大数据时代地方财政研究.docx
《大数据时代地方财政研究.docx》由会员分享，可在线阅读，更多相关《大数据时代地方财政研究.docx（16页珍藏版）》请在冰点文库上搜索。
大数据时代地方财政研究
2013年第14期（总第226期）
辽宁省财政科学研究所
年8月15日
辽宁省财政学会2013
本期主题：
大数据时代
［按］随着互联网、物联网、云计算等技术的快速发展，以及智能终端、网络社会、数字地球等信息体的普及和建设，全球数据量出现爆炸式增长，仅在2011年就达到1.8万亿GBIDC预计，到2020年全球数据量将增加50倍。
毋庸置疑，大数据时代已经到来。
《华尔街日报》将大数据时代、智能化生产和无线网络革命称为引领未来繁荣的三大技术变革。
2012年3月，美国政府宣布正式启动“大数据计划”，将投入超过2亿美元推动大数据提取、存储、分析、共享、可视化等领域的研究。
同样麦肯锡公司的报告指出数据是一种生产资料，大数据是下一个创新、竞争、生产力提高的前沿。
发达国家纷纷将开发、利用大数据作为夺取新一轮竞争制高点的重要抓手。
在国内，XX已经致力于开发自己的大数据处理和存储系统；腾讯也提出目前如何整合这些数据成为未来的关键任务。
在大数据时代，云计算为海量的、多样化的数据提供了存储和运算平台，数据挖掘和人工智能从冗杂的大数据中剥丝抽茧，识别出有价值的信息并进行分析处理，为政府、企业决策提供了参考。
大数据的发展会进一步扩大信息的开放和利用程度，但也会导致隐私数据或敏感信息的泄露事件时有发生。
本期将和大家一起探讨面对大数据时代的新特点，我们如何更好地管理和利用大数据。
大数据时代的来临
美国社会思想家托夫勒在《第三次浪潮》中提出，“如果说IBM的主机拉开了信息化革命的大幕，那么大数据才是第三次浪潮的华彩乐章。
”大数据以其广泛的潜在应用需求和可以展望的巨大经济社会效益，正成为继云计算、物联网之后信息技术领域的又一热点，并将在社会经济各领域产生深刻影响。
麦肯锡在2011年6月发布的研究报告中，最早提出大数据时代已经到来。
报告指出，当前大数据规模以及存储容量正在迅速增长，已经渗透到各个行业和领域，成为可以与物质资产和人力资本相提并论的重要生产要素。
大数据是继传统IT之后下一个提高生产率的技术前沿。
只要具有适当的政策推动，大数据的使用将成为未来提高竞争力、生产力、创新能力以及创造消费者盈余的关键要素，成为领军企业与其他企业之间最大的显著差别。
那些没有引入新的分析技术和新的数据类型的企业，不太可能成为其行业的领军者。
互联网特别是移动互联网的发展，加快了信息化向社会经济各方面、大众日常生活的渗透。
有资料显示，1998年全球网民平均每月使用流量是1MB兆字节）,2000年是10MB2003年是100MB2008年是1GB（1GB等于1024MB，2014年将是10GB全网流量累计达到1EB（即10亿GB或1000PB）的时间在2001年是一年，在2004年是一个月，在2007年是一周，而2013年仅需一天，即一天产生的信息量可刻满1.88亿张DVD光盘。
我国网民数居世界之首，每天产生的数据量也位于世界前列。
淘宝网站每天有超过数千万笔交易，单日数据产生量超过50TB（1TB等于1000GB）,存储量40PB（1PB等于1000TB）。
XX公司目前数据总量接近1000PB存储网页数量接近1万亿页，每天大约要处理60亿次搜索请求，几十PB数据。
信息爆炸不自今日起，但近年来人们更加感受到大数据的来势迅猛。
一方面，网民数量不断增加，另一方面，以物联网和家电为代表的联网设备数量增长更快。
2007年全球有5亿个设备联网，人均0.1个；2013年全球将有500亿个设备联网，人均70个。
随着宽带化的发展，人均网络接入带宽和流量也迅速提升。
全球新产生数据年增40%，即信息总量每两年就可以翻番，这一趋势还将持续。
