大數(shù)據(jù)發(fā)展概況及行業(yè)解決方案培訓(xùn)

1、大數(shù)據(jù)(shj)開展概況及行業(yè)解決方案分享第一頁，共四十五頁。目錄(ml)1 理解(lji)大數(shù)據(jù)2 大數(shù)據(jù)(shj)業(yè)界解決方案及典型應(yīng)用概覽第二頁，共四十五頁。移動互聯(lián)時代，數(shù)據(jù)(shj)爆發(fā)性增長在60秒內(nèi)，YouTube會上傳48小時的視頻；Google會收到2000000次搜索請求；Facebook的用戶會分享684478條信息；目前世界(shji)上90%以上的數(shù)據(jù)是最近3年才產(chǎn)生的；2021年0.8Z，每年將增長50%，每兩年便將翻一番，而預(yù)測全球的數(shù)據(jù)使用量到2021年會增長44倍，到達(dá)35.2ZB (1ZB = 10億TB)；數(shù)字(shz)宇宙第三頁，共四十五頁。大數(shù)據(jù)(sh

2、j)的主要來源較少：傳統(tǒng)(chuntng)IT，企業(yè)業(yè)務(wù)系統(tǒng)，門戶網(wǎng)站；15%；較多：社交網(wǎng)絡(luò)興起，大量的UGC(用戶自生成內(nèi)容)內(nèi)容、音頻、文本信息、視頻、圖片，非結(jié)構(gòu)化數(shù)據(jù)出現(xiàn)了；最多：物聯(lián)網(wǎng)的數(shù)據(jù)量更大，加上移動互聯(lián)網(wǎng)能更準(zhǔn)確、更快地收集用戶信息，比方環(huán)境、位置、生活信息等數(shù)據(jù)；并處于急劇加速的趨勢；231第四頁，共四十五頁。什么(shn me)是大數(shù)據(jù)Wiki百科：大數(shù)據(jù)Big Data是指那些超過傳統(tǒng)技術(shù)處理(chl)能力的數(shù)據(jù)。它的數(shù)據(jù)規(guī)模和轉(zhuǎn)輸速度要求很高，或者其結(jié)構(gòu)不適合原本技術(shù)存取、處理(chl)。IDC：大數(shù)據(jù)，通常是指解決問題的一種(y zhn)方法，即通過收集、整理生活

3、中方方面面的數(shù)據(jù)，并對其進行分析挖掘，進而從中獲得有價值信息，最終衍化出一種新的商業(yè)模式。實體角度廣泛意義第五頁，共四十五頁。大數(shù)據(jù)的主要(zhyo)特征：4V多樣化高速化精確化海量化第六頁，共四十五頁。Volume：大數(shù)據(jù)(shj)體量巨大每天25TB日志(rzh)數(shù)據(jù)每天上傳168TB視頻(shpn)每天9500萬條8202120212021全球數(shù)據(jù)存儲量ZB2.71.81086420數(shù)量也許是與大數(shù)據(jù)最相關(guān)的特征；從TB級別，躍升到PB、ZB級別；前所未有的規(guī)模和加速趨勢；第七頁，共四十五頁。Variety：大數(shù)據(jù)(shj)的多樣性 數(shù)據(jù)形式(xngsh)的多樣結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)間有很強的

4、因果關(guān)系；半結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)間因果關(guān)系較弱；非結(jié)構(gòu)化數(shù)據(jù)， 數(shù)據(jù)間無因果關(guān)系；數(shù)據(jù)來源的多樣性不同的應(yīng)用系統(tǒng)各種( zhn)設(shè)備互聯(lián)網(wǎng)其它第八頁，共四十五頁。Velocity：大數(shù)據(jù)處理速度(sd)要求越來越高大數(shù)據(jù)與海量數(shù)據(jù)的一個重要區(qū)別，在于不僅數(shù)據(jù)尺寸大，而且對數(shù)據(jù)處理的響應(yīng)速度有著更高的要求；處理速度快，1秒定律；傳統(tǒng)(chuntng)的以周，天，小時為單位的運算處理周期，下降到以分鐘，秒為單位；大數(shù)據(jù)高價值的重要表達(dá)-處理速度；信用卡欺詐檢測(jin c)：通過分析每個客戶的歷史用卡行為， 使用欺詐檢測(jin c)模型實時來檢測(jin c)每一筆交易是否異常。案例第九頁，共四十五

