第十一章 第一款產品的誕生

請關閉瀏覽器的閱讀/暢讀/小說模式並且關閉廣告遮蔽過濾功能，避免出現內容無法顯示或者段落錯亂。

樣可以免去未來很大的一個實施成本，但這種事情仔細一想就不現實，每個企業的情況都是不一樣的，需求也不一樣，要做通用，就等於要滿足全世界所有企業可能出現的需求。現在的自己完全做不到啊。

雖然在通用問題上劉凡沒有技術突破，但劉凡所研發的大資料處理工具卻在另外兩個方面做到了巨大突破。

第一個就是效率問題，劉凡雖然還是以隨機森林法則作為演算法基礎，這也是沒辦法的事情，以他現在的能力還無法改變當下深度學習的演算法環境。畢竟自己當初考慮安全問題沒把演算法作為自己發展的切入點，自然還是得用當下的演算法作為基礎。但劉凡雖然沒能力改變，但是有能力最佳化。

劉凡透過一百次實驗對比penefine，自己的系統平均運算效率可以達到3倍以上，還是那句話，對於擁有龐大資料的企業來說，這是一個質的飛躍。就拿企鵝來說，他每天光是微信和扣扣產生的資料量就有幾百。

更何況，資料量每天都是在增長的，因為資料處理的速度跟不上，越來越多的資料只能一直在那排隊，企業的很多決策就會存在時效性的問題。

第二個突破就是資料探勘的多樣性，大資料技術的發展對企業來說最重要的就是他的資料分析和資料探勘能力。

正如大資料行業最經典的案例之一：啤酒放在尿不溼旁邊銷量最高，這就是大資料分析給企業帶來的實質性價值。

企業就是要大資料處理工具告訴自己，我該怎麼做能賺更多的錢。

但在這個問題上，整個市場目前的大資料探勘能力其實還處在一個相對初級的階段，因為對於有規則的東西，大資料是很好分析的，但更多的企業是要從無規則的資料中分析出一個結果，這是很難的。因為牽扯的變數太多了。

而劉凡透過系統知識的提點，想到了在演算法中加入一個資料關聯逆推演算法，讓雜亂無章的資料之間自我建立起函式關係，再對函式進行二次深度挖掘從而匯出有效函式，最後再對有效函式進行物理解析。

這就讓很多在當下演算法環境下被判為無用的資訊變廢為寶了。雖然劉凡這種演算法也不可能保證說透過雜亂的資料直接能給企業一個怎麼賺錢的答案，但卻可以讓企業更為全面的掌握產品情況，市場情況以及公司情況等，更多傳統工具忽視的細節都將會大機率被呈現出來。

在各行各業同質化愈發嚴重的今天，資訊的利用率和細節的把控有多重要，可想而知。

要說現在這款工具的缺陷，那就是資料量越大它的優勢就越明顯，如果資料量太小，可能一點優勢都呈現不出來了。這就影響到後期確立目標客戶的問題了。

在一個多月的學習，研發，對比，改良之後，劉凡覺得眼下的這一個大資料處理已經可以作為第一款產品亮相了。

一來在效能上劉凡認為已經具備了足夠的競爭力，二來是劉凡為了這套系統，又要租伺服器做實驗又要花錢買資料，短短一個月把三年來打工攢下的2萬塊錢快花完了。

得趕緊賺錢了。

至於這套工具的名字劉凡也想好了，當時是因為看著像木龍才把系統撿回來的，所以劉凡打算以後不管是技術，晶片，還是公司，都以木龍為名。

這次的大資料處理工具也將是木龍科技旗下的第一款產品：木龍大資料處理工具10。