作者：京東物流 何平

小編之所以選擇這個話題，是希望幫助大家更全面地理解數(shù)據(jù)科學的概念。數(shù)據(jù)科學是一個廣泛而深刻的領(lǐng)域，不僅僅是數(shù)據(jù)分析、機器學習或大模型的代名詞。它的核心在于如何更有效地挖掘數(shù)據(jù)背后的價值，將數(shù)據(jù)轉(zhuǎn)化為業(yè)務(wù)驅(qū)動力。最終，通過數(shù)據(jù)科學實現(xiàn)成本優(yōu)化、效率提升和用戶體驗改善，使企業(yè)在實際應(yīng)用中獲得可見的成果。主要圍繞以下話題進行展開：

一、什么是數(shù)據(jù)科學？

在數(shù)據(jù)驅(qū)動的時代，數(shù)據(jù)科學成為了各行業(yè)創(chuàng)新和增長的關(guān)鍵。數(shù)據(jù)科學的核心在于從數(shù)據(jù)中提取知識，不單單是一種科學方法，更是一種賦能企業(yè)的工作模式。它通過分析各種數(shù)據(jù)類型（包括數(shù)字、文本、視覺和音頻等），借助機器學習和大模型等算法，構(gòu)建可以模擬人類智能的人工智能系統(tǒng)。這些系統(tǒng)不僅可以幫助企業(yè)挖掘隱藏在數(shù)據(jù)中的關(guān)系和規(guī)律，還能識別新的市場機會，為決策提供有力支撐。

數(shù)據(jù)科學融合了統(tǒng)計學、計算機科學、商業(yè)智能和分析學的多學科知識。數(shù)據(jù)科學家通過預測建模、機器學習、數(shù)據(jù)可視化和統(tǒng)計分析，將看似雜亂的信息轉(zhuǎn)化為可執(zhí)行的洞見。例如，利用預測模型，企業(yè)能夠提前了解客戶需求波動；通過機器學習算法，企業(yè)可以實現(xiàn)智能推薦和精準廣告投放。這種數(shù)據(jù)驅(qū)動的決策方式不僅提升了效率，還為企業(yè)帶來了競爭優(yōu)勢。

數(shù)據(jù)科學的關(guān)鍵組成部分

數(shù)據(jù)科學是一套完整的科學體系，其流程從數(shù)據(jù)收集到洞見提取，再到應(yīng)用落地，包含多個關(guān)鍵環(huán)節(jié)：

1.數(shù)據(jù)收集和管理：每一個數(shù)據(jù)科學項目的第一步是收集高質(zhì)量的數(shù)據(jù)。這包括從公開數(shù)據(jù)源抓取數(shù)據(jù)、設(shè)計調(diào)查問卷獲取一手信息，甚至與其他公司協(xié)調(diào)共享數(shù)據(jù)。數(shù)據(jù)的管理和存儲也至關(guān)重要，需要保證數(shù)據(jù)的安全性和可訪問性。這不僅包括數(shù)據(jù)的獲取和存儲，還包括數(shù)據(jù)的清理和規(guī)范化，以確保分析結(jié)果的準確性。

2.探索性數(shù)據(jù)分析（EDA）：數(shù)據(jù)收集完成后，探索性分析幫助研究人員了解數(shù)據(jù)的基本結(jié)構(gòu)和潛在模式。通過初步分析，數(shù)據(jù)科學家可以發(fā)現(xiàn)數(shù)據(jù)中的趨勢、關(guān)系和異常，并借助圖表和視覺化技術(shù)呈現(xiàn)大致的分析輪廓。例如，企業(yè)可以利用EDA快速了解用戶購買趨勢，從而為后續(xù)模型的建立奠定基礎(chǔ)。

3.統(tǒng)計分析和機器學習：統(tǒng)計學和機器學習是數(shù)據(jù)科學的核心方法之一。統(tǒng)計方法用于揭示數(shù)據(jù)之間的關(guān)系和規(guī)律，而機器學習算法則幫助數(shù)據(jù)科學家從數(shù)據(jù)中提取模式、建立預測模型。例如，使用回歸分析可以預測市場需求，分類算法可以將客戶分組，而聚類算法能夠識別潛在的客戶細分群體。

