2016年，深城。
實驗室的第二個週末。
小林昭頂著兩個黑眼圈，準時出現在302室。
他花了一週的課餘時間，總算把那本《統計學習方法》的前五章硬啃了下來。
雖然很多地方還是一知半解，但至少那些名詞不再像外星語了。
孫奇師兄看到他，招了招手。
“過來。”
小林昭走過去，孫奇指著自己的電腦螢幕。
“認識這是什麽嗎？”
螢幕上是一張巨大的表格，密密麻麻全是數字和一些看不懂的字元。
“資料？”小林昭試探著回答。
“這是我們上一個專案采集到的原始資料，關於城市交通流量的。”孫奇的表情很嚴肅，“周老師讓我帶你做的第一個實踐任務，就是處理這批資料。”
“怎麽處理？”小林昭有點興奮，終於要上手了。
“資料清洗。”孫奇吐出四個字。
“啊？”
“看到這些空值、異常值、還有這些格式不統一的亂碼了嗎？”孫奇用滑鼠劃拉著，“你的任務，就是把這些‘髒資料’全部找出來，然後用合理的方式填充或者刪除，最後整理成一個幹淨、規範的資料庫。”
小林昭的臉瞬間垮了下來。
他還以為能做什麽高大上的分析建模，結果就是個體力活，跟讓他去打掃衛生差不多。
“師兄，這……這也太枯燥了吧？”
“枯燥？”孫奇推了推眼鏡，鏡片後的目光透著嚴肅，“林昭，我告訴你，在資料科學這個領域，百分之八十的時間，都是在幹這種枯燥的活。模型再牛，演演算法再先進，喂給它一堆垃圾資料，出來的也隻會是垃圾結果。”
“周老師讓你從這兒開始，就是在磨你的性子。你連地基都懶得打，還想蓋摩天大樓？”
孫奇的話，讓小林昭心裏那點不切實際的幻想瞬間熄滅。
“去吧，我給你開了個最低許可權的賬戶，隻能讀，不能改。你先把所有你認為是‘髒資料’的行號和列號，記在一個txt檔案裏。今天下班前給我。”
小林昭垂頭喪氣地回到自己的座位上，開啟那個巨大的資料檔案。
他一行一行地看，眼睛都快看花了。
這批資料足足有十幾萬行，幾十個列。手動去找？找到猴年馬月去？
他煩躁地抓了抓頭發，拿出手機，準備向大林昭求救。
“哥，救命！他們讓我手動洗資料，這活兒不是人幹的！”
訊息發出去，卻遲遲沒有迴音。
小林昭泄氣地把手機扔到一邊。
看來隻能靠自己了。
他強迫自己靜下心來，盯著螢幕。
雖然過程很痛苦，但他慢慢發現了一些規律。
比如，某些列的空值特別多，某些列的數值明顯超出了正常範圍。
他一邊記錄，一邊在腦子裏思考。
手動肯定不行，效率太低了。
能不能用程式來做？
他想起了大林昭之前發給他的那些Python入門教程。
雖然他當時隻是囫圇吞棗地看了一遍，但一些基本的語法還記得。
比如，用pandas庫讀取資料，用迴圈遍曆每一行，用if語句判斷條件……
一個模糊的想法在他腦海中形成。
他開啟Python編輯器，開始磕磕絆絆地敲程式碼。
十分鍾後，第一次報錯：IndentationError。他盯著那行紅色提示看了半天，才意識到Python用縮排來區分程式碼塊，而他剛纔在if語句下麵，忘了敲那四個空格。
修好縮排，再次執行。第二次報錯：KeyError。他寫的列名“使用者ID”和表格裏的“使用者ID_1”對不上。他罵了一句，把所有的列名都改了一遍。
第三次，第四次，第五次。
紅色的報錯資訊像潮水一樣湧來，又被他一條一條地擊退。當最後一次按下執行鍵，螢幕上不再彈出紅色，而是安靜地滾動著他設定的輸出資訊時，他整個人癱在椅背上。
程式開始跑動，螢幕上快速地滾動著他設定的輸出資訊。
【發現第32行第5列存在空值】
【發現第158行第11列存在異常值：99999】
【發現第……】
成了！
