīng)Q勝千里舌戰(zhàn)群儒草船借箭巧借東風(fēng)火燒赤壁赤壁懷古 蘇軾羽扇綸巾談笑間檣櫓灰飛煙滅.第26頁(yè)，共46頁(yè)。觀日月之行，察天地之變風(fēng)雷電雨云云多會(huì)下雨刮風(fēng)會(huì)下雨下雨會(huì)閃電閃電會(huì)打雷換成它呢？第27頁(yè)，共46頁(yè)。數(shù)據(jù)爆炸的時(shí)代Data Mining, circa 19

10、63 IBM 7090 600 cases“Machine storage limitationsrestricted the total number ofvariables which could beconsidered at one time to 25.”第28頁(yè)，共46頁(yè)。數(shù)據(jù)挖掘是DataInformationKnowledgeWisdomTo find / discover / extract / dredge / harvest 、Interesting / novel / useful / implicit / actable / meaningful 、Informati

11、on / knowledge / patterns / trends / rules / anomalies 、In massive data / large data set / large database / data warehouse 、Data + contextInformation + rulesKnowledge + experience第29頁(yè)，共46頁(yè)。數(shù)據(jù)挖掘是什么？1模型+算法2數(shù)據(jù)挖掘?qū)嵺`分享3心得與總結(jié)4第30頁(yè)，共46頁(yè)。幾個(gè)基本概念模型（Model） vs 模式（Pattern）數(shù)據(jù)挖掘的根本目的就是把樣本數(shù)據(jù)中隱含的結(jié)構(gòu)泛化（Generalize）到總體（P

12、opulation）上去模型：對(duì)數(shù)據(jù)集的一種全局性的整體特征的描述或概括，適用于數(shù)據(jù)空間中的所有點(diǎn)，例如聚類分析模式：對(duì)數(shù)據(jù)集的一種局部性的有限特征的描述或概括，適用于數(shù)據(jù)空間的一個(gè)子集，例如關(guān)聯(lián)分析算法（Algorithm）：一個(gè)定義完備（well-defined）的過(guò)程，它以數(shù)據(jù)作為輸入并產(chǎn)生模型或模式形式的輸出描述型挖掘（Descriptive） vs 預(yù)測(cè)型挖掘（Predictive）描述型挖掘：對(duì)數(shù)據(jù)進(jìn)行概括，以方便的形式呈現(xiàn)數(shù)據(jù)的重要特征預(yù)測(cè)型挖掘：根據(jù)觀察到的對(duì)象特征值來(lái)預(yù)測(cè)它的其他特征值描述型挖掘可以是目的，也可以是手段第31頁(yè)，共46頁(yè)。數(shù)據(jù)挖掘是一個(gè)過(guò)程 “from dat

13、a mining to knowledge discovery in database”. U. fayyad, G.P.Shapiro and P.Smyth (1996)第32頁(yè)，共46頁(yè)。工欲善其事必先利其器數(shù)據(jù)清洗填充缺失值, 修均噪聲數(shù)據(jù), 識(shí)別或刪除孤立點(diǎn), 并解決數(shù)據(jù)不一致問(wèn)題主要分析方法：分箱（Binning）、聚類、回歸數(shù)據(jù)集成多個(gè)數(shù)據(jù)庫(kù)、數(shù)據(jù)方或文件的集成數(shù)據(jù)變換規(guī)范化與匯總數(shù)據(jù)簡(jiǎn)化減少數(shù)據(jù)量的同時(shí), 還可以得到相同或相近的分析結(jié)果主要分析方法：抽樣、主成分分析數(shù)據(jù)離散化數(shù)據(jù)簡(jiǎn)化的一部分, 但非常重要 (尤其對(duì)于數(shù)值型數(shù)據(jù)來(lái)說(shuō))第33頁(yè)，共46頁(yè)。先來(lái)玩玩數(shù)據(jù)（EDA）探索