4.大模型：隨著非結(jié)構(gòu)化數(shù)據(jù)的增多（如文本、圖片、語音），大模型在數(shù)據(jù)科學中的應(yīng)用愈加廣泛。這些模型可以將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化信息，并為后續(xù)分析和建模提供支持。例如，語言大模型可以處理客戶反饋中的情緒信息，將其用于改進客戶服務(wù)；圖像大模型可以識別產(chǎn)品缺陷，從而提升生產(chǎn)質(zhì)量。

5.數(shù)據(jù)可視化：數(shù)據(jù)可視化是數(shù)據(jù)科學傳遞結(jié)果的關(guān)鍵步驟之一。通過將數(shù)據(jù)分析結(jié)果轉(zhuǎn)化為直觀的圖表、圖形、儀表盤等，數(shù)據(jù)科學家可以幫助企業(yè)管理層快速理解復雜的數(shù)據(jù)和分析結(jié)果。數(shù)據(jù)可視化不僅展示了數(shù)據(jù)的結(jié)構(gòu)和趨勢，還幫助識別關(guān)鍵決策點，使數(shù)據(jù)洞見更具可操作性。

6.領(lǐng)域?qū)I(yè)知識：數(shù)據(jù)科學不僅依賴技術(shù)和工具，更需要與具體業(yè)務(wù)領(lǐng)域相結(jié)合。理解數(shù)據(jù)的應(yīng)用背景是正確解讀分析結(jié)果的關(guān)鍵。如果沒有實際的落地場景，模型和框架的構(gòu)建將失去意義。因此，數(shù)據(jù)科學家必須結(jié)合業(yè)務(wù)知識，確保數(shù)據(jù)洞見能夠帶來實際價值。

二、數(shù)據(jù)科學在京東的應(yīng)用

1）京東電商

1.大促期間的資源調(diào)度優(yōu)化在“雙十一”等大型促銷活動期間，京東物流的訂單量激增。為應(yīng)對這種需求高峰，京東物流利用數(shù)據(jù)科學模型對資源進行精細化調(diào)度。系統(tǒng)實時監(jiān)控每個倉庫和分揀中心的處理能力，分析分揀機和傳送帶的負載情況，動態(tài)調(diào)整訂單的分配，以避免擁堵并減少分揀延遲。路徑優(yōu)化算法則根據(jù)訂單密集區(qū)域優(yōu)化配送路線，確保高峰期的訂單也能按時送達客戶手中。

2.實時配送狀態(tài)監(jiān)控京東物流使用數(shù)據(jù)科學技術(shù)對配送全程進行實時監(jiān)控，從分揀、打包到運輸，每個環(huán)節(jié)的狀態(tài)都可以可視化追蹤。如果某一環(huán)節(jié)出現(xiàn)延遲，系統(tǒng)會通過算法自動重新分配資源并更新客戶的預期配送時間。例如，在高峰期，如果某一倉庫的訂單處理出現(xiàn)延遲，系統(tǒng)會迅速重新計算最近倉庫的資源和庫存，甚至重新分配配送人員的線路，以確保顧客能夠盡快收到包裹。這種實時調(diào)度系統(tǒng)顯著提高了配送的可靠性和顧客的滿意度。

這些智能優(yōu)化系統(tǒng)背后，是京東物流強大的數(shù)據(jù)采集和實時處理能力。通過數(shù)據(jù)科學算法和模型，京東物流實現(xiàn)了在復雜場景下的高效物流運作，大大提升了物流配送速度和顧客體驗。

2) 金融動態(tài)信用評分系統(tǒng)

在金融領(lǐng)域，數(shù)據(jù)科學也大顯身手，特別是在風險控制方面。京東金融通過分析用戶的消費行為數(shù)據(jù)（如購買記錄、還款歷史、日常支出等）以及社交互動行為，利用機器學習模型對用戶的信用風險進行精準量化，生成動態(tài)的“信用評分”。這些評分不僅用于評估貸款額度，還作為定制化金融產(chǎn)品推薦的依據(jù)。

例如，在“白條”產(chǎn)品中，京東金融通過信用評分來評估用戶的還款能力，從而為不同客戶提供靈活的分期選項，降低了壞賬風險。同時，京東金融會根據(jù)客戶的信用評分調(diào)整授信額度和貸款利率，確保風險與收益的平衡。通過這種智能風控體系，京東金融不僅提升了風險管理的效率，還為用戶提供了更加個性化和便捷的金融服務(wù)。

