大数据时代下对数据的新认知
解析大数据时代：数据分析的利与弊!
解析大数据时代：数据分析的利与弊！1. 引言1.1 概述在当今信息爆炸的时代，数据已经成为一种重要的资源和资产。
随着大数据时代的到来，海量、多样化的数据源不断涌现，给人们的生活和工作带来了巨大变革。
数据分析作为从大数据中提取有价值信息的关键环节，也在这个过程中发挥着至关重要的作用。
本文旨在解析大数据时代下数据分析所带来的利与弊，并探讨如何保护个人隐私。
1.2 背景近年来，随着互联网和技术的飞速发展，越来越多的企业和组织开始储存和分析海量数据。
无论是社交媒体平台上用户产生的文本、图片、视频等各种内容，还是传感器设备记录下来的环境数据，都构成了庞大而复杂的数据集合。
同时，云计算和人工智能技术也得到了突破性进展，为处理这些海量数据提供了可能。
1.3 目的本文旨在探讨大数据时代下数据分析所带来的利与弊，并就当前面临的潜在风险进行深入剖析。
通过实际案例分析，我们将会了解到数据分析在不同领域的应用方式及其所带来的影响。
此外，本文还将探讨如何在大数据时代下有效保护个人隐私，并对法律法规、技术手段和企业自身责任进行论述。
最后，本文将总结回顾目前的发展趋势，并提出未来发展方向的建议和思考。
接下来，我们将首先介绍大数据时代的到来，包括定义与特点、应用领域扩展以及挑战与机遇。
然后，在第三章中我们将详细探讨数据分析的利与弊，并通过实际案例进行深入分析。
第四章将阐述大数据时代下的数据隐私保护措施，包括法律法规与政策制定、技术手段应用以及企业自身责任与道德约束。
最后，在第五章我们将对全文内容进行总结回顾，并展望未来发展趋势，并提出建议和思考。
整篇文章旨在为读者全面呈现大数据时代下数据分析所带来的利弊以及相关保护措施，促进人们更加理性、科学地看待并运用大数据资源。
通过本文的阐述，相信读者将对大数据时代和数据分析有更加深入的了解，同时也能够在合理使用数据的前提下维护个人隐私的安全。
2. 大数据时代的到来2.1 定义与特点大数据时代是指由于科技进步和信息存储能力的迅速提升，导致产生了规模庞大、种类繁多、以及速度快的数据。
大数据时代下的知识发现与数据挖掘技术研究
大数据时代下的知识发现与数据挖掘技术研究1.引言随着互联网和移动设备的普及，海量的数据被积累和产生。
这些数据中蕴含着巨大的商业价值和潜在的知识。
然而，如何从这些数据中发现有用的知识，成为了当今社会面临的重要问题。
本文将探讨大数据时代下的知识发现与数据挖掘技术的研究。
2.知识发现的定义与特点知识发现是指从大数据中自动提取出有用的、有效的、隐含的知识的过程。
这些知识可以帮助人们更好地理解数据集中的规律、趋势和模式，以及对未来进行预测和决策。
知识发现的特点包括：（1）数据密度大：大数据时代涌现了各种类型的数据，包括结构化数据、半结构化数据和非结构化数据，这些数据量巨大，需要高效的技术来进行处理；（2）数据多样性强：大数据涵盖了多个领域和行业，包含了多种类型的数据，如图像、视频、文本等，需要多样的方法来进行分析和发现；（3）数据更新速度快：大数据时代下，数据的产生和更新速度非常快，需要实时的技术来对数据进行分析和挖掘。
3.数据挖掘技术在知识发现中的应用数据挖掘技术是一种通过自动或半自动的方式从大数据中提取知识的技术。
在知识发现中，数据挖掘技术起到了核心的作用。
数据挖掘技术主要包括以下几个方面：（1）聚类分析：聚类分析是将数据样本划分为若干个类别的过程。
通过聚类分析，可以将大数据集中具有相似特征的数据样本进行分组，从而发现数据集中的潜在规律和关联。
（2）分类与预测：分类与预测是通过建立分类模型或预测模型对数据进行分类或预测。
通过分类与预测，可以对未知数据进行准确的分类或预测，帮助人们在实际决策中更好地利用数据。
