以前看到电台中说“本土病例”这个说法还有一些纳闷，但在这方面我本人并没有去仔细注意和思考这种无源的病例是如何出现的，直到我本人亲历深圳的这次疫情筛查过程之后，回顾其筛查过程，才仔细思考了这里面存在的巨大漏洞和问题:先说说过程吧，2月2日早上8点钟接到一个陌生电话，接听之后才得知，是基层的疫情筛查人员打来的电话，询问我是否在1月31日是否去过风险区，他说经过大数据推送信息，你已经被列入筛查对象，并且要求我本人提供健康码及行程码、核酸检测结果，同时要我按照其提供的模板填写报告我本人的所有个人信息及详细行程数据信息，尽管我没去过风险区，但是我还是配合对方把我的信息都发给了筛查人员。
IT之家 8 月 2 日消息 据不少网友反馈，8 月 2 日早上，通信大数据行程卡服务器崩了，显示应用服务异常。据通信行程卡官方发布，截止 2021 年 8 月 1 日 8 时，标记提示的地区有:江苏省南京市。
大数据应用的发展趋势是在拥有大存储容量的同时配备用于执行数据分析的融合硬件设备与分析软件包。这些应用通常不会用于处理运营数据；相反，用户会通过查询数据来分析过去的产品销售、预测趋势和确定未来的客户购买模式。
查询个人14天行动轨迹，只需要通过工信部发布的通信大数据行程卡进行查询即可，非常方便，通过下载“行程卡”APP、扫描微信小程序中二维码或发送短信CXMYD到所属运营商（电信10001/移动10086/联通10010）均可进行查询。
尽管在Hadoop与NoSQL部署方面做足了准备，同样的问题仍然一次又一次反复出现。现在业界是时候尽快搞定这些麻烦事了。有时候一艘巨轮的侧方出现了破洞，但业界却决定坐等船体下沉、并把希望寄托在销售救生艇身上。
那么，当数据出现问题时，该如何进行有效的数据分析、并最终达到解决问题的目的呢?不管你是产品、运营、还是市场，是否经常遇到以下几种情况:上线某个新产品、新功能，要监测该产品/功能的效果，既要看总体表现，又要看细分维度;