3) 醫(yī)療保健中的智能影像分析

在醫(yī)療健康領(lǐng)域，數(shù)據(jù)科學被廣泛應(yīng)用于智能影像分析和個性化診療，極大地提升了醫(yī)療服務(wù)的精準性和效率：

1.智能影像診斷京東健康基于深度學習的智能影像分析系統(tǒng)，能夠識別并標記X光、CT等影像中的異常區(qū)域，輔助醫(yī)生進行病灶檢測。例如，在肺癌篩查中，系統(tǒng)可以檢測肺部影像中的細小結(jié)節(jié)或病變區(qū)域，并標注出可疑病灶，提供詳細的形態(tài)描述和位置坐標。這種智能輔助不僅幫助醫(yī)生提高了診斷準確率，還縮短了影像分析時間，特別是在基層醫(yī)院中，可以有效降低因設(shè)備不足或醫(yī)生經(jīng)驗不足而導致的誤診風險。

2.輔助診斷模型的建立京東健康還開發(fā)了多種疾病的智能診斷模型，涵蓋慢性病、呼吸道疾病、骨骼損傷等領(lǐng)域。模型通過機器學習不斷優(yōu)化，對比大量影像和臨床數(shù)據(jù)，增強了對不同類型病變的識別能力。醫(yī)生通過這些模型獲得的診斷建議，可以加快診斷過程，并確保即便是復雜疾病也能得到及時的初步篩查，從而提升診斷的準確性和效率。

3) 科技行業(yè)的智能推薦與硬件故障預測

在京東科技，數(shù)據(jù)科學的應(yīng)用不僅提升了廣告的精準性，也增強了硬件維護的效率：

1.智能廣告推薦京東科技通過數(shù)據(jù)科學技術(shù)構(gòu)建了精準的廣告推薦系統(tǒng)，基于用戶的瀏覽和購買記錄、社交互動及興趣偏好，建立用戶畫像并預測廣告的點擊可能性。例如，如果用戶在京東平臺上頻繁搜索智能家居設(shè)備，系統(tǒng)會向其推薦相關(guān)產(chǎn)品的廣告和優(yōu)惠。通過機器學習算法，系統(tǒng)可以自動調(diào)整廣告的展示位置和內(nèi)容，確保廣告能夠精準觸達目標用戶，從而提高點擊率和轉(zhuǎn)化率，幫助廣告主提升廣告效果。

2.個性化商品推薦京東科技的推薦系統(tǒng)利用協(xié)同過濾和內(nèi)容推薦等機器學習技術(shù)，根據(jù)用戶的購買記錄、瀏覽偏好及相似用戶的行為數(shù)據(jù)，生成個性化的推薦列表。例如，用戶瀏覽了某品牌的手機配件后，系統(tǒng)會推薦該品牌的其他配件或兼容產(chǎn)品。此推薦系統(tǒng)提升了用戶體驗，使客戶能夠更快找到心儀的商品，進而提高了平臺的復購率和整體銷售額。

4) 其他應(yīng)用場景

1.路線規(guī)劃與實時導航京東物流通過數(shù)據(jù)科學和實時交通數(shù)據(jù)進行配送路徑規(guī)劃，尤其在“雙十一”等大促期間。系統(tǒng)會分析城市各路段的歷史交通流量、實時擁堵情況和天氣因素，為配送員生成最快捷的行駛路線。例如，在早晚高峰時段，系統(tǒng)會優(yōu)先選擇更暢通的道路，避免配送延誤。京東物流的智能路徑規(guī)劃系統(tǒng)通過機器學習不斷優(yōu)化模型，確保在復雜路況下仍能高效完成配送任務(wù)。

2.智能配送網(wǎng)絡(luò)調(diào)度京東物流結(jié)合倉庫分布、訂單需求和實時交通信息，動態(tài)調(diào)整各區(qū)域的資源分配。系統(tǒng)會根據(jù)各地訂單量的變化，自動調(diào)整倉庫補貨頻率和配送車輛的調(diào)度，以提高配送效率。即使在高峰期，京東物流也能實現(xiàn)短時間內(nèi)的大規(guī)模配送，確?？蛻粲唵蔚臏蕰r到達。

