分布式数据库是一个逻辑数据库，它的物理数据库在地理位置上分布在多个数据库管理系统的计算机网络中，这些数据库系统构成了分布式的数据库管理系统
在分布式数据库管理系统中，每台计算机上的用户在访问数据库时并不感到他使用的漏伍数据在物理上不存储在自己的计算机中，而是由分布式数据库系统由网络从其它机器中传输过来
因此，对每一用户来说，看到的都是一个统一的概念模式
分布式数据库系统的主要特点是：（1）具有较高的可靠性，当系统中一台机器发生故障时、不会导致整个系统的破坏
当故障排除后，分布式数据库系统可将故障期间的数据库加以恢复修改段搜兄
（2）分散了工作负荷，使大量的处理均匀分担
（3）便于实现系统的扩充
分布式数据库系统是计算机握袭通讯和数据库技术相结合的产物，是非常有代表性的数据库技术发展方向之一
Ⅱ 税务大数据比对哪些内容
一、正面回答：
比对内容包括表表比对、票表比对和表税比对。表表比对是指申报表表内、表间逻辑关系比对。票表比对是指各类发票、凭证、备案资格等信息与申报表进行比对。表税比对是指纳税人当期申报的应纳税款与当期的实际入库税款进行比对。
二、详情分析：
比对信息范围包括：增值税纳税申报表及其附列资料信息。增值税一般纳税人和小规模纳税人开具的增值税发票信息。增值税一般纳税人取得的进项抵扣凭证信息。纳税人税款入库信息。增值税优惠备案信息。申报比对所需的其他信息。
三、税收大数据的概念是什么
税收大数据就是指我国的金税系统，在案件的发现和查处中功不可没。目前税务部门使用的是金税三期，已经实现了对国税、地税数据的合并及统一，其功能是对税务系统业务流程的全监控。金税四期也于2021正式启动建设，新的系统将纳入非税业务，实现对业务更全面的监控。同时搭建了各部委、人民银行以及银行等参与机构之间信息共享和核查的通道，实现企业相关人员手机号码、企业纳税状态、企业登记注册信息核查三大功能。
Ⅲ 不定期进行大数据比对的意义
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。在实用中，数据分析可以帮助人们做出判断，以便采取适当行动。
1.数据分析的目的
数据分析的目的就是对过去发生的现象进行评估和分析，寻找事物存在的证据及原因，并在这个基础上对未来事物的发生和发展做出结论并形成能够指导未来行为的知识或者依据。
数据分析的核心并不在于数据本身，而在于设计有意义、有价值的数据分析主题与指标体系，通过科学有效的手段去分析，进而发现问题优化迭代。无论分析给出的结果是积极的还是负面的，都是价值承载体，必须以客观的态度面对。
2.数据分析的意义。数据分析的意义表现在以下几个方面：
(1)有利于企业加强科学管理，提高经营管理水平。企业推行科学管理，有效发挥决策、计划、组织、领导、控制等管理职能，都必须采取科学的态度，充分利用各种数据信息，分析企业现实情况。例如，我们所做的每一项决策，都要事先进行科学预测;我们的每一项经营活动，都需要进行量化监控;我们完成的每一项工作，都需要总结、分析与提高。可以说，企业的一切活动都离不开数据分析，它是企业管理必不可少的管理手段，更是改善和提升企业经营管理与决策水平的利器。
(2)有利于企业实现简化管理，提高经营管理效率。企业的任何管理工作都是围绕企业的效率与效益展开，数据分析工作也不例外。近百年来，管理学界总结和创建了非常多的数据分析方法与模型，推进了企业规范化、标准化管理工作，只要我们能够积极地学习与使用，就能极大地提高人们的认识效率和工作效率。
(3)有利于企业提高经济效益，增强核心竞争力。不断地提高经济效益是经济发展的客观要求。为了实现这一要求，企业必须对经营活动进行监控，开展数据分析工作。通过经常的和定期的分析，对企业年度预算目标完成进展情况进行比较，找出差距及其原因，及时采取应对策略，有利于企业经济效益的提升。通过与竞争对手的对标分析，找出竞争上的薄弱环节，以利于增强企业核心竞争力。
