所以，越想要得到准确的统计结果，需要的统计数据量就越大。
在上面的例子中，统计的样本总数是1678人。
但是如果我们一定要说‘41岁及以上的观众就是29.2%’，或者‘15岁及以下观众一定超过20%’。
try{ggauto();} catch(ex){}
这样非常肯定的的话，大家就可能会挑战这个结论。
因为，统计是有随机性的，也是有误差的。
仅仅上千人的数据得不到这样准确的结论。
统计除了要求数据量必须充分之外，还要求采样的数据必须有代表性。
有些时候不是数据量足够大，同阶级过就一定准确。
一个很简单的例子，一个爱情影片和一个战争影片，它的受众并不相同。
所以如果我们只采集爱情影片上映当月的观影人群，就不具有普遍的代表性。
那么怎么避免这种情况，获得准确的结论呢？
19世纪的俄国数学家切比雪夫对这个问题给出了他的结论，即切比雪夫不等式。
P|≥ε)≤Var/ε^2。
这个公式的含义是，当样本数足够多时，一个随机变量和他的数学期望值之间的误差，可以任意小。
把切比雪夫不等式应用到我们了解电影院观众年龄分布的问题中。
随机变量就是：观察到的各个年龄段观众的比例。
数学期望值就是：真实情况下所有看电影观众中不同年龄段的比例。
当我们把样本数据带入后，大致可以得出以下结论。
15岁以下观众占20%，16~25岁占27%，26~40岁占24%，40岁以上占29%，误差小于5%。
但如果我们要将四个年龄段观众的准确率，提高到小数点后一位数，那么我们大致需要10倍的数据，即两万个左右的样本。
如果我们把这个问题放大。
我们想知道一部电影在全世界的观影人群年龄分布，而且必须具体到更细致的年龄段人数。
比如18~20岁，21~24岁等等。
又或者更具体的地域。
华夏、东瀛、南韩等等。
在一个更大，更详细的范围内，为了获得更准确的结果，我们需要的数据量，将千百倍的提升。
当我们获得了超级数据。
普通的计算机已经很难完成计算。
而且就算能完成，也需要大量的时间。
时间就是金钱，在商业上，这显然是不可接受的。
因此。
为了尽可能在短时间内得到结果，我们要一台或几台超级计算机来计算。
但动用超级计算机的费用非常昂贵。
想要了解电影院观众年龄的企业，显然不愿意在这个问题上花费这么大的代价。
那么怎么办呢？”
徐良操作了一下电脑。
背后的投影屏上显示出三个硕大的楷体。
云计算。
“云计算，‘云’就是互联网，‘计算’则是字面意思。
目前的云计算是一种分布式计算，指的是通过网络“云”，将巨大的数据计算处理程序，分解成无数个小程序。
然后，通过多部服务器组成的系统，进行处理和分析这些小程序，得到结果后返回给用户。
整个计算过程只需要几秒钟。
也就是说，云计算把一个原本需要动用超级计算机，需要几天，甚至十几天时间才能计算出来的问题。
变成了只需要几秒钟，花费几万块，最多十几万块便能得出的准确数据。
大大减少了支出，提高了效率，得到了更准确的结果。
也许有人觉得统计电影观众年龄分布，没什么太大的价值。
但如果变成一家餐饮企业统计饮料产品的受众年龄分布呢？
只要有了准确的数据，餐饮企业就可以针对不同年龄段人群，开发更有针对性的广告和服务，从而提升自己的销量。
这一点已经被康师傅公司运用到了实际的经营中。
根据盘古公司大数据调查，康师傅公司发现旗下‘健力宝’运动饮料产品最大的受众是15岁~25岁之间的青少年人群。
其中男性占比41%，女性占比59%。
然后又通过线下抽样调查，网上问卷调查等多个渠道得出数据，并用数据驱动的方法，计算出这部分人群感兴趣的明星，喜欢的电视剧类型等等数据。
综合这些相互交叉的大数据，制定了详细的广告宣传方案和宣发渠道。
短短一个季度的时间，康师傅的销售额便增加了22%，净利润增加了14.8%。
同样的方法，我们可以运用到汽车、餐饮、娱乐等所有消费品领域。
毫无疑问，这将形成巨大的商业变革。
原本粗放的广告投放和宣发方式，将变得更细致，更有针对性。
原本口味统一的产品，将根据全国各个省份消费群体的口味和消费习惯，开发出更符合本地特色的产品。
消费者将成为真正的主体。
可以肯定的说，以后所有拒绝大数据的消费品公司，基本都不会存活太久。”