14、性數(shù)據(jù)分析（Exploratory Data Analysis, EDA）探索性地查看數(shù)據(jù)，概括數(shù)據(jù)集的結(jié)構(gòu)和關(guān)系對(duì)數(shù)據(jù)集沒(méi)有各種嚴(yán)格假定主要任務(wù)數(shù)據(jù)可視化（a picture is worth a thousand words）殘差分析（數(shù)據(jù)擬合 + 殘差）數(shù)據(jù)的重新表達(dá)（什么樣的尺度對(duì)數(shù)抑或平方根會(huì)簡(jiǎn)化分析）方法的耐抗性（對(duì)數(shù)據(jù)局部不良的不敏感性，如中位數(shù)耐抗甚于均值）常見(jiàn)方法統(tǒng)計(jì)量，如均值、方差、根方差、協(xié)方差、峰度、偏度、相關(guān)系數(shù)等統(tǒng)計(jì)圖，如餅圖、直方圖、散點(diǎn)圖、箱尾圖等模型，如聚類第34頁(yè)，共46頁(yè)。數(shù)據(jù)挖掘 = 模型 + 算法分類預(yù)測(cè)關(guān)聯(lián)規(guī)則孤立點(diǎn)探測(cè)聚類Logistic Regr

15、ession決策樹(shù)神經(jīng)網(wǎng)絡(luò)K-MeansK-ModeSOM（自組織圖）AprioriFP-Growth基于統(tǒng)計(jì)基于距離基于偏差第35頁(yè)，共46頁(yè)。物以類聚，人以群分人為地選取細(xì)分維度客戶價(jià)值地域活躍程度維度災(zāi)難的發(fā)生維度增長(zhǎng)細(xì)分?jǐn)?shù)目指數(shù)增長(zhǎng)人腦僅能處理有限的維度市場(chǎng)第36頁(yè)，共46頁(yè)。發(fā)現(xiàn)商品間的關(guān)聯(lián)規(guī)則buy(x,”diapers”) buy(x,”beers”)第37頁(yè)，共46頁(yè)?？纯碤Q的流失數(shù)據(jù)流失率2007年3月2007年4月2007年5月2007年6月當(dāng)月活躍總帳戶數(shù)253,668,411255,749,736264,006,894269,060,000當(dāng)月流失老帳戶數(shù)6,572,

16、0876,006,5825,466,8078,217,569當(dāng)月老帳戶流失率2.59%2.35%2.07%3.05%每個(gè)月5001000萬(wàn)的老用戶流失，一年老用戶流失接近1億,實(shí)際自然人流失狀況雖然沒(méi)有這么嚴(yán)重，但是仍然是一個(gè)驚人的數(shù)據(jù)?？蛻袅魇敲總€(gè)行業(yè)每天都在面對(duì)的問(wèn)題1、建立流失預(yù)測(cè)模型，回答客戶是否要流失，何時(shí)流失的問(wèn)題2、通過(guò)預(yù)測(cè)模型建立客戶流失管理機(jī)制，更為有效地管理流失，而不是去防止流失第38頁(yè)，共46頁(yè)。一切從目標(biāo)出發(fā)目標(biāo)變量：即需要根據(jù)業(yè)務(wù)需求確定模型需要預(yù)測(cè)的對(duì)象，在QQ客戶流失模型中即是在業(yè)務(wù)上對(duì)“流失”的定義。沉默客戶數(shù)在4月后區(qū)域穩(wěn)定模型選擇連續(xù)沉默2個(gè)月作為流失的定

17、義目標(biāo)變量的定義：Good：在表現(xiàn)窗口連續(xù)兩個(gè)月有登陸的客戶Bad: 在表現(xiàn)窗口連續(xù)兩個(gè)月都沒(méi)有登陸的客戶Intermediate: 在表現(xiàn)窗口其中一個(gè)月有登陸的客戶第39頁(yè)，共46頁(yè)。打開(kāi)觀測(cè)用戶的窗口訓(xùn)練樣本 測(cè)試樣本觀察窗口: 2007年1月2007年3月表現(xiàn)窗口: 2007年5月2007年6月Time Lag: 2007年4月交叉校驗(yàn)樣本觀察窗口: 2007年2月2007年4月表現(xiàn)窗口: 2007年6月2007年7月Time Lag: 2007年5月觀察窗口表現(xiàn)窗口Time LagMM-1M-2M-3M-4M-5M+1M+2M+31觀察窗口：形成自變量的時(shí)間段。表現(xiàn)窗口：形成因變量的時(shí)

