搜尋，壘球是一個至少九個人上場的比賽，如果有二軍，三軍，那隊上至少有18~27名球員，以國高中女
壘隊而言，還是一個教練負責訓練，這時候記錄的數字，能夠快速統計出球員的表現數字，幫助篩選出可
上場的最佳球員，是很重要的應用。

以守備而言，可做負面表列，以失誤來記分，漏接的球數，再細分為滾地球漏接，高(平)飛球漏接，
傳球的部分，暴傳的失誤。接球沒接好的失誤。投手的部分，這部分有很多現有的指標，大家都很熟的
防禦率，三振王(數)，勝投是基本的，四壞球數也挺基本的。打擊部分，也都有不少現成的指標。

而就平常的訓練上，應該還要記錄額外的事項。

InfoQ的電子報，有一則文章，做Data Mining，其实大部分时间都花在清洗数据，
這篇文章揭漏的，大多是一般數據挖掘/探勘的工具上，較少觸及的部分，但頗基本且重要，
因為資料來源有問題，則研究模型再怎麼好也是白搭。
他提到，

大数据平台的数据源集中来源于三个方面，按比重大小来排序：
60%来源于关系数据库的同步迁移： 大多数公司都是采用MySQL和Oracle，就拿互联网金融平台来说，这些数据大部分是用户基本信息，交易数据以及资金数据。
30%来源于平台埋点数据的采集：渠道有PC、Wap、安卓和IOS，通过客户端产生请求，
经过Netty服务器处理，再进Kafka接受数据并解码，最后到Spark Streaming划分为离线和实时清洗。
10%来源于第三方数据

以球類競賽分析的論文來看，大部分來自於youtube，且是影像串流資料。只有大聯盟等級，這類歷史悠久的商業化
團隊，才會有交易數據。自己收集的數據少， 但少了清洗的工作。但同時也不易看出真正的趨勢。

作者以用户关系网络為例，提出了一些問題/目標，

问题一、如何先通过某个用户最近30天的IP列表去找到使用相同IP频数最多的那一批用户列表呢？
问题二、如何结合关系网络的每个维度（IP、设备指纹、身份证、银行卡和加密隐私等等），
去挖掘与该用户关联度最高的那一批用户列表？
问题三、如何对接产品标准化模型输出，让页面查询的效应时间变得更快些？

示範一下清洗的動作，基本的sql ，就算是no-sql的潮流方興未艾，裏面還是有基本的sql。