目前，单一数据集容量超过几十TB甚至数PB已不罕见，其规模大到无法在容许的时间内用常规软件工具对其内容进行抓取、管理和处理。
数据规模越大，处理的难度也越大，但对其进行挖掘可能得到的价值更大，这就是大数据热的原因。
首先，大数据反映舆情和民意。
网民在网上产生的海量数据，记录着他们的思想、行为乃至情感，这是信息时代现实社会与网络空间深度融合的产物，蕴含着丰富的内涵和很多规律性信息。
根据中国互联网络信息中心统计，2012年底我国网民数为5.64亿，手机网民为4.2亿，通过分析相关数据，可以了解大众需求、诉求和意见。
其次，企业和政府的信息系统每天源源不断产生大量数据。
根据赛门铁克公司的调研报告，全球企业的信息存储总量已达2.2ZB（1ZB等于1000EB），年增67%医院、学校和银行等也都会收集和存储大量信息。
政府可以部署传感器等感知单元，收集环境和社会管理所需的信息。
2011年，英国《自然》杂志曾出版专刊指出，倘若能够更有效地组织和使用大数据，人类将得到更多的机会发挥科学技术对社会发展的巨大推动作用。
数据，这个21世纪人类
探索的新边疆，正在被人类通过云计算而发现和征服。
大数据时代的进一步解读
大数据从字面理解，泛指巨量的数量集，一般在10TB规模左右。
多个数据集一整合，
就会形成PB级，甚至是EBZB等为计量单位的数据量。
IT界通常将大数据的特征概括为四个V：
体量（Volume）巨、类别（Variety）多、速度（Velocity）快、价值（Value）大。
也就是说，大数据之“大”首先是体量大。
诞生在20世纪70年代的传统数据库是小型的、
单一的、孤立的，基于小范围的抽样样本统计。
而大数据则要求穷尽一切相关样本，搜集尽可能全面的数据。
数据的海量与数据的完整性使大数据有着传统的数据库无法比拟的信息优势。
大数据之“大”其次在于类别（Variety）多。
大数据的来源也有别于传统的数据库，显示出了跨领域、跨门类、多类别的整合气魄和越界意识。
如果说非结构化数据、半结构化数据一直没有被纳入经典数据库技术SQL的视野，那么大数据的数据则源自多种数据
源，是一种综合数据，兼收并蓄了结构化数据、半结构化数据、非结构化数据等各种类别和格式的数据，尤其是包含了大量的视频音频数据。
这使其信息占有量和信息复杂度为传统数据库所无法比拟。
这些海量数据本身就会凸显以往不为人们注意的事物的多方面的关联性，因此这种数据更能显示出多方面的信息内涵，信息质量更为优化，信息意味更为繁复。
大数据之“大”第三是速度（Velocity）快。
大数据与传统数据库的差异还在于它并不是一个整齐排列，有着固定层次结构、统一技术标准、反馈迟滞后延的物态化的实体，而是一个灵活、越界、即时、交互、综合的动态过程，可以在瞬间完成信息分析，形成数据图谱，满足社会各界人士的实时性需求。
最后，大数据之大还在于价值（Value）大。
大数据在今天的时代里俨然成为了一种新的产业资源，通过尽力搜集整理全面数据、完整数据、综合数据并对数据进行深度智能分析和建模，可以显示出各种事物的潜在关联，挖掘出各种以往不为人知的相关性，判断事物发生的概率，预测事物变化的走向，预见某种社会趋势，从而使鱼龙混杂的信息在大数据时代的社会管理、商业营销、产业开发、文化创意、医疗保健等方面更能发挥见微知著的预见性价值，据此各行各业都可以有的放矢地制定新策略，成就新创意，开发新产品，推出新业务。
但是，大数据的真正意义不在于数据的“大”，而在于人类在大规模的数据基础上可
3
以做到的事情，而这些事情在小规模数据的基础上是无法完成的。
在人类历史长河中，即使是在现代社会日新月异的发展中，人们还主要是依赖抽样数据、局部数据和片面数据，甚至在无法获得实证数据的时候纯粹依赖经验、理论、假设和价值观去发现未知领域的规律。
因此，人们对世界的认识往往是表面的、肤浅的、简单的、扭曲的或者是无知的。