5、頁。Veracity：精確化，大數(shù)據(jù)低價值(jizh)密度的高精確要求數(shù)據(jù)不確定性。例如人的感情，天氣形勢(tin q xn sh)，經(jīng)濟因素，環(huán)境信息等。價值密度低。以視頻為例，連續(xù)不間斷監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅有一兩秒。精確性是大數(shù)據(jù)最重要的特性，表達(dá)價值；客觀的數(shù)據(jù)體毫無意義；精確(jngqu)是對大數(shù)據(jù)方法的要求和挑戰(zhàn)，第十頁，共四十五頁。第5V，大數(shù)據(jù)(shj)的價值大數(shù)據(jù)(shj)的核心，第5V：Value；eBay精準(zhǔn)在線(zi xin)營銷Ebay 有 1.8 億個活潑用戶，有 3.5 億左右的商品被銷售，每天會產(chǎn)生 2.5 億次搜索，擁有的原始數(shù)據(jù)是 10 PB；用戶行

6、為模式+用戶根本信息，更精準(zhǔn)的定位客戶，感知客戶購物需求，促成在線交易率；新浪微博+淘寶；QQ；美國海嘯預(yù)警日本大地震發(fā)生后僅9分鐘，美國國家海洋和大氣管理局NOAA就發(fā)布了詳細(xì)的海嘯預(yù)警，制作的海嘯影響模型出現(xiàn)在YouTube等網(wǎng)站；NOAA的快速反響基于其全球范圍內(nèi)龐大的海洋傳感器網(wǎng)絡(luò)，獲取全球范圍的海洋信息，并對獲得的實時數(shù)據(jù)進行計算機模擬。NOAA的數(shù)據(jù)中心存儲著超過20Pb的數(shù)據(jù)，是美國政府最大的數(shù)據(jù)庫之一。數(shù)據(jù)進行專業(yè)化處理，并與的現(xiàn)實相融合，洞察運營，促進和創(chuàng)新；數(shù)字石油；數(shù)據(jù)回報率=數(shù)據(jù)價值/數(shù)據(jù)本錢；全球大數(shù)據(jù)市場規(guī)模從今年的148.7億美元增長到2021年的463.4億美元

7、。我們在信息的海洋里淹死了，卻在知識的海洋里渴死了。第十一頁，共四十五頁。大數(shù)據(jù)(shj)帶來的主要挑戰(zhàn)和機遇數(shù)據(jù)存儲；處理能力；實時響應(yīng)(xingyng)；業(yè)務(wù)價值；傳統(tǒng)的IT架構(gòu)和技術(shù)已經(jīng)不能適應(yīng)大數(shù)據(jù)的處理(chl)需求；第十二頁，共四十五頁。大數(shù)據(jù)(shj)的開展歷程早在1980年，著名未來學(xué)家阿爾文托夫勒便在?第三次浪潮(lngcho)?一書中，將大數(shù)據(jù)贊頌為“第三次浪潮(lngcho)；全球知名咨詢公司麥肯錫最早提出“大數(shù)據(jù)時代到來； 從2021年開始，“大數(shù)據(jù)才成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)的流行詞匯；2021年出版的?大數(shù)據(jù)時代?，對大數(shù)據(jù)進行系統(tǒng)、明確的闡述；2021年3月，美國政府

8、投資2億美元啟動“大數(shù)據(jù)研究和開展方案，美國政府認(rèn)為大數(shù)據(jù)是“未來的新石油，將“大數(shù)據(jù)研究上升為國家意志。我國尚未提出國家層面的大數(shù)據(jù)戰(zhàn)略，在十二五的規(guī)劃中把大數(shù)據(jù)作為物聯(lián)網(wǎng)的相關(guān)關(guān)鍵技術(shù)提及；EMC、惠普、IBM、微軟在內(nèi)的全球IT巨頭紛紛布局大數(shù)據(jù)；今年最大的收購案都與大數(shù)據(jù)相關(guān)：Oracle對Sun、惠普對Autonomy;狀態(tài)(zhungti)：大數(shù)據(jù)相當(dāng)于2021年左右的云計算：概念熾熱，摸索實踐，落地較少；第十三頁，共四十五頁。大數(shù)據(jù)(shj)的市場前景12021年-2021年中國大數(shù)據(jù)市場(shchng)規(guī)模22021年各行業(yè)大數(shù)據(jù)市場(shchng)規(guī)模計世資訊預(yù)測，2021年