（3）关联规则挖掘：关联规则挖掘是从大数据集中发现事物之间的相互关联和依赖关系。
通过关联规则挖掘，可以发现数据集中隐藏的关联规则，帮助企业进行精准的营销和推荐。
（4）时间序列分析：时间序列分析是对按时间顺序排列的数据进行分析和预测。
通过时间序列分析，可以发现数据中存在的趋势、周期和季节性等规律，帮助人们做出合理的决策。
大数据时代：数据价值挖掘与应用
大数据时代：数据价值挖掘与应用随着互联网技术、移动设备以及物联网技术的发展，我们进入了一个以数据作为驱动力的时代。
海量的数据流动着，为企业和社会带来了巨大的商业机会和社会效益。
然而，使这些数据具有实际价值的是数据的挖掘与应用。
本文就大数据时代数据价值挖掘与应用进行探讨。
一、数据挖掘数据挖掘是从大量数据中自动或半自动地发掘出知识、模式、规律等，并进行预测和分析的一项技术。
其目的在于发现数据中隐含的关系，挖掘数据中的价值信息，以获得商业、经济、科学、医学等领域的洞见和决策支持。
数据挖掘技术主要包括分类、聚类、关联规则挖掘、时间序列等多种方法，在不同领域具有广泛的应用，例如金融风险评估、医学诊断、电子商务推荐、智能驾驶等。
二、数据应用数据挖掘得到的信息，需要进一步应用于决策中，创造实际价值。
数据价值的实现方式包括但不限于以下几种：1. 商业场景在商业领域，数据分析可以为企业提供洞见，优化营销策略并提高营销效率，调整企业战略并提升市场竞争力。
例如，海量的交易数据可以帮助金融机构识别风险，保障客户资产安全；电商企业可以利用用户行为数据，定向投放广告以提升广告点击率和成交率。
2. 社会组织数据的价值不仅仅局限于商业领域，社会组织也可以运用数据挖掘技术，优化公共服务。
例如，公安部门可以通过数据分析技术，提高犯罪破案效率；医学机构可以对医疗数据进行挖掘，提高疾病诊断的准确性和治疗效果。
3. 个人用户在个人用户方面，数据挖掘可以为用户提供更加个性化和便捷的服务。
例如，智能音箱可以根据用户的语音指令，提供个性化的服务，甚至可以通过推荐算法，进行智能学习，为用户提供更加精准的推荐服务。
三、数据强化决策数据挖掘和应用，对于企业和组织决策十分重要。
在竞争激烈的市场环境中，数据分析可以帮助企业家、管理者在短时间内获取商业洞见，及时地调整策略，以快速响应市场变化。
同时，数据分析可以帮助企业更好地了解消费者的诉求，推出更加符合市场需求的产品和服务，提升用户体验和忠诚度。
大数据时代是什么意思
⼤数据时代是什么意思世界包含的多得难以想象的数字化信息变得更多更快……从商业到科学，从政府到艺术，这种影响⽆处不在。
科学家和计算机⼯程师们给这种现象创造了⼀个新名词：“⼤数据”。
⼤数据时代什么意思？⼤数据概念什么意思？⼤数据分析什么意思？所谓⼤数据，那到底什么是⼤数据，他的来源在哪⾥，定义究竟是什么呢？⼀：⼤数据的定义。
1、⼤数据，⼜称巨量资料，指的是所涉及的数据资料量规模巨⼤到⽆法通过⼈脑甚⾄主流软件⼯具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极⽬的的资讯。
2、⼤数据技术，是指从各种各样类型的⼤数据中，快速获得有价值信息的技术的能⼒，包括数据采集、存储、管理、分析挖掘、可视化等技术及其集成。
适⽤于⼤数据的技术，包括⼤规模并⾏处理(MPP)数据库，数据挖掘电⽹，分布式⽂件系统，分布式数据库，云计算平台，互联⽹，和可扩展的存储系统。
3、⼤数据应⽤，是指对特定的⼤数据集合，集成应⽤⼤数据技术，获得有价值信息的⾏为。
对于不同领域、不同企业的不同业务，甚⾄同⼀领域不同企业的相同业务来说，由于其业务需求、数据集合和分析挖掘⽬标存在差异，所运⽤的⼤数据技术和⼤数据信息系统也可能有着相当⼤的不同。
惟有坚持“对象、技术、应⽤”三位⼀体同步发展，才能充分实现⼤数据的价值。
当你的技术达到极限时，也就是数据的极限”。
