大数据读书心得

导读：　大数据读书心得(共4篇)大数据时代读书笔记大数据时代——读书笔记一、引论1 大数据时代的三个转变：1 可以分析更多的数据，处理和某个现象相关的所有数据，而不是随机采样2 不热衷于精确度3 不热衷与寻找因果关系2 习惯：用来决策的信息必须是少量而精确的。实际：数据量变大，数据处理速度变快，数据不在精确3 危险：不...

以下是中国招生考试网www.chinazhaokao.com为大家整理的《大数据读书心得》，希望大家能够喜欢！更多资源请搜索成考报名频道与你分享！

大数据时代读书笔记
大数据读书心得(一)

大数据时代——读书笔记

一、引论

1. 大数据时代的三个转变：

1. 可以分析更多的数据，处理和某个现象相关的所有数据，而不是随机采样

2. 不热衷于精确度

3. 不热衷与寻找因果关系

2. 习惯：用来决策的信息必须是少量而精确的。实际：数据量变大，数据处理速度变快，

数据不在精确

3. 危险：不是隐私的泄露而是未来行动的预判

二、大数据时代的思维变革

1. 原因：没有意识到处理大规模数据的能力，假设信息匮乏，发展一些使用少量信息的技

术（随机采样）

1. 1086年 末日审判书 英国对人的记载

2. 约翰·格朗特：统计学，采样分析精确性随着采样随机性上升而大幅上升，与样本数

量关系不大

3. 1890年，穿孔卡片制表机，人口普查

4. 随机采样有固有的缺陷

1. 采样过程中存在偏差

2. 采样不适合考察子类别

3. 只能得出实现设计好的问题的结果

4. 忽视了细节考察

2. 全数据模式：样本=总体

1. 通过异常量判断信用卡诈骗

2. 大数据分析：不用随机抽样，而是采用所有数据。不是绝对意义而是相对意义。

（Xroom信用卡诈骗，日本相扑比赛）

3. 多样性的价值（社区外联系很多》社区内联系很多）

3. 混杂性而非精确性

1. 葡萄树温度测量：数据变多，虽然可能有错误数据，但总体而言会更加精确。

2. 包容错误有更大好处

3. word语法检查：语料库》算法发展

4. google翻译：让计算机自己估算对应关系，寻找成千上万对译

结论：大数据的简单算法好过小数据的复杂算法【大数据读书心得】

5. 大数据让我们不执著于也无法执着于精确

6. MIT的通货紧缩软件：即时的大数据

7. 标签：不精确

8. 想要获得大规模数据的好处，混乱是一种标准途经

9. 新的数据库：大部分数据是非结构化的，无法被利用

10. Hadoop：与mapreduce系统相对的开源式分布系统，输出结果不精确，但是非常快 结论：相比于依赖小数据和精确性的时代，大数据因为更强调数据的完整性和混杂性，帮助我们进一步接近事情的真相。“部分”和”确切“的吸引力是可以理解的。但是当我们的视野局限在我们可以分析和确定的数据上时，我们对世界的整体影响就会产生偏差和错误。不仅失去了尽力收集一切数据和活力，也失去了从不同角度观察时间的权利。

三、不是因果是相关

1. 知道是什么就够了，不需要知道为什么。

1. 亚马逊放弃书评组，使用大数据预测人们的未来购书需求

2.

2. 在小数据世界，相关关系有用，但是大数据背景，相关关系大放异彩。通过找关联

物，相关关系可以帮助我们捕捉现在和预测未来

1. A和B经常一起发生，那么A发生时可以预测B发生

2. 例子：沃尔玛把飓风用具和蛋挞放在一起

3. 过时的寻找关联物的方法

a) 原因：数据少且收集花时间

b) 在建立，应用假想和选择关联物时容易犯错误

c) 结论：我们不需要人工选择关联物

3. 大数据的相关分析法更准确，更快

1. 例子：FICO我们知道你明天会做什么

2. 伊百丽：根据个人信用卡交易记录预测个人收入，防止逃税

3. Aviva：根据生活方式数据预测疾病

4. 美国零售商target：通过购买习惯预测是否怀孕

4. 通过找出新种类数据的相互联系解决日常需要：找到关联物并监控，我们可以预知未来

1. 例子：UPS与汽车修理预测

2. 新生儿健康监测：肉眼看不到，但是计算机能看到

5. 当收集分析和储存数据的成本较高时，应当适当丢弃一些数据

6. 数据的非线性关系

1. 幸福的非线性关系

7. 快速思维模式使人们偏向于用因果关系看待周围的一切，因此经常对世界产生错误认识。这也使大脑为了避免辛苦思考而产生的捷径。大数据会经常被用来证明我们习惯的思维方式是错误的。

