工商银行数据仓库设计方案共43页
XX银行数据仓库建设项目方案
XX银行EDW/数据仓库项目方案目录第一章系统总体架构４1.1总体架构设计概述４1.1.1总体架构的设计框架４1.1.2总体架构的设计原则６1.1.3总体架构的设计特点６1.2EDW执行架构７1.2.1执行架构概述７1.2.2执行架构设计原则７1.2.3执行架构框架９1.3EDW逻辑架构１８1.3.1逻辑架构框架１８1.3.2数据处理流程２８1.4EDW运维架构２９1.4.1运维架构概述２９1.4.2运维架构的逻辑框架３１1.5EDW数据架构３７1.5.1数据架构设计原则３７1.5.2数据架构分层设计３９1.6EDW应用架构４３1.6.1应用架构设计原则４３1.6.2数据服务４４1.6.3应用服务４５第二章 ETL体系建设４６2.1ETL架构概述４６2.2ETL设计方案４９2.3ETL关键设计环节４９2.3.1接口层设计策略４９2.3.2 Staging Area设计策略４９2.3.3数据加载策略５０2.3.4增量ETL设计策略５１2.3.5异常处理５３2.3.6作业调度和监控５４2.3.7元数据管理５５2.3.8 ETL模块设计５５2.3.9 ETL流程设计５９2.3.10动态资源分配６２2.3.11数据接口设计６４第一章系统总体架构1.1总体架构设计概述1.1.1总体架构的设计框架XX银行EDW项目的总体架构分为基础技术架构、应用架构和数据架构三个核心部分。
这三个部分共同组成了XX银行EDW系统。
在基础技术架构中，包括执行架构、逻辑架构、功能组件架构和运维架构四个部分。
⏹执行架构描述系统大的框架和模块区域，以及之间的逻辑关系；是确定生产环境的建设要求及指导原则。
⏹逻辑架构描述EDW各个模块之间的数据的接口、数据流向、工具使用和采用具体的技术实现手段或方式情况，用于规范本项目最终生产环境的建立。
逻辑架构是建立应用架构、执行架构、运维架构的基础，也是建立执行架构、应用架构以及运维架构的原型系统。
XX银行数据仓库建设项目方案
XX银行EDW/数据仓库项目方案目录第一章系统总体架构 ......................................... ４1.1总体架构设计概述 ........................................ ４1.1.1总体架构的设计框架.................................. ４1.1.2总体架构的设计原则.................................. ４1.1.3总体架构的设计特点.................................. ５1.2EDW执行架构............................................. ５1.2.1执行架构概述........................................ ５1.2.2执行架构设计原则.................................... ５1.2.3执行架构框架........................................ ６1.3EDW逻辑架构........................................... １１1.3.1逻辑架构框架...................................... １１1.3.2数据处理流程...................................... １６1.4EDW运维架构........................................... １６1.4.1运维架构概述...................................... １６1.4.2运维架构的逻辑框架................................ １７1.5EDW数据架构........................................... １９1.5.1数据架构设计原则.................................. １９1.5.2数据架构分层设计.................................. ２０1.6EDW应用架构........................................... ２１1.6.1应用架构设计原则.................................. ２１1.6.2数据服务.......................................... ２２1.6.3应用服务.......................................... ２２第二章 ETL体系建设........................................ ２４2.1ETL架构概述........................................... ２４2.2ETL设计方案........................................... ２５2.3ETL关键设计环节....................................... ２５2.3.1接口层设计策略.................................... ２５2.3.2 Staging Area设计策略 ............................. ２５2.3.3数据加载策略...................................... ２６2.3.4增量ETL设计策略.................................. ２６2.3.5异常处理.......................................... ２７2.3.6作业调度和监控.................................... ２８2.3.7元数据管理........................................ ２８2.3.8 ETL模块设计 ...................................... ２８2.3.9 ETL流程设计 ...................................... ３０2.3.10动态资源分配..................................... ３２2.3.11数据接口设计..................................... ３３第一章系统总体架构1.1总体架构设计概述1.1.1总体架构的设计框架XX银行EDW项目的总体架构分为基础技术架构、应用架构和数据架构三个核心部分。
工商银行数据仓库总体设计demo46页PPT
21.11.2019
20
1.10 PCRM应用主题——深层分析
深层分析:直邮用卡行为月报原型 应用的竞争力
利用web展现工具输出报告，可以进 行网上直邮
21.11.2019
21
1.10 PCRM应用主题——深层分析
深层分析:直邮用卡行为月报原型 体现的概念
工商银行卡部在客户关系管理方案上 领先业界的尝试
抽样分析：SAS EG
21.11.2019
30
1.10 PCRM应用主题——深层分析
分布分析：SAS EG
21.11.2019
31
1.10 PCRM应用主题——深层分析
图形展示：SAS EG
21.11.2019
32
1.10 PCRM应用主题——深层分析
图形展示：SAS EG
21.11.2019
工商银行卡用户体验到自动的个性化 分析服务
IT部门开发产生直接的市场效益：
有先进的客户关系管理系统支持 的牡丹卡
21.11.2019
22
1.10 PCRM应用主题——深层分析
深层分析:直邮用卡行为月报原型 实现的方式
CB2000 每日加载 PCRM
数据
数据仓库
银行卡 数据集市
用卡行为月报
Hale Waihona Puke Web 展现工具21.11.2019
10
1.10 PCRM应用主题——深层分析
银行卡客户贡献度：初步结果
贡献度指标的具体分布怎样
年龄在36-45，46-55的客户的存款利润最高，其中， 36-45岁的客户的存款利润最高，因为这类人群中， 理财风格保守，存款倾向性强者较多。
21.11.2019
XXX商业银行数据仓库系统完整解决方案
XXX商业银行数据仓库系统完整解决方案在当今数字化时代，数据变得异常重要，对于银行业来说更是如此。
银行需要处理大量的数据，包括客户信息、交易记录、贷款情况等，而有效地管理和分析这些数据将对银行的业务发展和决策制定起着关键的作用。
为了更好地管理数据并提升运营效率，许多银行选择建立数据仓库系统来统一管理和分析数据。
XXX商业银行也不例外，它可以采用完整的数据仓库解决方案来满足其需求。
首先，一个完整的数据仓库系统需要包括数据抽取、数据转换、数据加载等核心功能。
数据抽取是指从各个数据源中提取数据的过程，这些数据源可以包括银行的核心系统、在线交易系统、ATM机系统等。
