如何用大数据软件分析金融数据，目前哪个领域最有分析价值，以及_大数据的那些事吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0可签7级以上的吧50个
本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：2,421贴子：
如何用大数据软件分析金融数据，目前哪个领域最有分析价值，以及
第一，你所说的大数据软件，不太让人明白。至少在行业里少提到大数据软件这个说法，可以说大数据技术架构，也可能说数据挖掘软件。不过我理解，你提的大数据软件应该是围绕大数据分析与应用的一系列工作与系统吧？第二，你提到的金融数据，这个涉及面很广，就我有限的接触来看就有很多，比如基金公司的销售数据，客户持有份额与交易数据，客户接触数据，客户网站浏览数据等；比如银行涉及到进出帐户的数据，客户基本信息的数据；比如保险公司有客户购买保险的数据等。概括而言，可以分成以下几大类：客户基本属性数据、客户产品购买数据、客户交易行为数据、客户偏好数据……能做什么分析需要看能获取什么数据，如果你能够把行业第三方的数据整合进来，可做的挖掘就多了。例如，如果做为基金公司能够获得用户在网络上的浏览行为数据，你就可以判断用户最近有没有关注相关产品，有没有关注竞争对手的产品。第三，谈谈大数据具体在金融行业的应用领域，据我有限的接触来看，以下领域需要大数据发挥更大更多的作用。1、用户授信：这其实是数据挖掘最早应用的领域之一，国内的数据挖掘最早基本上也是基于授信所需要的分类挖掘算法而发展的。基于大数据对用户信用风险进行判断，是一个重要的方向。特别是目前很多信用评估体系是依赖于国外的评估机构，如果能够基于大数据（看你能获得何种数据）来构建起信用评估机制来，这个会有市场。2、交易风险控制：这个跟用户授信不同。原来的数据挖掘能够实现对用户静态的信用评估，基于大数据的流式处理能力可以实现对用户的动态评估，即交易风险的判断。例如，当你发现同一个帐户在近乎相同的时间在不同的地区进行信用卡交易的时候，这个时候交易风险就产生了。客户的信用卡可能被盗，也可能存在欺诈交易行为。3、提现预测：目前互联网金融的一个很大的特定就是打破了原来流动性和收益率不能兼得的特征。而现在的很多“宝宝”能够两者兼得，除了跟创新有关外，在技术层面如果能够实现大数据对产品的支撑，会做得更高效。具体来说，“宝宝”们需要满足每天用户提现的需求，这就需要储备流动性强的资金，储备少了，会出现挤兑；储备多了，而资金不能得到充分利用，无法产生更多的收益。所以需要构建预测模型，实现对资金需求的有效预算与管理。4、营销监控与评估：这个是容易被忽视的领域，因为是涉及到具体战术的工作。以后大多数人都关注营销效果的最终效果，比如搞了个客户营销产品，看最终转化了多少，但其实有很多环节可能会影响到用户的转化。比如接触情况，比如吸引性，比如消费滞后性等等。这些需要依赖于大数据基于更客户更准确的解答。5、流失预警：如果你能获取的数据可以洞察用户在整个相关产品里的使用行为，你就可以洞察用户潜在的流失风险与去向。例如，你会发现原来较优质的客户最近在一段时间里突然不太活跃了，这可能就会有风险，但是到底是最近比较忙没有交易？还是另有他爱了？这个需要依赖于大数据进行洞察。用户可能这段时间正在关注或已经购买竞争对手的产品，这可以提供更大的营销管理价值。……其实还有很多，就不多说了，没有哪个领域更有分析价值，取决于你所关心的核心问题。第四、关于发展方向：我想一个趋势其实已经行成就是金融行业和第三方行业资源的整合，比如金融和互联网企业 ，金融和大数据拥有者的资源整合等。