大數據彭博

㈠ 全球還要多久才能恢復到疫情之前的正常狀態

全球還要多久才能恢復到疫情之前的正常狀態？

據大數據統計，預計7.4年！

綜合多家研究與統計機構數據，全球接種新冠疫苗的人數目前已經超越全球累計新冠確診病例數。據彭博社建立的全球最大疫苗接種資料庫推算，依照目前的接種速度，全球還需要7.4年才能恢復疫情之前的正常狀態。

2月6日，根據牛津大學和美國疾病控制與預防中心的數據，截至3日，全球人口已經接種了1.049億劑新冠疫苗，而當日全球累計確診病例為1.041億。

世界衛生組織呼籲各國在完成對重點人群接種後共享新冠疫苗，同時新冠疫苗製造商應大幅擴大生產規模。並鼓勵製造商在獲得大量公共資金後共享其數據和技術，以確保全球公平獲得疫苗。

㈡ 大數據可否被神化

大數據可否被神化
大數據的發展速度讓人瞠目結舌，大數據應用的快速深入也引起業界廣泛關注，如今，大數據總量的增長主要歸功於非結構化數據的增長。
廣義的非結構化數據也包括了半結構化和多結構化數據，目前普遍被認為佔到總量的85%以上，而且增速比結構化數據快得多。低信息密度的非結構化數據是大數據的一大挑戰，而挑戰才是機會，業界巨擘們創造了很多新的概念來迎接非結構化數據，NoSQL資料庫就是其中最亮麗的一個。
對此，資料庫行業的老法師Mike Stonebraker對此耿耿於懷，不惜力推「血統」更純正的NewSQL資料庫；Sybase公司的CTO Irfan Khan甚至說大數據（這個新概念）根本就是個大謊言，聲稱他們的數據倉庫工具早就能分析包括非結構化數據在內的大數據。
實際上，這類總量數據的預測，對於存儲和網路企業的投資者來說，無疑能提升信心，但對其他人來說，沒有太大意義。他們更關心的是個體行業、企業甚至個人數據的狀況。
由此，毋庸置疑，必須要對大數據有清醒的認識。大數據是一種新的數據形態和實踐，它不是取代當前主流的數據應用，而是與之並存。並且，在今後相當長的時間內，它仍然是個新鮮事物。即使年復合增長率高達32%，到2016年全球大數據技術和服務市場總額也就是240億美金左右（IDC在2012年底的預測）。不切實際、一窩蜂地上大數據項目不應鼓勵。明明不算大數據，卻偏要喬裝打扮，削足適履上馬Hadoop和NoSQL更不足取。
大數據也是一種戰略、世界觀和習慣。即使今天沒有大體量的數據，還是可以盡可能自覺、客觀、全面地測量世界，為未來的大數據實踐做准備。對於一個企業或系統來說，真正的挑戰在數據採集而非存儲。
微信在設計之初就把數據監控精細化，並納入基礎框架，這是意識和實力的體現。有多少公司像彭博社那樣「如飢似渴」地採集數據？它能夠僱傭一個衛星每周對位於俄克拉何馬的美國最大原油儲備庫拍照，根據油罐浮動頂的陰影長度來判斷原油儲備量的變化。所以，成功者有成功的必然性。
其實「數據即價值」的價值觀早已存在，Value不是大數據專享的屬性，小數據照樣有大價值。大數據的功勞在於喚醒大家的意識和覺悟。同樣，從數據中發現價值的實踐由來已久，橫跨資料庫、統計學和機器學習交叉學科的數據分析是大數據分析的基礎，但傳統的數據分析實踐是無法適應大數據的發展的。
大數據雖然價值巨大，但是不能盲目神化大數據，有些人認為大數據是能夠包治百病的靈丹妙葯，也有些人認為大數據是包裝舊觀念而已，將大數據矮化，這兩種觀點都是不可取的，對部分人來說，大數據已經是個客觀存在和競爭優勢；對絕大多數人來說，大數據可以是一種「從現在做起」的世界觀，是一種未雨綢繆、決戰未來的戰略，這樣才是正確對待大數據的態度。

㈢ 所有的大數據都是有價值的嗎

所有的大數據都是有價值的嗎
大數據不一定等同於好數據，且越來越多的專家也堅信這一點，大數據並不會自動產生好的分析結果。如果數據不完整、斷章取義或者被破壞，可能會導致企業產生錯誤的決策，從而削弱企業的競爭力或影響用戶個人日常生活。