数据抽取过程需要能够实现增量抽取、全量抽取等功能，并能够保证数据的完整性和准确性。
数据转换是将抽取的数据进行清洗、转换和整合的过程，保证数据的一致性和统一性。
数据加载是将转换后的数据加载到数据仓库中，以便后续的分析和查询。
其次，一个完整的数据仓库系统还需要包括数据建模和数据分析功能。
数据建模是指对数据进行结构化和建模，以便更好地理解数据的关系和特点。
数据建模可以采用ER模型、维度模型等方法来构建数据模型。
数据分析是针对数据仓库中的数据进行分析和挖掘，以发现数据之间的关联性和规律性，为银行的业务决策提供支持。
数据分析可以采用OLAP、数据挖掘、机器学习等技术来实现。
最后，一个完整的数据仓库系统还需要包括数据可视化和报表功能。
数据可视化是将数据以图表、报表等形式展示出来，使用户能够更直观地理解数据的含义和趋势。
数据可视化可以采用数据可视化工具来实现，如Tableau、PowerBI等。
报表功能是将数据以报表的形式呈现出来，为银行的管理层和决策者提供直观的数据分析结果和业务洞察。
综上所述，一个完整的数据仓库系统可以帮助XXX商业银行更好地管理和分析数据，提高运营效率和业务决策水平。
通过建立数据仓库系统，XXX商业银行可以实现数据的统一管理和分析，挖掘数据的潜在价值，为未来的业务发展打下坚实基础。
工行数据仓库
4. 汇总层
汇总层是在基础层数据的基础上聚合而来，数据的存放方式一般是按时间周期 存放快照。 汇总层数据一般粒度较粗，比较利于分析。另外，按时间存快照的方式，也比 较方便查询历史数据。 从基础层到汇总层的数据 ETL 过程，大约需要 10 小时。 汇总层是报表应用的一个数据源。 汇总层中还包括生成集市数据的一些中间表。
5. 集市层
集市层是为服务于特定报表应用需求而建立的，数据的存放方式也是按时间周 期存放快照。 集市层的数据主要是服务于当期报表，并且有生命周期管理机制，一般只保留 13 个月/32 天数据。 从基础层、汇总层到集市层的 ETL 过程，月结时超过 10 小时。 集市层是报表应用的主要数据源。
5
第四章 报表取数机制
3
图 3.3.1 工行数据仓库十大主题域 基础层模型按照第三范式来建设，下图是基础层模型的一个实例：
图 3.3.2 基础层模型实例 基础层数据很少冗余，并且大部分表都拉链化，这些都在很大程度上控制了 数据量。
4
基础层共有数据库表约 3000 张，其中较为常用的有大约 1000 张。 从临时区到基础层的数据 ETL 过程，大约需要 2-3 小时。 基础层是报表应用的一个数据源。
6
第五章 元数据和生命周期管理
1. 元数据管理
工行的元数据管理主要靠以下四张表: � 数据源表清单； � 下游依赖的表清单; � 数据源和临时区的对应关系清单； � 表的前驱后继关系清单；
2. 数据生命周期管理
工行的数据生命周期管理主要表现在以下几方面： � 临时区中的文件保留最近 7 天，逾期自动清理； � ODS 层的数据只有当前快照； � 集市层数据只保留 13 月/32 天，逾期自动清理；
2. ODS 层
某银行数据仓库建设方案设计
据提取来源不明确、统计方法不一致等问题。基于以上问题，亟需建立一套统一的数据
Data Lab与敏捷分析
• Data Lab 是一项敏捷分析技术，可以让用户导入外部数据，进行灵活的组合分析
Data Lab 内涵 Enterprise Data Warehouse
Production
Reference Data
ORDER IT EM B ACKORDE RE D QUA NT IT Y CUS TOMER CUS TOMER CUS TOMER CUS TOMER CUS TOMER CUS TOMER CUS TOMER CUS TOMER CUS TOMER NUMBE R NA ME CIT Y POS T ST ADDR PHONE FA X
•知识获取 •知识编辑 •知识分享
分析成果固化
• 数据分析平台将实现对有价值的分析成果，以前端应用的形式固化下来 固化范围
•只有需重复进行，且经过验证过的有价 值的分析成果，才需要进行IT固化
固化方式
•按照不同的业务目的与应用场景，选择 合适的固化方式与展现形式
常规的重复性的分析需求
数据 报表
•以数据属性的形式固化客 户偏好与知识 •以分析报表的形式固化常 用分析内容 •以挖掘模型的形式固化复 杂分析并定期执行 •以数据接口的形式固化信 息推送过程，或者通过第三 方分析工具实现灵活查询分 析
经过验证有业务价值的成果
模型
业务部门有强烈使用需求
XX银行数据仓库建设项目方案