(4)有利于企业完善经济责任制，搞好企业内部分配。通过数据分析，考察客观经济环境变化对企业各项经济活动的影响，分清影响企业及内部各部门、单位经济效益的主、客观原因;查明企业内部各单位的经营管理活动对企业实现目标的影响和应付的经济责任，这对正确评价和考核各部门和各单位的工作业绩，分清责任与贡献大小，搞好企业内部分配，合理奖惩，有着重要的作用。
大数据分析的目的与意义.中琛魔方大数据平台表示大数据分析的结果可以给企业带来决策影响，也同时关系到企业的利益体现，大数据分析正在为企业带来了新的变化，主要是帮助企业分析客户数据，进一步掌握了解客户数据，以便做出有针对性的决策。
发布于 1 年前著作权归作者所有
赞同 3
喜欢 3
分享
评论 0
你见过最阴暗的事情是什么。？
Ⅳ 大数据攻略案例分析及结论
大数据攻略案例分析及结论
我们将迎来一个“大数据时代”。与变化相始终的中国企业，距离这场革命还有多远？而追上领先者又需要多快的步伐？
｛研究结论｝
■大数据营销的本质是一个影响消费者购物前心理路径的问题，而这在大数据时代前很难做到。
■对于传统企业而言，要打通线上与线下营销，实现新的商业模式，如O2O等，离不开大数据。
■虽然大数据应用往往集中于大数据营销，但对于一些企业，大数据的应用早已超越了营销范畴，全面进入了企业供应链、生产、物流、库存、网站和店内运营等各个环节。
■对于大部分企业，由于数据分析人员与业务人员之间的彼此视角与思考方向不同，大数据分析和运营之间存在脱节情况，这是大数据无法用于企业运营最大的阻力
■对于大多数互联网公司来说，大数据量、大用户量是一个相互促进，强者越强的循环过程。
■对于大型互联网平台，大数据已经成为其生态循环中的血液，对于这些企业，最重要
的不是如何利用大数据改进自身运营，而是利用大数据更好地繁荣平台生态。
■对于平台企业，它们的大数据策略正逐渐从大数据运营，向运营大数据转变，前者和
后者的差别在于，前者只是运营改进的动力，而后者则成为企业实现未来战略的核心资源。
我们都已被反复告知：我们将迎来一个“大数据时代”。
大数据应用，将和云计算、3D打印这些技术变革一样，颠覆既有规则，并成为先行企业的制胜关键。
与变化相始终的中国企业，距离这场革命还有多远？而追上领先者又需要多快的步伐？
来自于互联网、移动互联网、物联网传感器、视频采集系统的数据正海量增长，汇成大数据的海洋，相伴的是海量数据存储、分析技术的突破性发展，所有这一切都给企业的应用带来了无限可能性。
中国企业家研究院对当前中国企业大数据应用的状况进行了归纳分类，以帮助企业了解实际应用大数据时的困局难点，并提供领先企业的典型案例以资借鉴。
表1
表2
大数据运营—企业提升效率的助推力
对于大多数企业而言，运营领域的应用是大数据最核心的应用，之前企业主要使用来自生产经营中的各种报表数据，但随着大数据时代的到来，来自于互联网、物联网、各种传感器的海量辩笑亏数据扑面而至。于是，一些企业开始挖掘和利用这些数据，来推动运营效率的提升。大数据运营应用中，大数据的应用分为三类：用于企业外部营销、用于内部运营，以及用于领导层决策。
一、大数据营销
大数据营销的本质是影响目标消费者购物前的心理路径，它主要应用在三个方面：1、大数据渠道优化，2、精准营销信息推送，3、线上与线下营销的连接。在消费者购物前，通过各种方式，直接介入其信息收集和决策过程。而这种介入，是建立在对于线上与线下海量用户数据分析的基础之上。相比传统狂轰滥炸或等客上门的营销，大数据营销无论在主动性和精准性方面，都有非常大的优势。它是目前主要的大数据应用领域。
大数据营销不仅仅是用大数据找出目标顾客，向其发布促销信息，它还可以做到：
实现渠道优化。根据用户的互联网痕迹进行渠道营销效果优化，就是根据互联网上顾客的行为轨迹来找出哪个营销渠道的顾客来源最多，哪个来源顾客实际购买量最多，是否是目标顾客等等，从而调整营销资源在各个渠道的投放。例如东风日产，它利用对顾客来源的追踪，来改进营销资源在各个网络渠道如门户网站、搜索和微博的投放。