⼤数据不是关于如何定义，最重要的是如何使⽤。
最⼤的挑战在于哪些技术能更好的使⽤数据以及⼤数据的应⽤情况如何。
这与传统的数据库相⽐，开源的⼤数据分析⼯具的如Hadoop的崛起，这些⾮结构化的数据服务的价值在哪⾥。
??⼆：⼤数据的类型和价值挖掘⽅法1、⼤数据的类型⼤致可分为三类：1)传统企业数据(Traditionalenterprisedata)：包括CRMsystems的消费者数据，传统的ERP数据，库存数据以及账⽬数据等。
2)机器和传感器数据(Machine-generated/sensordata)：包括呼叫记(CallDetailRecords)，智能仪表，⼯业设备传感器，设备⽇志(通常是Digitalexhaust)，交易数据等。
数据分析的趋势
数据分析的趋势随着时代的变迁和技术的发展，数据分析行业也在不断地发展和变革。
数据分析已经成为各行各业都十分看重的一项技能。
那么，现在数据分析的趋势有哪些呢？下面就来一起了解一下。
一、数据可视化越来越重要数据是冰山的一角，有时候我们需要从数以万计的数据中找到规律和趋势，而这些数据往往以数字的形式呈现。
在这个数字时代，数据可视化已经成为数据分析不可或缺的一项技能。
图表、地图和交互式可视化等可视化方式让数据更加直观、易于理解。
随着数据分析工具的提升，数据可视化的应用也变得越来越广泛。
带有数据可视化的报告和演示也成为各行业人士必备的技能。
二、大数据时代下数据分析的挑战“大数据”成为了近几年最热门的话题之一，因为我们所处的物联网时代以及云计算的普及，导致产生了大量的非结构化数据，如何从这样海量而又复杂的数据中获取有效信息也是数据分析面临的挑战之一。
此外，随着数据量的增长，数据安全和隐私保护也变得愈发重要。
三、机器学习和人工智能的引入人工智能和机器学习的不断发展也让数据分析发生了变化。
在传统数据分析技术中，我们需要手动编写复杂的算法来预测和发现规律，现在我们可以使用人工智能的算法让计算机自动学习并发现规律。
这种技术的引入会降低数据分析师的工作难度，并且大大提高数据分析效率。
当然，这也需要数据分析师具备应对未来技术的能力以及对新技术的不断学习和探索。
四、数据科学和业务的融合数据科学的发展并不仅停留在技术上，更多业务的介入让数据科学真正将价值输出到业务中。
数据分析和数据科学在过去的几年中呈现融合的趋势，这种融合让业务可以更加高效地利用数据，并且流程更加顺畅。
数据分析师需要具备理解业务和对业务进行深入挖掘的能力。
在数据分析中加入更多业务元素，也让更多从业者加深了对业务的理解，从而更好地满足业务需求。
五、数据分析师的未来发展数据分析师是数据行业的重要组成部分，随着数据分析技术的不断发展和应用，数据分析岗位也变得越来越普遍。
大数据时代下的数据管理与分析
大数据时代下的数据管理与分析随着科技的发展，大数据已经成为了不可避免的趋势。
其所涉及到的种种应用场景正在迅速增长，包括数据管理、数据分析、人工智能等方面。
在这个领域里，管理和分析数据是至关重要的一件事情，因此，本文将透过数据管理和分析的技术手段，通盘分析大数据时代下的技术和应用。
一、大数据的定义和特征首先简单描述一下什么是大数据。
其实，大数据不单单是数据的数量。
大数据的最本质特征是数据的增长速度、多样性和价值。
大数据的数量通常以GB、TB （千亿字节）、PB（百万亿字节）等巨大数字来表示。
而大数据并非单一的数据类型，而是包括了结构化、半结构化和非结构化数据。
另外，大数据的价值也是其最重要的特征。
二、大数据时代下的数据管理在大数据时代下的数据管理中，包括了数据采集，数据存储和数据分析三方面。
其中，数据采集是数据管理的起点。
为划分数据并统一管理，首先需要经过一系列的数据采集流程，将数据按照一定的格式进行收集。