9、政府、互聯(lián)網(wǎng)、電信、金融的大數(shù)據(jù)市場規(guī)模較大，四個行業(yè)將占據(jù)一半市場份額。公共效勞環(huán)保、交通；移動互聯(lián)電子商務(wù)；由于各個行業(yè)都存在大數(shù)據(jù)應(yīng)用需求，潛在市場空間非常可觀。計世資訊認(rèn)為，2021年是中國大數(shù)據(jù)市場元年，一些大數(shù)據(jù)產(chǎn)品已經(jīng)推出，局部行業(yè)也有大數(shù)據(jù)應(yīng)用案例的產(chǎn)生。2021年-2021年，將迎來大數(shù)據(jù)市場的飛速開展。計世資訊預(yù)測，2021年中國大數(shù)據(jù)市場規(guī)模將到達(dá)4.7億元，2021年大數(shù)據(jù)市場將迎來增速為138.3%的飛躍，到2021年，整個市場規(guī)模逼近百億。十二五規(guī)劃落地，4G；第十四頁，共四十五頁。大數(shù)據(jù)(shj)與傳統(tǒng)經(jīng)分BI結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)規(guī)模一般為TB規(guī)模集中式為了分析進行大量

10、數(shù)據(jù)移動，數(shù)據(jù)向計算(j sun)靠近樣例抽樣，批處理為主結(jié)構(gòu)化/非結(jié)構(gòu)化混合分析(fnx)的能力數(shù)據(jù)規(guī)模從數(shù)十TB到PB級別分布式，計算向數(shù)據(jù)靠近全量，支持流式分析實時性要求高，1秒定律；具有最深的血緣關(guān)系第十五頁，共四十五頁。大數(shù)據(jù)(shj)與云計算當(dāng)今最火的兩個概念，互相融合(rngh)；云計算使大數(shù)據(jù)成為可能，大數(shù)據(jù)靠云計算技術(shù)實施和落地；大數(shù)據(jù)在于對海量數(shù)據(jù)的挖掘和處理，傳統(tǒng)技術(shù)無法支撐，它必須依托云計算的分布式處理、分布式數(shù)據(jù)庫、云存儲和/或虛擬化技術(shù)；大數(shù)據(jù)比云計算更宜落地；商業(yè)模式驅(qū)動 vs 應(yīng)用需求驅(qū)動大數(shù)據(jù)(shj)與云計算是天作之合第十六頁，共四十五頁。目錄(ml)1 理

11、解(lji)大數(shù)據(jù)2 大數(shù)據(jù)(shj)業(yè)界解決方案及典型應(yīng)用概覽大數(shù)據(jù)的企業(yè)實踐方法大數(shù)據(jù)的行業(yè)趨勢熱點大數(shù)據(jù)的業(yè)界解決方案大數(shù)據(jù)的典型應(yīng)用案例第十七頁，共四十五頁。企業(yè)大數(shù)據(jù)(shj)應(yīng)用的四重奏第十八頁，共四十五頁。企業(yè)大數(shù)據(jù)實踐的演進(ynjn)路線認(rèn)識(rn shi)和學(xué)習(xí)探索(tn su)和規(guī)劃落地和實踐執(zhí)行和推廣內(nèi)容建立知識庫；意識和知識培養(yǎng)和積累；從技術(shù)和業(yè)務(wù)價值等角度；個人、單元進行知識收集，而非正式的組織注重知識積累與市場觀察；相關(guān)技術(shù)的實驗性應(yīng)用；企業(yè)大數(shù)據(jù)戰(zhàn)略藍(lán)圖：數(shù)據(jù)角色，技術(shù)方向，投資回報；企業(yè)大數(shù)據(jù)演進路線：基于業(yè)務(wù)需求，分步驟優(yōu)先級處理數(shù)據(jù)，部門，業(yè)務(wù)域；在有限范