18、間段。23Time Lag：預(yù)留給業(yè)務(wù)部門進(jìn)行相應(yīng)操作的時(shí)間段。123第40頁(yè)，共46頁(yè)。勾勒出用戶行為的特征變化幅度特征變量 描述用戶使用量上的變化幅度基本屬性變量 描述用戶的基本屬性產(chǎn)品使用行為特征 描述用戶使用產(chǎn)品的情況消息業(yè)務(wù)使用行為特征 描述用戶使用消息業(yè)務(wù)的情況音頻業(yè)務(wù)使用行為特征 描述用戶使用音頻業(yè)務(wù)的情況視頻業(yè)務(wù)使用行為特征 描述用戶使用視頻業(yè)務(wù)的情況客戶在線的行為特征 從在線時(shí)長(zhǎng)，登陸次數(shù)，登陸頻率等角度研究用戶的使用行為歸屬地變化的行為特征 描述用戶在某一時(shí)間周期內(nèi)登陸所在地的變化情況中間變量比例特征變量 描述用戶業(yè)務(wù)使用占比基礎(chǔ)變量變量描述行為趨勢(shì)特征變量 描述用戶的使用

19、行為變化趨勢(shì)變量描述第41頁(yè)，共46頁(yè)。黃沙吹盡始到金基礎(chǔ)變量和中間變量數(shù)目約為224個(gè)經(jīng)過(guò)變量變換后的變量數(shù)目約為1700個(gè)變量篩選使用Logistic回歸的Stepwise方法進(jìn)行下一步擬合卡方統(tǒng)計(jì)量 Chi Square信息價(jià)值 Information Value信息增益 Gain Index單變量回歸偏相關(guān)分析 Partial Correlation第42頁(yè)，共46頁(yè)。建立閉環(huán)的業(yè)務(wù)流程第43頁(yè)，共46頁(yè)。幾點(diǎn)心得實(shí)施數(shù)據(jù)挖掘是一個(gè)戰(zhàn)略性舉措Business First, Technique Second數(shù)據(jù)挖掘不是萬(wàn)能的，沒(méi)有它也不是萬(wàn)萬(wàn)不能數(shù)據(jù)挖掘是一個(gè)循環(huán)探索的過(guò)程第44頁(yè)，共4

20、6頁(yè)。Thank you !第45頁(yè)，共46頁(yè)。1、不是井里沒(méi)有水，而是你挖的不夠深。不是成功來(lái)得慢，而是你努力的不夠多。2、孤單一人的時(shí)間使自己變得優(yōu)秀，給來(lái)的人一個(gè)驚喜，也給自己一個(gè)好的交代。3、命運(yùn)給你一個(gè)比別人低的起點(diǎn)是想告訴你，讓你用你的一生去奮斗出一個(gè)絕地反擊的故事，所以有什么理由不努力!4、心中沒(méi)有過(guò)分的貪求，自然苦就少?？诶锊徽f(shuō)多余的話，自然禍就少。腹內(nèi)的食物能減少，自然病就少。思緒中沒(méi)有過(guò)分欲，自然憂就少。大悲是無(wú)淚的，同樣大悟無(wú)言。緣來(lái)盡量要惜，緣盡就放。人生本來(lái)就空，對(duì)人家笑笑，對(duì)自己笑笑，笑著看天下，看日出日落，花謝花開(kāi)，豈不自在，哪里來(lái)的塵埃!5、心情就像衣服，臟了就

21、拿去洗洗，曬曬，陽(yáng)光自然就會(huì)蔓延開(kāi)來(lái)。陽(yáng)光那么好，何必自尋煩惱，過(guò)好每一個(gè)當(dāng)下，一萬(wàn)個(gè)美麗的未來(lái)抵不過(guò)一個(gè)溫暖的現(xiàn)在。6、無(wú)論你正遭遇著什么，你都要從落魄中站起來(lái)重振旗鼓，要繼續(xù)保持熱忱，要繼續(xù)保持微笑，就像從未受傷過(guò)一樣。7、生命的美麗，永遠(yuǎn)展現(xiàn)在她的進(jìn)取之中;就像大樹(shù)的美麗，是展現(xiàn)在它負(fù)勢(shì)向上高聳入云的蓬勃生機(jī)中;像雄鷹的美麗，是展現(xiàn)在它搏風(fēng)擊雨如蒼天之魂的翱翔中;像江河的美麗，是展現(xiàn)在它波濤洶涌一瀉千里的奔流中。8、有些事，不可避免地發(fā)生，陰晴圓缺皆有規(guī)律，我們只能坦然地接受;有些事，只要你愿意努力，矢志不渝地付出，就能慢慢改變它的軌跡。9、與其埋怨世界，不如改變自己。管好自己的心，做好自