精准营销信息携神推送。精准建立在对海量消费者的行为分析基础之上，消费者网络浏览、搜索行为被网络留下，线下的购买和查看等行为可以被门店的POS机和视频监控记录，再加上他们在购买和注册过程中留下的身份信息，在商家面前，正逐渐呈现出消费者信息的海洋。
一些企业通过收集海量的消费者信息，然后利用大数据建模技术，按消费者属升猛性（如所在地区、性别）和兴趣、购买行为等维度，挖掘目标消费者，然后进行分类，再根据这些，对个体消费者进行营销信息推送。比如孕妇装品牌十月妈咪通过对自己微博上粉丝评论的大数据分析，找出评论有“喜爱”相关关键词的粉丝，然后打上标签，对其进行营销信息推送。京东商城副总经理李曦表示：“用大数据找出不同细分的顾客需求群，然后进行相应的营销，是京东目前在做的事情。”小也化妆品将自身网站作为收集消费者信息的雷达，对不同消费者推荐相应的肌肤解决方案，创始人肖尚略希望在未来，大数据营销能替代网站的作用，真正成为面向顾客的前端。
打通线上线下营销。一些企业将互联网上海量消费者的行为痕迹数据与线下购买数据打通，实现了线上与线下营销的协同。比如东风日产，线上与线下的协同营销方式为：其门户网站带来订单线索，而通过这些线索，服务人员进行电话回访，从而推动顾客在线下交易。在此过程中，东风日产记录了消费者进入、浏览、点击、注册、电话回访和购买各个环节的数据，实现了一个横跨线上线下，以大数据分析为支持的，营销效果不断优化的闭环营销通路。而国双科技，衡量某一地区线下促销活动的效果，就是看互联网上，来自这个地区对于促销内容的搜索量。一些企业，通过鼓励线下顾客使用微信和Wi-Fi等可追踪消费者行为和喜好的设备，来打通线上与线下数据流，银泰百货计划铺设Wi-Fi，鼓励顾客在商场内使用，然后根据Wi-Fi账号，找出这个顾客，再通过与其它大数据挖掘公司合作，以大数据的手段，发掘这个顾客在互联网的历史痕迹，来了解这个顾客的需求类型。
二、大数据用于内部运营
相比大数据营销，大数据在内部运营中的应用更深入，对于企业内部的信息化水平，以及数据采集和分析能力的要求更高。本质上，是将企业外部海量消费者数据与企业内部海量运营数据联系起来，在分析中得到新的洞察，提升运营效率。（详见P96表5：大数据在内部运营中的应用）
表5
三、大数据用于决策
在大数据时代，企业面对众多新的数据源和海量数据，能否基于对这些数据的洞察，进行决策，进而将其变成一项企业竞争优势的来源？同大数据营销和大数据内部运营相比，运用大数据决策难度最高，因为它需要一种依赖数据的思维习惯。
已有少数企业开始尝试。比如国内一些金融机构在推出一个金融产品时，会广泛分析该金融产品的应用情况和效果、目标顾客群数据、各种交易数据和定价数据等，然后决定是否推出某个金融产品。
但是，中国企业家研究院在调研中发现，目前中国企业当中，大数据决策的应用非常之少，许多企业领导者进行决策时，仍习惯于凭借历史经验和直觉。
大数据产品——企业利润滋长的新源泉
大数据除了用于运营外，还能够与企业产品结合，成为企业产品背后竞争力的核心支持或者直接成为产品。提供大数据产品的企业分为两类，直接提供大数据产品的企业，以及将大数据作为产品和服务核心支撑的企业。前者主要为大数据产业链中提供数据服务的参与者，包括数据拥有者、存储企业，挖掘企业、分析企业等，后者则主要是那些以大数据为产品核心支撑的企业，它们大多是互联网企业，其产品和服务先天就有大数据基因，这些企业包括搜索引擎、在线杀毒、互联网广告交易平台以及众多植根于移动互联网之上，为用户提供生活和资讯服务的APP等。
表3
表4
一、大数据作为产品核心支持
它们主要在以下几方面使用大数据：
1、提供信息服务。很多互联网企业通过对海量互联网信息和线下信息的整合和分析，为个人和企业提供信息服务，典型的如网络、去哪儿、一淘、高德地图、春雨医生等等。在美国，一些互联网企业甚至根据大数据提供更深度的预测信息服务，美国科技创新公司farecast，通过分析特定航线机票的价格，帮助消费者预测机票价格走势。