不论是哪些行业的资源整合，一个不可规避的事实就是对传统金融工具的创新，所以想想现在的金融产品有哪些问题，可能就能找到创新方向。比如宝宝们的收益与流失性兼得其实就是在挑战传统金融两者不可得的不足。至少对普通投资者是这样。另外，创新还会体现在具体的营销层面，比如依赖于各种有效的触点实现的营销，依赖于社交媒体实现的营销创新等。不知道大家最近关注到没有，已经有一些创新在实践了。比如，泰康人寿基于微信实现的求关爱的传播与营销方式，即用户发起求关爱的活动，发到朋友圈，朋友可以送1元关爱，这1元钱实际上是帮发起用户购买的保险产品。具体你到微信里看看吧。
贴吧热议榜
使用签名档&&
保存至快速回贴966,690 一月 独立访问用户
语言 & 开发
架构 & 设计
文化 & 方法
您目前处于：
金融行业中的大数据应用
金融行业中的大数据应用
欲知区块链、VR、TensorFlow等潮流技术和框架，请锁定
目前国内的金融大数据处在发展阶段，传统的软件厂商的份额正在被许多互联网风格的新公司所冲击，同时许多新的大数据技术也正在改变着整个金融大数据的发展。而SequoiaDB巨杉数据库就是这些挑战者中的佼佼者，作为国内唯一一款商业化开源新型分布式数据库，在金融大数据行业已经得到许多用户的认同，也得到了广泛地应用。本次的分享将为大家介绍金融大数据的发展情况，以及SequoiaDB基于融合传统与互联网技术的全新大数据解决方案，与其在金融大数据中的应用实践过程。
王涛,巨杉软件联合创始人兼CTO，曾就职于IBM多伦多实验室IBM TorontoLab（DB2 UDB Development Lab），精通数据库内核及体系结构。在IBM多伦多实验室工作八年时间后回国创业，成功研发自主产权的NoSQL数据库——SequoiaDB(巨杉数据库)。王涛名列2014年7月美国著名商业杂志FastCompany中文版《快公司》发布的“中国商业最具创意人物100”之一，并获得过CSDN “2014最具价值CTO”奖。
全球架构师峰会（International Architect
Summit，下简称ArchSummit）是由InfoQ中文站主办的一次全球性架构师峰会。ArchSummit专门针对架构师人群，讲述与架构和架构师相关的各方面趋势、技术和案例。这也是继QCon之后，InfoQ中文站主办的又一次高端技术盛会。
相关厂商内容
相关赞助商
QCon北京-18日，北京&国家会议中心，
告诉我们您的想法
允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p
当有人回复此评论时请E-mail通知我
允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p
当有人回复此评论时请E-mail通知我
允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p
当有人回复此评论时请E-mail通知我
赞助商链接
架构 & 设计
文化 & 方法
<及所有内容，版权所有 &#169;
C4Media Inc.
服务器由 提供, 我们最信赖的ISP伙伴。
北京创新网媒广告有限公司
京ICP备号-7
注意：如果要修改您的邮箱，我们将会发送确认邮件到您原来的邮箱。
使用现有的公司名称
修改公司名称为：
公司性质：
使用现有的公司性质
修改公司性质为:
使用现有的公司规模
修改公司规模为：
使用现在的国家
使用现在的省份
Subscribe to our newsletter?
Subscribe to our industry email notices?