3.語音識別與智能助手

?京東智能客服：京東利用語音識別和自然語言處理技術(shù)，構(gòu)建了智能客服助手，能夠識別用戶的語音咨詢并精準響應(yīng)需求?？蛻艨梢酝ㄟ^京東App的語音功能查詢訂單狀態(tài)、了解促銷信息或進行售后服務(wù)。智能客服系統(tǒng)能夠理解各種方言和語速的語音命令，提高客戶互動的流暢性。

?京東智能語音助手的個性化服務(wù)：京東語音助手不僅能執(zhí)行簡單的指令，還可以根據(jù)用戶的購買偏好提供個性化推薦。例如，用戶通過語音詢問最新的優(yōu)惠信息，系統(tǒng)會優(yōu)先推薦用戶感興趣的商品類別。該助手會根據(jù)用戶的購物歷史和瀏覽行為生成個性化推薦，提升客戶購物體驗，同時幫助用戶更便捷地獲取所需信息。

三、京東物流從2020年到2024數(shù)據(jù)科學做了哪些重要創(chuàng)新

在2007至2014年間，京東物流圍繞“降低成本、提升效率、改善客戶體驗”三個核心目標，不斷推動數(shù)據(jù)科學在物流運營中的應(yīng)用，為后續(xù)的智能化發(fā)展奠定了堅實的基礎(chǔ)。以下是該時期的主要數(shù)據(jù)科學應(yīng)用場景及其影響，在2007至2014年間，京東物流通過數(shù)據(jù)科學應(yīng)用逐步實現(xiàn)了物流體系的降本增效。自建物流體系、倉儲管理、路徑優(yōu)化、智能分揀和大數(shù)據(jù)決策支持等創(chuàng)新，不僅降低了物流成本，還顯著提升了客戶的物流體驗。這一階段的積累，為京東物流的未來智能化發(fā)展奠定了重要的基礎(chǔ)。

1) 2007年：探索自建物流體系，降低外包成本

在2007年，京東物流開始構(gòu)建自營物流體系，以減少對外包物流的依賴。隨著業(yè)務(wù)規(guī)模的增長，京東需要更穩(wěn)定、可控的物流方案以降低長期成本。通過對全國訂單分布、物流費用和客戶需求的分析，京東確定了在重點城市建設(shè)配送中心和倉儲網(wǎng)點。這一舉措減少了外包的運營費用，實現(xiàn)了配送成本的優(yōu)化。自建物流體系讓京東能夠提供更加可靠的配送服務(wù)，提升了客戶的購物體驗。

2) 2009年：初步應(yīng)用倉儲管理系統(tǒng)（WMS），提升倉儲效率

隨著商品品類的增加，倉儲管理逐漸成為物流成本的重要因素。2009年，京東上線了倉儲管理系統(tǒng)（WMS），為倉庫管理帶來了數(shù)據(jù)化和自動化。WMS系統(tǒng)基于庫存數(shù)據(jù)和訂單需求，對高頻商品進行分區(qū)管理。將這些商品放置在倉庫出口附近，減少了揀貨路徑，提升了訂單處理效率。這樣的倉儲優(yōu)化不僅降低了庫存周轉(zhuǎn)時間，也降低了倉庫的人力成本，同時實現(xiàn)了訂單快速出庫，改善了客戶體驗。

3) 2010年：配送路徑優(yōu)化與配送網(wǎng)絡(luò)擴展，提升配送效率

2010年，京東物流在主要城市建立了自營配送團隊，并通過路徑優(yōu)化算法降低運輸成本。數(shù)據(jù)科學算法通過分析交通流量、地理位置和訂單密度來規(guī)劃配送路線，使配送員能夠在最短路徑內(nèi)完成配送，降低了油耗和運輸費用。這一優(yōu)化措施顯著提高了配送效率，在大型促銷活動期間尤為重要，有效緩解了配送高峰時段的壓力，確保了客戶的配送體驗。