小林昭激動得差點從椅子上跳起來。
雖然這個指令碼很簡陋，隻能處理幾種最簡單的“髒資料”，但它確確實實地跑起來了！
他把程式輸出的結果整理成一個txt檔案，然後走到孫奇身後。
“師兄，我弄完了。”
孫奇正戴著耳機聽音樂，聞言摘下一隻，有些驚訝地轉過頭。
“這麽快？我看看。”
他接過小林昭遞過來的U盤，開啟那個txt檔案。
當他看到裏麵羅列得整整齊齊、足足有上千行的錯誤記錄時，他愣住了。
“你……你手動找的？”他不敢相信。
“不是。”小林昭撓了撓頭，有點不好意思，“我寫了個小程式跑的。”
孫奇的目光瞬間變了。
他一把搶過U盤，找到那個名為“clean_data.py”的檔案，點開。
當他看到那段雖然稚嫩、但邏輯清晰的程式碼時，他徹底說不出話了。
他的手指在螢幕上虛點著，眼神裏滿是難以置信。
他沉默地看了足足五分鍾，然後轉過頭，眼神像是在看一個外星生物。
“你……你以前學過程式設計？”
“自學了一點點。”
“周老師……周老師他孃的真是撿到寶了。”孫奇喃喃自語，然後猛地拍了一下大腿。
“走！師兄請你吃飯！吃好的！”
……
2026年，星辰互娛。
秦詩妍拿著一份市場部剛提交的報告，走進林昭的辦公室，臉上帶著一絲困惑。
“林昭，你看一下這個。市場部根據現有的使用者資料，做了一個‘非遺宇宙’第一期內容的潛在受眾分析，預估核心使用者大概在五百萬左右。但我覺得這個數字太保守了。”
林昭接過報告，掃了一眼，便直接扔進了旁邊的碎紙機。
“這份報告，連同做這份報告的人，都可以一起畢業了。”林昭的語氣很平靜。
“為什麽？”秦詩妍不解，“他們的分析方法，是公司以前一直在用的，雖然老套，但至少不會出錯。”
“因為他們的資料來源就是一堆垃圾。”
林昭開啟自己的電腦，調出一個後台界麵。
“星辰互娛過去五年的使用者資料，從來沒有做過係統性的清洗和整理。這裏麵至少有百分之三十是僵屍使用者、營銷號，還有大量因為資料采集錯誤導致的‘噪聲’。”
“用這種垃圾資料做分析，就像在沼澤地上蓋房子，看上去有模有樣，其實一推就倒。”
秦詩妍看著他，“那你的意思是？”
“我已經讓技術部的人，花了一週時間，把整個資料庫重新清洗了一遍。”
林昭點開另一個界麵，上麵是兩張對比鮮明的使用者活躍度曲線圖。
一張是清洗前的，波動雜亂，毫無規律。
一張是清洗後的，曲線平滑，呈現出清晰的週期性規律。
“你看這裏，”林昭指著螢幕上的一個高峰，“清洗之後我們才發現，我們平台有一批非常優質的使用者，他們集中在深夜活躍，對高質量、有深度的文化內容有極強的付費意願。但這批人，在以前的分析報告裏，被當成‘異常資料’給過濾掉了。”
秦詩妍的目光驟然一亮。
“你的意思是，我們的核心使用者，比我們想象的要多得多？”
“不是多得多。”林昭靠在椅背上，看著她，“是精準得多。”
“基於這份幹淨的資料，我重新跑了一遍模型。‘非遺宇宙’的核心受眾，不是五百萬。是一千二百萬。而且他們的付費轉化率，是普通使用者的三倍以上。”
秦詩妍看著林昭，腦中有什麽東西豁然開朗。
“你之前在董事會上，自己投錢也要做這個專案，就是因為你早就看到了這些？”
林昭笑了笑，沒有承認，也沒有否認。
就在這時，林昭的手機震動了一下。
他拿起來看了一眼，是時光信使的訊息。
是小林昭發來的。
“哥，我今天用你教的Python，把師兄都鎮住了！他請我吃了頓肯德基全家桶！撐死我了！”
後麵還附了一張照片，是一個吃得隻剩骨頭的全家桶。
林昭的嘴角，不自覺地揚起一個真實的弧度。
“出息。”