美國哈佛大學教授、定量社會科學研究所主任——Gary King就曾因數據分析時斷章取義，得出了錯誤的結果。他發起了一個大數據分析項目，即通過檢測Twitter和其他社交媒體帖子中的「工作」、「失業」和「分類」等關鍵詞，來預測美國的失業率。
通過使用情感分析的技術，該組織收集了包含這些關鍵字的tweet和其他社交媒體帖子，來查看這些帖子的增加或減少是否與每月失業率存在相關性。
在監測這些內容時，研究人員發現包含其中一個關鍵字（「工作」）的帖子數量急劇增加，但隨後，他們發現這與失業率毫無關系，因為他們忽略了喬布斯（喬布斯的名字Jobs也有「工作」的意思）去世的消息。我們應從這個例子中吸取教訓，不要完全依靠「神奇」的大數據來指導決策。
King表示，「jobs」的雙重含義只是諸多類似事件之一，在這一領域工作的人都遇到過類似的經歷。他說：「這些關鍵字列表在短期內可能可行，但從長遠來看，往往會帶來災難性的失敗。你可以通過添加額外的關鍵字來解決問題，但這需要大量的人力參與。」
你可以輸入關鍵些到Bing Social頁面，便會看到一些相關或者無關的東西。如果你不更改查詢，隨著時間的推移，你會發現含有這些關鍵詞的話題正以某種方式逐漸偏離主題，有時候偏離比較小，有時候卻很大。」
但King表示，總體而言，很多大數據分析都產生了有用的內容。Vantiv公司首席安全官兼高級副總裁Kim Jones表示，這不是一個新問題，但如果人們認為大量數據能夠奇跡般地產生良好的分析結果，這個問題可能會變嚴重。他指出：「Jobs的例子是一個經典的案例，數據本身並不等同於智慧。」
King認為內容是關鍵。他是大數據分析公司Crimson Hexagon首席科學家兼聯合創始人，用該公司市場營銷執行副總裁Wayne St. Amand的話來說，該公司旨在為在線對話提供「內容、意義和結構」。
然而，越來越多沒有內容的數據在推動決策過程。華爾街日報2月份曾報道，醫療保險公司使用大數據來為其用戶創建個人資料文件。該公司追蹤的信息之一是購買加大號衣服的歷史記錄，這可能會導致將轉診轉為減肥的計劃。
沒有人會覺得鼓勵人們更健康地生活是錯誤的事情，但是這方面涉及的隱私問題卻令人不安。這個人購買加大號衣服可能是送給另一位家庭成員。而且這種隱私問題可能帶來更嚴重的影響。《彭博商業周刊》在2008年曾報道過有人因購買處方葯的歷史記錄，而被保險公司拒絕為其上醫療保險，而這個人買葯的歷史記錄暴露這個人有輕微的心理健康問題。
Adam Frank在博客中指出，在某些情況下，銀行會因為用戶在社交網站LinkedIn或者Facebook上的聯系人的情況而拒絕用戶的貸款。如果你的朋友賴賬，你的信譽可能也會受到他們的信譽的影響。ACLU高級政策分析師Jay Stanley指出，「信用卡公司有時會因為其他消費者的信貸歷史記錄而降低消費者的限額。」
Kim Jones表示，從相關性得出結論，而不進行進一步分析，這給他本人也帶來過麻煩。「在80年代後期和90年代初期，有數據顯示，駕駛入門級豪華車，且年齡在20和27歲之間的西班牙裔和黑人男性最有可能是毒販。而我正好符合這個標准，我是非裔美國人，年齡也在這個范圍內，當時我開的正式這樣的車，但我並不是毒販。」
他表示，「我們不能只是依靠數據分析，那樣可能會導致一些壞的結果。如果你忽略人類的分析因素，那麼你的錯誤率將會非常高。」
簡言之，大數據是一個工具，但不應該被視為解決方案。「它可以幫助你縮小范圍，從數百萬可能縮小到150左右，」Jones表示，「但是我們不能讓計算機做一切判斷，因為這最終可能會給你帶來麻煩。」

