第797章 敲打

  第797章 敲打

  畢竟現在的他旗下企業的規模和橫跨的行業，已經超過德隆了。

  而且比起唐家兄弟，他才二十六歲。

  正是『嘴上沒毛辦事不牢』的年紀。

  別人看到他的第一眼，就會情不自禁產生懷疑。

  這麼年輕真的能整合好龐大的德隆集團？

  這麼年輕真的掌舵德隆的資產、鴻蒙、漢華、康師傅？

  一旦他像老唐那樣飄了，徐氏集團倒塌的影響力，十倍百倍於德隆。

  由不得首輔不擔憂。

  不過這種基於年歲的固有印象，是千百年來形成的習慣，徐良一個人也改變不了。

  sto9🌠.com為您帶來最新章節

  他也不想改變。

  如果敵人因此看輕他的話，那再好不過。

  就在徐良繼續看自己準備的演講資料的時候，一個工作人員走了過來。

  「徐先生，時間到了，請跟我來吧。」

  徐良點了點頭。

  簡單整理了一下資料，闊步朝門外走去。

  在工作人員的帶領下，來到一個廳堂。

  在對方做出請進的手勢後，徐良腳步一停，深吸了口氣後，邁開大步走了進去。

  『嘩啦』！

  洪亮的掌聲響起。

  這熱烈的掌聲，也驅散了徐良心底的一絲緊張。

  站上主席台，目光向下一掃。

  一排排沙發上做了六七十個人，元首、首輔兩位大佬坐在最前面，周圍是長老團的成員。

  徐良在他們身後看到了老岳父的身影。

  再往後，除了極少數，剩下的基本不怎麼認識。

  低頭看了眼面前的筆記本電腦。

  裡面的PPT已經調到了第一頁。

  打開帶進來的演講稿放到桌子上。

  穩了穩情緒後，宏聲道。

  「很榮幸能夠接到內閣邀請來這裡做這場演講，第一次面對這麼多大人物有點緊張，如果接下來有說的不對的地方，還望各位前輩看在我還是個黃毛小子的份上多多原諒。」

  「小徐啊，放心大膽的講。

  不要有心裡包袱，就把我們當成你的員工。」元首笑道。

  「有您這句話我就放心了。」

  客氣了一句後，徐良也不再浪費時間。

  「今天演講的題目是：大數據、雲計算和人工智慧對未來的影響！

  首先，讓我們明確一點，什麼是數據？

  在很多人的印象中，數字就是數據，或者必須是由數字構成的。

  其實不然，數據要比數字大得多。

  網際網路上任何內容，比如文字、圖片和視頻都是數據。

  醫院裡包括醫學影像在內的所有檔案也是數據；

  公司和工廠里的各種設計圖紙也是數據；

  出土文物上的文字、圖示，甚至它們的尺寸、材料，也都是數據。

  甚至我們人類的活動本身，也可以看做是一種特殊的數據。

  全世界各個領域的數據不斷向外擴展，漸漸形成了另一個特點，那就是很多數據開始出現交叉。

  各個維度的數據從點和線漸漸練成了網。

  或者說，數據之間的關聯性極大的增強，在這樣的背景下，就出現了大數據。」

  頓了一下，徐良調整了一下PPT。

  「那麼數據和大數據怎麼運用呢？

  大致可以分為以下流程。

  獲取數據→分析數據→建立模型→預測未知。

  我們舉一個簡單的例子。

  現在我們想要了解一家電影院的觀眾年齡分布，以便做市場推廣。

  假定我們把觀眾群分為15歲以下，16~25歲，26~40歲和41歲及以上四個人群。

  要了解每個人群的比例，一個簡單的辦法就是到電影院門口去問一問那些看電影的人的年齡。

  比如我們通過調查了解到大約有343人在15歲以下，459人在16~25歲，386人在26~40歲，490人在41歲及以上。

  根據這個數據，我們大致可以得出以下結論：

  15歲及以下的觀眾占20%左右，16~25歲的觀眾超過四分之一，但不到三成；

  26~40歲的觀眾略少於四分之一，41歲及以上的觀眾最多，大約占到三成。

  但是，如果我們只在周末的晚上抽樣調查10個人，我們就會發現。

  有三個15歲及以下的觀眾，五個16~25歲的觀眾，2個26~40歲的觀眾。

  我們顯然不能說25歲以下的觀眾占了八成，而41歲及以上的中年人從來不來電影院，這樣的結論。

  但我想各位也都承認一點，在統計樣本不充分的情況下，得到的結果跟實際結果存在很大的偏差。

  所以，越想要得到準確的統計結果，需要的統計數據量就越大。

  在上面的例子中，統計的樣本總數是1678人。

  但是如果我們一定要說『41歲及以上的觀眾就是29.2%』，或者『15歲及以下觀眾一定超過20%』。