8. 证明因果关系的实验开销大，难于操作；相关关系很有用，不仅是因为能为我们提供新的视角，而且提供的视角都很清晰。一旦我们考虑因果关系，这些视角会被蒙蔽。

9. 大数据并非是理论消亡的时代。

四、一切皆可量化

1. 莫里的信息交换计划：总结所有船只的航海日志已获得好的航线，为第一根大西洋电缆奠定基础

2. 坐姿研究与汽车防盗系统

3. 数据化

1. 把现象转变成可指标分析的量化形式的过程

2. 计量和记录促成了数据：

1. 阿拉伯数字

2. 计数板

3. 复式记账法

3. 数字化与数据化的区别

1. 例子：google的数字图书馆：开始使用扫描-》数字化，进而光学识别-》数

据化。Google借此改进自己的翻译

2. 文化组学：定量分析揭示人类行为

4. 文字变成数据：人可以阅读，机器可以分析

5. 方位变成数据：需要一套标准的标记系统和收集，记录数据的工具。

1． 始于古希腊

2. 1884年，国际子午线会议【大数据读书心得】

3. 1978年，全球定位系统

4. 英国汽车保险

5． UPS的最佳行车路线：减少左转

6. 收集用户地理位置数据，以便进行忠诚度计划。或者可以预测交通情况

6. 现实挖掘

1. 处理大量手机数据，发现并预测人类的行为。

2. 例子：预测流感隔离区域

3. 例子：通过非洲预付费用户的位置信息和他们账户的资金，发现贫民窟是

经济繁荣的跳板

7. 沟通变成数据

1. FaceBook：社交关系数据化

2. 推特：情绪数据化。对冲基金正在分析微博的文本，以作为股市投资的信

号。新推特频率可以预测电影票房

3. 例子：微博与疫苗：人们对于疫苗的态度与他们实际注射预防流感药物的

可能性呈现正相关【大数据读书心得】

8. 万物数据化

1. 触觉地板：适时开关灯，确定身份，某人摔倒之后是否站起来

2. 人体传感器：监控健康状态

4. 结论：世界的本质是信息和数据，大数据提供新视角。

五、大数据的潜在价值

1. 例子：captcha（验证码，全自动区分人类和电脑的图灵测试）与数据再利用。作者使用了新的验证码recaptcha，人们从计算机光学字符识别程序无法识别的文本扫面项目中读入单词并输出，知道他们都输出正确后才确定（用来破译数字化文本中不清楚的单词）

2. 大数据时代，所有的数据都是有价值的。现在，我们能够以较低成本获取并存储数据。数据的真实价值就像漂浮在海洋中的冰山，绝大部分隐藏在表面之下。

3． 不同于物质性的东西，数据的价值不会随它的使用而减少，而且可不断被处理。意味着数据的最终价值远远大于它的最初价值。在基本用途完成后，数据的价值仍然存在，数据的价值是其所有可能用途的总和。