4) 2012年：布局全國倉配一體化網(wǎng)絡(luò)，降低調(diào)撥成本

2012年，京東物流通過數(shù)據(jù)分析，深入了解全國各地的消費需求和訂單分布，開始構(gòu)建全國性的倉配一體化網(wǎng)絡(luò)。通過訂單數(shù)據(jù)分析，京東在不同區(qū)域布局大中型倉儲中心，并在周邊城市設(shè)立分倉。這種多級倉儲網(wǎng)絡(luò)可以通過智能調(diào)撥系統(tǒng)對缺貨倉庫進行庫存補充，減少了長距離運輸?shù)恼{(diào)撥成本。此外，倉儲布局的優(yōu)化使得京東能夠逐步推出“次日達”“當日達”等服務(wù)，極大地提升了客戶的物流體驗。

5) 2013年：智能分揀系統(tǒng)投入使用，提升訂單處理效率

為了應(yīng)對訂單的激增，特別是在促銷期間的高峰期，京東物流于2013年在部分大型倉儲中心引入了智能分揀系統(tǒng)。該系統(tǒng)利用條碼掃描、自動化傳感器等技術(shù)，結(jié)合數(shù)據(jù)科學模型對訂單優(yōu)先級和商品類別進行分類處理，這里面就包括了大模型，快速完成商品分揀，減少了人工作業(yè)時間。分揀系統(tǒng)的高效運營不僅降低了分揀成本，還減少了訂單處理時間，使得京東能夠更快地將訂單發(fā)貨到客戶手中。

6) 2014年：大數(shù)據(jù)智能化時代的開啟，全面提升物流服務(wù)質(zhì)量

2014年，京東物流逐步進入大數(shù)據(jù)智能化時代，大模型的應(yīng)用全面運用數(shù)據(jù)科學技術(shù)來優(yōu)化成本和提升運營效率。京東上線了數(shù)據(jù)分析平臺，對倉儲、運輸、配送等環(huán)節(jié)進行實時監(jiān)控。通過機器學習、大模型模型預測訂單高峰，提前安排人力、倉儲和配送資源，以降低因突發(fā)訂單量增長帶來的運營成本。同時，京東物流的客戶服務(wù)也逐步實現(xiàn)數(shù)據(jù)驅(qū)動，客戶可以在系統(tǒng)中實時查看配送進度，系統(tǒng)還會根據(jù)客戶的需求和偏好提供個性化配送服務(wù)。這種數(shù)據(jù)科學支持的優(yōu)化讓客戶的體驗得到顯著提升。

四、哪些會從數(shù)據(jù)科學中消失，原因是什么

數(shù)據(jù)科學項目的失敗率是一個眾所周知的挑戰(zhàn)。根據(jù) Gartner 的數(shù)據(jù)，超過85%的數(shù)據(jù)科學項目都是失敗的，Dimensional Research的一份報告指出，只有 4% 的公司成功將 ML 模型部署到生產(chǎn)環(huán)境中。Kaggle 競賽的最佳結(jié)果并不總是能夠轉(zhuǎn)化為工業(yè)落地場景的適用性。造成這一問題主要原因是訓練數(shù)據(jù)作弊，或者目標中設(shè)計的變量與目標具有很高的相關(guān)性。另外還有一些偽科學，以特定方式收集了數(shù)據(jù)集，甚至操縱了數(shù)據(jù)集并向您展示了特定的可視化效果，以重申其預先確定的偏見（reaffirm their pre-determined bias）。下面是一個典型的訓練集和驗證集數(shù)據(jù)作弊的案例：

獲勝者作弊將來自互聯(lián)網(wǎng)的真實數(shù)據(jù)整合到提供的數(shù)據(jù)集中。任務(wù)是根據(jù)歷史數(shù)據(jù)預測 2024 年 5 月 22 日至 2024 年 6 月 4 日一周內(nèi)美元兌奈拉的未來匯率。這位不愿透露姓名的獲勝者等到這些日期到來，收集真實數(shù)據(jù)，將其整合到訓練集中，然后根據(jù)這個更新的數(shù)據(jù)集設(shè)計滯后特征（7 個滯后）和多步目標（13 個步驟）。這是公然的作弊行為，使用訓練集來預測

五、數(shù)據(jù)科學的未來

1) 量子計算數(shù)據(jù)科學中的應(yīng)用前景

隨著數(shù)據(jù)生成速度的加快，數(shù)據(jù)科學的應(yīng)用將進一步擴展，深刻影響各行各業(yè)的發(fā)展。未來可能會使用量子計算和微粒子技術(shù)將成為數(shù)據(jù)科學的重要支柱，為其提供新的計算能力和數(shù)據(jù)收集方式，該技術(shù)可能會覆蓋到大模型底層基礎(chǔ)運力計算，這里主要說下量子計算對京東未來的帶來的推動：

