第九百二十三章 敲打（1 / 1）

第797章敲打 毕竟现在的他旗下企业的规模和横跨的行业，已经超过德隆了。 而且比起唐家兄弟，他才二十六岁。 正是‘嘴上没毛办事不牢’的年纪。 别人看到他的第一眼，就会情不自禁产生怀疑。 这么年轻真的能整合好庞大的德隆集团？ 这么年轻真的掌舵德隆的资产、鸿蒙、汉华、康师傅？ 一旦他像老唐那样飘了，徐氏集团倒塌的影响力，十倍百倍于德隆。 由不得首辅不担忧。 不过这种基于年岁的固有印象，是千百年来形成的习惯，徐良一个人也改变不了。 他也不想改变。 如果敌人因此看轻他的话，那再好不过。 就在徐良继续看自己准备的演讲资料的时候，一个工作人员走了过来。 “徐先生，时间到了，请跟我来吧。” 徐良点了点头。 简单整理了一下资料，阔步朝门外走去。 在工作人员的带领下，来到一个厅堂。 在对方做出请进的手势后，徐良脚步一停，深吸了口气后，迈开大步走了进去。 ‘哗啦’！ 洪亮的掌声响起。 这热烈的掌声，也驱散了徐良心底的一丝紧张。 站上主席台，目光向下一扫。 一排排沙发上做了六七十个人，元首、首辅两位大佬坐在最前面，周围是长老团的成员。 徐良在他们身后看到了老岳父的身影。 再往后，除了极少数，剩下的基本不怎么认识。 低头看了眼面前的笔记本电脑。 里面的PPT已经调到了第一页。 打开带进来的演讲稿放到桌子上。 稳了稳情绪后，宏声道。 “很荣幸能够接到内阁邀请来这里做这场演讲，第一次面对这么多大人物有点紧张，如果接下来有说的不对的地方，还望各位前辈看在我还是黄毛小子的份上多多原谅。” “小徐啊，放心大胆的讲。 不要有心里包袱，就把我们当成你的员工。”元首笑道。 “有您这句话我就放心了。” 客气了一句后，徐良也不再浪费时间。 “今天演讲的题目是：大数据、云计算和人工智能对未来的影响！ 首先，让我们明确一点，什么是数据？ 在很多人的印象中，数字就是数据，或者必须是由数字构成的。 其实不然，数据要比数字大得多。 互联网上任何内容，比如文字、图片和视频都是数据。 医院里包括医学影像在内的所有档案也是数据； 公司和工厂里的各种设计图纸也是数据； 出土文物上的文字、图示，甚至它们的尺寸、材料，也都是数据。 甚至我们人类的活动本身，也可以看做是一种特殊的数据。 全世界各个领域的数据不断向外扩展，渐渐形成了另一个特点，那就是很多数据开始出现交叉。 各个维度的数据从点和线渐渐练成了网。 或者说，数据之间的关联性极大的增强，在这样的背景下，就出现了大数据。” 顿了一下，徐良调整了一下PPT。 “那么数据和大数据怎么运用呢？ 大致可以分为以下流程。 获取数据→分析数据→建立模型→预测未知。 我们举一个简单的例子。 现在我们想要了解一家电影院的观众年龄分布，以便做市场推广。 假定我们把观众群分为15岁以下，16~25岁，26~40岁和41岁及以上四个人群。 要了解每个人群的比例，一个简单的办法就是到电影院门口去问一问那些看电影的人的年龄。 比如我们通过调查了解到大约有343人在15岁以下，459人在16~25岁，386人在26~40岁，490人在41岁及以上。 根据这个数据，我们大致可以得出以下结论： 15岁及以下的观众占20%左右，16~25岁的观众超过四分之一，但不到三成； 26~40岁的观众略少于四分之一，41岁及以上的观众最多，大约占到三成。 但是，如果我们只在周末的晚上抽样调查10个人，我们就会发现。 有三个15岁及以下的观众，五个16~25岁的观众，2个26~40岁的观众。 我们显然不能说25岁以下的观众占了八成，而41岁及以上的中年人从来不来电影院，这样的结论。 但我想各位也都承认一点，在统计样本不充分的情况下，得到的结果跟实际结果存在很大的偏差。 所以，越想要得到准确的统计结果，需要的统计数据量就越大。 在上面的例子中，统计的样本总数是1678人。 但是如果我们一定要说‘41岁及以上的观众就是29.2%’，或者‘15岁及以下观众一定超过20%’。