4. 例子：IBM与电力汽车动力系统的优化预测：大数据预测模型，甚至考虑天气预报

5. 数据再利用：

1． 搜索关键词，搜索结果预测夏天流行色

2. google保存语音翻译记录，开发自己的语音识别技术

3. 移动运营商长期使用大数据微调网络性能

4. 有些公司可能会收集到大量的数据，但是他们并不急需使用，也不擅长使用数据，但是别的公司可以借此探寻数据的潜在价值

8. 重组数据

1. 例子：丹麦癌症协会与手机致癌调查：使用所有的手机用户信息和所有的中枢神经系统肿瘤信息。

随着大数据的出现，数据的总和比部分更有价值，当我们将多个数据集的总和重组在一起，重组总和本身的价值也比单个总和更大

9. 可拓展数据

1. Google街景和GPS采集，不仅将其用于基本用途，而且进行了大量的二次利用。例如，对Google自动驾驶汽车的运作

10．数据的折旧值

1. 随着时间的推移，大多数数据都会失去一部分基础用途，不应用此破坏新数据

2. 挑战：如何得知某些数据不再有价值

3. 并非所有数据都会贬值。例子：Google希望得到每年的同比数据

结论：组织机构应收集尽可能多的使用数据并保存尽可能长的时间。同时也应该与第三方分享数据

11. 数据废气：用户在线交互的副产品，包括浏览哪些页面，停留多久，输入信息等

1. 数据再利用的方式很隐蔽

2. 例子：Google的拼写检查：搜集每天处理的查询中数据搜索框的错误拼写

3. 例子：Google的过滤噪音技术：如果用户点击搜索结果靠后的链接，说明这个结果更加有相关性，Google会把这个页面的排名相应提升。

4. 当用户指出了各种自动化程序的错误，实际上是训练了系统

5. 例子：巴诺与数据快照，电子书阅读器捕捉人们阅读书籍的习惯

6. 例子：Coursera通过捕捉学生犯的错误来提示未来犯错误者

结论：数据废气可以成为公司的巨大竞争优势，和对手的强大进入堡垒

12. 开放数据

1. 最大的数据收集者：政府，可以强迫人们提供信息，但是信息利用效率低下。最好允许私人运营部门和社会大众访问

2. 例子：FlyOnTime网站，通过开放的数据分析航班延误可能性。

3. 给数据估值：从数据持有人在价值提取上所采取的不同策略入手，将数据授权给第三方

三、角色定位：数据，技术与思维

1. 例子：decide.com广泛收集数据，用来发现不正常，不合理的价格高峰。

2. 思维转变的重要性

3. 三种大数据公司

1. 基于数据本身的公司：twitter

大数据最值钱的是他本身，所以应该优先考虑数据拥有者

例子：机票预订系统ITA不直接使用数据：担心暴露利润

例子：MasterCard通过大数据预测客户的消费习惯

2. 基于技能的公司：咨询公司，技术供应商或者分析公司：Teradata

例子：埃森哲公司利用大数据检测汽车零件并节省费用

例子：微软分析公司利用大数据降低病人的再入院率

3. 基于思维的公司：创新思维

例子：FlightCaster飞机晚点预测

例子：prismatic分析新闻并排序

4. 大数据先驱者一般有跨学科的知识

5. 例子：google和amazon三者兼备

6. 全新的数据中间商：从各个地方搜集数据，提取有用的信息进行利用，并不威胁数据拥有者的利益

1. 社会需要定向广告

例子：Inrix：分析各种汽车制造者的数据和用户的数据，提供卫星导航服务

汽车制造商们本身数据量不够，自身也没有技术利用大数据，也并不介意数据会被中间商利用。同时可以提供失业率等相关数据

例子：Quantcast：收集用户访问信息来测评用户年龄等，之后发定向广告

例子：HCCI收集医疗保单，分析美国医疗费用上涨是否合理

结论：

1. 数据价值的转移：从技术到数据本身和大数据思维

2. 传统商业模式颠覆：交易数据而不是交易技术

3. 传统专家的光芒会被统计和数据学家取代，因为后者只关心数据

1. 例子：谷歌翻译团队的工程师都不会说出翻译的语言

2. 真正的专家不会消亡，但是主导地位会改变

3. 专业技能只适用于小数据时代，因为那是需要依靠直觉和经验指导，但是

遭遇海量数据时，可以通过数据挖掘得到更多

4. 数据和统计学知识将成为现代工厂的基础，人类的价值体现在交流上，以进行广泛而深刻的传播

1. 例子：交互式游戏，会根据用户来改良，以数据为基础运作

2. 例子：The-numbers.com通过大数据来预测电影票房

5. 大数据决定企业核心竞争力

1. 数据规模决定价值

2. 例子：劳斯莱斯通过大数据监测引擎，预测可能出问题的引擎

3. 例子：苹果进军手机

4. 大数据为小公司带来了机遇：能享受非固有资产规模的好处，低成本传播创新结果，只需要创新思维

5. 大数据拥有者会想办法增加数据存储量

6. 消费者成为数据拥有者并与中间商交易

7. 大数据对中等规模的公司帮助不大：既没有灵活性也没有规模效应

6.大数据撼动国家竞争力：西方世界优势减少

四、大数据时代的管理

1. 大数据会带来很多危险，因为其核心思想是用规模剧增来改变现状。

2. 滥用大数据的力量会伤害人身安全

3. 大数据的二次利用颠覆了隐私保护法：无法征得个人同意

4. 如果所有人的信息在数据库里，有意识地避免就是此地无银三百两

5. 匿名化：交叉检验会检验出来

6. 大数据预测：罪责判定基于对个人未来行为的预测。大数据可能会否定人的自由意志

7. 数据有其局限性，数据的质量可能会很差，有误导性。

8. 卓越的才华并不依赖数据：Apple乔布斯的才能

五、掌握大数据

1. 个人隐私保护：从个人许可到让数据使用者承担责任，因为将责任从民众转移到数据使用者很有意义因为数据使用者比其他人更明白他们想怎么样使用数据，也因为他们是最大利益获得者：监管机制可以决定不同种类的个人数据必须删除的时间

