无线应用在大数据中无情占有了一大部分领地。然而关于手机阅读和手机音乐的大数据分析也仅限于特定的App。现实情况中， App之间互相推广的之类应用也同样存在，我们将其命名为App互推联盟。
APP互推挖掘了App之间的隐含关系，一个App被推送到另外一个相关类的App上，整个移动端App的应用个数有好几十万，其包含的信息当然是非常之丰富。如果这些数据被有效利用，我们及能够采用更有效的方法来实现App的互推，利用这些大数据，移动广告的平台将会更加具有效率。
Database Modeling是一个数据库的建模功能，任何庞大的数据都需要一个正确的分析机制
大数据分析中的问题
① 全局数据打通
当我们获取单独App数据时，这些数据都是孤立的小岛，我们不太会关心用户在其他App中有什么样的行为特征。当我们拥有数十万个APP时，如果能将各App数据进行打通，那我们能获得的利用将是无穷无尽的。
在PC端，浏览器可以通过cookie、flash等方式记录一个用户的ID，而在手机端这种方法却欠妥，因为手机端的用户使用App的频率远高于浏览器的频率。
但是我们仔细发现，每个用户所使用的手机MAC号一般情况下是唯一的(在极少情况下不唯一)，所以我们可以通过MAC号来将用户进行打通。
② 信息补全
在前一章节无线音乐应用中，我们遇到一个棘手的问题是，用户信息不完整，我们不能有效地给其推送恰当的歌曲。用户信息不完整的主要原因是因为在该APP中留下的信息量少，如果我们能利用用户在其他APP的信息来补全用户信息，则可以大大提供用户在该APP中听歌的体验。
App的互推
在没有打通App数据之前，App互推一般都是根据随机原则、热门App原则、相似相近原则来进行推荐。这些方法存在很多问题，如不同用户App推荐一样，推荐App被用户喜好的准备低等。
当多个App数据打通后，原始App推送方法可以得到明显的改善。因为一方面我们可以获取用户的全局信息，利用这些信息我们可以更好的为用户做个性化的推荐，另一方面由于App的打通我们能更好的将用户、App进行聚类分析，这样更加方便相似用户对相似应用的喜好。
App中的广告应用
在没有打通App数据之前，App的广告一般都是根据App的关键词原则进行投放，不同用户在登录同一个App时可能接受到同一个广告。这种投放方法存在一个明显问题就是只抓住了App的匹配性，并没有抓住App上具体人的匹配性。比如一个人刚浏览玩母婴类的App转入另外一个音乐类的App时，该音乐类App大多会为其投放音乐类广告，而不是母婴类的广告。
App在设计之初就会针对广告位置和内容进行规划
当我们把App数据打通后，因为全局信息的关系使得用户就有了记忆功能。所当上诉情况发生时，音乐网站可以根据用户带来的喜好为其投放与其喜好最接近的广告。这样才能更加准确的抓住用户的心理，让用户、公司以及广告达到三赢的好结果。