今天是週六哈，雖然讓付國幫忙叫他起床，但今天他其實並沒有什麼事，現在既然已經醒了，那今天安排些什麼活動呢？

出去玩？

莫回瞥一眼視窗漏進來的陽光，貌似天氣還可以，至少霧霾不太嚴重的樣子，那玩什麼呢？

打球？沒啥意思啊~~

爬山？齁累的~~~

逛公園？這活動貌似缺妹子啊~~

逛商場？一個大老爺們逛商場~~~惡寒~~~

莫回被自己想象的畫面嚇了一跳，趕緊拉回思緒：

貌似出去也沒啥可玩的，難道再來幾局遊戲？

莫回揉揉腦袋，也許是人長大了童心就少了，他現在對遊戲已經沒有那麼熱衷和痴迷了，難道這就是成長的代價？隨著年齡的增長，把你有興致的事情一樣樣慢慢消滅掉？

原先非常有吸引力的遊戲現在已經變得可有可無了，想起來玩一玩，想不起來就算了。現在雖然想起來了，但是莫回還是找不到點選遊戲圖示的動力，雖然只需要輕輕一點，但是那一丁點的動力似乎都嚴重缺乏。

莫回的滑鼠漫無目的在桌面上滑行，尋找著可能的目標用來幫助他度過這一整天的時間。雖然是休息日，但換個角度來講，這同樣也是無聊日。

莫回隨機的點開我的電腦，想了一想，最終還是開啟了瀏覽器。既然沒啥事幹，那麼就學習學習吧，他最近正在利用業餘時間研究大資料方面的演算法。

最近大資料和雲端計算很火，好像一夜之間行行業業都在提這兩個詞，作為一個靠技術混飯吃的程式猿，必須得保證自己在技術上不要掉隊，否則早晚會沒飯吃的。

至於大資料和雲端計算，在莫回的理解中，雲端計算大概相當於分散式運算的高大上版，就是說你可以用網路上的資源幫你進行大量資料的計算了；而大資料說白了就是很多很多的資料，再細化點，就是所有有用沒用資料的集合。

現在很多企業都在搞類似的東西，並且應用案例也不少，最終目的都是實現商業上的效益。對於一個入口網站來說，大資料的分析和挖掘，可以幫助它從海量資料裡找規律，從中找到提高利潤的點。

其中有一個著名的案例就是尿不溼和啤酒的故事。

一家超市裡，有一個有趣的現象：尿布和啤酒赫然擺在一起出售，但是這個奇怪的舉措卻使尿布和啤酒的銷量雙雙增加了。這是發生在美國沃爾瑪連鎖店超市的真實案例，沃爾瑪擁有世界上最大的資料倉儲系統，為了能夠準確瞭解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析，想知道顧客經常一起購買的商品有哪些。

沃爾瑪資料倉儲裡集中了其各門店的詳細原始交易資料。在這些原始交易資料的基礎上，沃爾瑪利用資料探勘方法對這些資料進行分析和挖掘。一個意外的發現是：“跟尿布一起購買最多的商品竟是啤酒！

經過大量實際調查和分析，揭示了一個隱藏在“尿布與啤酒“背後的美國人的一種行為模式：在美國，一些年輕的父親下班後經常要到超市去買嬰兒尿布，而他們中有30％～40％的人同時也為自己買一些啤酒。

產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班後為小孩買尿布，而丈夫們在買尿布後又隨手帶回了他們喜歡的啤酒。

按常規思維，尿布與啤酒風馬牛不相及，若不是藉助資料探勘技術對大量交易資料進行挖掘分析，沃爾瑪是不可能發現資料內在這一有價值的規律的。

這只是簡單的商業規律尋找，只要有資料，有想法，總能在海量使用者資料中發現其他類似的商業規律。

如果說這並沒有什麼太令人感覺驚奇的地方，那麼另外一個案例就顯得更有意思了，一個父親突然收到超市寄給她女兒的尿片和童車的優惠券，問題是他女兒只有17歲，正在上高中。父親當然怒氣衝衝的去找超市理論了，但是一個月後，在逼問之下他才得知女兒早已經懷孕了。

而超市正是透過大資料分析，在他女兒的使用者資料中找到近25項與懷孕相關的消費記錄，最終推斷他女兒已經懷孕了。

在大資料面前，個人**往往暴漏無疑，超市甚至比一個父親更瞭解他的女兒……

如果這還不能令人驚歎的話，那麼還有更高大上的案例：有人用大資料計算奧斯卡獲獎名單，15年2月份落幕的87界奧斯卡，24個獎項中，他準確預測了其中20個獎項。而微軟的研發團隊重複了這一預測，他們準確