2. 信息模糊处理

3. 个人应该为他们的行动而非倾向负责

4. 打破大数据的黑盒子：大数据算法师：评估数据源，分析数据工具，解读运算结果

1. 外部算法师：审计大数据的准确程度和有效性

《大数据》读后感
大数据读书心得(二)

《大数据》读后感

佘洁婕

读完《大数据》，我才意识到这并不是一本枯燥无味的书籍。作者运用案例和讲故事的方式，把美国数据开放、收集、使用背后的立法故事、公民故事、技术故事、商业故事娓娓道来，引人入胜，令我大开眼界。

我在想，大数据概念对于教育来说会产生什么样的实用价值呢？一直以来，中国教育在研究教育的数字化，比如数字化校园，这个思路就是把我们教育的内容进行数字化，其结果指向的就是电子教材的研发或者是教学过程的数字化。美其名曰，这是教育技术的重要内涵。 在教学过程中，学生的行为表现都可以被数据化，而这项研究不是任何一个专业可以深入下去的，它的专业性太强，所以我才会想到，所谓教育技术与其研究教育的数字化，不如研究教育的数据化来得实在，来的有意义。长期以来，我们并不了解教育对一个人的影响具体会如何表现，我们有的只是一个轮廓，我们也并不确定一个教师的行为对学生具体产生了哪些影响。所以，人们对教育一直有一个深深的质疑，它是不是科学的？大数据概念至少提出了关注“是什么”比“为什么”要有实际意义得多。而我们的教育恰好需要把注意力从“为什么”转移到“是什么”上面来，只有如此，才能把教育从为什么发展成“可能成为什么”上来，这会是一次思想上的革命。而对于现在地位岌岌可危的教育技术来说，把研究的重点从数字化转移到数据化上面，这才是它的出路。

如何将数据融入教学，教育者首先通过标准化全科教学处方，实现了教师授课模板和教学内容的标准化，保证每个教学过程和内容是可控的，然后结合每天的教学内容，处理好面对的数据，处理好数据，自然也就处理好了课堂的反馈，最终形成了既注重教学体验又以教学结果为导向的教学体系。

与此同时，不仅要注重课上的学生资源，在课后还要对这些资源进行跟踪处理。这与过去的教育教学显然是不同的，面对大数据时代的到来，教学有所改变是必然的。所以，无论环境怎么变换，数据如何复杂，我们都不能不去改变自己的教学去迎合将来的这个大数据时代。

二等奖

《大数据时代》读书笔记-20140203
大数据读书心得(三)

大数据意味着什么——《大数据时代》读书笔记

自英国人维克托.迈克.舍恩伯格（Viktor Mayer Schonberger）2013年写了一本叫《大数据时代：生活、工作和思维的大变革》的互联网专著，“大数据”一夜之间成为全球互联网领域的核心关键词，无论国外的谷歌、亚马逊、facebook、twitter，还是国内的新浪、腾讯、淘宝、京东、当当、百度等互联网企业及传播学者、新媒体研究者、媒体人都将注意力转移到这一核心关键词上面，仿佛这年头如果你还对大数据浑然不知，走出去都不好意思跟传播学大家谈互联网，谈新媒体，谈如今如火如荼的电子商务。那么，到底什么是大数据？大数据有哪些特征？大数据对互联网、对普通网民意味着什么呢？