我们发现您在使用ad blocker。
我们理解您使用ad blocker的初衷，但为了保证InfoQ能够继续以免费方式为您服务，我们需要您的支持。InfoQ绝不会在未经您许可的情况下将您的数据提供给第三方。我们仅将其用于向读者发送相关广告内容。请您将InfoQ添加至白名单，感谢您的理解与支持。怎样管理你的钱 金融行业大数据应用深度分析
　　【PConline 杂谈】关注PConline企业站的朋友可能了解，此前的文章报道当中笔者和大家聊过大数据技术在教育行业当中的很多应用，我们都知道，现在是一个数据快速爆发的一个发展时代，蕴含很多机遇的同时也给很多IT企业带来了挑战，尤其是一些很多传统企业，就像我们之前聊过的教育行业那样。本期笔者再和大家来聊一个大数据时代背景下发生改变的传统行业，金融行业。　　大数据应用金融排第三　　根据权威市场研究机构的调查结果显示，当今国内大数据在行业当中的具体应用占比，最高的是互联网行业，其次是电信行业，第三就是金融领域，由此我们不难看出金融行业对于这种新兴IT技术的需求量还是非常庞大的。　　根据麦肯锡公司给出的调查报告显示，再把金融行业进行细分的话，银行将会成为金融行业在大数据领域当中的重点应用，证券和保险分别排在第二和第三，当前国内已经很多银行开始通过大数据技术来对业务的推动和发展保驾护航，在一些银行的信用卡中心业务方面就已经实现了利用大数据技术保障实时的业务营销。　　金融行业用户画像　　当前金融行业在运用大数据技术的过程当中，其实还是存在着一些问题和困扰的，比如，如果某位信用卡客户月均刷卡8次，平均每次刷卡金额800元，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较低的客户。但现实的情况却是，该用户的信用卡和工资卡不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。所以银行不仅仅要考虑银行自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解。　　从上述问题我们不难发现，金融领域在进行大数据技术的植入过程当中，一定要首先通过整合当今的众多新技术，比如社交媒体、比如云端SaaS应用、比如用户在网络上反应的实际问题等等。企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况。
键盘也能翻页，试试“← →”键
服务器论坛帖子排行
最新资讯离线随时看
聊天吐槽赢奖品||||||||||
您现在的位置：&&
金融行业大数据应用：四大痛点与解决之道
　　【中国智能网 智造快讯】大数据给金融行业带来了巨大变化，大数据处理和存储技术提升了数据处理效率，降低了信息系统运成本，金融企业正在利用大数据技术查询历史交易数据，存储和处理客户行为数据，让实时数据展现和数据处理成为现实。金融企业过去数据的利用方式集中在数据仓库，行数据和列数据作为主要应用方式。&&&&&& 大数据分析带来的是数据关系或者说图谱数据，这些数据所展现的商业价值是过去金融行业所不清楚的。大数据预测正在成为金融行业数据应用的重点，花旗银行预测未来五年，机器理财将超过理财专家成为投顾领域的主要方式，IBM沃森正在帮助很多银行为客户提供理财产品和保险产品的投资建议。　　　　中国金融企业在2012年开始大数据应用探索，向BAT学习经验，尝试利用大数据技术解决数据存储和计算问题，搭建基于大数据技术的数据仓库，为客户提供历史交易查询，建立数据模型，进行简单预测。大数据技术的实施降低原来IOE体系所带来运营成本，减少了在传统数据仓库TeraData上的巨额投资，解决了金融企业已有系统无法处理多发数据请求的问题，解决了历史数据无法实时计算和查询的问题，其归根结底解决的是数据存储和处理效率问题。　　　　2015年大数据应用进入2.0时代，更多的金融企业主动拥抱大数据，寻找数据应用的场景，愿意同外部数据公司合作，在客户画像、精准营销、风控提升等方面进行尝试，但是都面临着同样的痛点。缺少人才、缺少数据、缺少工具、没有数据场景、谁来做等成为了金融企业大数据应用的痛点。