第35章案子破了
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！”
到了此时，专案组最怕的就是没有线索，并不是线索准不准确。不管三七二十一，先把人手全部都撒出去……
……
当全体行动后，整个指挥所就变得空荡荡的，只剩下了李缘一个游手好闲的人。他也不好意思打搅别人，索性找个角落休息一会。没过多久，他就彻底的陷入了梦乡。
当李缘被一阵吵闹声惊醒的时候，已经快要到凌晨四点。警车不断的归来，到处是警察兴奋的声音。一个个犯罪嫌疑人被纷纷押送进门，整个指挥部洋溢着欢快的气氛……
等待了一会儿，崔天放出现在李缘面前：“小李，感谢你的帮忙，案子已经破了。现在还在侦破阶段，详细情况不能多说。不过你放心，肯定会给你嘉奖。”
崔天放同样大松一口气。太折磨人了。如果那是命案，倒也说得过去。但就一个区区盗窃案？几乎把三个县的县局折腾的死去活来！
既然能够破案，李缘同样很高兴：“那崔队，我应该没啥事了吧？”
“哦哦，我看哪辆车有空，会安排送你回霞山所。不过现在正忙着录口供，你是不是多等一会儿？”
听到这毫无诚意的承诺，李缘笑了笑：“还是等天亮后，我去坐班车吧！”
“那……也行！这次招待不周。怠慢，怠慢了。”
“呵呵。”
……
天亮以后，李缘搭乘头一班班车赶到县城，又搭乘另一班班车回到了霞山乡。当来到乡派出所取自行车的时候，早已经到了下午快三点。
挥挥手，向王全和几位同事道别：“全伯，案子破了，袁所几个应该很快回家。那以后我就不来了？”
王全却有点依依不舍，他又很为李缘高兴：“你这小魂淡早该滚蛋了。放心，我会为你多争取点津贴，局里应该也会给个嘉奖吧？”
“算了算了。呵呵。”李缘根本不在乎那些东西。他以后又不会在体制里混。
回去的路上，李缘突然想到，那群刑队的魂淡，他们这不是过河拆桥吗？居然连个车子都不派？自己应该已经成为刑队公敌了吧？
不过在那里打脸鞭尸，好爽啊！而且现在事了拂衣去，深藏功与名，好装逼啊！
就是有点奇怪，那个……就叫獬豸系统吧！那个獬豸系统成功率也太高了吧？一出手就来了个三发三中？这似乎已经不是运气，肯定有一定的原因。
李缘仔细的一琢磨，他就发现，除了基层掌控能力的大小以外，应该在几十年后，随着法制健全，就比较讲究程序，无论是执法，或者破案，警察都有点软，一副“娘娘腔”的模样。
哪里像现在，作风强悍凶猛，有嫌疑抓进去再说。铺天盖地的一锤子买卖，反正也不怕抓错。
未来抓错放了，会获得国家赔偿。多的还能拿到几百万。现在抓错放了，居然还会敲锣打鼓、喜极而泣的过来送锦旗？
所以说……还是应该承认，后来文明执法，保障人权是有进步意义的！
不过话说回来，如果放在这个时期，一个暴力破解的大数据，再加上强悍凶猛的破案手段，那才是真正的绝配！
万分可惜，大数据生不逢时啊！
