目前，以機(jī)器學(xué)習(xí)為代表的人工智能技術(shù)在全球興起熱潮，其理論、技術(shù)和應(yīng)用場(chǎng)景都有了長(zhǎng)足發(fā)展。特別是依靠海量數(shù)據(jù)和強(qiáng)大的分布式計(jì)算能力，人工智能已在語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理、人機(jī)對(duì)弈、自動(dòng)駕駛等領(lǐng)域取得顯著或者突破性進(jìn)展，使得傳統(tǒng)的經(jīng)驗(yàn)密集型行業(yè)迎來了智能化改造的歷史機(jī)遇。
人工智能在銀行領(lǐng)域的影響也在不斷擴(kuò)大，已形成了量化投資、智能柜臺(tái)、智能客服等新型業(yè)務(wù)模式，為客戶提供了嶄新的體驗(yàn)。銀行服務(wù)智能化已經(jīng)是大勢(shì)所趨。商業(yè)銀行的工單處理是與客戶體驗(yàn)息息相關(guān)的重要工作，要求處理人員具有豐富的金融知識(shí)和很強(qiáng)的分析能力，是一項(xiàng)經(jīng)驗(yàn)密集型工作，適合進(jìn)行智能化改造。本文結(jié)合實(shí)際工作，就人工智能在商業(yè)銀行工單處理系統(tǒng)中的應(yīng)用進(jìn)行探討。
一、 商業(yè)銀行工單處理現(xiàn)狀及問題
大型商業(yè)銀行每年需要處理數(shù)以萬(wàn)計(jì)的工單。目前的工單處理系統(tǒng)僅在工單報(bào)送、審批、存檔等辦公事務(wù)性環(huán)節(jié)實(shí)現(xiàn)了自動(dòng)化，在最主要的問題分析處理環(huán)節(jié)，還是主要依靠人工。
隨著IT系統(tǒng)規(guī)模日趨龐大以及新業(yè)務(wù)功能與日俱增，大型商業(yè)銀行每日需處理的工單數(shù)量呈上升趨勢(shì)，維護(hù)人員處理工單的難度逐漸增加。從我們處理工單的實(shí)際情況看，以下幾方面問題日益突出：
(1)工單所屬系統(tǒng)的識(shí)別準(zhǔn)確性不高。目前工單分派是根據(jù)業(yè)務(wù)人員填寫的工單所屬系統(tǒng)進(jìn)行自動(dòng)分派，導(dǎo)致工單分類的準(zhǔn)確度不高，經(jīng)常出現(xiàn)工單分派錯(cuò)誤的情況，影響了工單的順利流轉(zhuǎn)。
(2)問題定位不夠準(zhǔn)確。由于處理人員經(jīng)驗(yàn)不足，可能造成問題定位不準(zhǔn)確，形成有偏差的解決方案。這不但無(wú)助于解決問題，還進(jìn)一步降低了客戶體驗(yàn)，增加了系統(tǒng)運(yùn)行風(fēng)險(xiǎn)。
(3)不能快速匹配歷史工單。由于軟件缺陷、客戶誤操作等問題，相似的工單會(huì)重復(fù)出現(xiàn)，這是工單處理工作中的常見現(xiàn)象。有經(jīng)驗(yàn)的處理人員經(jīng)歷了長(zhǎng)時(shí)間的經(jīng)驗(yàn)積累，或者知識(shí)總結(jié)，能很快找到類似的歷史工單，參照歷史處理方案進(jìn)行處理，確保處理高效率。由于人員的流動(dòng)性，新的人員無(wú)法在短期內(nèi)具備這種能力，造成了低效的重復(fù)勞動(dòng)。
這些問題，對(duì)工單流轉(zhuǎn)效率和處理質(zhì)量造成了影響。特別是需要多個(gè)團(tuán)隊(duì)配合的工單，如果部分環(huán)節(jié)處理不及時(shí)，會(huì)延長(zhǎng)工單處理的時(shí)間，從而降低服務(wù)質(zhì)量，影響銀行形象。
二、 商業(yè)銀行工單處理智能化概述
1.工單處理智能化需求
