中午吃饭，团队照例坐一桌。陈浩也端着餐盘过来，很自然地坐在了老周旁边的空位。桌上忽然就静了一瞬——那种很短暂的、几乎察觉不到的静，然后赵心怡开始讲上午遇到的客户问题，声音比平时高了半个调。
李薇低头扒饭，耳朵却竖着。她听见老周问陈浩：“设备那块，有把握吗？”
“得看具体问题。”陈浩的声音很稳，“上午看了看，主要是数据采集频率设置不合理，太密了，设备扛不住。调低点，稳定性应该能上来。”
“会影响分析精度吗？”吴磊插话。
“会有影响，但不大。咱们现在要的是稳定跑起来，不是实验室级别的精确。”
这话说得实在，桌上气氛松动了些。张维开始问技术细节，陈浩一一解答，不疾不徐。李薇听着，心里那根绷着的弦，悄悄松了半圈。
饭后回办公室，雨已经停了。阳光从云缝里漏出来，照在湿漉漉的街道上，反着光。李薇泡了杯茶，站在窗边喝。陈浩走过来，手里拿着平板。
“有个想法。”他说。
“说。”
“咱们现在给餐馆做数据分析，是不是主要看历史数据？”
“对。”
“那如果加入实时预测呢？”陈浩把平板递过来，屏幕上是个简单的模型，“根据天气、节假日、甚至附近商圈的活动，预测未来几天的客流量和菜品需求。餐馆可以提前备料，减少浪费，也能抓住高峰多备货。”
李薇接过平板，仔细看。模型不复杂，但思路很新。“能实现吗？”
“技术上可以，但需要更多数据来训练模型。”陈浩看着她，“而且得跟餐馆深度绑定——他们得愿意把经营数据实时同步给我们。”
“他们凭什么愿意？”
“凭这个。”陈浩在平板上划了一下，调出另一页，“我们算过，如果能准确预测需求，一家中等规模的餐馆，一个月能减少5%到8%的食材浪费。折算成钱，不少。”
数字很诱人，但李薇知道，真正做起来远没那么简单。数据隐私、技术投入、餐馆的接受度……都是坎。
“你想做试点？”她问。
“嗯。选一两家配合度高的，先跑起来看看。”陈浩顿了顿，“但这需要投入，也需要时间。”
又是时间。李薇看着窗外，阳光正好照在一栋高楼的玻璃幕墙上，刺眼。“先写个方案吧。详细点，把投入产出算清楚，把风险列明白。”
…。。