莫回這天晚上有個約會，他看看時間還早，先看了一會代碼纔出門，等出了門他纔想起來今天限號，只好把車再停回去，在街上攔了一輛出租。
“師傅，田洋街一品惠，幫忙找個不太堵的路。”
“如果想走不堵的路，那稍微繞點沒事吧？”的哥師傅怕繞路他不幹，轉頭確認了一句。
“嗯，繞點沒事，也比堵在路上強。”
“好嘞，有您這句話就成。”師傅爽利的來了一嗓子。
莫回感覺這個師傅有些面熟，好像在哪見過，仔細想了想，突然想起來，這個師傅不就是當初去證券公司開戶時，一起聊了好久的那個個體戶的哥嘛。
“師傅，您又來幫司機開車了？”
“呦，您認識我？”
“嗯，我們以前聊過一個多小時。”
“嘿，那抱歉啊，我這每天見的人實在太多，真是沒想起來。”
“沒事，沒事，您最近怎麼又來開車了，不炒股了？”
“嗨！別提了，這次虧大發了，我不是弄的融資融券嘛，趕上暴跌的時候，整整虧了200多萬進去。”
“這麼多~~~”
“可不是嘛，剛開始第一次被強平，我還挺不服氣，就又補倉進去了，後來連續被強平了三次，再也不敢玩了，趕緊清倉撤出來了。”
“不過您這還好，只要有這個出租車牌照在，虧的這些早晚都能掙出來。”
“說是這麼說，這虧了錢真心疼啊，本來琢磨着自己是老手了，沒想到還是給擱裡面了。”
“那要是沒有融資融券，您能估計還能虧嗎？”
“不好說，沒準還是得虧，當初大勢就沒看準，都覺着能上1萬點呢，這大方向就錯了，有沒有融資融券沒有太大區別，不過如果沒有的話，我肯定不會虧這麼多就是了。小夥子你也炒股？”
“嗯，我也炒股，也虧了不少錢，後來撤出來不做了。”
“是，能撤出來的都比較有自制力，有人在這次暴跌裡虧慘了。”
“您朋友？”
“也不是吧，就是個街坊，平時說話不多，他這次炒股也開了融資融券業務，剛開始賺了，賺了不少錢，後來暴跌就開始賠，強平了好幾次，把賺的那些都賠進去了，本金也蝕光了，後來丫不服氣，把房子給抵押了，貸出來一千多萬，全給投進去了。”
“全陪了？”
“可不是！全賠了，所有房產全賠進去了，還欠了一屁股債。”
“~~~真夠慘的。”
“哎~~~是夠慘的，後來他老婆跟他離婚了，然後自己想不開，也是被債主逼的，就跳樓了~~~”
~~~~~~
很多事情都是陰差陽錯，或者說機緣巧合，雖然一個是正向一個是負向，但其實說的都是一回事。偶然因素在必然的世界裡，起着舉足輕重的作用，它往往會左右或者影響事情的實際走向。
人們常常感嘆世事無常，其實就是對這種偶發因素亂入的一種無可奈何，當其被披上一層神秘主義的外衣，就會變成‘人在做，天在看，報應不爽，天道好還。’寄希望於那未知的大手，來做正義的法官。
不過人們恐怕很難意識到，先不說這個所謂的未知的大手是否存在，就算它真的存在，可以想見，能夠成爲天道的傢伙，肯定跟人類不是一個物種，就算它曾經是，現在肯定也不是了。人的正義和天道的正義是一回事？
有一點是非常容易理解的，豬的正義一定與人的正義不同，在某豬的眼裡，那個搶飼料，上母豬，搶它睡覺地方的傢伙一定是個十惡不赦的惡棍，但是在屠夫眼裡，它們都是豬肉~~~
世事無常或者機緣巧合這事無時無刻不在發生，比如對軌跡1.0來說，它本來是爲鄧雪準備的，是爲了改善鄧雪生存狀態，對莫回自己的行爲做些彌補而研發的。結果還沒等用到鄧雪身上，先用到了市場營銷上，幫助別克創造了一個市場奇蹟。
而緊跟在後面的是8個億的財富以及一個全球性大公司的誕生，這時候軌跡1.0已經完全偏離了它最初的設計目標，好像是無心插柳一樣，誰又能想到這個也許是雷鋒1.0的傢伙變成了市場營銷領域的超級殺手。