去新华书店搬回来这本大部头，一口气读完，维克托用生动的案例幽默的语言，针对上述问题娓娓道来。

提起“数据”，大家都知道是一种用0、1等计算机语言表示的信息，而所谓的“大数据”就是一种流量、存储量超级大（以TB计算）数据。谷歌地图街景（图片）是大数据，每一个微博用户在微博上产生的全部内容合起来作为一个整体是一种大数据，淘宝店主和每一位淘宝用户在淘宝这个平台上产生的所有信息作为一个整体是一种大数据，国内最大的搜索引擎百度里面所有的无数条的类目信息合起来也是一种大数据，这些都是互联网企业普遍存在的大数据，事实上，大数据在我们的日常生活中还有更为普遍的应用：超级市场里每一位会员刷卡购物（非会员购物买单时留下的购物清单也是大数据的一部分）时留下来的信息是大数据，百货大楼、大商场里面各个角落里安装的摄像头拍下每一位顾客进出商场及在商场中活动的画面是大数据，甚至汽车里面安装的电子狗、导航系统作业时也能带来大数据。细数身边常接触的这些大数据，仿佛还不得不信维克托这位号称“大数据商业应用第一人”大胆提出的“大数据”这个新概念的存在。 大数据最大的特征就是数据量大、庞大、巨大。因为数据量大，所以才能商业特别是互联网企业带来不可估量的现时或潜在的价值，如果百度里面的数据量不够大，可供网民搜索的类目和条目不够多，那它毫无可能成为网民的“移动的百科全书”。如果超级市场里面顾客和会员没有留下大量的数据，那么超级市场根本无从精确判断下个月该进多少货，该进哪些货品。这，就是数据量够大带来的变革之一。其次，大数据还具有巨大的商业价值。

除了刚才举到的两个案例，再譬如汽车里面安装的导航系统如果除了导航还增加实时测速、安全气囊爆破记录甚至刹车、加速、减速记录功能，那么它形成的大数据对保险公司定制车险套餐，汽车维修店开发新业务具有强大的参考借鉴价值。再譬如，每一位微博用户，哪怕你从不发微博（内容）只是围观，对于新浪微博也具有商业价值，因为新浪微博大数据的构成离不开每一位微博用户。当然，大数据的商业价值远非于此，下文还会讲到。大数据的第三个特征是具有相关性。因为数据与数据之间具有相关性，大数据才可供分析，分析的结果才能带来更多的价值。但是在本书中，维克托主张一种观点，就是无需在乎数据之间的因果关系，只要能看到数据之间的相关关系即可。譬如汽车安全气囊爆破的概率和车祸之间没有必然的因果关系，但是安全气囊爆破和保险公司为车主定制更为精准的保险套餐之间却有相关关系，用户只要关注后者即可，而不必纠结与因果关系。除此之外，大数据还具有非精确性、免费和可重复利用等特征。

第三个问题：大数据对普通人意味着什么，即大数据能给普通人的生活带来哪一些影响呢？当然，提到影响就必然要分正面的和负面的来谈。首先谈谈大数据的正面影响。用维克托在《大数据时代》中提到的两个印象深刻的经典案例来说明这个问题。第一个案例是，facebook前几年通过搜集上亿条有关流感的信息进行分析，从而预测美国各大城市何时会发生流感，以让大家为预防流感提前做好准备。这是大数据给普通人带来实实在在正面影响的典型，此外这一案例还反映了大数据一个强大的功能，那就是预测功能，而维克托的这本书本身就是面向未来的，书中所提到的案例极少是已经实现了的，维克托提出的“大数据”这个新概念给互联网的未来描绘了一幅看起来前途无限光明的蓝图，而他提到的利用大数据进行商业和管理的案例大多有待进一步开发和尝试。当然，facebook、twitter上的信息既然能够预测流感，那它肯定还能够预测像电影票房这样的普通数据。第二个案例是，乔布斯利用大数据治疗癌症的例子。大家都知道乔布斯是因为胰腺癌于2011年去世的，但可能大家并不清楚乔布斯事实上早在好多年前就知道自己患了癌症并让他的医生给他做23对基因碱基配对，根据配对结果再制定用药计划，而基因碱基配对可以得出无数种（N+N+N+...）数据，这就意味着乔布斯在去世之前其实已经尝试了N种治疗方案了，而还未等到他尝试所有因基因碱基配对制定的药物治疗疗程就去世了。这个案例说明，大数据原来还可以在医疗领域进行应用。除了上述两个案例，维克托给人们描绘的大数据的强大用途还体现在商业运营、企业管理等领域，想了解更多大数据的用途建议有兴趣者去阅读这本书。

前面谈到任何事物都具有两面性，大数据对人们的影响除了正面的积极影响，同时也存在隐患和负面影响。作为一本学术专著，维克托在这本书的最后也提到了大数据带来的最大隐

患就是侵犯隐私和保护隐私权的问题。谷歌地图街景功能的开发应用，将普通人的生活毫无保留地呈现在公众面前，尽管在被控诉之后谷歌已对高清街景的隐私部分打了马赛克，作了模糊处理，但依然无法减少大家对这它的抱怨和恐惧。