客戶是銀行賴以生存和發(fā)展的基礎(chǔ)，完善客戶體驗(yàn)是銀行提高服務(wù)質(zhì)量的根本目標(biāo)。作為銀行信息科技體系技術(shù)支持部門，和客戶最直接的聯(lián)系就是工單處理系統(tǒng)，維護(hù)人員通過工單處理系統(tǒng)接收、分析、處理客戶反映的問題。工單處理的效率和質(zhì)量，直接影響到客戶對(duì)銀行的認(rèn)可度。鑒于目前工單處理系統(tǒng)中存在的問題，有必要考慮在工單處理系統(tǒng)中應(yīng)用人工智能技術(shù)，以提高工作效率和質(zhì)量，提升客戶體驗(yàn)。
同時(shí)，商業(yè)銀行積累了大量的歷史工單數(shù)據(jù)，這些數(shù)據(jù)既有問題描述信息，又有問題歸屬分類，還有問題解決方案，構(gòu)成了工單問題及處理方案的全景信息。海量歷史工單數(shù)據(jù)中蘊(yùn)含了工單處理需要的大部分業(yè)務(wù)知識(shí)和處理規(guī)則，為人工智能特別是機(jī)器學(xué)習(xí)提供了極好的數(shù)據(jù)來源。從必要性及可行性上看，商業(yè)銀行工單處理智能化改造正逢其時(shí)。
從商業(yè)銀行同業(yè)情況來看，工單處理智能化目前處于研究和起步階段。隨著各銀行對(duì)提高工單處理的效率和質(zhì)量日益重視，工單處理智能化將展現(xiàn)出很好的應(yīng)用前景。
2.工單處理智能化涉及的技術(shù)領(lǐng)域
工單處理智能化是在傳統(tǒng)的工單處理流程基礎(chǔ)上，用人工智能技術(shù)手段分析、處理工單，實(shí)現(xiàn)自動(dòng)匹配類似工單、自動(dòng)推送解決方案、自動(dòng)匯總工單類型等功能，達(dá)到減少工作量、提高工作效率和提升服務(wù)質(zhì)量的目標(biāo)。
工單處理智能化首先要解決的問題是：如何從非結(jié)構(gòu)化的工單描述(一連串語(yǔ)言符號(hào))中獲取問題工單描述信息特征和解決方案信息特征。因此工單處理智能化技術(shù)首先涉及人工智能的自然語(yǔ)言處理領(lǐng)域。當(dāng)然，工單智能化的語(yǔ)言識(shí)別不同于一般的機(jī)器翻譯或者專家系統(tǒng)自然語(yǔ)言接口，它描述的內(nèi)容有很強(qiáng)的領(lǐng)域范疇，即銀行業(yè)務(wù)領(lǐng)域、IT技術(shù)領(lǐng)域，工單描述語(yǔ)言中的上下文關(guān)聯(lián)和語(yǔ)義環(huán)境，和專業(yè)領(lǐng)域有很強(qiáng)的關(guān)聯(lián)關(guān)系。同時(shí)，工單描述語(yǔ)言分析還需要減少無(wú)效詞匯對(duì)語(yǔ)義理解的干擾，使得銀行工單處理智能化需要適合自身特點(diǎn)的自然語(yǔ)言處理能力。
在獲取工單描述文字的特征信息后，智能工單處理系統(tǒng)需要對(duì)特征進(jìn)行分析、分類，以確定工單歸屬系統(tǒng)或者所屬類型。同時(shí)，還需要從歷史工單數(shù)據(jù)中匹配出該類型工單及其解決方案，供處理人員參考。這里涉及的特征提取、分類和匹配，屬于人工智能的機(jī)器學(xué)習(xí)領(lǐng)域。
三、 智能工單處理系統(tǒng)簡(jiǎn)介
為了提高工單處理的效率和質(zhì)量，提升客戶體驗(yàn)，也為了順應(yīng)人工智能技術(shù)在銀行領(lǐng)域應(yīng)用的潮流，我們?cè)诂F(xiàn)有的銀行工單處理系統(tǒng)中引入了人工智能技術(shù)，設(shè)計(jì)、開發(fā)了智能工單處理系統(tǒng)。該系統(tǒng)將大量非結(jié)構(gòu)化的工單描述信息和知識(shí)庫(kù)中的知識(shí)條目，通過機(jī)器學(xué)習(xí)算法加以分析處理，實(shí)現(xiàn)工單自動(dòng)轉(zhuǎn)派及方案智能推薦。同時(shí)，通過對(duì)工單描述主題歸類，挖掘出有價(jià)值的信息，為工單分派與處理方案提供數(shù)據(jù)與決策支持，提升分派工單的準(zhǔn)確性。