12、圍內(nèi)，落地大數(shù)據(jù)工程；驗證技術(shù)、戰(zhàn)略和業(yè)務(wù)方向；人力、技能、經(jīng)驗積累；形成企業(yè)級標(biāo)準(zhǔn)標(biāo)準(zhǔn)；擴大范圍，大規(guī)模使用大數(shù)據(jù)應(yīng)用；大數(shù)據(jù)常態(tài)化，重點聚焦業(yè)務(wù)運營和創(chuàng)新；提升、優(yōu)化數(shù)據(jù)分析能力；第十九頁，共四十五頁。企業(yè)大數(shù)據(jù)實踐的演進(ynjn)路線認(rèn)識(rn shi)和學(xué)習(xí)探索(tn su)和規(guī)劃落地和實踐執(zhí)行和推廣高管對大數(shù)據(jù)的支持無高管首席信息官業(yè)務(wù)高管相關(guān)首席執(zhí)行官負(fù)責(zé)業(yè)務(wù)線的高管初期技術(shù)推動，隨著范圍擴大和效果顯現(xiàn)，業(yè)務(wù)高管逐步重視，并最終發(fā)揮更關(guān)鍵的業(yè)務(wù)核心作用，實現(xiàn)業(yè)務(wù)主導(dǎo)的價值最大化。第二十頁，共四十五頁。企業(yè)大數(shù)據(jù)實踐的演進(ynjn)路線認(rèn)識(rn shi)和學(xué)習(xí)探索(tn su)

13、和規(guī)劃落地和實踐執(zhí)行和推廣所需的數(shù)據(jù)時效性一星期內(nèi)24小時內(nèi)同一個工作日內(nèi)實時傳送隨著大數(shù)據(jù)應(yīng)用的深入，縮短數(shù)據(jù)時延，提高數(shù)據(jù)時效性。數(shù)據(jù)不再僅僅是輔助支持決策的東西；而是在制訂該決策時的一個業(yè)務(wù)關(guān)鍵要素。第二十一頁，共四十五頁。企業(yè)大數(shù)據(jù)實踐的演進(ynjn)路線認(rèn)識(rn shi)和學(xué)習(xí)探索(tn su)和規(guī)劃落地和實踐執(zhí)行和推廣主要障礙制定有吸引力的業(yè)務(wù)投資回報分析報告了解如何使用大數(shù)據(jù)管理與資源支持技術(shù)能力資源支持到能力提升；制訂有吸引力的業(yè)務(wù)投資回報分析報告的能力，貫穿始終；數(shù)據(jù)質(zhì)量分析能力第二十二頁，共四十五頁。企業(yè)大數(shù)據(jù)分析的能力(nngl)構(gòu)成傳統(tǒng)經(jīng)分 + 數(shù)據(jù)擁有 + 處理(

14、chl)分析能力 + 業(yè)務(wù)融合第二十三頁，共四十五頁。目錄(ml)1 理解(lji)大數(shù)據(jù)2 大數(shù)據(jù)(shj)業(yè)界解決方案及典型應(yīng)用概覽大數(shù)據(jù)的企業(yè)實踐方法大數(shù)據(jù)的行業(yè)趨勢熱點大數(shù)據(jù)的業(yè)界解決方案大數(shù)據(jù)的典型應(yīng)用案例第二十四頁，共四十五頁。大數(shù)據(jù)(shj)的關(guān)鍵技術(shù)第二十五頁，共四十五頁。大數(shù)據(jù)的重點(zhngdin)行業(yè)及應(yīng)用21互聯(lián)網(wǎng)行業(yè)(hngy)大數(shù)據(jù)主要應(yīng)用在社交和網(wǎng)購方面結(jié)合位置數(shù)據(jù)、消費(xiofi)數(shù)據(jù)進行實時營銷信息推送是電信行業(yè)大數(shù)據(jù)應(yīng)用主要場景3金融行業(yè)大數(shù)據(jù)應(yīng)用場景主要集中在投資方面4制造行業(yè)具有多環(huán)節(jié)、多地域特色，各個環(huán)節(jié)的優(yōu)化是制造行業(yè)最關(guān)注的大數(shù)據(jù)應(yīng)用場景永無止境

