“你大爷的，我就客套一下说帮忙做点事，你也不能把我当牲口来用吧？”
胡宪安看着这堆资料，下意识地咽了一下口水。
江飞宇宽慰道：“安拉，这些资料别看很多，其实百分之80以上都是重复的数据，很多可以快速跳过的，而且我也没限定你时间，你什么时候完成都行！做不完也不要紧，能做多少算多少。”
“这还差不多。”
为了长期饭票，胡宪安只能无奈接受了“卖身为奴”的事实。
达芬奇不是说嘛，数学是一切科学的基础。
像这种规律性的东西，最终还是要回归底层的数学来解决。
而且，胡宪安学的就是数学相关专业，从数据里面分析出规律是他的看家本领。
别看胡宪安的专业课成绩一般，那是因为他懒得去背那些“填鸭式”的答案，但却不代表他不懂计算原理。
江飞宇不就是个很好的例子嘛！
上机操作能力一流，基础理论知识，不说也罢。
胡宪安拿起一沓资料随手番了一下，问道：“即使我这样的商业小白也知道，这堆资料应该涉及你们公司的核心商业机密了，你就这么放心让我这个外人接触？”
江飞宇自信道：“以我对你的了解，地上有一沓钱你也懒得捡。”
胡宪安来了兴致，问道：“何以见得呢？毕竟弯腰伸一下手就能不劳而获，一般人应该不会拒绝吧！”
江飞宇解释道：“因为你考虑的因素太多了，比如：是不是有人故意下套？就等你捡的瞬间跳出来人赃并获钱要怎么还给失主？在现场等？还是交给警察？失主会不会污蔑你黑了一部分财物”
“无论怎么看，捡起来都会带来一大堆麻烦，这不符合你的性格。最关键的是你不缺那点钱，为了一点钱招惹麻烦，对你来说就是不智。所以，一般人的经验套用在你身上就不合适。”
更深层的原因是，飞信平台的核心竞争对手只有一个，那就是鹅厂。
双方竞争了这么久，都是知根知底的。
对于竞争对手的运营数据，也有一个相对准确的估算，误差率不会超过百分之15。
就算胡宪安把这份运营数据卖给鹅厂，也卖不出多少钱。
这才是江飞宇丝毫不担心胡宪安会泄露出去的原因。
又被猜透了，胡宪安无奈道：“说吧，你需要我从这堆资料里面找什么规律？”
江飞宇解释道：“我们公司的计算资源采用了有别于同行的分布式架构，这是一种灵活的分布式存储和运算模式通俗来说就是一种按需分配计算资源的模式”
“所以，我现在需要你帮我从原始的运营数据中找出规律，识别出什么日期、时间段、事件会影响计算资源的需求量，以便达到精准运营的管理目标”
江飞宇这样一说，胡宪安就懂了。
如果说，飞宇科技拥有的计算资源总量是100个单位，飞信平台的平均资源需求是15个单位。
但是，你不可能完全按照15个单位来分配资源。
因为，周末、晚上8点这种黄金时间段，用户的在线率会大幅度增长，需要的计算资源可能会飙升到20以上。
这种情况下，运维部每次都需要预留大部分计算资源给这些黄金段时间。
但是，这种预留资源是一种很粗的预估，往往造成很多的资源闲置。
比如，当值的运维主管凭借个人经验，申请今晚预留27个单位资源。
可实际上，当晚可能只用了22个单位，这样就会有5个单位的资源浪费。
而江飞宇现在想要做的，就是想实现精准预估。
不求非常精准预估，但是至少也要把原来27个单位的预估值，压缩到24个单位左右。
这样，就可以节省3个单位的资源。
这些节省的资源就能用于其他方面，为企业创造出更多的价值。
原理是摸清楚了，但是这个工作还是非常繁琐的。
因为，胡宪安要把过去一年每一天的事件因素都要考虑进来。
举个例子，比如去年6月份内相近的两个周末时间段，数据诧异就非常的大。
工作人员回溯后发现，因为后面一个周末，人们都去看世界杯决赛了。
所以，上网的人就少了。
这也导致了，胡宪安要考虑的因素非常多。
江飞宇想让他做的，就是尽可能地把这些影响用户在线量的因素识别出来，并进行归类。
识别这些影响因素，只能说是第一步。
第二步，还要建立一套科学的计算体系，识别每一类因素对用户在线量的影响率是多少。
第三步，就是把第一、第二步的成果用代码来实现，也就是开发出一套预测分析系统。