在传统数据管理的时代，数据采集是比较容易的，因为采集到的数据量小、类型特定。
但在大数据时代下，数据种类非常多，而数据采集工具和技术也需要具备强大的容错能力和可扩展性。
其次，数据存储是大数据管理的重要组成部分。
在大数据存储方面，有许多技术可以使用：Hadoop、MapReduce、NoSQL等。
Hadoop有一定的数据块大小的限制，而你可以使用不受限制的database等NoSQL技术来解决这一问题。
这些技术的选用会影响到数据的存储效率和使用效果。
最重要的一环是数据分析。
因为大数据中所包含的价值非常高，且数据种类繁多，而分析数据就是跨越进入下一个有价值的阶段。
数据分析的关键是要将数据转换为具有意义的信息，以进行更有价值的业务决策。
数据分析技术主要包括机器学习、平衡型树、人工智能等等。
三、大数据时代下的数据分析要进行大数据分析，常用的工具包括：Hadoop、SAS、R-language、Python等。
大数据时代下的数据新闻
汇报人： 日期:
目录
• 大数据时代概述 • 数据新闻概述 • 大数据时代下的数据新闻 • 大数据时代下的数据新闻面临的挑战与对
策 • 大数据时代下的数据新闻案例分析
01
大数据时代概述
大数据的定义与特点
定义
大数据是指在传统数据处理软件无法处理的大量、复杂的数据集。这些数据可以是结构化的，如数据库中的表格 ，也可以是非结构化的，如社交媒体上的文字或图像。
数据分析
运用统计分析、机器学习 等方法，对处理后的数据 进行深入分析，挖掘数据 背后的规律和趋势。
数据新闻的呈现方式
图表
利用图表直观地展示数据，如柱 状图、折线图、饼图等，帮助读
者更好地理解数据。
数据可视化
通过数据可视化技术，将复杂的数 据转化为易于理解的图像和动画， 提高数据的可读性和吸引力。
交互式报告
数据可视化将复杂的数据转化 为易于理解的图形和图像，交 互式叙事则通过故事化的方式 呈现数据，提高数据的可读性 和吸引力。
随着大数据的广泛应用，隐私 保护和数据安全问题日益重要 。未来，将有更多技术和法规 致力于保护个人隐私和数据安 全。
环境大数据将在未来发挥重要 作用，帮助人们更好地理解和 保护环境，促进可持续发展。
未来，数据可视化技术将更加精细化和智 能化，受众可以通过交互方式深入探索数 据背后的关系和规律。
人工智能技术将帮助记者更加高效地挖掘 和分析数据，提高数据新闻的生产效率和 准确性。
数据新闻与社交媒体的融合
数据新闻伦理和隐私保护问题
社交媒体将成为数据新闻传播的重要平台 ，受众可以通过社交媒体分享和交流数据 新闻，提高数据新闻的传播效果。
THANKS
浅谈大数据时代下数据质量的重要性及提高数据质量的方法
浅谈大数据时代下数据质量的重要性及提高数据质量的方法本页仅作为文档页封面，使用时可以删除This document is for reference only-rar21year.March数据即未来——浅谈大数据时代下数据质量的重要性及提高数据质量的方法学院：专业：姓名：学号：指导老师：联系方式：数据即未来——浅谈大数据时代下数据质量的重要性及提高数据质量的方法摘要：数据是联系现实世界和虚拟模型重要的桥梁，也是我们探索和预测世界的重要指标。
几十年以来，人们都在强调数据质量中正确性的重要性，但是当我们身处大数据时代，数据由仓库变成了海洋，数据质量的含义发生了什么变化相对应的提高数据质量的方法或手段又有了哪些改变本文首先解释了传统数据质量的定义，然后给出了大数据时代下数据质量的新定义。
同时简要的介绍了传统数据质量提高手段和大数据时代下新的数据质量的提高手段。
1.数据质量的定义数据质量在不同的时期有着不同的定义。
在几十年前，数据质量就是意味着数据的准确性。
确切的说是数据的一致性、正确性、完整性和最小性这4个指标在信息系统中得到的满足程度[1]。