15、第二十六頁，共四十五頁。大數(shù)據(jù)的價值熱點(r din)趨勢根據(jù)IDC和麥肯錫的大數(shù)據(jù)研究結(jié)果的總結(jié)，大數(shù)據(jù)主要能在以下4個方面挖掘出巨大的商業(yè)價值：對整個顧客群體細(xì)分，然后對每個群體量體裁衣般的采取獨特的行動；運用大數(shù)據(jù)模擬(mn)實境，開掘新的需求和提高投入的回報率；提高大數(shù)據(jù)成果在各相關(guān)部門的分享程度，提高整個管理鏈條和產(chǎn)業(yè)鏈條的投入回報率；進行商業(yè)模式、產(chǎn)品和效勞的創(chuàng)新。綜合來看，未來幾年大數(shù)據(jù)在商業(yè)智能、公共效勞和市場營銷三個領(lǐng)域的應(yīng)用非常值得(zh d)看好，大多數(shù)大數(shù)據(jù)案例和預(yù)算將發(fā)生在這三個領(lǐng)域。從單純關(guān)注技術(shù)“T轉(zhuǎn)為更加關(guān)注信息“I，讓數(shù)據(jù)產(chǎn)生價值第二十七頁，共四十五頁。目錄(

16、ml)1 理解(lji)大數(shù)據(jù)2 大數(shù)據(jù)業(yè)界解決方案及典型(dinxng)應(yīng)用概覽大數(shù)據(jù)的企業(yè)實踐方法大數(shù)據(jù)的行業(yè)趨勢熱點大數(shù)據(jù)的業(yè)界解決方案大數(shù)據(jù)的典型應(yīng)用案例第二十八頁，共四十五頁。四類大數(shù)據(jù)處理平臺；數(shù)據(jù)分析平臺：提供高效存儲和快速列存儲式數(shù)據(jù)庫，能為客戶分析處理PB級的數(shù)據(jù)，例如HP Vertica。數(shù)據(jù)操作平臺:企業(yè)級的NOSQL數(shù)據(jù)庫,Couchbase和MarkLogic等。IaaS：分布式云計算平臺，主要(zhyo)產(chǎn)品有Amazon, Infochimps等；結(jié)構(gòu)化數(shù)據(jù)庫：結(jié)構(gòu)化數(shù)據(jù)庫產(chǎn)品，Oracle, Microsoft SQL Server, MySQL, Postgr

17、eSQL, memsql, Sybase, IBM DB2等；圍繞(wiro)大數(shù)據(jù)的生態(tài)產(chǎn)業(yè)鏈數(shù)據(jù)(shj)應(yīng)用層數(shù)據(jù)處理層根底支撐層根底支撐技術(shù)，包括Hadoop, MapReduce, Hbase, Cassandra, Mahout等分布式大數(shù)據(jù)支撐平臺；分析和可視化應(yīng)用；商業(yè)智能；DaaS；國內(nèi)、國外的分布；廣告/媒體應(yīng)用；日志數(shù)據(jù)應(yīng)用；垂直應(yīng)用；第二十九頁，共四十五頁。大數(shù)據(jù)的方案(fng n)供給商角色綜合方案供應(yīng)商專業(yè)廠商互聯(lián)網(wǎng)廠商電信運營商綜合解決方案供應(yīng)商：IBM、 HP、 EMC、Microsoft等IT巨頭，提供端到端產(chǎn)品和解決方案；面向應(yīng)用分析的專業(yè)廠商：vertic

18、a、 splunk 、cloudera，引跑科技，華夏威科，以提供軟件和服務(wù)為主；國內(nèi)廠商大多據(jù)此；互聯(lián)網(wǎng)廠商：大數(shù)據(jù)的擁有者，服務(wù)者，收益者，領(lǐng)跑者；阿里、騰訊、百度等；電信運營商：互聯(lián)網(wǎng)化轉(zhuǎn)型；第三十頁，共四十五頁。阿里大數(shù)據(jù)(shj)戰(zhàn)略架構(gòu)馬云對阿里集團未來“平臺、金融、數(shù)據(jù)的三大設(shè)想戰(zhàn)略；阿里集團目前擁有的大數(shù)據(jù)到達(dá)30P，其中1P等于100萬GB；阿里是大數(shù)據(jù)的擁有者，數(shù)據(jù)效勞的提供者、收益者；自用 + 他用；現(xiàn)在的數(shù)據(jù)開放(kifng)應(yīng)該是以TOP平臺為主面向電商平臺客戶開放(kifng)，比方數(shù)據(jù)魔方的開放(kifng)。打造開放的生態(tài)系統(tǒng)：近期謹(jǐn)慎開放；互聯(lián)網(wǎng)廠商是大數(shù)據(jù)(