量子計算目前還處于早期發(fā)展階段，但其潛力巨大。盡管尚未在物流行業(yè)得到廣泛應(yīng)用，但隨著量子計算硬件的不斷成熟和量子算法的突破，量子計算有望徹底改變物流行業(yè)的效率和運營方式。其主要優(yōu)勢在于能夠快速解決傳統(tǒng)計算機難以處理的復雜問題，如路徑優(yōu)化、資源調(diào)度和風險管理等。以下是量子計算在物流中的一些未來應(yīng)用場景：

1.路徑優(yōu)化：量子計算能夠并行計算多個可能的路徑，并找到全局最優(yōu)解。通過量子疊加和量子糾纏，量子計算機可以同時處理多種路徑選擇，極大提高了在復雜網(wǎng)絡(luò)中的路徑優(yōu)化效率。這一特性在應(yīng)對大規(guī)模物流活動時尤為重要，可以幫助物流公司在最短時間內(nèi)找到最佳路線，減少配送時間和燃料消耗。

2.資源調(diào)度：在多變量的物流系統(tǒng)中，調(diào)度和分配資源是一個復雜的組合優(yōu)化問題。量子計算的并行計算能力可以在極短時間內(nèi)為每一個配送節(jié)點和倉儲中心分配最佳資源，使物流網(wǎng)絡(luò)更加高效。相比傳統(tǒng)方法，量子計算可以在更大范圍內(nèi)、更快時間內(nèi)完成調(diào)度，從而提高物流網(wǎng)絡(luò)的響應(yīng)速度。

3.風險管理：量子計算在處理海量變量和不確定性因素時具有優(yōu)勢。在物流行業(yè)中，風險管理需要綜合考慮市場需求波動、天氣條件、交通狀況等多個因素，量子計算的快速計算能力使其能夠?qū)崟r評估潛在風險并提供相應(yīng)的策略建議，幫助物流公司在快速變動的市場環(huán)境中保持競爭力。

2）供應(yīng)鏈全局優(yōu)化

京東物流未來將通過數(shù)據(jù)科學中的大模型技術(shù)與數(shù)字孿生的深度融合，逐步實現(xiàn)供應(yīng)鏈的全面優(yōu)化。具體來說，京東物流推出的“京東物流超腦”系統(tǒng)，將依托大模型的強大計算能力和數(shù)字孿生的精準模擬功能，為供應(yīng)鏈提供全局智能優(yōu)化。這一系統(tǒng)可以實時分析各個環(huán)節(jié)的數(shù)據(jù)，預測潛在的物流瓶頸，并在出現(xiàn)問題時迅速調(diào)整策略。通過這種方式，京東物流可以顯著提升供應(yīng)鏈的靈活性和響應(yīng)速度，有效降低突發(fā)事件帶來的運營風險，從而實現(xiàn)供應(yīng)鏈從預測到調(diào)度的全程智能化管理。

3）多模態(tài)交互與內(nèi)容生成

京東物流將通過數(shù)據(jù)科學中的大模型驅(qū)動的多模態(tài)交互和智能內(nèi)容生成技術(shù)，為用戶提供更加直觀、靈活的物流管理體驗。具體方案是，京東物流利用大模型的自然語言處理和圖像生成能力，使用戶可以僅通過文字描述倉儲布局需求，例如貨架位置、通道寬度等，系統(tǒng)便能自動生成符合要求的三維可視化倉儲方案。此外，用戶還可以進一步描述細節(jié)調(diào)整，系統(tǒng)會即時響應(yīng)，生成更新后的布局效果。這樣一來，即使是非專業(yè)用戶也能夠參與倉儲布局的優(yōu)化過程，提高效率，減少設(shè)計和調(diào)整周期。通過這一方案，京東物流實現(xiàn)了從簡單的人機交互向智能化、多模態(tài)互動的升級，為倉儲和物流管理帶來了更高的靈活性和便捷性。

感謝大家瀏覽，有建議大家可以留言探討，另外大家動動發(fā)財?shù)男∈謳臀尹c贊，感謝！

審核編輯 黃宇