XX银行数据仓库建设项目方案1. 项目概述本文档旨在介绍XX银行数据仓库建设项目的方案和目标。
数据仓库是一个用于集成和管理银行的各类数据的中央存储库，可为决策支持和业务分析提供有价值的信息。
本项目的目标是构建一个稳定、高效、可扩展的数据仓库，以提高XX银行的决策能力和业务竞争力。
2. 项目背景XX银行作为一家领先的金融机构，面临着数据分散、决策效率低下的问题。
传统的数据集成和分析方法已经无法满足业务需求，因此需要建立一个数据仓库来解决这些问题。
数据仓库将集中存储和管理各类数据，并提供强大的分析工具和报表功能，以支持XX银行的战略决策和业务优化。
本项目的目标是构建一个可靠、高效的数据仓库系统，具体包括以下几个方面：•数据集成：从各个业务系统中提取、清洗和转换数据，确保数据质量和一致性。
•数据存储：设计和构建合适的数据存储结构，包括数据表、索引等，以支持复杂的数据查询和分析。
•数据分析：开发和部署适合XX银行业务需求的数据分析工具和算法，提供灵活和高效的数据查询和报表功能。
•数据安全：确保数据仓库的安全性，实施访问控制和数据加密等措施，防止未授权的访问和数据泄露。
4.1 需求分析阶段在这个阶段，项目团队将与XX银行的不同业务部门和利益相关方进行沟通和需求收集。
我们将详细了解业务需求和数据源，并建立数据仓库的数据模型和架构设计。
4.2 数据集成阶段在数据集成阶段，我们将根据需求分析阶段的结果，从各个业务系统中提取和转换数据。
我们将设计和实现合适的ETL（提取、转换和加载）过程，确保数据质量和一致性。
4.3 数据存储阶段在数据存储阶段，我们将设计和构建数据仓库的存储结构，包括数据表、索引和分区等。
我们将利用合适的数据库技术和管理工具，如关系数据库和NoSQL数据库，来存储和管理数据。
4.4 数据分析阶段在数据分析阶段，我们将开发和部署适合XX银行业务需求的数据分析工具和报表功能。
我们将使用先进的分析算法和可视化技术，帮助XX银行的管理层和业务部门进行决策分析和业务优化。
商业银行企业级数据仓库系统架构设计书
商业银行企业数据仓库系统系统架构设计书目录1 概述 (1)1.1背景 (1)1.2目的 (1)1.3适用对象 (1)1.4范围 (1)1.5叁考文档 (2)2 概念性体系构架 (3)2.1数据源 (3)2.2数据仓库 (3)2.3分析 (3)2.4交互参考功能 (3)3 参考体系架构 (4)4 技术体系架构 (5)4.1源数据与数据接口 (6)4.1.1 数据源 (6)4.1.1.1 数据源范围 (6)4.1.2 文件缓冲区 (7)4.1.3 接口文件区 (7)4.2数据架构与存储 (10)4.2.1 接口文件区 (10)4.2.2 数据仓库 (10)4.2.2.1 细节数据暂存区SSA（SOR Staging Area） (10)4.2.2.2 细节数据SOR（System Of Record） (11)4.2.2.3 汇总数据区Summary (12)4.2.2.4 反馈数据区（Feedback Area） (12)4.2.2.5 元数据存储MDR（Meta Data Repository） (12)4.2.3 数据集市与多维立方体 (14)4.2.3.1 多维数据存储 (14)4.2.3.2 OLAP与多维立方体 (15)4.2.4 数据仓库应用 (17)4.2.5 实现中的一些特别因素 (17)4.2.5.1 参照表 (17)4.2.5.2 MQT的应用 (17)4.2.5.3 表与列的命名规则 (19)4.2.5.4 代理键的使用 (21)4.2.5.5 历史数据的处理 (21)4.3ETL处理架构 (22)4.3.1 ETL调度 (23)4.3.2 ETL监控 (23)4.3.3 数据质量控制 (24)4.3.4 ETL任务 (24)4.3.4.1 ETL0－数据抽取 (24)4.3.4.2 ETL1－处理接口文件 (25)4.3.4.3 ETL2－生成SOR (25)4.3.4.4 ETL3－数据汇总 (28)4.3.4.5 ETL4－生成数据集市 (28)4.3.4.6 ETL5－计算KPI (28)4.3.5 ETL规范 (28)4.3.5.1 SQL规范 (28)4.3.5.2 可重运行 (29)4.3.5.3 DB2 RUNSTATS (29)4.3.5.4 ETL工作流程 (30)4.4应用架构 (31)4.4.1 访问途径 (31)4.4.1.1 网络浏览器 (31)4.4.2 展示内容 (31)4.4.2.1 BST分析主题 (31)4.4.2.2 1104报表 (31)4.4.2.3 绩效考核 (31)4.4.2.4 输出服务 (31)4.5软硬件架构 (32)4.6系统管理 (33)4.6.1 备份恢复 (33)4.6.1.1 数据仓库的备份恢复 (33)4.6.1.2 接口文件的备份恢复 (35)4.6.1.3 开发环境的备份恢复 (35)4.6.2 配置管理 (35)4.6.3 安全与保密 (36)4.6.3.1 数据安全 (36)1概述1.1背景企业数据仓库系统是以业务支撑应用系统的数据以及其他相关数据作为基础数据源，采用科学的数据抽取、整理、存储等方法，建立企业级数据仓库；然后通过丰富的数据分析与挖掘方法找出这些数据内部蕴藏的大量有用信息，对客户、业务、市场、收益、服务、等各方面情况进行科学的分析，从而为市场决策管理者与市场经营工作提供及时、准确、科学的辅助决策依据。
数据仓库建设方案(DOC32页)
第1章数据仓库建设方案（DOC32页）1.1 数据仓库总体架构专家系统接收增购项目车辆TCMS或者其他子系统通过车地通信传输的实时或者离线数据，通过一系列综合诊断分析，以各类报表图形或者信息推送的形式向用户展示分析结果。
针对诊断出的车辆故障将给出专家建议处理措施，为车辆的故障根因修复提供必要的支持。
根据专家系统数据仓库建设目标，结合系统数据业务规范，包含数据采集频率、数据采集量等有关因素，设计专家系统数据仓库架构如下：数据仓库架构从层次结构上分为数据采集、数据存、数据分析、数据服务等几个方面的内容：数据采集：负责从各业务自系统中汇合信息数据，系统支撑Kafka、Storm、Flume 及传统的ETL采集工具。
数据存储：本系统提供Hdfs、Hbase及RDBMS相结合的存储模式，支持海量数据的分布式存储。
数据分析：数据仓库体系支持传统的OLAP分析及基于Spark常规机器学习算法。
数据服务总线：数据系统提供数据服务总线服务，实现对数据资源的统一管理与调度，并对外提供数据服务。
1.2 数据采集专家系统数据仓库数据采集包含两个部分内容：外部数据汇合、内部各层数据的提取与加载。
外部数据汇合是指从TCMS、车载子系统等外部信息系统汇合数据到专家数据仓库的操作型存储层（ODS）；内部各层数据的提取与加载是指数据仓库各存储层间的数据提取、转换与加载。
1.2.1外部数据汇合专家数据仓库数据源包含列车监控与检测系统（TCMS）、车载子系统等有关子系统，数据采集的内容分为实时数据采集与定时数据采集两大类，实时数据采集要紧关于各项检测指标数据；非实时采集包含日检修数据等。
根据项目信息汇合要求，列车指标信息采集具有采集数据量大，采集频率高的特点，考虑到系统后期的扩展，因此在数据数据采集方面，要求采集体系支持高吞吐量、高频率、海量数据采集，同时系统应该灵活可配置，可根据业务的需要进行灵活配置横向扩展。
本方案在数据采集架构使用Flume+Kafka+Storm的组合架构，使用Flume与ETL 工具作为Kafka的Producer，使用Storm作为Kafka的Consumer，Storm可实现对海量数据的实时处理，及时对问题指标进行预警。
数据仓库设计方案
数据仓库设计方案一、引言随着企业数据量的不断增加和数据来源的多样化，数据仓库成为了一个重要的工具，用于存储和管理企业各部门的数据。
一个良好设计的数据仓库能够提供高效的数据访问和分析，并为决策提供准确的支持。
本文将详细介绍数据仓库的设计方案，包括架构、数据模型、ETL流程等。
二、数据仓库架构1. 基本架构数据仓库的基本架构由以下几个组件构成：•数据源：包括企业内部系统和外部数据源。
•数据提取层：负责从数据源中提取数据，并将数据转换为规范格式。
•数据存储层：用于存储已提取的数据。
•数据处理层：负责对存储的数据进行清洗、集成和转换。
•数据查询层：提供对存储在数据仓库中的数据进行查询和分析的接口。
2. 分层架构数据仓库的分层架构有助于分离数据的使用需求和数据存储的细节，提高数据仓库的性能和灵活性。
一般而言，数据仓库的分层架构包括以下几个层级：•原始数据层：存储从数据源中提取的未经处理的原始数据。
•集成数据层：存储经过清洗、集成和转换的数据，以满足各种查询需求。
•汇总数据层：存储经过聚合和汇总的数据，用于提供高效的查询和报表生成。
3. 高可用架构为了确保数据仓库的高可用性和可靠性，可以考虑以下架构设计：•数据备份和恢复：定期备份数据，并建立数据恢复机制，以应对灾难性的数据丢失。
•负载均衡：通过使用负载均衡器，将查询请求均匀分配给多个数据库节点，提高系统性能和可扩展性。
•数据同步：设置数据同步策略，确保不同节点上的数据同步一致性。