㈣ 大數據應用六大模式

大數據應用六大模式
捧著金飯碗，第三方大數據公司是如何在數據堆中覓得「金塊」的呢？
「數據挖掘公司的規模不同，影響力不同導致數據挖掘公司的商業模式也有所不同。」南開大學商學院致力於數據挖掘研究的安利平教授在接受商報記者采訪時表示，目前比較盛行的數據挖掘公司多為兩大運營模式：第一種是直接為企業用戶提供其所需求的數據；第二種則是為不同的企業或企業不同的需求，對數據進行分析，提供針對性的信息，以此獲利，如天相投顧就是此類公司之一。
中國計算機學會會員、宏源證券研究所計算機行業高級專家趙國棟表示，數據挖掘公司一般有六種商業模式值得參考：第一種是以廣聯達等公司為代表的租售數據模式，它們通過出售廣泛收集、精心過濾時效性強的數據，成為各自行業的翹楚。而龐大的「資料庫」則是它們的資產，也是競爭對手難以逾越的門檻；第二種則是以彭博為代表的租售信息模式，它們聚焦在某個行業，廣泛收集相關數據、深度整合萃取信息，以龐大的數據中心加上專用的數據終端，形成數據採集、信息萃取、價值傳遞的完整鏈條；第三種則是數字媒體模式，在電視、紙媒衰落的背景下，新型的數字媒體公司充分發揮大數據技術的優勢，廣泛搜集數據開展精準營銷業務；第四種則是數據使能模式。譬如阿里金融為代表的小額信貸和電影的票房預測等業務，如果沒有大量的數據，缺乏有效的數據分析技術，這些業務就難以開展；第五種則是數據空間運營模式，比如近期勢頭強勁的網盤，如果從大數據角度來看，便是因為各家紛紛嗅到大數據商機，開始搶占個人、企業的數據資源；第六種則是大數據技術提供商，比如開發語音、視頻等數據處理技術的企業。
數據提供商：服務對象的「首席執行客戶」
「不管是哪種商業運營模式，擁有龐大的資料庫是根本。只有擁有了大而全的數據，才能使數據挖掘公司為多個領域提供數據。」南開大學商學院教授安利平介紹說，有了資料庫基礎，數據挖掘公司應該做的便是不斷完善和更新自己的數據挖掘工具，包括數據分析流程、技術等。
從目前的行情來看，大多數數據挖掘公司都主要服務於銀行業、保險業。因為這些行業需求大量客戶數據以此來發展業績，從中獲得盈利。
在中國計算機學會會員、宏源證券研究所計算機行業高級專家趙國棟看來，大數據可掘金的行業幾乎無處不在，企業對數據的需求已經像毛細血管一樣滲透到各個領域。趙國棟表示，數據挖掘公司要做好大數據，「應該比他服務的公司更了解其客戶，才能深入分析客戶的需求」。如要給一家影院做數據挖掘，就應該調查常來這家影院的消費者，每一個時間段對應什麼樣的消費者，他們對電影的偏好，以及相關消費的偏好等，數據挖掘公司要做的就是深入到消費者中去。
「以前的數據挖掘，只在乎解決企業的技術問題，大數據時代的數據挖掘，則應該是幫助業務部門開拓市場，擴大客戶群體，提供的不只是技術，還包括運營、經營方案等。」趙國棟介紹說，除了市場廣闊，具備數據挖掘能力的公司也是資本的寵兒。
「數據的商機就在於媒體策略與選擇的更加有效性、媒體可利用的效率提高、傳播信息的效率提高等。做到極致，其實數字媒體能夠賣的不僅僅是受眾的眼球，而是其通路的價值。隨視傳媒與多家大型流量媒體夥伴合作，要把『數據』商機和在線銷售通路畫上等號。」沈雁介紹說。

㈤ 大數據給智能化商業帶來不同_大數據的商業模式

大數據給智能化商業帶來不同

錢伯斯是IBM公司分析解決方案事業部副總裁。她表示，許多客戶夠買了大數據和預測分析的服務，但卻希望其實現他們已經適應了的老的商業智能工具和資料庫工具。

「通常情況下，客戶做的往往就是依靠他們已經知道的東西。」錢伯斯在2012年Hadoop峰會上說。「他們希望利用他們現有的基礎設施、使用現有的數據和工具。他們不想有任何的不同和改變。所以我告訴我的客戶說，如果你不執行不同的操作的話，你不會得到任何不同的結果。」