現在軌跡1.0經過數以百萬計的消費者驗證，已經用超強的市場回饋證明了自己的有效性，同時也藉機會獲得了龐大的個人行爲影響案例，在影響個人行爲上積累足夠龐大的基礎數據庫。
現在天網在上帝之手內部再次立項，又爲莫迴帶來的公共視頻監控的數據接口和公衆網絡平臺數據接口。
上帝之手是個純研發型公司，兩千多員工幾乎全部是研發人員，在桑達爾·皮查伊的運作之下，上帝之手不斷地重組變化着，各個部門不斷做着微調，當天網項目全面啓動之後，這種變化更爲劇烈，上帝之手就像是一個變形蟲一樣，迅速變成適合天網研發的全新組織結構。
莫回作爲ceo雖然有點類似於甩手大掌櫃，日常管理全部丟給桑達爾·皮查伊來處理，但是整個公司大的動作方向，大的項目談判，以及主要的經營數據他還是每天都能看到相應的彙報文件的。
這天莫回驚奇的發現，上帝之手和京都市警察局簽訂了一個軟件銷售合同，這讓他感覺非常驚奇，這是個事他沒什麼印象，也不知道什麼時候發生的。
莫回在oa系統上點開文件，結果發現，這是一個名爲“犯罪數據分析和趨勢預測系統”的軟件定製開發合同，現在軟件已經交貨驗收。
犯罪數據分析和趨勢預測系統？
莫回好奇的點開軟件介紹，結果發現這是一款犯罪類大數據的分析軟件，大致原理很容易理解，就是將京都近20年所有的犯罪數據全部導入進來，作爲數據源進行深加工，在其中尋找規律和趨勢。
犯罪也能預測？
莫回有點奇怪，雖然他自己就是玩大數據起家的，但是他對犯罪這個領域基本沒有太多經驗，所以他對於這個領域大數據是否能夠起作用也不太敢確定。
莫回找到這個軟件的驗收報告，在報告裡給出了檢驗數據，按照京都市警察局的驗收實測，使用這個系統之後，犯罪率平均下降了15%，報警電話數量下降了30%，很多案件都是現場抓獲。警員按照系統提示，在某段時間加強某個區域的巡邏，準確了抓獲了正在進行犯罪得罪犯。
真行啊！
大數據居然能夠預測犯罪！
看到這裡，莫回來了興趣，他想了想，調出這個系統的產品需求書，開始認真研究這個系統的設計思想。
經過幾天的研究，莫回發現，這個系統的設計思想比較有意思，首先將犯罪行爲進行分類，比如分成入室盜竊案、詐騙案、盜竊案、搶劫案、強姦案等等類型。
然後根據每種犯罪得類型進行進一步分析，比如入室盜竊案又分偶發和慣犯，其中還有團伙和單人犯罪，然後根據既有的犯罪歷史數據進行分析，尋找其中的共性特點，比如某個地段屬於高發地段，某個地段發生概率非常小；比如這些盜竊案存在時間特徵，一般年前、節前高發，夜晚高發，等等。
這些規律被找出來之後，開始將既往犯罪數據以時間、地點、人數、類型的參數輸入地圖中，在地圖中進行綜合分析。
通過各種算法尋找各關鍵參數之間的潛在規律之外，整個京都在地圖上被劃分成數以萬計的單元空間，每個空間可能只代表一棟樓，一個院落，一座商場、一個小區之類的。
然後這些空間單元開始被賦值，既往的犯罪數據按照時間線在地圖上打點，隨着時間的推移，隨着既往犯罪數據開始打點，整個京都內部十幾萬個單元的賦值開始變化。
賦的這個值其實就是該單元內，犯罪行爲發生的概率值，這個值隨時都處在變化過程中，並且時刻受到周圍其他相鄰單元的影響。
當既往犯罪數據隨着時間軸的前進，逐步落點在地圖上之後，每個單元的犯罪概率值在不斷變化的同時，也開始不斷的修正。
當整個20年的時間軸全部演進完成，某個單元即時的犯罪概率與時間、與周邊單元犯罪發生、與犯罪類型等等之間的關係，就通過大數據算法被找出了各種潛在的規律。
這些規律被重新帶入到計算方法中，更新犯罪概率的算法，讓它與既往數據達到最佳的吻合，到了這時候，整個系統基本就調整完成。
它就可以開始預測將要發生的犯罪了，並且它還將根據最新的犯罪數據隨時進行微調，始終保持最佳的預測狀態。