我们将从这几个痛点出发，来分析金融行业大数据应用的切肤之痛和解决之道　　　　一、缺少大数据人才　　　　缺乏大数据人才不仅仅是金融行业的痛点，也是整个大数据产业的痛点。大数据人才培养最好的方式是在大企业中做过大项目，个人能力得到锻炼和培养，同时项目经验丰富，知道哪里是坑，哪些工具好用，哪些模型和算法实用。中国很多大数据人才都聚集在BAT等互联网公司、传统科技公司，金融企业愿意花费较高的价格引入这些人才，希望他们到企业承担大数据分析挖掘和变现的工作，组建大数据部门。　　　　但是经过一段时间之后，金融企业引入的BAT等互联网企业的人才，很多都离开了，又回到互联网企业。主要原因是不愿意改变原来自身互联网公司，不认同金融企业决策链长，内部流程复杂，个人决策力弱，工作效率低等问题，同时金融行业固有的势力范围和内部的政治斗争也是一个主要原因。传统科技企业例如IBM，微软，SAS，Teradata等公司的人才在金融企业也面临类似的问题，金融行业内部员工和部门的信任成为这些人才发挥作用的一个壁垒，科技公司的文化和金融企业的文化冲突是一个主要原因，金融行业内部对这些人的高期望和现实业绩要求也是一个主要原因。　　　　外来的和尚已经很难念经了，金融企业正在将大数据人才培养从外部引入为主逐步转向外部引入为辅，内部培养为主。引入外部很少的领军人才，主力培养内部年轻人才。　　　　解决金融行业大数据人才缺乏的方案很多，其中引入外部数据公司，开展合作项目是一个有效的方法，例如引入数据运营咨询。通过数据运营咨询既可以提升业务收入，也可以通过项目锻炼和培养人才，短时间内提升自身人才的数据能力，并且也可以加速实现数据变现，利用外部数据和工具来找到数据应用场景，通过实战来培养人才，加速数据文化和数据思维建设，快速帮助企业积累人才和经验，实现快速迭代。　　　　另外，安排人才到外部进行培训，或者大数据行业资深人士到企业进行培训也是补充大数据人才的一个重要方式，这些培训最好来源于有实战经验的公司和人士，可以起到事半功倍的作用。市场上的TalkingData公司正在提供这些培训，聘请BAT等知名互联网公司的实战专家为行业和企业提供免费的培训。　　　　二、缺少数据　　　　很多金融企业在大数据应用时，总强调没有数据，希望得到外部数据。金融企业常常向外部数据公司询问是否有客户手机号、客户电商消费金额、客户外部情况、客户负债情况、客户是否要出国旅游、企业高管人员名单、公务员名等等。这些都是隐私数据，基本上合法的公司不会提供，提供的公司都不合法。大数据变现过程中最有价值的数据都在金融企业内部，外部数据是很好，但是作用是锦上添花，数据金矿主要在金融企业内部，千万不要为了芝麻而丢弃西瓜，金融企业的数据分析和变现应从自己的数据开始，等到自己的数据挖掘的差不多后，再引入外部数据。　　　　很多金融企业特别是保险行业，还处于大数据应用的初级阶段，自身的数据还没有集中，集中了还没有整理，整理了还没有建立标签，建立了标签还没有找到场景，找到应用场景不知道如何实现，实现之后不知道如何衡量效果和数据价值。　　　　为数据打标签、进行用户画像成了大数据应用的热门词汇，但是很多企业都在为数据标签而标签，几千个标签一打，上百个用户画像输出，好像完成了大数据应用。数据结合场景才能产生价值，数据梳理必须同业务相结合，缺少业务人员参与的数据梳理、标签建立、用户画像都是闭门造车，很难得到业务部门的认可。数据变现的过程中也很难得到业务部门的支持，这也是很多金融企业大数据部门的软肋。数据标签和用户画像归根结底是为了数据场景应用，为了数据变现，离开了数据应用的数据标签和数据画像都是在讲故事。金融企业可以从业务进行梳理，从业务需求和业务场景出发，进行数据梳理和标签建设，这样才可以发挥数据的价值，不要幻想一次建立一个大而全的数据标签体系，几年不用修改它，标签和用户画像是动静结合的过程，业务需求变了，一些标签就要改变，除了人口统计学标签等基本标签变化少的情况外，同业务场景结合的标签都存在变化的可能。　　　　