2、分析用户的个性化需求，借此提供个性化产品和服务，或者实现更精准的广告。典型的有移动社交工具陌陌、网络、腾讯、广告交易平台品友互动以及一些互联网游戏商。这种应用往往先是收集海量用户的互联网行为数据，将用户分类，根据不同类型的用户，提供个性化的产品，或者提供个性化的促销信息。比如网易等门户网站推出了订阅模式，让使用者按照个人喜好方便地定制和整合不同来源的信息。
3、增强产品功能。对于很多互联网产品，如杀毒软件、搜索引擎等等，海量数据的处理能够让产品变得更聪明更强大，如果没有大数据，产品的功能就大大减弱。比如奇虎360公司的360杀毒软件，凭借每天海量的杀毒处理，建立了庞大的病毒库，这使它能够更快地发现病毒，而一些小的杀毒软件公司则无法做到这一点。
4、掌控信用状况，提供信贷服务。阿里巴巴上汇集了海量中小企业的日常资金与货品往来，通过对这些往来数据的汇总与分析，阿里巴巴能发现单个企业的资金流与收入情况，分析其信用，找出异常情况与可能发生的欺诈行为，控制信贷风险。
5、实现智能匹配。婚恋网站、交易平台等，利用大数据可以进行精准而高效的配对服务。网易花田会挖掘用户行为数据，比如点击哪些异性的页面，发表什么样的评论，建立用户兴趣模型，从而挖掘到用户所期待另一半的类型，然后主动推荐与对方匹配度比较高的人选。2010年，阿里巴巴尝试性地推出“轻骑兵”服务，由阿里巴巴将中国各产业集群地的供应商与海外买家的个性采购需求进行快速匹配，所凭借的，就是对供应商的海量交易数据信息的整合与挖掘。
二、大数据直接作为产品
对一些企业，大数据直接成为了产品，这些产品包括海量数据、分析、存储与挖掘的服务等，目前大数据产业链正在形成过程中，出现了一批开放、出售、授权大数据和提供大数据分析、挖掘的公司和机构，前者主要是一些拥有海量数据的公司，将数据服务作为新的盈利来源。如大型的互联网平台、民航、电信运营商、一些拥有大数据的政府机构等等，后者主要包括一些能够存储海量数据或者将海量数据与业务场景结合，进行分析和挖掘，或者提供相关产品的公司，如IBM、SAP、拓而思、天睿公司。它们为大数据应用者们提供海量数据存储、数据挖掘、图像视频、智能分析等服务以及相关系统产品。
大数据平台——企业群落繁荣的滋养剂
而网络已建成了包括网络指数、司南、风云榜、数据研究中心和网络统计在内的五大数据体系平台，帮助其营销平台上的企业了解消费者行为、兴趣变化，以及行业发展状况、市场动态和趋势、竞争对手动向等信息。
为解决这些问题，各个平台在积极地努力。比如阿里巴巴建立了数据委员会，在统一数据格式标准、从源头上保证数据的质量，采集和加工出精细化的数据，确保其能符合平台企业的应用场景等方面，不遗余力地尝试。尤其在大数据精细化方面，阿里巴巴更是作为其大数据战略的重点。这方面，腾讯目前也在加快步伐。比如新版腾讯网出现了“一键登录”的提示，用户可以在上面通过一些细分标签，订阅自己关注的内容。实际上，这也是腾讯收集更精细化的用户兴趣数据的一个有效手段。
Tips
大数据实战手册
将大数据应用于内部运营中时，企业会遇到一些常见问题
1企业如何获取与分析数据？
互联网是大数据的一个主要来源，一些线下的传统企业很难获得。但它们可以：
a和拥有或能抓取海量数据的平台、企业以及政府机构合作。比如淘宝上的电商就购买淘宝收集的海量数据中与自身运营相关的部分，用于自身业务。再如卡夫通过与IBM合作，在博客、论坛和讨论版的内容中抓取了47.9万条关于自己产品的讨论信息，通过大数据分析出消费者对卡夫食品的喜爱程度和消费方式。
b建立自己在互联网上的平台，比如朝阳大悦城利用自己的微信、微博等平台收集消费者评论数据。
c许多传统企业没有分析海量数据的能力，此时它们可以和大数据分析和挖掘公司合作，目前市场上已经有天睿公司、IBM、百分点、华胜天成等一批提供大数据分析和挖掘服务的公司，它们是传统企业进行大数据分析可以借助的力量。
2如何避免大数据应用时的部门分割？