写至此，我不得不说，大数据确确实实正在改变着商业，管理甚至普通人的工作、生活和思维，我们特别是互联网企业也领略到了大数据带来的诸多便利和好处，与此同时，大数据也带来了侵犯隐私等问题，大数据是一种信息，或者说是一种媒介，它是好是坏完全取决了利用大数据的人，一方面可以大胆想象并开发大数据的潜在功能和价值，为人们带来好处，另一方面，我们也应防止大数据的滥用。

大数据时代读后感
大数据读书心得(四)

去年的“云计算”炒得热火朝天的，今年的“大数据”又突袭而来。仿佛一夜间，各厂商都纷纷改旗换帜，推起“大数据”来了。于是乎，各企业的cio也将热度纷纷转向关注“大数据”来了。有一张来自<程序员>微博的漫画很形象。大数据时代读后感。我觉得这张图，很真实地反映了现实中小企业云计算，大数据的现状。

不过话又还得说回来，<大数据时代>是本好书。

当然，很多it知名人士也大力推荐，写了好多读后感来表述对这本书的喜欢没看此书之前，对所谓大数据的概念基本上是一头雾水，虽则有了解关注过现在也比较火热的bi，觉得也差不多，可能就是更多的数据，更细致的数据分析与数据挖掘。看过此书后，1。什么是大数据?

查了查百度百科，是这样定义的:大数据(bigdata)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据时代读后感。大数据的4v特点:volume、velocity、variety、veracity--这个好像是ibm的定义吧。

以个人的观点来看:数据海量，存储海量都是大数据的基本原型吧。

2。大数据适合什么样的企业?

诚然，大数据的前提是海量的数据，只有拥有巨量的数据资源，方能从中查找出数据的关联性，才可以让通过

专业化的处理，让其为企业产生价值。针对电信运营，互联网应用这样海量用户的数据的大企业，也是在应用大数据的道路上拥有得天独厚的条件，但是针对中小企业呢?销售订单数据?若非百年老店，估计数据也是少得可怜，5，能用的可能只有消费者数据了吧。貌似大多数厂商，用来举例的也就是消费都购买行为分析为最多。同样，在公共事业类的政府机构，大数据的作用也许也能很好的发挥。反而感觉在大多数中小型企业应用大数据，似乎有点大题小作。书中说:大数据是企业竞争力。诚然，数据是一个企业的核心无形资源(利用得好的话)，但是否所有的数据，或都换则方式说:所有的企业都以大数据为竞争力，是否真的合适么?是否在中小企业中，会显示得小题大做呢?

3。大数据带来的影响

当一波又一波的it技术热潮源源不断地向我们铺面而来的时候，你甚至都没有做好准备，你都要开始迎接它所给你带来的影响了。经过物联网，云计算的推波助澜下，大数据开始登场了。但它到底给我们带来了什么呢?

1)预测未来书中以google成功预测了未来可能发生流感的案例来开篇，表明通过大数据的应用，可以为我们的生活起一个保驾护航的指向标。实质很简单，技术改变世界。

2)变革商业大数据所带来的商机，同时会衍生出一系列与大数据相关的商业机遇与商业模式，数据的潜在价值会源源不断地发挥作用可以容易想到的是未来有专门的数据收集，数据分析，数据生成的一条数据产业链产生。影响最大的，当然是it公司

3)变革思维书中所说:因为有海量的数据作基础，未来，我们可能更关注数据的相关，而非精细度。对这条，本人还是持保留意见的。

大数据时代读后感(二)

如今说起新媒体和互联网，必提大数据，似乎不这样说就out了。而且人云亦云的居多，不少谈论者甚至还没有认真读过这方面的经典着作——舍恩佰格的<大数据时代>。维克托·迈尔——舍恩伯格何许人也?他现任牛津大学网络学院互联网研究所治理与监管专业教授，曾任哈佛大学肯尼迪学院信息监管科研项目负责人。他的咨询客户包括微软、惠普和ibm等全球顶级企业，他是欧盟互联网官方政策背后真正的制定者和参与者，他还先后担任多国政府高层的智囊。这位被誉为:大数据时代的预言家“的牛津教授真牛!那么，这位大师说的都是金科玉律吗?并不一定，读大师的作品一定要做些功课才好读懂，如果能做足功课又具备相应的理论功底，就能与之进行一场思想上的对话。