三、数据模型设计数据模型是数据仓库的核心组成部分，它描述了数据实体、属性和它们之间的关系。
一个好的数据模型能够提供准确和高效的数据查询。
常见的数据模型设计包括：•维度建模：通过将数据切分为事实表和维度表，建立起维度与事实之间的关系，提供灵活的数据分析能力。
•基于主题建模：根据业务需求，将数据组织成以主题为中心的数据模型，以提供特定领域的数据分析和查询功能。
四、ETL流程设计ETL（Extract-Transform-Load）是数据仓库中至关重要的一步，它涉及从源系统中提取数据、清洗数据并加载到数据仓库中。
数据仓库 设计方案
数据仓库设计方案数据仓库是一种用于集中存储和管理企业各种数据的系统，它能够支持灵活的数据分析和决策支持。
在设计数据仓库的过程中，需要考虑以下几个方面。
首先，需要明确数据仓库的目标和需求。
不同企业的数据仓库需求可能不同，有的可能更注重销售数据的分析，有的可能更注重客户数据的分析。
根据企业的需求，确定数据仓库的主题和内容。
其次，需要进行数据源的分析和数据抽取。
数据仓库的数据来源可以是企业内部的各个系统，也可以是外部的数据源，如供应商、合作伙伴等。
需要对数据源进行分析，确定所需的数据，并制定数据抽取的方案和策略。
接下来，需要进行数据建模和设计。
数据仓库的设计需要遵循一定的数据建模原则，如维度建模和星型模型。
需要根据数据仓库的主题和需求，确定维度和事实表，进行数据模型的设计。
在数据建模的过程中，还需要考虑数据的清洗和转换。
数据仓库的数据来自不同的系统和数据源，经常会存在数据不一致、冗余和错误等问题。
需要对数据进行清洗和转换，确保数据的质量和一致性。
此外，还需要确定数据仓库的架构和技术方案。
根据企业的需求和现有的技术基础，选择合适的数据仓库架构和技术方案。
常见的数据仓库架构包括集中式架构、分布式架构和云架构等。
最后，需要进行数据加载和维护。
数据仓库的数据需要定期加载和更新，以保证数据的实时性和可用性。
同时，还需要对数据仓库进行维护和优化，以提高查询性能和用户体验。
总结起来，设计数据仓库需要明确目标和需求、分析数据源和进行数据抽取、进行数据建模和设计、清洗和转换数据、确定架构和技术方案，以及进行数据加载和维护。
通过这些步骤的规划和执行，可以设计出满足企业需求的高效和可靠的数据仓库。
数据仓库建设方案
数据仓库建设方案
一、业务背景
数据仓库是收集、管理和处理多种类型的数据，让企业可以多维度快
速分析各种历史数据的一种系统软件。
它是基于数据库技术所进行的，能
够支持OLAP（Online Analytical Processing，在线分析处理）的系统。
企业将其大量的历史数据存放在数据仓库中，以便日后系统管理方便，并
便于进行数据挖掘，企业需要根据企业业务特点制定合理的数据仓库建设
方案。
2.建立数据模型：根据数据仓库的要求，建立反映业务实体和业务关
系的数据模型，构建一个数据仓库的框架，让业务可以正常运行。
3.数据采集：根据目标定义，采集各种结构化和非结构化的数据，采
集的数据有统一的格式，并实施数据质量检查，确保数据准确性和完整性。
4.数据清洗：检查采集数据中的错误、重复、冗余数据，并进行相应
处理，用以后续的数据分析和挖掘。
5.数据服务：建立支持复杂分析的数据服务。
工商银行数据仓库总体设计43页PPT
11、战争满足了，或曾经满足过人的 好斗的 本能， 但它同 时还满 足了人 对掠夺 ，破坏 以及残 酷的纪 律和专 制力的 欲望。 ——查·埃利奥 特 12、不应把纪律仅仅看成教育的手段 。纪律 是教育 过程的 结果， 首先是 学生集 体表现 在一切 生活领 域—— 生产、 日常生 活、学 校、文 化等领 域中努 力的结 果。— —马卡 连柯(名 言网)
26、要使整个人生都过得舒适、愉快，这是不可能的，因为人类必须具备一种能应付逆境的态度。——卢梭
▪Hale Waihona Puke 27、只有把抱怨环境的心情，化为上进的力量，才是成功的保证。——罗曼·罗兰
▪
28、知之者不如好之者，好之者不如乐之者。——孔子
▪
29、勇猛、大胆和坚定的决心能够抵得上武器的精良。——达·芬奇
▪
30、意志是一个强壮的盲人，倚靠在明眼的跛子肩上。——叔本华
13、遵守纪律的风气的培养，只有领 导者本 身在这 方面以 身作则 才能收 到成效 。—— 马卡连 柯 14、劳动者的组织性、纪律性、坚毅 精神以 及同全 世界劳 动者的 团结一 致，是 取得最 后胜利 的保证 。—— 列宁 摘自名言网
15、机会是不守纪律的。——雨果
▪
谢谢！
43