对于许多企业，其信息流被各部门彼此分割，数据难以互通，对于这种情况下，大数据的共享和汇集就只是一个泡影，更难以实现大数据的深度应用。
要打通部门之间信息分割的局面，首先要建立统一的、集中的数据系统。就像立白信息与知识总监王永红所说的，“要真正用好大数据，企业要采用大集中的信息系统。”从更深入的角度来谈，企业信息流的部门分割，更在于企业部门之间的分割，比如有一些企业的营销按照渠道分割，导致对于顾客的大数据收集和分析效果大打折扣。
IBM智慧商务技术总监杨旭青认为，“很多时候由于组织结构问题，大数据分析有效性大大降低了。”这就需要组织与流程层面的重新设计，在这方面，阿里巴巴的部门负责人轮岗制度，对于打破部门壁垒无疑是一剂好药。而一些企业为了打破部门分割，建立了矩阵型的组织结构，强化部门间的横向合作，这些无疑为大数据的汇集、共享与应用创造了良好条件。
3如何让业务人员重视大数据的应用？
解决这个问题，一方面在于一把手对整个企业数据文化的倡导，比如1号店董事长于刚就要求业务人员无论在开会，还是汇报工作时，都以数据说话，而马云更是将大数据提升到了战略高度。
另一方面，也在于数据部门的带动，阿里巴巴数据委员会负责人车品觉分享了经验，“因为运营部门的业务人员很难看到大数据的潜力，可以首先从一些对业务见效快，见效显著的数据项目出发，通过一两个项目的成功，调动对方的积极性，然后再逐步一个个地引导。”
4为何大数据工作与运营需求脱节？
这往往是由于数据人员与业务人员视角、专业知识不同而导致的。大数据人员做了很多努力，但是业务人员却认为这些努力无关痛痒。如何解决这个问题？
有的企业从组织设计上发力，将大数据纳入业务分析部门的管理之下，用业务统驭数据。对于朝阳大悦城，由主要负责战略和经营分析的部门来管理大数据工作，其中的大数据分析人员则作为支持人员。在负责人张岩看来，大数据要靠商业法则指导，关键是找到业务需求的点，然后由数据分析和挖掘人员实现。在具体操作中，大悦城对微信的数据挖掘，挖掘什么样的关键词，由业务分析人员确定，而具体挖掘则由数据部门做；有的企业从流程设计上着手，推动业务部门与数据部门人员之间的沟通，建立数据人员工作与效果挂钩的考核机制。
例如阿里巴巴根据数据挖掘的成效（比如带来的商品转化率的提升）来考核数据挖掘师，考核数据分析师则看其分析结果能否出现在经营负责人的报告中。从数据部门自身角度则需要降低运营部门使用数据的障碍和门槛，比如立白集团的数据人员会努力尝试向运营部门提供更易懂、更生动的图形化数据分析界面，在立白老板办公室上，就有一份“客户运营健康体检表”，让老板对全国经销商的当月销售情况一目了然。再如阿里巴巴开发的无线Bi，让经营人员在手机上也可以看到大数据分析结果，拿车品觉的话说，“以数据之氧气包围经营人员。”
Ⅳ 大数据对比是什么意思
大数据对比是什么意思：大数据分析的使用者有大数据分析专家,同时还有普通用户,但是他们二者对于大数据分析最基本的要求就是可视化分析,因为可视化分析能够直观的呈现大数据特点
Ⅵ 大数据比对法怎么做
大数据（big
data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数专据集合，是属需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）
Ⅶ 请教，大数据量比对解决方案
我们公司的人员表my_person,数据量大概760万，身份证和姓名都相同的记录有可能存在
两列上建内有联合索引
身份证号容码 姓名
123 张三
456 李四
公安的人员表gongan_person,数据量大概4100万，身份证和姓名都相同的记录有可能存在
两列上建有联合索引，未分区
身份证号码 姓名 照片ID
123 张三 75362
456 李大山 8562
Ⅷ 大白话谈大数据：数据分析方法之对比分析
对比分析是数据分析中最常用、好用、实用的分析方法，它是将两个或两个以上的数据进行比较，分析其中的差异，从而揭示这些事物代表的发展变化情况以及变化规律。
