第565章 數據模型
“劉總，這酒的釀造時間很長，至少也得一年多時間，才能釀造完成，村裏人都是自己釀些來喝，沒人靠這個賺錢。”
劉小光點頭。
知酒客之前曾在華夏國範圍內，尋找那些不為人知的好酒，發掘了像老酒坊，綠蟻酒等拚品牌。
這些白酒，現在已經成為華夏國的知名白酒品牌。
但是，華夏國地大物博，幅員遼闊，知酒客雖然進行了尋找，但是根本不可能把華夏國的好酒全部搜羅出來。
就這杏花釀，味道非常獨特，但是卻沒有成立品牌，隻是村民自己釀著喝，知酒客根本不可能發現這樣的好酒。
“孫園長，不知道你有沒有合作釀酒的想法？”劉小光問孫勝東。
孫勝東很驚訝，“啊，劉總，你還做酒廠的生意？”
“嗯，”劉小光點頭。
“劉總的生意做的好大！”孫勝東想了想，“劉總，杏花釀的釀造工藝複雜，我不知道能不能大規模生產。”
劉小光又遞了楊樂平的名片過去，“你要是想合作，可以聯係他。”
孫勝東把楊樂平的名片收起來。
午飯之後，劉小光動身離開。
臨走的時候，跟孫勝東要了一瓶杏花釀。
孫勝東把劉小光一直送到村口。
劉小光這次來杏花村，不但幫他賣出去十萬斤的紅杏，還敲定了兩個合作的項目。
對杏花村來說，劉小光真的是貴人！
晚飯的時候，劉小光把楊樂平叫來。
“不容易啊，光哥竟然主動叫我來吃飯！”楊樂平樂嗬嗬的走進劉小光家院子。
“你小子哪那麽多廢話！”劉小光笑罵道。
這家夥簡直把這裏當成自己家，有事沒事的往這跑，還用劉小光叫他來吃飯？
劉鐵柱，劉小光和楊樂平在石桌旁坐下。
何桂枝把晚飯端上桌。
“這次叫你來，是有好東西給你！”
劉小光把杏花釀打開，酒香從酒瓶裏飄出！
“好酒啊！”劉鐵柱眼睛亮了起來。
楊樂平也來了興趣，“光哥，這是什麽酒，香味很特殊啊！”
“這是我從杏花村帶回來的，杏花釀，給你們兩個嚐嚐！”劉小光把酒倒進兩個杯子，分別遞給劉鐵柱和楊樂平。
“杏花釀？”劉鐵柱端起杯子聞了一下，“怪不得有這麽濃鬱的花香！”
“這牌子我怎麽沒聽過？”楊樂平問劉小光。
作為白酒從業者，楊樂平現在是白酒方麵的專家。對華夏國的白酒品牌，非常了解。
在他的印象裏，可沒有杏花釀這個品牌。
“杏花釀還沒有注冊品牌，是杏花村的村民根據古法自己釀的酒。你們兩個嚐嚐這酒的味道如何。”
劉鐵柱和楊樂平端起酒杯，嚐了一口。
“這酒的味道很獨特啊！”劉鐵柱咂了咂嘴，“好喝！”
“嘿嘿，好喝是好喝，但是酒精度數有點低啊，不合我的胃口。”楊樂平的酒量大，喜歡喝烈酒。
杏花釀是古法釀造，再加上杏花村沒有專業的釀酒設備，所以純化能力有限。
所以杏花釀的酒精度數不高，估計也就十幾度左右。
說是白酒，其實更像是果酒。
“我把你的名片留給孫勝東了，我想咱們可以跟杏花村合作，共同生產杏花釀。”劉小光對楊樂平說。
“光哥真夠意思，出門工作還不忘幫我們老龍湖酒廠拉生意。這酒的味道不錯，雖然不對我的胃口，但是現在的年輕人，都喜歡這這種飲料口味的酒，杏花釀肯定會受歡迎。”
楊樂平對杏花釀很有信心。
正說著話，楊樂平的電話響了起來。
楊樂平拿起電話，是個陌生的號碼。
“哎，你好！”
“您好，請問是楊總嗎？”電話那邊傳來一個外地口音的聲音。
“啊，我是，你是哪位？”
“哦，我是杏花村的孫勝東！”
對方自報家門，楊樂平笑了起來，“是孫園長啊！”
“啊，是這樣的，劉總讓我聯係您，商量辦酒廠的事情。”
“哦，你已經考慮好了？那這樣吧，明天我去杏花村一趟，咱們兩個麵談！”
“好，好，謝謝楊總！”
掛了電話，楊樂平笑著跟劉小光說，“這說曹操曹操就到，孫勝東給我打電話了。”
劉小光點頭，“好，那你明天就辛苦一下，酒廠建立，資金由咱們來出，他們負責提供技術和原料，可以給杏花村的村民股份，至於具體的金額，你看著辦。”
“我知道了，光哥。”楊樂平點頭答應。
老龍湖酒廠的原則，向來是造福一方百姓。
不管在哪裏辦廠，老龍湖酒廠都會給當地村民帶來實惠。
造福於民。
——
龍湖電商。
雲計算中心。
錢玄誌建立的數字模型正在運轉。
這是龍湖電商第一次使用雲計算對商品的配送，進行處理。
劉小光對雲計算的運行能力，也是非常關注。
這關係到龍湖電商未來的發展。
“情況怎麽樣？”劉小光問趙鬆。
趙鬆是龍湖電商的配送部門主管。
見劉小光向自己發問，趙鬆趕忙站直身體，“劉總，從昨天到現在，已經完成了差不多紅豐杏的配送”。
“嗯，這速度還可以啊！”劉小光伸手拍了拍趙鬆的肩膀，“辛苦了！”
趙鬆的眼睛裏，滿是血絲，顯然昨晚上睡的很晚。
“沒事，劉總，不辛苦，這大數據還真是厲害，配送效率比之前，提升了很多。”趙鬆心悅誠服的說道。
原本他對錢玄誌的雲計算，嗤之以鼻，認為這東西太過玄乎。
沒想到，這次使用的效果，卻是出乎意料的好。
隻用了不到一天一夜的時間，就完成了五萬斤紅豐杏的配送。
這個效率，比從前可是提高了不少。
“等數據模型建立起來之後，你們的工作就會輕鬆很多”。劉小光笑著說。
龍湖電商的雲計算中心，剛開始運行，還處於數據模型建立的初期。
需要對數據進行收集。
等到數據模型建立完成，那麽數據模型就可以根據每天都銷售情況，進行合理的分配，選擇最有效率的配送方式。