新的方法，技術和工具需求

錢伯斯是完全正確的，如下從三個方面分析了原因：

1、基礎設施。處理和存儲大量、多結構化數據集的新方法不斷涌現，正是因為傳統的關系型技術不能夠在單位時間內完成工作或者不具備成本效益。例如，Hadoop允許你在合理的時間內運行開放源碼軟體以非常低廉的價格存儲和處理大數據規模。現在，嘗試利用甲骨文的服務。可以節省300萬美元的費用，以及6個月的時間。

2、數據。大數據是豐富現有的內部交易數據與其他不同來源的數據，這些來源是來自您的企業之外。這可能意味著這些數據是來自Twitter或Facebook這樣的社交媒體、或來自國家氣象局、教育部門的公共部門的數據、來自彭博、道瓊斯的市場數據。如果你沒有混搭數據，你可能不必要進行大數據分析。

3、工具。因為它們必須在新的，更大，更多樣化的數據量並行計算基礎設施之上，大多數最傳統的商業智能工具不會削減。你需要的是現代化的數據可視化和分析平台，使用戶能夠輕松地處理大數據可視化。為了公平起見，極少數現有的商擾培答務智能供應商，如Tableau和正在努力讓自己的產品更好地融入大數據。但是，總的來說，你在過去的十年左右已經使用的舊的報告工具無法為當前的大數據提供足夠的可操作的見解。

風險的博弈

但據我所知，這種改變是很難的，所以有時IT部門是為了規避風險。但是，我們正處在一個十字路口。大數據絕不是曇花一現或輕微更好方式的商業智能。這是一個全新的模式，需要思維的重大轉變。換句話說，「你已經在經歷一些額外的風險了。」按照錢伯斯所說的那樣，實現大數據的成功。

她說，這意味著「如果你想有更多的見解，你一定要注入您的應用程序，你的數據網新信息。」這意味著你必須投資新的基礎設施技術等，諸如Hadoop和其他平台上，形中納成一個新的大數據分析的基礎。你需要採用新的最終用戶工具，把所有的大數據轉換成易於理解的見解。

好消息是，你不必將您的整個現有的基礎設施和工具集推倒重來。事實上，我強烈反對那樣做緩慧。你現在所使用的商業智能和數據倉庫有可能是一個原因，因為他們已經在為您提供相應的業務價值。事實上，許多大數據技術確實能幫助你從現有的資料庫和工具獲得更多的價值。

當涉及到大的數據，從小事做起。確定一個特定的需要解決的業務問題，一個固定的業務才能帶來實實在在的利益。與大數據行業的同行們交流學習。

㈥ 怎麼找電子版七上歷史大數據

怎麼找電子版七上歷史大數據
資料搜集是個相當繁瑣與累的工作，也是投資入門的基本，良好的信息資料搜集能力有利於我們快速了解投資主體的基本情況，為後續的調研及一手資料的獲得打下較好的基礎。

一、搜索引擎（重點掌握）

搜索引擎是我們信息資料搜集的最重要的渠道之一，用搜索引擎查找信息資料需要使用恰當的關鍵詞和一些搜索技巧。目前國內主要的搜集引擎有如下10個，近期還有較多行業型搜索冒出來，需找專業型行業資料可以使用行業型搜索引擎。

由於每個搜索引擎都有一定的局限性，可以把要搜索的關鍵詞在多個搜索引擎試一下，可能會搜出你意想不到的結果。

大家對國內的引擎基本都很熟悉，尤其是網路和google，需要搜索同一主題的資料，不同的人所搜出來的結果可能就天差地別了，主要原因在於如下兩點：

1、搜索關鍵字的選擇

舉例說明，假如我們要搜索大數據行業發展相關資料，如果我們就在網路上搜索「大數據」，結果非常多，無法進行篩選，可以對關鍵詞進一步界定，如「大數據行業」、「大數據市場規模」、「中國大數據產業」、「大數據技術」、「大數據企業」等等，需要不停地變換搜索關鍵詞，直到查到滿意的搜索結果，在查找的過程中可以根據查找結果內容再進行對關鍵詞進行修正，修正有些名稱專業表達方式，因為最開始搜索我們表達的不一定準確。