19、shj)戰(zhàn)略實踐的領(lǐng)跑者第三十一頁，共四十五頁。引跑科技(kj) EngineOne大數(shù)據(jù)處理平臺云數(shù)據(jù)庫云搜索引擎云內(nèi)容(nirng)管理結(jié)構(gòu)化數(shù)據(jù)(shj)海量數(shù)據(jù)搜索非結(jié)構(gòu)化數(shù)據(jù).云操作系統(tǒng)EngineOne： 一站式、彈性的、高性價比的大數(shù)據(jù)處理平臺第三十二頁，共四十五頁。引跑科技(kj) EngineOne大數(shù)據(jù)處理平臺云計算的核心：云數(shù)據(jù)庫、云內(nèi)容(nirng)管理、云搜索引擎第三十三頁，共四十五頁。目錄(ml)1 理解(lji)大數(shù)據(jù)2 大數(shù)據(jù)業(yè)界解決方案及典型應(yīng)用(yngyng)概覽大數(shù)據(jù)的企業(yè)實踐方法大數(shù)據(jù)的行業(yè)趨勢熱點大數(shù)據(jù)的業(yè)界解決方案大數(shù)據(jù)的典型應(yīng)用案例第三十四頁，共四

20、十五頁。案例(n l)：阿里 數(shù)據(jù)魔方第三十五頁，共四十五頁。阿里 數(shù)據(jù)(shj)魔方數(shù)據(jù)魔方淘寶官方數(shù)據(jù)產(chǎn)品分享海量行業(yè)數(shù)據(jù)致力幫助商家實現(xiàn)數(shù)據(jù)化運營用數(shù)據(jù)做行業(yè)定位、點亮品牌路。訂購條件：集市五鉆以上或者天貓用戶(yngh)適用人群：中大賣家,品牌商專業(yè)版 3600元/年；標(biāo)準(zhǔn)版 90元/季； 第三十六頁，共四十五頁。第一(dy)時間實時(sh sh)監(jiān)測店鋪成交，店鋪在行業(yè)內(nèi)的經(jīng)營變化，幫助您實時掌握店鋪動向。第三十七頁，共四十五頁。行業(yè)(hngy)分析俯瞰行業(yè)市場大盤，分析行業(yè)內(nèi)熱銷寶貝，熱賣店鋪買家信息等。幫助您做品類管理(gunl)、定價、定向營銷。第三十八頁，共四十五頁。市場(s

21、hchng)細(xì)分從品牌、產(chǎn)品、屬性(shxng)的角度分析熱銷寶貝，熱賣店鋪買家信息等，幫助您做更細(xì)致深入的市場分析。品牌(pn pi)分析第三十九頁，共四十五頁。淘詞分析行業(yè)的熱詞榜，隨意查找關(guān)鍵詞，診斷寶貝標(biāo)題，幫助(bngzh)您及時更新關(guān)鍵詞，優(yōu)化標(biāo)題引流量。行業(yè)熱詞榜全網(wǎng)關(guān)鍵詞查詢寶貝標(biāo)題(biot)診斷第四十頁，共四十五頁。流失(lish)顧客分析分析你的店鋪寶貝流量來源，流失的顧客最終買了什么寶貝，幫助(bngzh)您分析顧客流失的原因。流量(liling)來源來訪客戶流失情況流失客戶去其他店買了什么寶貝訪問量第四十一頁，共四十五頁。自有店鋪(dinp)分析展示本店鋪的成交、轉(zhuǎn)化率等一些整體店鋪的數(shù)據(jù)分析，幫助您了解(lioji)店鋪整體運營情況；自有店鋪分析里面統(tǒng)計的成交數(shù)據(jù)都是按照所選時間段內(nèi)，實際完成支付的。第四十二頁，共四十五頁。謝 謝！Thanks第四十三頁，共四十五頁。9、 人的價值，在招收誘惑的一瞬間被決定。2022/9/12022/9/1Thursday, Septemb