智能工單系統(tǒng)采用常見的WEB+MySQL for AIX架構(gòu)。為便于實(shí)現(xiàn)統(tǒng)計(jì)分析功能，采用R語(yǔ)言為開發(fā)語(yǔ)言。
1.應(yīng)用架構(gòu)
通過運(yùn)維流程管理平臺(tái)擴(kuò)展接口，可以設(shè)置參數(shù)實(shí)現(xiàn)工單處理智能化實(shí)時(shí)切換，實(shí)現(xiàn)了運(yùn)維流程管理平臺(tái)和智能工單處理系統(tǒng)的松耦合協(xié)同工作。圖1為應(yīng)用架構(gòu)系統(tǒng)邏輯關(guān)系。
2.系統(tǒng)功能
(1)批量功能
智能工單處理系統(tǒng)定期通過批量接口從運(yùn)維流程管理平臺(tái)獲取歷史工單數(shù)據(jù)，包含工單內(nèi)容、解決方案和所屬系統(tǒng)等內(nèi)容。導(dǎo)入觸發(fā)條件可以指定為一段時(shí)間(如每周或每月)，也可以指定新增歷史工單達(dá)到一定數(shù)量(如新增1000個(gè)工單)。
智能工單處理系統(tǒng)對(duì)導(dǎo)入的歷史工單數(shù)據(jù)進(jìn)行特征提取和分類批量計(jì)算，用計(jì)算結(jié)果修正現(xiàn)有的主題模型。
主題模型每次更新后，通過統(tǒng)計(jì)批量程序繪制出當(dāng)前的工單主題特征全景圖，同時(shí)更新工單主題庫(kù)和知識(shí)條目庫(kù)。
(2)聯(lián)機(jī)功能
聯(lián)機(jī)功能是向運(yùn)維流程管理平臺(tái)的工單分派、工單處理提供的自動(dòng)化功能。
平臺(tái)分派工單時(shí)，先調(diào)用智能工單處理系統(tǒng)提供的聯(lián)機(jī)接口，輸入待分派工單的信息;然后智能工單處理系統(tǒng)返回該工單所屬系統(tǒng)信息，運(yùn)維流程管理平臺(tái)將該工單分派給相應(yīng)的團(tuán)隊(duì)處理。
維護(hù)人員在處理工單時(shí)，平臺(tái)先調(diào)用智能工單處理系統(tǒng)的接口，輸入工單信息，智能處理系統(tǒng)返回該工單所屬知識(shí)條目、最匹配類似歷史工單等相關(guān)信息，供處理人員參考。
四、 系統(tǒng)中的人工智能技術(shù)及實(shí)現(xiàn)
在智能工單處理系統(tǒng)中，工單主題模型及主題庫(kù)是體現(xiàn)系統(tǒng)“智能”的功能模塊。智能化功能模塊采用的模型和算法，就是人工智能應(yīng)用在本系統(tǒng)的關(guān)鍵技術(shù);模塊的智能水平?jīng)Q定了本系統(tǒng)工作的效率和質(zhì)量。
從理論上講，本系統(tǒng)的智能化功能模塊是以統(tǒng)計(jì)論和概率論為基礎(chǔ)，利用機(jī)器學(xué)習(xí)算法讓機(jī)器具有類似人類的自動(dòng)“學(xué)習(xí)”能力——對(duì)已知的訓(xùn)練數(shù)據(jù)做統(tǒng)計(jì)分析從而獲得規(guī)律，再運(yùn)用規(guī)律對(duì)未知數(shù)據(jù)做預(yù)測(cè)分析。其基本過程是：標(biāo)注——利用人工對(duì)一批文檔進(jìn)行了準(zhǔn)確分類，以作為訓(xùn)練集(進(jìn)行機(jī)器學(xué)習(xí)的材料);訓(xùn)練——計(jì)算機(jī)從這些文檔中挖掘出一些能夠有效分類的規(guī)則，生成分類器(總結(jié)出的規(guī)則集合);分類——將生成的分類器應(yīng)用在有待分類的文檔集合中，獲取文檔的分類結(jié)果，該系統(tǒng)以海量歷史工單數(shù)據(jù)為訓(xùn)練集，進(jìn)行了文本分詞、去干擾等預(yù)處理;在此基礎(chǔ)上進(jìn)行特征分類訓(xùn)練，實(shí)現(xiàn)了特征向量的自動(dòng)匹配。