先看看思维导图：
使用分析方法（和谁比）
如何使用对比分析法，就要先考虑 和谁比 这个问题。
和自己比较
通过和自己过去的平均值相比，发现问题，围绕问题进行分析，出现的问题是自身问题导致的还是行业问题导致的，如果自己的环比出现了问题，就要从自身上找原因，提高活跃率。
和行业比较
将自己的平均值和行业平均值进行比较，和同行一比，往往会发现很多问题。
使用分析方法（如何比较）
第二个要考虑的问题就是 如何比较 ？
数据整体的大小 ：用某些指标来衡量整体数据的大小，常用的数据指标为：平均值、中位数、某个业务指标
数据整体波动 ：用变异系数来衡量整体数据的波动情况
趋势变化 ：运用对比分析来分析趋势变化的时候，最主要的是找到合适的对比标准。找到标准，将对比对象的指标与标准进行对比，就能得出有结果了。目前常用标准是时间标准、空间标准、特定标准。
第一类时间标准 ：
动作前后对比 ，可以看到动作前后的效果，如对比某次营销活动前后的对比。
时间趋势对比 ，可以评估指标在一段时间内的变化，可以通过环比，来判断短时间内趋势的变化。
与去年同期对比 ，当数据存在时间周期变化的时候，可以与去年同期对比，剔除时间周期变化因素。通过同比，来判断短时间内趋势的变化。
环比：本月和上个月比较，短时间的比较
同比：本年和上一年比较，长时间的比较
第二类空间标准 ：
A/B测试 ，在同一时间维度，分别让组成成分相同的目标用户，进行不同的操作，最后分析不同组的操作效果，A/Btest我接下去也会讲。
相似空间对比 ，运用两个相似的空间进行比较，找到二者的差距，比如同类型甲APP（贝壳）乙APP（自如）的年留存率情况，明显看出哪个APP的留存率更高，日常生活中相似空间比较常用的就是城市、分公司之间的对比。
先进空间对比 ，是指与行业内领头羊对比，知晓差距多少，再细分原因，从而提高自身水平。如淘宝和京东的对比。
第三类特定标准 ：
与计划值对比 ，目标驱动运营，在营销中会制定年、月、甚至日的目标，通过与目标对比，分析自己是否完成目标，若未完成目标，则深层次分析原因。目标驱动的好处，就是让运营人员一直积极向上努力的去完成目标，从而带动公司盈利。
与平均值对比 ，与平均值对比，主要是为了知晓某部分与总体差距。
与理论值对比 ，这个对比主要是因为无历史数据，所以这个时候只能与理论值对比。理论值是需要经验比较丰富的员工，利用工作经验沉淀，参考相似的数据，得出来的值。
对比分析方法原则
对比分析需要坚持可比性原则：对比对象相似，对比指标同质
对比对象相似 ：进行比较的时候注意，比较规模要一致，对比对象越相似，就越具有可比性，比如说不能用你的工资和思聪的零花钱进行比较，这样不公平。如果要比，就和你出生，教育背景相似的人进行比较。当然这只是个不恰当的例子haha
对比指标同质： 同质可以表现在下面三点：
1.指标口径范围相同 ，比如甲 APP 与乙 APP 的用户年留存率比较，如果用甲 APP 18年的用户留存率，那乙 APP 也需要是18年的，不能拿乙17年的与甲18年的比较。
2.指标计算方法一样 ，也就是计算公式相同，比如一个用除法、一个用加法进行计算。
3.指标计量单位一致 ，不能拿身高和体重进行比较，二者常用单位一个是厘米，一个是千克。
分析方法应用
举一个例子吧，A/Btest
什么是A/B测试呢？为统一个目标制定两个版本，这两个版本只有某个地方不一样，其他地方保持不变，让一部分用户使用A版本，一部分用户使用B版本，A版本为实验组，B版本为对照组，两个版本运行一段时间后，分别统计两组用户的表现，然后对两组数据进行对比分析，选择效果好的版本，正式发布给全部用户。
当然现实中的A/Btest也远没有这么简单，我接下去会写一篇文章专门讲讲A/Btest的，挖坑+1 hahaha
最后打个小广告，我的公众号（顾先生的数据挖掘）
喜欢的小伙伴可以关注下，你的关注是我最大的动力。