还有就是重新洽谈广告分成模式、短视频细分领域深耕等几个重大改革。
这几点要求扔出来，会议室顿时炸锅了，一个个高管都激烈讨论了起来，完全就是两派对抗，没有第三方中立。
赞同韦奕博的一派认为逗拍目前家大业大，度过了之前那段艰难时期，也是时候收回当初给出去的利益了。其次广告商虽然很厉害，可现在的逗拍，广告营收的占比不高，所以不怕那些广告商。
并且短视频细分领域深耕需要更多的资金投入，特别是对大数据的要求更高。
短视频细分领域其实就是大数据的高阶用法，这其实就是资源的深度优化。
大数据的粗浅用法，就是逗拍刚起步时，利用用户的喜好进行短视频的精准推荐，但还可以做到更好！
比如用户很喜欢化妆类视频，百分之八十推荐这类视频，剩余的百分之二十是其他热门类视频，以免用户审美疲劳，导致用户讨厌逗拍损失用户。
而短视频细分领域则是将这些做到极致，如优化企业资源分配是大数据的一类典型应用。以人力资源部门、招聘部门为例，通过对在职、离职员工的反馈、kpi表现、评估等数据分析可以对新员工招聘做出指导意见，并能提高员工顺利融入团队，对提高roi产生积极意义。
除此之外，资源分配优化还有另一个维度，那就是从数据库和数仓的角度来看问题。
雅文吧
众所周知，在过去的10年的大数据与云计算的突飞勐进的发展过程中，像逗拍就有三大数据中心，每个数据中心都有几百万台服务器，甚至华东地区这边的数据中心，更是有将近六百万台服务器。
如此庞大的规模，不仅在国内，就算放眼全球，那也都是排的上号的数据中心。
然而，我们真的做到了资源优化分配吗？那么多台机器真的在高效的运行在解决客户的问题吗？
刘文斌提出了两个非常致命的问题，所有高管都不说话了，连韦奕博和几个部门的头头也都没有说话。
“回答这个问题，需要全面的从云计算（或大数据）的三要素来衡量，包括计算（如cpu）的利用率、存储利用率、网络利用率等。举个简单的例子，很多数仓、数据库产品，皇皇千八百太机器，然而每台的利用率只有单线程的水平，现代cpu都是32线程、56核的量级，只有单线程，就意味着95%，99%都在空转。特别是在一些分布式系统中，这种资源浪费是惊人的。例如某开源newsql类数据库，在某知名实验室中压测结果爆出六台实例的集群处理能力堪堪与传统的一台机器的mysql持平。然后他们的工程师只能说，我们至少是分布式的啊！”
会议室里一片安静，大家都没想到大老板会