事件還原
在一次數據清洗過程中，需要將多方數據庫進行整合，將各類數據分別由不同的小組去處理，開始需要一個指標來衡量各類數據整合的契合度，也就是離散程度，所以一開始采用了標准差來衡量；
后來又需要將各類數據的清洗情況做一個排名，因為各類數據的數據量不同，量大的方差也大，沒辦法橫向比較，想到可以用方差除以平均數來消除數據量的影響，后來在網上查到這個公式叫變異系數，也叫離散系數，所以記錄下來以免忘記；
書到用時方恨少，早知道這個公式直接拿來用就行，就不用費腦筋了；以下內容來自百度；
概念
在概率論和統計學中，變異系數，又稱“離散系數”（英文：coefficient of variation），是概率分布離散程度的一個歸一化量度，其定義為標准差與平均值之比：
變異系數（coefficient of variation）只在平均值不為零時有定義，而且一般適用於平均值大於零的情況。變異系數也被稱為標准離差率或單位風險。
變異系數只對由比率標量計算出來的數值有意義。舉例來說，對於一個氣溫的分布，使用開爾文或攝氏度來計算的話並不會改變標准差的值，但是溫度的平均值會改變，因此使用不同的溫標的話得出的變異系數是不同的。也就是說，使用區間標量得到的變異系數是沒有意義的。一般來說，變量值平均水平高，其離散程度的測度值越大，反之越小。
變異系數是衡量資料中各觀測值變異程度的另一個統計量。當進行兩個或多個資料變異程度的比較時，如果度量單位與平均數相同，可以直接利用標准差來比較。如果單位和（或）平均數不同時，比較其變異程度就不能采用 標准差，而需采用標准差與平均數的比值（相對值）來比較。標准差與平均數的比值稱為變異系數，記為C·V。變異系數可以消除單位和（或）平均數不同對兩個或多個資料變異程度比較的影響。
變異系數的計算公式為：變異系數 C·V =（ 標准偏差 SD / 平均值Mean ）× 100%
在進行數據統計分析時，如果變異系數大於15%，則要考慮該數據可能不正常，應該剔除。
公式
C.V = (SD ÷ MN) × 100%
(標准偏差SD、平均值MN)
應用
優點
1、比起標准差來，變異系數的好處是不需要參照數據的平均值。變異系數是一個無量綱量，因此在比較兩組量綱不同或均值不同的數據時，應該用變異系數而不是標准差來作為比較的參考。
缺陷
1、當平均值接近於0的時候，微小的擾動也會對變異系數產生巨大影響，因此造成精確度不足。
2、變異系數無法發展出類似於均值的置信區間的工具。應用場景
變異系數在概率論的許多分支中都有應用，比如說在更新理論、排隊理論和可靠性理論中。在這些理論中，指數分布通常比正態分布更為常見。
由於指數分布的標准差等於其平均值，所以它的變異系數等於一。變異系數小於一的分布，比如愛爾朗分布稱為低差別的，而變異系數大於一的分布，如超指數分布則被稱為高差別的。