数据梳理和标签建设也是建议引入外脑，通过咨询方式进行落地，金融行业内部资源协调效率很低，各个部门之间也会存在界限不清的任务，外部公司可以起到一个缓冲，并且可以承担一些大家不愿意做的脏活累活。工具化落地标签建设和数据画像也是一个趋势，大数据管理平台DMP可以作为场景标签落地的平台。金融行业的数据应用不是缺少数据，而是缺少数据思维和数据场景。已有的数据的挖掘和数据库营销应该成为目前金融行业数据应用的一个主要方式，例如同从物业费待缴服务中寻找高端理财客户，利用银行卡刷卡记录来寻找财富管理人群，参考客户乘坐头等仓的次数、出境游消费金额、境外数据漫游费提供白金卡服务，这种消费场景的关联应用是典型的大数据应用方式，也是目前数据库营销和数据风控常用的场景。　　　　三、缺少工具　　　　大数据是一个新兴产业，中国缺少龙头厂商，也就缺少工具平台。目前流行的大数据工具都是来源于传统IT厂商例如IBM，SAS，TeraData，这些工具具有的功能可以帮助金融企业实现数据变现，但是其技术不是建立在大数据技术平台之上的，面对行为数据和大量数据请求时，其处理效率会有较大的问题。另外其高额的购买、实施、维护成本也成为一个应用的瓶颈，上千万到上亿的费用是很多金融业不愿意承担的，只能用于规模大一些的金融企业。　　　　市场上逐渐出现了一个新的趋势，DMP正成为大数据应用平台，很多金融企业也在探索DMP系统建设，希望利用DMP作为大数据应用的主要工具。DMP平台没有严格的定义，功能也是千奇百怪，但是DMP平台的本质就是数据应用和变现平台，无论市场上厂商如何定义DMP平台，至少DMP平台应该具备以下的特征和功能。　　　　1数据标签建设和加工　　　　2场景用户画像功能　　　　3触达用户功能（App推送，EDM，SMS等）　　　　4营销反馈监测功能　　　　5数据导出功能　　　　6机器学习功能　　　　7外部数据导入，标签数据补齐功能　　　　8推荐引擎功能　　　　9模型搭建功能　　　　DMP是一个数据变现平台，不需要以上所有功能都具备，需要根据金融企业的成熟度和数据应用场景，来选择部分功能，先进行实施，逐步完善。先找到一些场景进行数据变现，其后慢慢增加功能模块，小步迭代，逐渐反馈形成闭环，形成良性的数据变现平台。　　　　业务人员参与DMP项目也是项目成功的一个关键，DMP的数据场景来源于业务需求的分解，来源于业务KPI的分解，缺少业务人员的参与会影响到DMP的实用性和项目推进进度。　　　　四、缺少数据场景，谁去做数据变现　　　　数据分析人员和业务人员谈到大数据时，基本上都会集中在数据场景，也就是数据如何提升业务。这个是所有金融企业大数据变现的一个痛点，也是衡量大数据项目的一个关键指标。　　　　数据分析人员干了脏活累活，觉得数据直接丢给业务部门即可。业务人员不知道数据分析原理，不相信数据的力量，如果数据提升了业务，是不是数据人员也要分上一杯羹，数据会不会影响业务人员的地位，大数据分析是否会影响业务人员未来的发展。科技开发、科技运维、大数据部门、业务部门、网络金融部门、市场部门、客户管理部门都参与到数据变现过程中，谁来作为领导者承担项目职责，协调各个部门，谁来推动大数据项目，谁来跑通全流程，全环节打通，大数据变现项目的边界在哪里，大数据项目的收益如何体现，各个任务的职责边界在哪里，成果如何分配等。这些问题已经影响到金融企业的大数据应用，影响到了数据变现项目，金融企业内部资源的矛盾、部门之间的利益纷争、项目中的各部门的职责都影响了大数据项目的实施，同时也影响了数据变现的进程，导致很多领导看不到大数据项目的价值。　　　　梳理数据，为数据打标签，进行用户画像，寻找数据变现场景，这些都是脏活累活，金融企业员工不愿意做，也不太好做，另外金融企业内部资源协调有问题，就应该请外部资源。利用外部数据公司来干这些脏活累活，利用项目方式来协调各个部门利益，由领导出面利用项目协调各部门利益。　　　　业务人员参与了数据项目，自然业务需求就带到了项目之中，数据的加工和处理也围绕着业务需求出发，大数据变现的场景就很容易实现，解决了数据缺少场景，数据如何变现的问题。数据处理分析人员可以安心从事数据工作了，数据场景应用和数据变现工作也可以专门安排业务人员去做，打通数据变现环节，数据对业务的提升也有业务人员参与的功劳，达到双赢的结果。　　　　