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。
不是因為大數據不給力，而是他算是看明白了。
大數據的確有用，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，大數據真要那麼牛逼，那麼預測票房這種事情，多少能做到吧？
但是結果，顯然，大數據的預測是失敗的。
那麼問題來了，你連市場走向都預測不準，那麼大數據主導電影拍攝，真的OK？
什麼大數據更懂觀眾，似乎也有些站不住腳了。
舉個簡單的例子。
一部從未出現過的類型的電影，大數據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，大數據電影戰略的首倡者，也是先行者。
他們的成功，所以讓大數據電影戰略大行其道。
而這個時候，奈非宣布了第二部大數據影視戰略主導的劇集，即將上線！
這是奈非的大數據影視戰略的第二彈！
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。
那麼大數據是怎麼幫到影視創作的呢？
以奈非為例子，他們的大數據是怎麼回事呢？
就是當一位用戶通過瀏覽器登錄奈非賬號，奈非後台技術將用戶位置數據、設備數據悄悄地記錄下來。這些記憶代碼還包括用戶收看過程中所做的收藏、推薦到社交網絡等動作。
在奈非看來，暫停、回放、快進、停止等動作都是一個行為，每天用戶在奈非上將產生高達3000多萬個行為，此外奈非的訂閱用戶每天還會給出400萬個評分，300萬次搜索請求，詢問劇集播放時間和設備。
沒錯，這些都被奈非轉化成代碼，當作內容生產的元素記錄下來。而所有這些數據意味著，奈非公司已經擁有“可尋址的觀眾”。
早年間，奈非利用上述數據提供一項推薦引擎業務。比如說，數千萬用戶能在一個個性化網頁上對影片做出1-5的評級，這些評級構成了一個巨大數據池，如今這個數據池容量已超過近百億條。根據數據池，奈非使用推薦算法來識彆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擊暫停按鈕的個人原因，但是如果足夠多的人在整段視頻中的同一個地方做了相同的舉動，那麼數據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“數據轉化為生產力”的——根據官方公布的數據，3/4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，隻需向標簽為“喜愛XXX”或“喜愛政治劇”的觀眾推薦一下就行了。
奈非通過“大數據”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，在方便的設備，多數是網絡設備，如電腦、iPad上一次性觀看。
而這方麵，實際上，國內的互聯網巨頭也同樣的能夠做到，甚至可以做到的更好。