国内学者陈远等认为[2]数据质量可以用正确性、准确性、不矛盾性、一致性、完整性和集成性来描述。
但是随着信息系统的发展，数据的来源越来越多样化，数据体量越来越大，数据涵盖的面也越来越广，对于数据质量的定义也从狭义走向了广义。
准确性不再是衡量数据质量的唯一标准，当数据量增大，数据格式多样，数据适合使用的程度成为了数据质量中更加关键的因素[3]。
虽然众多的学者对于数据质量的定义不同，但是在大体上都涵盖了以上的指标。
笔者认为在大数据时代下，衡量数据质量的指标中，数据的可读性应该放在首位。
在大数据时代背景下，我们不缺少分析大数据的方法，也不缺少分布式计算的硬件，准确性对于大数据而言，单个或少部分不准确的数据在庞大的数据量面前的影响也微乎其微。
现今的目标更多追求的是数据分析的效率，所以数据质量中数据的可读性便成为了影响数据质量极其重要的一环。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大数据时代下对数据的新认知
作者：殷悦
来源：《电子技术与软件工程》2017年第04期
摘要“这是最好的时代，这是最坏的时代，”随着信息时代的进步，近年来信息数据资源已经成为最宝贵的财富。
我们正处在一个信息爆炸性增长的“大数据”时代的同时，数据的传播速度也远远超出我们的控制范围。
大数据在政治、经济、文化都产生着深远影响，大数据时代也对我们提出了新的机遇和挑战。
【关键词】时代大数据影响机遇挑战
二十一世纪是信息的时代，是数据的时代也是各种新兴技术快速发展的时代。
我们有幸生于这个伟大的时代，在享受着各种高新技术的同时，你是否有注意到其背后成千上万的数据带给我们的便利呢？自人类诞生之初数据就已经存在，而在几千年以后的今天数据已经越来越广泛的在生活中被运用和提及。
清晨你被闹钟叫醒，每天闹钟都会根据你的睡眠质量切换不同的铃声，吃早饭时电视里智能推送的是你最喜爱的频道，上班的路上常常拥堵而你也不用担心因为导航通过分析路况为你制定了最佳路线，到达公司后电脑桌面上已经筛选好了一天需要完成的工作，下班后你去了超市为了了解货物的信息，你扫了二维码得知了食品的安全检验记录和消费者对它的评价……有这些听起来是不是很熟悉？因为这些场景都是我们今天生活中正在发生的。
你无法回避也不得不接受的现实，我们每个人都已经不知不觉地卷入了这个“大数据”时代。
1 什么是大数据下的数据认知
“大数据”就是一种流量、存储量超级大（以TB计算）数据。
谷歌地图街景（图片）是大数据，每一个微博用户在微博上产生的全部内容合起来作为一个整体是一种大数据，淘宝店主和每一位淘宝用户在淘宝这个平台上产生的所有信息作为一个整体是一种大数据，国内最大的搜索引擎百度里面所有的无数条的类目信息合起来也是一种大数据，这些都是互联网企业普遍存在的大数据。
根据来源的不同大数据大致可分为如下几类：
1.1 来自于人
人们在互联网活动以及使用移动互联网过程中所产生的各类数据，包括文字、图片、视频等信息。
1.2 来自机
各类计算机信息系统产生的数据，以文件、数据库、多媒体等形式存在，也包括审计、日志等自动生成的信息。
1.3 来自于物
各类数字设备所采集的数据。
如摄像头产生的数字信号、医疗物联网中产生的人的各项特征值、天文望远镜所产生的大量数据等。
但是相同之处在于大数据具有远远超过传统数据库存储及处理的能力，此处之“大”并不是空泛的单指数据容量之大，大数据下对于传输速度，数据的复杂程度以及数据的多样性同样要求很高。
2 新认知的特性
2.1 海量数据
在这个日新月异的时代，数据的更新正以惊人的速度翻倍增长，大数据也因此应运而生。
大数据也拥有多种信息产生渠道，例如：智慧化的三大体系结构——互联网、物联网、云计算等。
2.2 数据的多样性
多样性作为大数据的结构特征，包括结构化数据和非结构化数据。
2.3 数据的高速处理