舍恩伯格分三部分来讨论大数据，即思维变革、商业变革和管理变革。在第一部分”大数据时代的思维变革“中，舍恩伯格旗帜鲜明的亮出他的三个观点:一、更多:不是随机样本，而是全体数据；二、更杂:不是精确性，而是混杂性；三、更好:不是因果关系，而是相关关系。对于第一个观点，我不敢苟同。一方面是对全体数据进行处理，在技术和设备上有相当高的难度。另一方面是不是都有此必要，对于简单事实进行判断的数据分析难道也要采集全体数据吗?我曾与香港城市大学的祝建华教授讨论过。祝教授是传播学研究方法和数据分析的专家，他认为一定可以找到一种数理统计方法来进行分析，并不一定需要全部数据。联系到舍恩伯格第二个观点中所说的相关关系，我理解他说的全体数据不是指数量而是指范围，即大数据的随机样本不限于目标数据，还包括目标以外的所有数据。我认为大数据分析不能排除随机抽样，只是抽样的方法和范围要加以拓展。

我同意舍恩伯格的第二观点，我认为这是对他第一个观点很好的补充，这也是对精准传播和精准营销的一种反思。”大数据的简单算法比小数据的复杂算法更有效。“更具有宏观视野和东方哲学思维。对于舍恩伯格的第三个观点，我也不能完全赞同。”不是因果关系，而是相关关系。“不需要知道”为什么“，只需要知道”是什么“。传播即数据，数据即关系。在小数据时代人们只关心因果关系，对相关关系认识不足，大数据时代相关关系举足轻重，如何强调都不为过，但不应该完全排斥它。大数据从何而来?为何而用?如果我们完全忽略因果关系，不知道大数据产生的前因后果，也就消解了大数据的人文价值。如今不少学者为了阐述和传播其观点往往语出惊人，对旧有观念进行彻底的否定。

世间万物的复杂性多样化并非非此即彼那么简单，舍恩伯格也是这种二元对立的幼稚思维吗?其实不然，()读者在阅读时一定要看清楚他是在什么语境下说的，不要因囫囵吞枣的浅读而陷入断章取义的误读。比如说舍恩伯格在提出”不是因果关系，而是相关关系。“这一论断时，他在书中还说道:”在大多数情况下，一旦我们完成了对大数据的相关关系分析，而又不再满足于仅仅知道‘是什么’时，我们就会继续向更深层次研究的因果关系，找出背后的‘为什么’。“[i]由此可见，他说的全体数据和相关关系都在特定语境下的，是在数据挖掘中的选项。

大数据研究的一大驱动力就是商用，舍恩伯格在第二部分里讨论了大数据时代的商业变革。舍恩伯格认为数据化就是一切皆可”量化“，大数据的定量分析有力地回答”是什么“这一问题，但仍然无法完全回答”为什么“。因此，我认为并不能排除定性分析和质化研究。数据创新可以创造价值，这是毫无疑问的。舍恩伯格在讨论大数据的角色定位时仍把它置于数据应用的商业系统中，而没有把它置于整个社会系统里，但他在第二部分大数据时代的管理变革中讨论了这个问题。在风险社会中信息安全问题日趋凸显，数据独裁与隐私保护成为一对矛盾。如何摆脱大数据的困境?舍恩伯格在最后一节”掌控“中试图回答，但基本上属于老生常谈。我想，或许凯文·凯利的<失控>可以帮助我们解答这个问题?至少可以提供更多的思考维度。正如舍恩伯格在结语中所道:”大数据并不是一个充斥着算法和机器的冰冷世界，人类的作用依然无法被完全替代。大数据为我们提供的不是最终答案，只是参考答案，帮助是暂时的，而更好的方法和答案还在不久的未来。“谢谢舍恩伯格!让大数据讨论从自然科学回到人文社科。由此推断，<大数据时代>不是最终答案，也不是标准答案，只是参考答案。

此外，在阅读此书之前还必须具备一些数据科学的基本知识和基本概念，比如说什么叫数据?什么叫大数据?数据分析与数据挖掘的区别，数字化与数据化有什么不同?读前做些功课读起来就比较好懂了。

大数据时代读后感(三)

