说起大数据的原理,真说有多么的复杂?那倒也不见得。

    最简单的应该就是触发关键词。这在商业方面的运用就比较多。

    比方说:喜欢逛网上店铺,就会定点推送某几类商品;喜欢某些新闻;就会定点推送某些公众号;喜欢主播小姐姐,就会定点推送某几个女主播;喜欢暗戳戳的浏览某些那啥啥的网站,就有电力公司到你家抄水表……

    复杂一些的,就是通过分析数据样本,获得需要的预测结果。这其中就要涉及到某些核心算法。

    其实一组、两组数据样本,计算量并不怎么大,就好比李缘就能手工计算。难点在于,从海量的数据样本中,删除无效数据样本,挑选出少量有效数据样本。并且能够得出合理范围内的预测结果。这就需要大型服务器了。

    从某方面说,大数据和推理有点类似,但也有所不同。

    推理需要线索,进行符合逻辑的推演。如果遇到无头案,推理也只能抓瞎。

    大数据当然也需要线索,但它主要依靠的是暴力运算。反正一锤子砸下去,总能得到结果。至于准不准确?那就管杀不管埋了。

    而盗窃案是就最难侦破的案件之一。随机性强、固定证据困难。再加上这个盗牛贼案几乎就是无头案,连有效线索都相当少。

    因此当李缘算出结果,他自己都有点不自信。因为结果里的关键词:“外行、开发区、货车、工厂……”

    除了货车还能够理解,偷牛后总需要运输。其他的关键词就……很荒唐吧?

    就说那个外行吧。一个把邻近三县公安局搞得焦头烂额的盗窃团伙,居然是外行?并不是惯偷?这就有点搞笑了吧?

    没想到李缘有点不自信,这些刑警倒开始议论纷纷。

    “开发区那里都是工厂,那里没发生过偷牛案吧?”

    “估摸着兔子不吃窝边草?可以看看地图,就这里一圈没发生过盗窃案。反而周边的乡镇都有。”

    “那就是外行咧。我们以前的重点是本地二流子。他们几乎都在家里附近小偷小摸。有的根本就没出过本乡本土。”

    “有道理,外行说明没有案底。他们逃出了我们排摸的视线。”

    “那为啥有工厂、货车?”

    “很有可能偷牛后直接运输到外地,根本没有在本地销赃。”

    “……”

    到底是专业的刑警,他们根本没去管是否荒唐,首先就开始讨论起可能性。毕竟这些刑警见多识广,更荒唐的案子都不知道接触过多少。

    见讨论的差不多,崔天放直接下令道:“现在开始分组带队,把开发区所有的工厂都排摸一遍。重点检查有货车的工厂。绝不能放过一个漏洞。”

    “是!”