大数据时代的来临使人类第一次有机会和条件，在非常多的领域和非常深入的层次获得和使用全面数据、完整数据和系统数据，深入探索现实世界的规律，获取过去不可能获取的知识，得到过去无法企及的商机。
或许这仅仅只是一个开始，大数据时代对我们的生活，以及与世界交流的方式都提出了挑战。
最惊人的是，大数据使人们可以在很大程度上从对于因果关系的追求中解脱出来，转而将注意力放在相关关系的发现和使用上。
只要发现了两个现象之间存在的显著相关性，就可以创造巨大的经济或社会效益，而弄清二者为什么相关可以留待学者们慢慢研究。
大数据时代的数据不再是静止和陈旧的。
但在以前，一旦完成收集数据的目的，数据
就会被认为已经没有用处了。
比方说，在飞机降落之后，票价数据就没有用了（对谷歌而
言，则是一个检索命令完成之后）。
事实上，一旦思维转变过来，数据就能被巧妙地用来激发新产品和新型服务。
数据的奥妙只为谦逊、愿意聆听且掌握了聆听手段的人所知。
信息社会所带来的好处是显而易见的：
每个人口袋里都揣有一部手机，每台办公桌上都放有一台电脑，每间办公室内都拥有一个大型局域网。
但是，信息本身的用处却并没有如此引人注目。
半个世纪以来，随着计算机技术全面融入社会生活，信息爆炸已经积累到了一个开始引发变革的程度。
它不仅使世界充斥着比以往更多的信息，而且其增长速度也在加快。
信息总量的变化还导致了信息形态的变化一一量变引发了质变。
最先经历信息爆炸的学科，如天文学和基因学，创造出了“大数据”这个概念。
如今，这个概念几乎应用到了所有人类致力于发展的领域中。
大数据可以说是史上第一次将各行各业的用户、方案提供商、服务商、运营商以及整个生态链上的厂商，融入到一个大的环境中，无论是企业级市场还是消费级市场，都与大数据发生着千丝万缕的联系。
消费者个人的每一条微博、每一张图片、每一段视频、每一张投票、每一句言论,,都在产生越来越多的数据；而企业级用户在拓展市场、挖掘潜在用户的同时，也会借助海量数据进行决策分析。
大数据既是社会经济高度发展的结果，也是信息技术发展的必然。
大数据给企业的差异化发展带来了历史性机遇。
在基础设施平台
上,涌现出了新一轮的基础架构和平台资源争夺战。
数据将像企业的固定资产和人力资源一样，成为生产过程中的基本要素。
和其他的生产要素相比，数据，无疑有其独特之处。
例如，工业生产过程中的原材料，一般都有排他性，但数据很容易实现共享，而且使用的人越多，其价值就越大；数据也不像机器、厂房一样会随着使用次数的增多而贬值，相反,重复使用，它反而可能增值。
此外，此数据和彼数据如果能有机整合到一起，可能就会产生新的知识和信息，而且大幅度增值。
已经有越来越多令人信服的证据表明：
只要实施正确的政策和激励，大数据将成为竞争的关键性基础，并成为下一波生产率提高、创新和为消费者创造价值的支柱，这把数据的重要性提到了竞争性要素的高度。
信息时代的竞争，不是劳动生产率的竞争，而是知识生产率的竞争。
企业数据本身就蕴藏着价值，企业的人员情况、客户记录对于企业的运转至关重要，但企业的其他数据也拥有转化为价值的力量。
一段记录人们如何在您的商店浏览购物的视频、人们购买服务前后的所作所为、如何通过社交网络联系客户、是什么吸引合作伙伴加盟、客户如何付款,,所有这些场景都提供了很多信息，将它们抽丝
剥茧，通过特殊的方法观察，将其与其他数据集进行对照，或者以与众不同的方式分析解剖，就能让企业的业务拓展发生翻天覆地的转变。
在善用者手中，数据是所有管理决策的基础，带来的是对客户的深入了解和竞争优势。
大数据之所以可能成为一个“时代”，在很大程度上是因为这是一个可以由社会各界广泛参与，八面出击，处处结果的社会运动，而不仅仅是少数专家学者的研究对象。
大数据的应用
大数据已经开始应用到各行各业。
宏观经济方面，IBM日本公司建立经济指标预测系统，从互联网新闻中搜索影响制造业的480项经济数据，计算采购经理人指数的预测值。