这样非常肯定的的话，大家就可能会挑战这个结论。 因为，统计是有随机性的，也是有误差的。 仅仅上千人的数据得不到这样准确的结论。 统计除了要求数据量必须充分之外，还要求采样的数据必须有代表性。 有些时候不是数据量足够大，同阶级过就一定准确。 一个很简单的例子，一个爱情影片和一个战争影片，它的受众并不相同。 所以如果我们只采集爱情影片上映当月的观影人群，就不具有普遍的代表性。 那么怎么避免这种情况，获得准确的结论呢？ 19世纪的俄国数学家切比雪夫对这个问题给出了他的结论，即切比雪夫不等式。 P|≥ε)≤Var/ε^2。 这个公式的含义是，当样本数足够多时，一个随机变量和他的数学期望值之间的误差，可以任意小。 把切比雪夫不等式应用到我们了解电影院观众年龄分布的问题中。 随机变量就是：观察到的各个年龄段观众的比例。 数学期望值就是：真实情况下所有看电影观众中不同年龄段的比例。 当我们把样本数据带入后，大致可以得出以下结论。 15岁以下观众占20%，16~25岁占27%，26~40岁占24%，40岁以上占29%，误差小于5%。 但如果我们要将四个年龄段观众的准确率，提高到小数点后一位数，那么我们大致需要10倍的数据，即两万个左右的样本。 如果我们把这个问题放大。 我们想知道一部电影在全世界的观影人群年龄分布，而且必须具体到更细致的年龄段人数。 比如18~20岁，21~24岁等等。 又或者更具体的地域。 华夏、东瀛、南韩等等。 在一个更大，更详细的范围内，为了获得更准确的结果，我们需要的数据量，将千百倍的提升。 当我们获得了超级数据。 普通的计算机已经很难完成计算。 而且就算能完成，也需要大量的时间。 时间就是金钱，在商业上，这显然是不可接受的。 因此。 为了尽可能在短时间内得到结果，我们要一台或几台超级计算机来计算。 但动用超级计算机的费用非常昂贵。 想要了解电影院观众年龄的企业，显然不愿意在这个问题上花费这么大的代价。 那么怎么办呢？” 徐良操作了一下电脑。 背后的投影屏上显示出三个硕大的楷体。 云计算。 “云计算，‘云’就是互联网，‘计算’则是字面意思。 目前的云计算是一种分布式计算，指的是通过网络“云”，将巨大的数据计算处理程序，分解成无数个小程序。 然后，通过多部服务器组成的系统，进行处理和分析这些小程序，得到结果后返回给用户。 整个计算过程只需要几秒钟。 也就是说，云计算把一个原本需要动用超级计算机，需要几天，甚至十几天时间才能计算出来的问题。 变成了只需要几秒钟，花费几万块，最多十几万块便能得出的准确数据。 大大减少了支出，提高了效率，得到了更准确的结果。 也许有人觉得统计电影观众年龄分布，没什么太大的价值。 但如果变成一家餐饮企业统计饮料产品的受众年龄分布呢？ 只要有了准确的数据，餐饮企业就可以针对不同年龄段人群，开发更有针对性的广告和服务，从而提升自己的销量。 这一点已经被康师傅公司运用到了实际的经营中。 根据盘古公司大数据调查，康师傅公司发现旗下‘健力宝’运动饮料产品最大的受众是15岁~25岁之间的青少年人群。 其中男性占比41%，女性占比59%。 然后又通过线下抽样调查，网上问卷调查等多个渠道得出数据，并用数据驱动的方法，计算出这部分人群感兴趣的明星，喜欢的电视剧类型等等数据。 综合这些相互交叉的大数据，制定了详细的广告宣传方案和宣发渠道。 短短一个季度的时间，康师傅的销售额便增加了22%，净利润增加了14.8%。 同样的方法，我们可以运用到汽车、餐饮、娱乐等所有消费品领域。 毫无疑问，这将形成巨大的商业变革。 原本粗放的广告投放和宣发方式，将变得更细致，更有针对性。 原本口味统一的产品，将根据全国各个省份消费群体的口味和消费习惯，开发出更符合本地特色的产品。 消费者将成为真正的主体。 可以肯定的说，以后所有拒绝大数据的消费品公司，基本都不会存活太久。”