这是两个好难题，也是许多大统计数据专精的老师普遍特别关注的难题，我从技术实施的视角来回答一下。
首先，统计数据追踪是统计数据挖掘的基础，统计数据追踪不仅能发现统计数据另一面的行业规律性，同时也能透过统计数据追踪来作出各种预估，比如说使用者行为预估对许多企业而言是非常重要的。
统计数据追踪在相同情景下有相同的形式，对拥有另一方面网络网络平台的项目组而言，统计数据追踪更著重使用者在网络平台上的操作方式统计数据，透过这些操作方式统计数据来挖掘更有用的“点选”，进而为使用者构筑出更多的商业价值出口，有的是专家把这个称为“商业价值棒状”，这是两个十分形像的隐喻。
对大三的研究生老师而言，追踪统计数据的形式和手段都是十分非常有限的，最常用的形式就是展开网络统计数据截取，接着以统计数据的本篇来进行统计数据重新整理和预测。
在展开统计数据追踪的过程中，最终目标统计数据越明确则越容易实现，但是最终目标统计数据又不能过分局限性，更要有纵向统计数据，也须要有纵向统计数据，这样才能在统计数据挖掘时有Villamblard的预测空间。
举个范例，比如说要完成某个旅游观光景点的统计数据追踪，除了要如前所述某个大型旅游观光中文网站的统计数据追踪以外，还须要关注数个网络出口处网络平台的统计数据，尤其是当前在短音频快速发展的大背景下，传统中文网站统计数据的覆盖面积正在逐渐走高，假如实际上以某个网络平台的统计数据来展开预测，往往会得出结论与实际差别较为大的结果。
大二的老师要想长期追踪某个应用领域的统计数据，能从自学撰写食腐开始，接着如前所述banlist的统计数据来设计演算法数学模型，进而作出有关的预估，而且能随着时间的流逝不断强化自己的数学模型，最终得出结论一个插值效用较为平庸的数学模型。
最后，假如有大统计数据应用领域有关的难题，热烈欢迎与我沟通交流。