2、搜索技巧

主要是針對網路、google等搜索引擎一些高級搜索技巧。常用技巧主要有如下幾個方面：

（1）文件類型搜索：使用filetype，如在網路或google中鍵入「filetype:pdf 大數據」搜索出有關大數據內容pdf內容，而且這些文檔基本都是可直接下載。還可以變換為其他的如「filetype:doc」、「filetype:ppt」、「filetype:xls」等等，注意其中的冒號為英文的冒號，一定要變換為英文冒號。

（2）定位於哪個網站上搜索：使用site，如在網路或google中鍵入「大數據空格site:sina.com」,則在http://sina.com搜索有關大數據的一些資料信息，這個特別適用針對某些信息可能在哪些網站上出現的一個快速搜索方法，注意冒號也是英文的，網站名稱也不用加www。

（3）精確匹配搜索：使用「」，如在網路中鍵入「大數據行業」，表示搜索「大數據行業」五個必須聯在一起的，如果不加「」，搜到的為大數據及行業兩個詞並列顯示結果，沒有這么精確匹配。

（4）限制性的網頁搜索：使用intitle,如在網路鍵入「intitie:大數據」，限定於搜索標題中含有「大數據」網頁，如果輸入「intitie:大數據市場規模」限定於搜索標題中含有「大數據」和「市場規模」的網頁。

3、搜索引擎推薦

1）http://scholar.google.com/ 雖然還是Beta版，但個人已覺得現在已經是很好很強大了，Google學術搜索濾掉了普通搜索結果中大量的垃圾信息，排列出文章的不同版本以及被其它文章的引用次數。略顯不足的是，它搜索出來的結果沒有按照權威度（譬如影響因子、引用次數）依次排列，在中國搜索出來的，前幾頁可能大部分為中文的一些期刊的文章。

2）http://www.scirus.com Scirus 是目前互聯網上最全面、綜合性最強的科技文獻搜索引擎之一，由Elsevier科學出版社開發，用於搜索期刊和專利，效果很不錯！Scirus覆蓋的學科 范圍包括：農業與生物學，天文學，生物科學，化學與化工，計算機科學，地球與行星科學，經濟、金融與管理科學，工程、能源與技術，環境科學，語言學，法 學，生命科學，材料科學，數學，醫學，神經系統科學，葯理學，物理學，心理學，社會與行為科學，社會學等。

3）http://www.base-search.net/ BASE是德國比勒費爾德(Bielefeld)大學圖書館開發的一個多學科的學術搜索引擎，提供對全球異構學術資源的集成檢索服務。它整合了德國比勒費爾德大學圖書館的圖書館目錄和大約160個開放資源（超過200 萬個文檔）的數據。

4）http://www.vascoda.de/ Vascoda是一個交叉學科門戶網站的原型，它注重特定主題的聚合，集成了圖書館的收藏、文獻資料庫和附加的學術內容。

5）http://www.goole.com/ 與google比較了一下發現，能搜索到一些google搜索不到的好東東 。它界面簡潔，功能強大，速度快，YAHOO、網易都採用了它的搜索技術。各位可以一試。

6）http://www.a9.com Google在同一水平的搜索引擎。是Amazon.com推出的，Webresult部分是基於Google的，所以保證和Google在同一水平，另外增加了Amazon的在書本內搜索的功能和個性化功能：主要是可以記錄你的搜索歷史。現在還是Beta，不過試用後感覺很好，向大家推薦一試 ，不過缺憾是現在書本內搜索沒有中文內容。

7）http://www.ixquick.com 嚴格意義上講不是搜索引擎，是連接搜索引擎和網路用戶的信息立交橋。新一代的搜索引擎應運而生，Ixquick meta－search正是目前最具光芒的新星。但是對於大多數國內用戶來說，Ixquick還很陌生。Ixquick眾多獨特的功能我不一一介紹了，只介紹我們最關心的，搜索資料庫密碼。使用方法：先進入Ixquick，以「Proquest」資料庫為例。填入Proquest Username Password History Online後點擊search，看看出來的結果，第一頁中第6個，proquest的username和password赫然在目，別急，再看第4個結 果「HB Thompson Subscription Online Databases」，即http://homework.syosset.k12.ny.us/onlinedbs/HBTDatabases/，進入 後發現這是一個密碼頁，選擇Magazines& Journals欄，就有 EBSCO、Electric Library Elementary、Electric LibraryElementary、ProQuest Platinum (in school)、ProQuest Platinum(remote)等眾多資料庫的密碼，都有uesrname和password，隨便試一下EBSCO，OK，成功登陸。