印第安纳大学利用谷歌公司提供的心情分析工具，从近千万条网民留言中归纳出六种心情，进而对道琼斯工业指数的变化进行预测，准确率达到87%
制造业方面，华尔街对冲基金依据购物网站的顾客评论，分析企业产品销售状况；一些企业利用大数据分析实现对采购和合理库存量的管理，通过分析网上数据了解客户需求、掌握市场动向。
有资料显示，全球零售商因盲目进货导致的销售损失每年达1000亿
美元，这方面的数据分析大有作为。
在农业领域，硅谷有个气候公司，从美国气象局等数据库中获得几十年的天气数据，将各地降雨、气温、土壤状况与历年农作物产量的相关度做成精密图表，预测农场来年产量，向农户出售个性化保险。
在商业领域，沃尔玛公司通过分析销售数据，了解顾客购物习惯，得出适合搭配在一起出售的商品，还可从中细分顾客群体，提供个性化服务。
在金融领域，华尔街“德温特资本市场”公司分析3.4亿微博账户留言，判断民众情绪，依据人们高兴时买股票、焦虑时抛售股票的规律，决定公司股票的买入或卖出。
阿里公司根据在淘宝网上中小企业的交易状况筛选出财务健康和讲究诚信的企业，对他们发放
无需担保的贷款。
目前已放贷300多亿元，坏账率仅0.3%。
在医疗保健领域，“谷歌流感趋势”项目依据网民搜索内容分析全球范围内流感等病
5
疫传播状况，与美国疾病控制和预防中心提供的报告对比，追踪疾病的精确率达到97%社交网络为许多慢性病患者提供临床症状交流和诊治经验分享平台，医生借此可获得在医院通常得不到的临床效果统计数据。
基于对人体基因的大数据分析，可以实现对症下药的个性化治疗。
在社会安全管理领域，通过对手机数据的挖掘，可以分析实时动态的流动人口来源、出行，实时交通客流信息及拥堵情况。
禾I」用短信、微博、微信和搜索引擎，可以收集热点事件，挖掘舆情，还可以追踪造谣信息的源头。
美国麻省理工学院通过对十万多人手机的通话、短信和空间位置等信息进行处理，提取人们行为的时空规律性，进行犯罪预测。
在科学研究领域，基于密集数据分析的科学发现成为继实验科学、理论科学和计算科学之后的第四个范例，基于大数据分析的材料基因组学和合成生物学等正在兴起。
麦肯锡公司2011年报告推测，如果把大数据用于美国的医疗保健，一年产生潜在价值3000亿美元，用于欧洲的公共管理可获得年度潜在价值2500亿欧元；服务提供商利用个人位置数据可获得潜在的消费者年度盈余6000亿美元；利用大数据分析，零售商可增加运营利润60%制造业设备装配成本会减少50%
大数据时代面临的难题和挑战
一、当前大数据运用面临的技术难题
当前大数据技术的运用仍存在一些困难与挑战，体现在大数据挖掘的4个环节中。
1.在数据收集方面。
要对来自网络包括物联网和机构信息系统的数据附上时空标志，去伪存真，尽可能收集异源甚至是异构的数据，必要时还可与历史数据对照，多角度验证数据的全面性和可信性。
2.数据存储方面。
要达到低成本、低能耗、高可靠性目标，通常要用到冗余配置、分布化和云计算技术，在存储时要按照一定规则对数据进行分类，通过过滤和去重，减少存储量，同时加入便于日后检索的标签。
3.数据处理方面。
有些行业的数据涉及上百个参数，其复杂性不仅体现在数据样本本身，更体现在多源异构、多实体和多空间之间的交互动态性，难以用传统的方法描述与度
量，处理的复杂度很大，需要将高维图像等多媒体数据降维后度量与处理，利用上下文关联进行语义分析，从大量动态的而且可能是模棱两可的数据中综合信息，并且导出可理解
的内容。
4.结果的可视化呈现，使结果更直观以便于洞察。
目前，尽管计算机智能化有了很大进步，但还只能针对小规模、有结构或类结构的数据进行分析，谈不上深层次的数据挖掘，现有的数据挖掘算法在不同行业中难以通用。
二、大数据给信息安全带来新的挑战
大数据在为人类提供有价值的数据同时，也带来了信息安全问题。
1.大数据成为网络攻击的显著目标。