本系統(tǒng)智能化機(jī)器學(xué)習(xí)功能主要流程圖2所示。
1.確定訓(xùn)練樣本集
為保證足夠的訓(xùn)練樣本數(shù)量，也為保證較新的數(shù)據(jù)時(shí)效性，我們確定以運(yùn)維流程管理平臺(tái)近幾年的工單數(shù)據(jù)作為智能工單處理系統(tǒng)的數(shù)據(jù)訓(xùn)練樣本集，總量約5萬(wàn)。
工單數(shù)據(jù)的主要字段包括：工單ID、類別、子類、條目、請(qǐng)求描述、所屬系統(tǒng)、處理團(tuán)隊(duì)、申請(qǐng)來源類別、申請(qǐng)來源名稱、報(bào)送原因分類、處理方式分類、解決方案描述、是否變更等共50個(gè)左右的數(shù)據(jù)項(xiàng)。
歷史工單導(dǎo)出后的數(shù)據(jù)為XML純文本，便于后續(xù)的文本分析和web展現(xiàn)。
2.工單文本預(yù)處理
文本預(yù)處理主要包括文本分詞和分詞過濾兩項(xiàng)工作，主要作用是按照行業(yè)詞匯集將工單文本進(jìn)行詞匯劃分，然后將結(jié)果中那些對(duì)語(yǔ)義識(shí)別無(wú)效或者有害的分詞去掉，以實(shí)現(xiàn)工單特征信息的充分暴露，便于下一階段的特征分析、分類工作。
(1)中文分詞
在使用向量模型表示文檔時(shí)，首先要對(duì)文檔進(jìn)行詞匯化處理。我們選用了常見的Rwordseg作為智能工單系統(tǒng)的文本分詞工具，它的核心算法采用隱馬爾科夫模型(Hidden Markov Model, HMM)，適用于人名識(shí)別、地名識(shí)別、組織機(jī)構(gòu)名識(shí)別、多級(jí)詞性標(biāo)注、關(guān)鍵詞提取、指紋提取等領(lǐng)域，并能很好地支持R語(yǔ)言及中文字符集。
為突出工單數(shù)據(jù)的金融行業(yè)特征，我們使用了CFA金融專業(yè)詞典作為自定義詞典，使得系統(tǒng)具備了良好的金融行業(yè)分詞能力。
(2)分詞過濾
工單描述文本中有大量的問題特征無(wú)關(guān)詞匯，比如大部分的感嘆詞、形容詞、連詞，以及客戶姓名、地名等停用詞、公共詞，或者低頻詞、專有詞。這些詞匯經(jīng)常出現(xiàn)，但幾乎不包含任何工單問題特征信息，還可能弱化工單特征信息的表現(xiàn)，影響特征分析和分類。我們收集了此類詞匯(含規(guī)則)數(shù)百個(gè)，形成了干擾詞匯(規(guī)則)集，便于對(duì)分詞結(jié)果進(jìn)行過濾操作。
經(jīng)過文本預(yù)處理之后，工單數(shù)據(jù)已初步顯現(xiàn)出主題特征信息，可以進(jìn)行主題特征分析、分類工作了。
3.設(shè)置特征向量權(quán)值
由于每類詞匯對(duì)工單主題的影響是不一樣的，因此工單主題特征的每個(gè)向量的權(quán)重值也是不同的。在完成分詞之后，我們對(duì)詞語(yǔ)的位置信息做進(jìn)一步的發(fā)掘，需要確定記錄位置信息的方式以及各個(gè)位置的詞在反映主題時(shí)的相對(duì)重要性。標(biāo)題、摘要和結(jié)論、正文等文章各個(gè)部分的位置權(quán)重是各不相同的，當(dāng)軟件逐詞掃描統(tǒng)計(jì)詞頻時(shí)，記錄每個(gè)詞的位置信息。適當(dāng)?shù)?、有區(qū)分的設(shè)置特征向量權(quán)值，能夠顯著提高特征分析的準(zhǔn)確性。