  這樣非常肯定的的話，大家就可能會挑戰這個結論。

  因為，統計是有隨機性的，也是有誤差的。

  僅僅上千人的數據得不到這樣準確的結論。

  統計除了要求數據量必須充分之外，還要求採樣的數據必須有代表性。

  有些時候不是數據量足夠大，同階級過就一定準確。

  一個很簡單的例子，一個愛情影片和一個戰爭影片，它的受眾並不相同。

  所以如果我們只採集愛情影片上映當月的觀影人群，就不具有普遍的代表性。

  那麼怎麼避免這種情況，獲得準確的結論呢？

  19世紀的俄國數學家切比雪夫對這個問題給出了他的結論，即切比雪夫不等式。

  P(|X - E(X)|≥ε)≤ Var(X)/ε^2。

  這個公式的含義是，當樣本數足夠多時，一個隨機變量和他的數學期望值之間的誤差，可以任意小。

  把切比雪夫不等式應用到我們了解電影院觀眾年齡分布的問題中。

  隨機變量就是：觀察到的各個年齡段觀眾的比例。

  數學期望值就是：真實情況下所有看電影觀眾中不同年齡段的比例。

  當我們把樣本數據帶入後，大致可以得出以下結論。

  15歲以下觀眾占20%，16~25歲占27%，26~40歲占24%，40歲以上占29%，誤差小於5%。

  但如果我們要將四個年齡段觀眾的準確率，提高到小數點後一位數，那麼我們大致需要10倍的數據，即兩萬個左右的樣本。

  如果我們把這個問題放大。

  我們想知道一部電影在全世界的觀影人群年齡分布，而且必須具體到更細緻的年齡段人數。

  比如18~20歲，21~24歲等等。

  又或者更具體的地域。

  華夏、東瀛、南韓等等。

  在一個更大，更詳細的範圍內，為了獲得更準確的結果，我們需要的數據量，將千百倍的提升。

  當我們獲得了超級數據。

  普通的計算機已經很難完成計算。

  而且就算能完成，也需要大量的時間。

  時間就是金錢，在商業上，這顯然是不可接受的。

  因此。

  為了儘可能在短時間內得到結果，我們要一台或幾台超級計算機來計算。

  但動用超級計算機的費用非常昂貴。

  想要了解電影院觀眾年齡的企業，顯然不願意在這個問題上花費這麼大的代價。

  那麼怎麼辦呢？」

  徐良操作了一下電腦。

  背後的投影屏上顯示出三個碩大的楷體。

  雲計算。

  「雲計算，『雲』就是網際網路，『計算』則是字面意思。

  目前的雲計算是一種分布式計算，指的是通過網絡「雲」，將巨大的數據計算處理程序，分解成無數個小程序。

  然後，通過多部伺服器組成的系統，進行處理和分析這些小程序，得到結果後返回給用戶。

  整個計算過程只需要幾秒鐘。

  也就是說，雲計算把一個原本需要動用超級計算機，需要幾天，甚至十幾天時間才能計算出來的問題。

  變成了只需要幾秒鐘，花費幾萬塊，最多十幾萬塊便能得出的準確數據。

  大大減少了支出，提高了效率，得到了更準確的結果。

  也許有人覺得統計電影觀眾年齡分布，沒什麼太大的價值。

  但如果變成一家餐飲企業統計飲料產品的受眾年齡分布呢？

  只要有了準確的數據，餐飲企業就可以針對不同年齡段人群，開發更有針對性的GG和服務，從而提升自己的銷量。

  這一點已經被康師傅公司運用到了實際的經營中。

  根據盤古公司大數據調查，康師傅公司發現旗下『健力寶』運動飲料產品最大的受眾是15歲~25歲之間的青少年人群。

  其中男性占比41%，女性占比59%。

  然後又通過線下抽樣調查，網上問卷調查等多個渠道得出數據，並用數據驅動的方法，計算出這部分人群感興趣的明星，喜歡的電視劇類型等等數據。

  綜合這些相互交叉的大數據，制定了詳細的GG宣傳方案和宣發渠道。

  短短一個季度的時間，康師傅的銷售額便增加了22%，淨利潤增加了14.8%。

  同樣的方法，我們可以運用到汽車、餐飲、娛樂等所有消費品領域。

  毫無疑問，這將形成巨大的商業變革。

  原本粗放的GG投放和宣發方式，將變得更細緻，更有針對性。

  原本口味統一的產品，將根據全國各個省份消費群體的口味和消費習慣，開發出更符合本地特色的產品。

  消費者將成為真正的主體。

  可以肯定的說，以後所有拒絕大數據的消費品公司，基本都不會存活太久。」

  (本章完)

  （還有更新耶）