在网络空间中，大数据成为更容易被“发现”的大目标，承载着越来越多的关注度。
一方面，大数据不仅意味着海量的数据，也意味着更复杂、更敏感的数据，这些数据会吸引更多的潜在攻击者，成为更具吸引力的目标。
另一方面，数据的大量聚集，使得黑客一次成功的攻击能够获得更多的数据，无形中降低了黑客的进攻成本，增加了“收益率”。
2.大数据加大隐私泄露风险。
网络空间中的数据来源涵盖非常广阔的范围，例如传感器、社交网络、记录存档、电子邮件等，大量数据的聚集不可避免的加大了用户隐私泄露的风险。
一方面，大量的数据汇集，包括大量的企业运营数据、客户信息、个人的隐私和各种行为的细节记录。
这些数据的集中存储增加了数据泄露风险，而这些数据不被滥用，也成为人身安全的一部分。
另一方面，一些敏感数据的所有权和使用权并没有明确的界定，
很多基于大数据的分析都未考虑到其中涉及到的个体隐私问题。
3.大数据对现有的存储和安防措施提出挑战。
大数据时代的数据存储会带来新的安全
问题。
数据大集中的后果是复杂多样的数据存储在一起，例如开发数据、客户资料和经营数据存储在一起，可能会出现违规地将某些生产数据放在经营数据存储位置的情况，造成
企业安全管理不合规。
大数据的大小影响到安全控制措施能否正确运行，对于海量数据，
常规的安全扫描手段需要耗费过多地时间，已经无法满足安全需求。
安全防护手段的更新升级速度无法跟上数据量非线性增长的步伐，大数据安全防护存在漏洞。
4.大数据技术被应用到攻击手段中。
在企业用数据挖掘和数据分析等大数据技术获取
商业价值的同时，黑客也正在利用这些大数据技术向企业发起攻击。
黑客最大限度地收集
更多有用信息，比如社交网络、邮件、微博、电子商务、电话和家庭住址等信息，为发起攻击做准备，大数据分析让黑客的攻击更精准。
此外，大数据为黑客发起攻击提供了更多机会。
黑客利用大数据发起僵尸网络攻击，可能会同时控制上百万台傀儡机并发起攻击，这个数量级是传统单点攻击不具备的。
5.大数据成为高级可持续攻击的载体。
黑客利用大数据将攻击很好地隐藏起来，使传统的防护策略难以检测出来。
传统的检测是基于单个时间点进行的基于威胁特征的实时匹配检测，而高级可持续攻击（APT）是一个实施过程，并不具有能够被实时检测出来的明显特征，无法被实时检测。
同时，APT攻击代码隐藏在大量数据中，让其很难被发现。
此外，大数据的价值低密度性，让安全分析工具很难聚焦在价值点上，黑客可以将攻击隐藏在大数据中，给安全服务提供商的分析制造了很大困难。
黑客设置的任何一个会误导安全厂商
目标信息提取和检索的攻击，都会导致安全监测偏离应有的方向。
大数据时代给予的启示
当前，我国正处在全面建成小康社会征程中，工业化、信息化、城镇化、农业现代化任务很重，建设下一代信息基础设施，发展现代信息技术产业体系，健全信息安全保障体系，推进信息网络技术广泛运用，是实现四化同步发展的保证。
大数据分析对我们深刻领会世情和国情，把握规律，实现科学发展，做出科学决策具有重要意义，我们必须重新认识数据的重要价值。
为了开发大数据这一金矿，我们要做的工作还很多。
一、大数据分析需要有大数据的技术与产品支持
发达国家一些信息技术（IT）企业已提前发力，通过加大开发力度和兼并等多种手段，努力向成为大数据解决方案提供商转型。
国外一些企业打出免费承接大数据分析的招牌，既是为了练兵，也是为了获取情报。
过分依赖国外的大数据分析技术与平台，难以回避信息泄密风险。
有些日常生活信息看似无关紧要，其实从中也可摸到国家经济和社会脉搏。
因此，我们需要有自主可控的大数据技术与产品。
美国政府2012年3月发布《大数据研
究与发展倡议》，这是继1993年宣布“信息高速公路”之后又一重大科技部署，联邦政府和一些部委已安排资金用于大数据开发。
我们与发达国家有不少差距，更需要国家政策
支持。