4.主題特征提取
主題特征提取是人工智能模式識(shí)別領(lǐng)域的重要方法，它通過分析不同文檔中的各類詞匯出現(xiàn)的頻率或者概率，找到文檔類型和詞匯之間的內(nèi)在關(guān)聯(lián)規(guī)則，從而實(shí)現(xiàn)對(duì)文檔特征的分析和提取。
在智能工單處理系統(tǒng)采用了主題模型在海量訓(xùn)練數(shù)據(jù)中自動(dòng)尋找出文字間的語(yǔ)義主題，以及對(duì)工單中的主題進(jìn)行分析。
主題模型就是將工單數(shù)據(jù)訓(xùn)練集中每篇文檔的主題以概率分布的形式給出，從而通過分析一些文檔抽取出它們的主題后，便可以根據(jù)主題進(jìn)行主題聚類或文本分類。主題模型中，一篇文檔是由一組詞構(gòu)成，詞與詞之間沒有先后順序的關(guān)系。此外，一篇文檔可以包含多個(gè)主題，文檔中每一個(gè)詞都由其中的一個(gè)主題生成。
從概率模型上講，每個(gè)工單文檔的每個(gè)詞都是通過“以一定概率選擇了某個(gè)主題，并從這個(gè)主題中以一定概率選擇某個(gè)詞語(yǔ)”這樣一個(gè)過程得到的。那么，如果要生成一篇文檔，它里面的每個(gè)詞語(yǔ)出現(xiàn)的概率為(p為加權(quán)后的概率)：
上面這個(gè)式子，可以矩陣乘法來表示，即：
對(duì)任意一篇文檔，左邊的矩陣是已知的，右邊的兩個(gè)矩陣未知。而主題模型就是用大量已知的“詞語(yǔ)|文檔”矩陣，通過一系列的訓(xùn)練，推理出右邊的“詞語(yǔ)|主題”矩陣和“主題|文檔”矩陣。
我們選擇用線性判別式分析算法(Linear Discriminant Analysis, LDA)進(jìn)行工單主題分類。LDA也叫做Fisher線性判別(Fisher Linear Discriminant ,FLD)，是模式識(shí)別領(lǐng)域的經(jīng)典算法。LDA的基本思想是將高維的模式樣本投影到最佳鑒別矢量空間，以達(dá)到抽取分類信息和壓縮特征空間維數(shù)的效果，投影后保證模式樣本在新的子空間有最大的類間距離和最小的類內(nèi)距離，即模式在該空間中有最佳的可分離性。工單主題特征屬于高維向量空間，適合采用LDA算法進(jìn)行主題分類。
5.訓(xùn)練分類器
計(jì)算機(jī)從這些文檔中挖掘出一些能夠有效分類的規(guī)則，生成分類器(總結(jié)出的規(guī)則集合);工單主題的分類是通過對(duì)分類器進(jìn)行大量有標(biāo)簽的數(shù)據(jù)訓(xùn)練實(shí)現(xiàn)的。
五、 智能工單處理系統(tǒng)的成效
我們對(duì)智能工單處理系統(tǒng)的智能模塊進(jìn)行了訓(xùn)練，并將訓(xùn)練好的系統(tǒng)投入運(yùn)維流程管理平臺(tái)進(jìn)行了試運(yùn)行，取得了良好效果。
1.自動(dòng)預(yù)測(cè)工單歸屬分派，減少流轉(zhuǎn)次數(shù)
工單分配歸屬系統(tǒng)時(shí)，不再簡(jiǎn)單依靠報(bào)送人填寫的系統(tǒng)名稱，而是結(jié)合工單具體描述問題，確定工單歸屬系統(tǒng)，并分配到相應(yīng)團(tuán)隊(duì)。統(tǒng)計(jì)結(jié)果顯示，應(yīng)用智能工單處理系統(tǒng)后，工單首次分配錯(cuò)誤率大幅降低，顯著減少了誤分配次數(shù)。
2.統(tǒng)計(jì)工單主題分布，挖掘潛在生產(chǎn)問題