金融行业拥有最好的数据类型，数据质量也非常好，同时也具有很多数据变现场景，最有价值的数据就是金融行业内部的客户数据、资产数据、交易数据、信用数据等。数据应用场景可以利用数据库营销去做，也可以补充外部的数据，其补充的数据主要是客户的行为数据，特别是移动互联网侧的行为数据。但是在做数据补充时，切忌不要涉及到客户隐私数据，补充的数据最好不要用身份证号、手机号打通，另外需要API实时数据，不需要死数据，因为数据的时间价值是数据场景应用的一个重要维度。　　　　金融行业在移动互联网侧缺少运营和分析人才，可以考虑参加行业组织的专业培训，向移动互联网行业资深人士学习，这样可以提升较快，TalkingData过去几年一直都在帮助金融行业培养移动互联网运营和分析人才。如果金融行业发现移动互联网转型很慢，可以考虑引入外部咨询公司，利用外部的数据分析和运营能力加速向移动互联网转型，可以起到事半功倍的效果。外部数据运营和咨询公司带来的不仅仅是移动运营的分析工具、数据、技术、方法论，还有数据思维方式、数据文化、数据合作以及数据变现场景。　　　　外部的数据运营咨询还可以影响领导层，提升管理层对数据运营的重视，为数据运营团队提供资源支持。另外咨询项目还可以将数据运营前后闭环打通，引入业务部门参与项目，打通数据变现过程中的各个孤岛，形成数据价值文化，让管理层快速看到数据价值，重视数据部门，重视数据驱动业务运营。　　　　（原标题：鲍忠铁：金融行业拥抱大数据的切肤之痛）
(来源：金融互联网)
@中国智能制造网
扫一扫，官方微博互动多
微信号：gkzhan
扫一扫，智造信息随手掌控
全年征稿 / 资讯合作联系邮箱：
凡本网注明"来源：中国智能制造网"的所有作品，版权均属于中国智能制造网，转载请必须注明中国智能制造网，。违反者本网将追究相关法律责任。
本网转载并注明自其它来源的作品，目的在于传递更多信息，并不代表本网赞同其观点或证实其内容的真实性，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品来源，并自负版权等法律责任。
如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。
周排行月排行
以“智慧工业 连接未来”为主题，在-21日深圳会
位于华中腹地的湖北省荆门市今年度计划推广300台(套)智能工
随着算法的日益成熟，自动化已然“原力觉醒”。通过自动化来
近日，国务院发展研究中心(以下简称国研中心)课题“德国工业
2月20-21日，由工业和信息化部指导，中国信息通信研究院和工
如果有人问你，当下中国经济最大的变化是什么？或许你会说是
以机器人为代表的先进制造业，正在成为广东下一轮发展的新引
一家拥有130年历史的百年老店将一家成立仅40年的后起之秀立
通过积极融入“中国制造2025”和“互联网 ”战略，率先在江
我们国家的制造业经历了四个阶段，从最早的起步阶段和成长阶
移动场景的新商业、互联网 的全线蔓延、企业数字战略的加深
机器人无疑已成为下一个科技明日之星，全球各国无不积极推动
作为无人机行业领军人物，大疆正逐步将目光从消费级市场转向
高德地图发布了2017年春运大数据。其中，广东省的5座城市在
近年来，虚拟现实一直都是科技发展关注的重点。随着VR技术的
云计算已经开始从最初沸沸扬扬的概念炒作，转向实际的应用落
人们常说，科技改变生活，如今科技也在改变着春运。今年，越
近年来，大庆市大力培育发展信息产业，努力推动传统产业转型
经历了几年的火热炒作，2016年智能家居行业并没有厚积薄发，
2016年被称为AI之年，在创业融资领域的案子数量飙升至650起
近日，亚马逊公布了截至日的第四季度财报。财报
2017年，大数据依然处于理性发展期，依然存在诸多挑战，但前
去年到今年的变化是“分水岭式”的，从移动互联网时代转向人
15年前，当斯皮尔伯格拍出AI(《人工智能》)的时候，已经用镜
新春长假一晃而过，转眼迎来开工大吉!对于智能制造行业人士
中国智能制造网年初钜惠!为回馈新老用户对本网的大力支持，2