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 『加入书签，方便阅读』
-->> 本章未完，点击下一页继续阅读(第1页/共3页)