大数据通过高处理技术分析处理庞大的数据包，通过快速地检索、计算、交互来创建实时数据。
2.4 数据价值的稀疏性
我们通过对已经获得数据的分析处理得到隐藏的潜在信息，才能产生价值。
而数据价值的多元化使其内在价值通过多种多样的产品以及服务得到具体化体现。
大数据最大的特征就是数据量大。
因为数据量大，所以才能商业特别是互联网企业带来不可估量的现时或潜在的价值，如果百度里面的数据量不够大，可供网民搜索的类目和条目不够多，那它毫无可能成为网民的“移动的百科全书”。
3 两种数据认知差别
现如今大数据理论还是个新兴概念，对于它的讨论仍处于百家争鸣的阶段，各大学者对于它也是各执一词。
大数据究竟与传统数据有哪些不同？首先大数据通常是由非人为的自发生成的，不会受到人为的参与或者干扰，一架波音737客机上搭载的传感器即使没有人为的操作或者指令也能实时记录着飞行过程中的各项数据。
而传统数据或多或少都会有人参与到新数据的生成流程中，其次大数据的数据量和分析手段与传统数据也是大相径庭，举个例子在传统数据处理中对一个学生9年义务教育中可被提取分析再进行量化的数据不足10kb，而其中包含了
学生的户口信息，9年里的学习成绩，历年的奖惩记录，医疗保险信息，身高体重，兴趣爱好等等。
4 大数据对我们生活的影响
这是一个美好而又糟糕的信息化时代，信息化让我们的生活更加简便，而庞大的信息量有时又会让我们无从选择。
携程旅游APP作为数据搜索一个较为成功的案例，其利用数据分析，瞄准商机，通过精确的数据分析得出每年散客订房的比例占总比例的95%左右，从而发现电子商务的巨大提升空间，从最初的机票代理业务发展到如今的酒店、票务、度假预订。
相对比而言12306就显现出其滞后性，不仅搜索方面有待改进也不存在所谓的反馈机制，整个平台软件的编写也较为落后，在购买车票时我们可能要给出无数次大量点击。
5 人们应该如何面对大数据时代
大数据的前景无疑是光明的，各类依托大数据而发展的行业也呈现出欣欣向荣的态势。
诚然大数据无时无刻不在改变着我们的生活，但它仍然暴露出许多问题，在一方面大数据时代中不可避免的会出现隐私泄露的问题，不只限于个人的隐私泄漏，还在于基于大数据对人们状态和行为的预测。
目前用户数据的收集、管理和使用缺乏适当的监管，数据的正确使用主要依靠企业自律。
在另一方面伪造和刻意制造数据的现象依然存在，而错误的数据往往会导致错误的预测。
而且不可避免的是数据在传播中的逐步失去准确性。
大数据是一把双刃剑它所带来新的契机的背后也暴露出许多安全问题，令人可惜的针对用户隐私泄露法律至今仍不健全。
未来十年，决定中国是不是有大智慧的核心意义标准，就是国民幸福。
一体现在民生上，通过大数据让有意义的事变得澄明，看我们在人与人关系上，做得是否比以前更有意义；二体现在生态上，通过大数据让有意义的事变得澄明，看我们在天与人关系上，做得是否比以前更有意义。
总之，让我们从前10年的意义混沌时代，进入未来10年意义澄明时代。
参考文献
[1]李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域[J].中国科学院院刊，2012，27（06）：647-657.
[2]刘洋.层次混合存储系统中缓存和预取技术研究[D].武汉：华中科技大学，2013.
[3]李怀阳.进化存储系统数据组织模式研究[D].武汉：华中科技大学，2006.
[4]罗东健.大规模存储系统高可靠性关键技术研究[D].武汉：华中科技大学，2011.
作者简介
殷悦（1995-），女，江苏省扬州市人。
在读本科学生。
研究方向为控制工程、SQL、电力电子技术及电力系统。
郑钧文（1995-），男，江苏省苏州市人。
在读本科学生，研究方向为电气工程及其自动化。
作者单位
徐州工程学院信电学院电气工程及其自动化系江苏省徐州市 221000。