智能工單處理系統(tǒng)可以通過批量方式統(tǒng)計(jì)提取指定工單集的主題分布全景圖。通過主題分布全景圖，可以直觀地看出每個(gè)主題對(duì)應(yīng)的工單分布情況，包括數(shù)量以及變化。維護(hù)人員通過重點(diǎn)關(guān)注分布全景圖中那些工單數(shù)量很多，或者近期數(shù)量變化顯著的工單類型，分析此類工單的產(chǎn)生原因，比如是否存在系統(tǒng)問題，或者用戶誤操作問題等，利于及時(shí)處理問題，提高系統(tǒng)的可用性及穩(wěn)定性，提升客戶體驗(yàn)。
3.匹配歷史工單，提高處理效率
智能工單處理系統(tǒng)可以對(duì)每個(gè)新報(bào)送的工單進(jìn)行通過特征提取，從歷史工單庫(kù)中匹配出最類似的工單。處理人員可以參考?xì)v史工單的問題描述、解決方案等重要信息，大大提高了工單處理效率。智能工單處理系統(tǒng)已成為了維護(hù)人員常用的實(shí)用工具。
4.提供知識(shí)條目預(yù)測(cè)，提升解決方案準(zhǔn)確性
智能工單處理系統(tǒng)通過優(yōu)化工單處理流程，建立并豐富了流程平臺(tái)知識(shí)庫(kù)中知識(shí)條目。系統(tǒng)通過對(duì)每一張工單對(duì)應(yīng)知識(shí)庫(kù)知識(shí)條目的學(xué)習(xí)，不斷提高推薦知識(shí)條目的準(zhǔn)確性。隨著工單種類的數(shù)量的不斷增多，知識(shí)庫(kù)條目的不斷豐富，解決方法匹配程度也會(huì)越來越高。
實(shí)踐表明，在銀行工單處理系統(tǒng)中應(yīng)用人工智能技術(shù)，能夠顯著提高工單處理效率，減少流轉(zhuǎn)環(huán)節(jié)，并挖掘潛在生產(chǎn)問題，促進(jìn)生產(chǎn)維護(hù)工作。
我們的智能工單處理系統(tǒng)使用了機(jī)器學(xué)習(xí)的主題模型實(shí)現(xiàn)了工單主題特征的提取、分類和匹配。而在當(dāng)前人工智能熱潮中，神經(jīng)網(wǎng)絡(luò)特別是深度學(xué)習(xí)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域越來越廣泛。深度學(xué)習(xí)是近十年來人工智能發(fā)展的新成果，在近期贏得了廣泛關(guān)注，適合解決復(fù)雜、非線性的分類或者回歸問題，比如圖像識(shí)別、語(yǔ)音識(shí)別、語(yǔ)音合成、人機(jī)對(duì)弈等。隨著分布式計(jì)算資源的增長(zhǎng)，深度神經(jīng)網(wǎng)絡(luò)朝著網(wǎng)絡(luò)更多、層次更深、訓(xùn)練算法更復(fù)雜的方向發(fā)展，復(fù)雜特征的提取能力更強(qiáng)。我們下一步將關(guān)注和研究如何將深度學(xué)習(xí)應(yīng)用于智能工單處理并取得更好效果。主要研究工作包括擴(kuò)展訓(xùn)練數(shù)據(jù)集、確定技術(shù)框架選型、調(diào)整神經(jīng)網(wǎng)絡(luò)參數(shù)值以及解決訓(xùn)練中的優(yōu)化問題。
為順應(yīng)智慧銀行的發(fā)展潮流，將來還可以開展人工智能技術(shù)在更多銀行領(lǐng)域的應(yīng)用和研究，為業(yè)務(wù)部門提供更多有價(jià)值的信息。比如，在海量金融業(yè)務(wù)交易記錄中進(jìn)行數(shù)據(jù)挖掘，自動(dòng)發(fā)現(xiàn)模式，實(shí)現(xiàn)交易風(fēng)險(xiǎn)識(shí)別、客戶價(jià)值分析以及授信決策支撐等功能。人工智能技術(shù)在銀行領(lǐng)域的應(yīng)用，將促進(jìn)應(yīng)用系統(tǒng)維護(hù)工作智能化轉(zhuǎn)型，推動(dòng)商業(yè)銀行的產(chǎn)品和服務(wù)競(jìng)爭(zhēng)力邁上新臺(tái)階。
（文章來源：中國(guó)金融電腦雜志）
聯(lián)系客服
