葉風講的雖然淺顯易懂，但確實精彩萬分。
“數據處理，必須經過這幾個步驟，完成之后才會有智慧。”
此時臺前的葉風，像極了傳教老師。
下面的眾人，像極了專心聽弟子。
“第一個步驟是數據收集。這里有兩個方式，第一個方式是拿，專業點的說法叫抓取或者爬取，例如萬象搜索就是這么做的，它把網上的所有的信息都下載到它的數據中心，然后你一搜才能搜出來。比如你去搜索的時候，結果會是一個列表，這個列表為什么會在搜索引擎的公司里面呢，就是因為他把這個數據啊都拿下來了，但是你一點鏈接，點出來這個網站就不在搜索引擎它們公司了。”
“比如說網易有個新聞，你拿萬象搜出來，你不點的時候，那一頁在萬象數據中心，一點出來的網頁就是在網易的數據中心了。另外一個方式就是推送，有很多終端可以幫我們收集數據，比如說華風智能手機上面的健康管理應用，可以將你每天跑步的數據、心跳的數據、睡眠的數據都上傳到數據中心里面。”
“第二個步驟是數據傳輸。一般會通過隊列方式進行，因為數據量實在是太大了，數據必須經過處理才會有用，可是系統處理不過來，只好排好隊，慢慢的處理。”
“第三個步驟是數據存儲。現在數據就是金錢，掌握了數據就相當于掌握了錢。要不然別人怎么知道你想買什么呢？就是因為它有你歷史的交易的數據，這個信息可不能給別人，十分寶貴，所以需要存儲下來。”
“第四個步驟是數據分析。剛才說的存儲數據是原始數據，原始數據多是雜亂無章的，有很多垃圾數據在里面，因而需要清洗和過濾，得到一些高質量的數據。對于高質量的數據，就可以進行分析，從而對數據進行分類，或者發現數據之間的相互關系，得到知識。”
“比如90年代盛傳的沃爾瑪超市啤酒和尿布的故事。”
葉風剛剛舉了一個例子，還沒說完，大家就會心笑起來。
在坐的各位，都是精英，基本上都聽過這個故事。
尤其是紅旗大賣場的總裁曹世茹，她知道在美國有一個有趣的現象：尿布和啤酒赫然擺在一起出售。但是這個奇怪的舉措卻使尿布和啤酒的銷量雙雙增加了。這不是一個笑話，而是發生在美國沃爾瑪連鎖店超市的真實案例，并一直為她津津樂道，常常用來教育下面的員工。
沃爾瑪擁有世界上最大的數據倉庫系統，為了能夠準確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析，想知道顧客經常一起購買的商品有哪些。沃爾瑪數據倉庫里集中了其各門店的詳細原始交易數據。在這些原始交易數據的基礎上，沃爾瑪利用數據挖掘方法對這些數據進行分析和挖掘。
一個意外的發現是：“跟尿布一起購買最多的商品竟是啤酒！經過大量實際調查和分析，揭示了一個隱藏在“尿布與啤酒“背后的美國人的一種行為模式：在美國，一些年輕的父親下班后經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班后為小孩買尿布，而丈夫們在買尿布后又隨手帶回了他們喜歡的啤酒。
葉風笑道：“即然大家都知道，我就不多說了，這就是通過對購買數據進行分析，發現男人一般買尿布的時候，會同時購買啤酒，這樣就發現了啤酒和尿布之間的相互關系，獲得知識，然后應用到實踐中，將啤酒和尿布的柜臺弄的很近，就獲得了智慧，讓啤酒和尿布銷量雙雙大增。”
“第五個步驟就是對于數據檢索和挖掘。檢索就是搜索，分析后的數據放入搜索引擎，從而人們想尋找信息的時候，一搜就有了。另外就是挖掘，僅僅搜索出來已經不能滿足人們的要求了，還需要從信息中挖掘出相互的關系。比如財經搜索，當搜索某個公司股票的時候，該公司的高管是不是也應該被挖掘出來呢？如果僅僅搜索出這個公司的股票發現漲的特別好，于是你就去買了，其實其高管發了一個聲明，對股票十分不利，第二天就跌了，這不坑害廣大股民么？所以通過各種算法挖掘數據中的關系，形成知識庫，十分重要。”
聽葉風說得很有邏輯性，眾人都點頭連連。
這時，又聽葉風講到重點，說起云計算、大數據、人工智能的密切關系。
“當數據量很小的時候，很少的幾臺機器就能解決。慢慢的當數據量越來越大，最牛的服務器都解決不了問題的時候，就想怎么辦呢？要聚合多臺機器的力量，大家齊心協力一起把這個事搞定，眾人拾柴火焰高。”
“所以說大數據平臺，什么叫做大數據，說白了就是一臺機器干不完，大家一起干。隨著數據量越來越大，很多不大的公司都需要處理相當多的數據，這些小公司沒有這么多機器可怎么辦呢？”
“說到這里，大家想起云計算了吧。當想要干這些活的時候，需要好多好多的機器一塊做，真的是想什么時候要，想要多少就要多少。在以后，一個小公司需要大數據平臺的時候，不需要采購一千臺機器，只要到晴風云平臺上一點，這一千臺機器都出來了，并且上面已經部署好了的大數據平臺，只要把數據放進去算就可以了。”
“云計算需要大數據，大數據需要云計算，兩個人就這樣結合了。”