王逸凡的話應驗了，倒是讓林滬生停下了蠢蠢欲動的心思。
選擇了暫時觀望。
不是因為大資料不給力，而是他算是看明白了。
大資料的確有用，但是卻不是萬能的，也沒有阿狸和未來星宣傳的那麼牛逼。
畢竟，大資料真要那麼牛逼，那麼預測票房這種事情，多少能做到吧？
但是結果，顯然，大資料的預測是失敗的。
那麼問題來了，你連市場走向都預測不準，那麼大資料主導電影拍攝，真的ok？
什麼大資料更懂觀眾，似乎也有些站不住腳了。
舉個簡單的例子。
一部從未出現過的型別的電影，大資料怎麼去預測大眾到底會不會喜歡？
怎麼去判斷，市場能否接受？
就在《功夫》票房正式突破30億，日票房也已經跌破千萬大關的時候，國內的媒體，以及阿狸，未來星等等的目光卻是投向了海外。
奈非，大資料電影戰略的首倡者，也是先行者。
他們的成功，所以讓大資料電影戰略大行其道。
而這個時候，奈非宣佈了第二部大資料影視戰略主導的劇集，即將上線！
這是奈非的大資料影視戰略的第二彈！
可以說，不僅僅國內在關注，事實上全世界的影視公司都在關注著。
那麼大資料是怎麼幫到影視創作的呢？
以奈非為例子，他們的大資料是怎麼回事呢？
就是當一位使用者透過瀏覽器登入奈非賬號，奈非後臺技術將使用者位置資料、裝置資料悄悄地記錄下來。這些記憶程式碼還包括使用者收看過程中所做的收藏、推薦到社交網路等動作。
在奈非看來，暫停、回放、快進、停止等動作都是一個行為，每天使用者在奈非上將產生高達3000多萬個行為，此外奈非的訂閱使用者每天還會給出400萬個評分，300萬次搜尋請求，詢問劇集播放時間和裝置。
沒錯，這些都被奈非轉化成程式碼，當作內容生產的元素記錄下來。而所有這些資料意味著，奈非公司已經擁有“可定址的觀眾”。
早年間，奈非利用上述資料提供一項推薦引擎業務。比如說，數千萬使用者能在一個個性化網頁上對影片做出15的評級，這些評級構成了一個巨大資料池，如今這個資料池容量已超過近百億條。根據資料池，奈非使用推薦演算法來識別具有相似品味的觀眾，然後對這一群體做出相關內容的精準推薦。
“奈非或許並不能準確知道點選暫停按鈕的個人原因，但是如果足夠多的人在整段影片中的同一個地方做了相同的舉動，那麼資料就開始顯露出意義了。”結果是，奈非比觀眾還要清楚自己的觀影喜好。
他們是這麼將“資料轉化為生產力”的——根據官方公佈的資料，34的訂閱者都會接受奈非的觀影推薦。這意味著，奈非不用一集一集地攢新劇的口碑，只需向標籤為“喜愛xxx”或“喜愛政治劇”的觀眾推薦一下就行了。
奈非透過“大資料”觀測到另一流行趨勢：越來越多的人不再像30年前那樣，在固定晚上的固定時刻守在電視機前，等著收看電視劇的最新劇集，而是“攢”起來，直到整季劇情全部播放完畢之後，才選一個自己方便的時間段和地點，在方便的裝置，多數是網路裝置，如電腦、ipad上一次性觀看。
而這方面，實際上，國內的網際網路巨頭也同樣的能夠做到，甚至可以做到的更好。
別看北美是網際網路的起源地，可是實際上，時至今日，華國因為人口，因為經濟，因為網際網路的覆蓋率，因為大眾的習慣，等等等等，再加上網際網路巨頭對某個行業的壟斷，所以，在資料方面，可以說比之奈非，更厲害！