8）http://vivisimo.com/ cmu的作品，對搜索的內容進行分類，這樣可以有效地做出選擇，比較有特色。可實現分類檢索，檢索速度也很好，如EBSCO 密碼幾分鍾就可找一大堆 .http://search.epnet.com/，User ID:mountain，Password: ridge，這個密碼可以試試。

9）http://www.findarticles.com/ 一個檢索免費paper的好工具。進入網頁以後，可以看到他有三個功能，driectory web article，其中article對我們很有幫助，你可以嘗試輸入你要找的文章，會有很多發現的！

10）http://www.chmoogle.com 現點擊後或跳轉到http://www.emolecules.com ，在此搜索引擎里可以搜索到超過千萬種化學品信息或相應的供應商，與Chemblink有點相似，但提供的化學品理化信息沒有Chemblink詳細，與其不同的是該搜索引擎可提供化學品結構式搜索（主頁上有在線繪制化學結構式的搜索框）。

11）http://www.ojose.com/ OJOSE (Online JournalSearch Engine，在線期刊搜索引擎)是一個強大的免費科學搜索引擎，通過OJOSE，你能查找、下載或購買到近60個資料庫的資源。但是感覺操作比較復雜。

12）http://citeseer.ist.psu.e/ 一個關於計算機和信息科學的搜索引擎。

13）http://hpsearch.uni-trier.de/ 專家個人主頁搜索引擎。

14）www.aol.com 裡面的搜索引擎功能由google提供，搜索結果與google一樣，如果google無法登陸，可以用這個網站代替。

二、資料庫

資料庫是研究人員重要的數據來源之一，目前券商、基金研究研究機構都購買有商業資料庫，目前研究用的資料庫主要分為兩大類，一是商業資料庫，二是學術資料庫。

1、商業資料庫

商業資料庫大多為金融投資所用，主要分為國內與國外資料庫兩大類。1）國內商業資料庫國內資料庫主要有如萬德、恆生聚源、銳思資料庫、CSMAR資料庫、巨潮資料庫等。目前萬德資料庫主要定位於國內高端客戶，市場佔有率較高，80%左右，當然其售價較高。恆生聚源也定位為機構客戶，性價比較高，售價要比萬德便宜的多。CSMAR資料庫定位於學術與高校，其中金融數據比較全，強大。銳思資料庫定位於學術，質量一般。巨潮資料庫為深交所旗下資料庫，有一定的特殊優勢。

2）國外商業資料庫

國外資料庫主要有彭博、路透社、CEIC、OECD、Haver Database、Thomson Financial One Banker等，國外資料庫中彭博是比較全也大的，在國內銷售也較好，但是售價奇貴。一般不做國際市場研究，大多用不到國外資料庫，畢竟國外資料庫公司對國內的行業數據及公司數據不如本土資料庫公司的做得好。

2、學術資料庫

學術資料庫基本為高校、研究機構所用，也分為國內與國外兩大類，學術資料庫中一些學術論文、行業數據、統計年鑒還是有用的，缺點就是其中有些數據的相對較舊，無法做到實時更新。

1）國內學術資料庫

中國知網：國內最大學術資料庫，包括期刊、學位論文、統計年鑒等。

萬方數據：僅次於中國知網，包括期刊、學位論文等。

人大復印資料：期刊、論文等。

維普：期刊、論文等。

中經網：有較多行業研究報告，宏觀數據較全。

國研網：數據較為權威，有些報告可以一看。

上海公共研發平台：可以注冊，人工審核，內包含較多資料庫。

2）國外學術資料庫

EBSCO：較全的一個資料庫，內包含較多的商業數據，好用

Elsevier：學術文章全，更新速度快。

以上大致介紹了國內的商業及學術資料庫，但這些資料庫都是通過收費或學校賬號才能使用，對於平時臨時研究用的一些人，沒有必要去購買，下面介紹一些免費可用的資料庫。

3）免費可用的資料庫

數據匯：http://www.shujuhui.com/database/ 國內的宏觀數據，國外的也有一部分，可以導出來，免費好用。

數據圈：http://www.shujuquan.com.cn/ 免費共享平台，行業研究報告，統計年鑒等