中国人口居世界首位，将会成为产生数据量最多的国家，但我们对数据保存不够重视，对存储数据的利用率也不高。
此外，我国一些部门和机构拥有大量数据却不愿与其他部门共享，导致信息不完整或重复投资。
政府应通过体制机制改革打破数据割据与封锁，公开数据信息，重视数据挖掘和使用。
美国联邦政府建立统一数据开放门户网站，为社会提供信息服务并鼓励挖掘与利用。
例如，提供各地天气与航班延误的关系，推动航空公司提升正点率。
二、大数据的挖掘与利用应当有法可依
去年底全国人大通过的加强网络信息保护的决定是一个好的开始，当前要尽快制定
“信息公开法”以适应大数据时代的到来。
现在很多机构和企业拥有大量客户信息。
应当既鼓励面向群体、服务社会的数据挖掘，又要防止侵犯个体隐私；既提倡数据共享，又要防止数据被滥用。
此外，还需要界定数据挖掘、利用的权限和范围。
大数据系统本身的安全性也是值得特别关注的，要注意技术安全性和管理制度安全性并重，防止信息被损坏、篡改、泄露或被窃，保护公民和国家的信息安全。
三、大数据时代呼唤创新型人才
盖特纳咨询公司预测大数据将为全球带来440万个IT新岗位和上千万个非IT岗位。
麦肯锡公司预测美国到2018年需要深度数据分析人才44万一49万，缺口14万一19万人;需要既熟悉本单位需求又了解大数据技术与应用的管理者150万，这方面的人才缺口更大。
中国是人才大国，但能理解与应用大数据的创新人才更是稀缺资源。
大数据是新一代信息技术的集中反映，是一个应用驱动性很强的服务领域，是具有无穷潜力的新兴产业领域；目前，其标准和产业格局尚未形成，这是我国实现跨越式发展的宝贵机会。
我们要从战略上重视大数据的开发利用，将它作为转变经济增长方式的有效抓手，但要注意科学规划，切忌一哄而上。
四、大数据时代要注意保障大数据的信息安全
1.重视大数据及其信息安全体系建设。
大数据作为一个较新的概念，目前尚未直接以
专有名词被我国政府提出来给予政策支持。
在工业和信息化部发布的物联网“十二五”规划上，把信息处理技术作为四项关键技术创新工程之一被提出来，其中包括了海量数据存
储、数据挖掘、图像视频智能分析，这都是大数据的重要组成部分。
在对大数据发展进行规划的同时，必须明确信息安全在大数据发展中的重要地位。
建议加大对大数据安全形势
的宣传力度，明确大数据的重点保障对象，加强对敏感和要害数据的监管，加快面向大数据的信息安全技术的研究，推动基于大数据的安全技术研发，培养大数据安全的专业人才，建立并完善大数据信息安全体系。
2.加快大数据安全技术研发。
传统的信息安全技术不能完全照搬到新兴的大数据领
域，云计算、物联网、移动互联网等新技术的快速发展，为大数据的收集、处理和应用提出了新的安全挑战。
建议加大对大数据安全保障关键技术研发的资金投入，提高我国大数
据安全技术产品水平。
推动基于大数据的安全技术研发，研究基于大数据的网络攻击追踪方法，抢占发展基于大数据的安全技术的先机。
3.加强对重点领域敏感数据的监管。
海量数据的汇集加大了敏感数据暴露的可能性，
对大数据的无序使用也增加了要害信息泄露的危险。
在政府层面，建议明确重点领域数据
库的范围，制定完善的重点领域数据库管理和安全操作制度，加强对重点领域数据库的日
常监管。
在企业层面，建议加强企业内部管理，制定设备特别是移动设备安全使用规程，规范大数据的使用方法和流程。
4.运用大数据技术应对高级可持续攻击。
传统安全防御措施很难检测高级持续性攻击，企业必须先确定正常、非恶意活动是什么样子，才能尽早确定企业的网络和数据是否受到了攻击。
安全厂商利用大数据技术对事件的模式、攻击的模式、时间和空间上的特征进行处理，总结抽象出来一些模型，变成大数据安全工具。
为了精准地描述威胁特征，建模的过程可能耗费几个月甚至几年时间，企业需要耗费大量人力、物力、财力成本，才能达到目的。
建议整合大数据处理资源，协调大数据处理和分析机制
升级会员 