我们不再热衷于寻找因果关系，而应该寻找事物之间的相关关系。这个命题是我读这本书最大的感触。个人认为也是这本书最核心的思想。从头说起吧，首先，书提出一个颠覆我以前认知的命题--”并非原子而是信息才是一切的本源“，将世界看做信息，看做可以理解的数据的海洋，为我们提供了一个从未有过的审视下是的视角。它是一种可以渗透到所有生活领域的世界观。这个命题是在书的最后一部分中的某一段中描写的。我之所以把它放在最前面来讲，因为我觉得，这是谈数据化世界的前提，自然也是谈论大数据的前提啦。书的中间部分有一节讲到数据化和数字化的区别。经过我自己脑子的整理，把数据化世界这个命题列为大数据思维的第二步。写到这里，我不由得反省下，我是不是有领悟到书的精髓所在(我认为的精髓)，就是第一句话。因为回顾我整个思路，还是按照旧模式的因果关系思考模式思考问题。书中另一个吸引我的地方就是，有很多观点的论述，会从哲学的高度论述。虽然，自己肚子没多少墨水，但是读这些描述的时候，就会发现自己会更好的理解作者提出的命题。比如书中有一段文字

当我们说人类是通过因果关系了解世界时，我们指的是我们再理解和解释世界各种现象时使用的两种基本方法:一种是通过快速、虚幻的因果关系，还有一种就是通过缓慢、有条不紊的因果关系。大数据会改变这两种基本方法在我们认识世界时所扮演的角色。

在附上一些事例的时候，用作者提供的”本质“去看待时，很容易理解，确实是这么回事。好了，那么大数据到底改变了我们什么呢，作者给出3点，

大数据的精髓在于我们分析信息时的三个转变，这些转变讲改变我们理解和组建社会的方法。

第一个转变就是，在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样(样本=总体)

第二个转变就是，研究数据如此之多，以至于我们不再热衷于追求精确度

第三个转变因前两个转变而促成，即我们不再热衷于寻找因果关系，而应该寻找事物之间的相关关系。大数据告诉我们”是什么“而不是”为什么“。在大数据时代，我们不必知道现象背后的原因，我们只要让数据自己发声。，出处:短美文()，转载请保留本出处，否则追究其责任，谢谢你的支持，我们会给做得更好!

正如大家所知道的那样，人类的大脑具备这样的功能，它会把新输入的刺激或信息与”过去的经验或积累的部分知识“相对照，然后进行调整并接受下来。如果眼前新的现实与大脑中储存的固有信息无法协调，便会在无意识中拒绝接受新的现实(当作没有看见)；或者通过自己一知半解的知识任意推测，使自己认识到的情况偏离实际(产生错觉)。这是人的一种本能，目的在于使自己保持冷静。

所以作者称之为revolution。

讲了这么多，那么大数据到底给我们带来什么。在这里，我只想谈我感触最深的，其他的有兴趣的可以自己去了解。当然，书中提了很多，最多的就是，xxx公司或者个人利用大数据创造了多大的财富了，抛开这些表面的不说，最让我动心亦或者是害怕的是---预测。这是大数据带来最核心的东西，动心的理由无须赘述，计算机会告诉你什么时候买什么双色球可以中头奖，想想心里是不是有一点小激动咧。当然这只是我打的一个比较夸张的比喻。至于害怕呢，书中有段话我很喜欢

公平正义的基础是人只有做了某事才需要对它负责，毕竟，想做而未做不是犯罪，社会关系于个人责任的基本信条是，人为其选择的行为承担责任。如果大数据分析完全准确，那么我们的未来会被精准的预测，因此在未来，我们不仅会失去选择的权利，而且会按照预测去行动。如果精准的预测成为现实的话，我们也就失去了自由意志，失去了自由选择的权利。既然我们别无选择，那么我们也就不需要承担责任。这不是很讽刺吗。

扯到这里，顺便扯一下，书中另一段关于自由意志的描述

在哲学界，关于因果关系是否存在的争论已经持续了几个世纪。毕竟，如果凡事皆有因果的话，那么我们就没有决定任何事的自由了。如果说我们做的每一个决定或者每一个想法都是其他事情的结果。而这个结果又是由其他原因导致的。以此循环往复，那么就不存在人的自由意志这一说了。——所有的生命轨迹都只是受因果关系的控制了。因此，对于因果关系在世间所扮演的角色，哲学家们争论不休，有时他们认为，这是与自由意志相对立。

书中举了个例子，举了部电影<少数派报告>，当我看到这里的时候，”哎哟，我居然看过这部电影，想想心里还是有点小激动“，有兴趣的可以去看下，大概就是讲警察通过预测来提前抓捕犯人，不过不是通过大数据，是通过超人类的方式。当你什么举动都可以被预测，相当于你完全暴露在太阳光下，换成你，你害怕不。

最后，附上两段结语，一段是书中的一段话，另一段是我自己瞎编的。

大数据并不是一个充斥着算法和机器的冰冷世界，人类的作用依然无法被完全替代。大数据为我们提供的不是最终答案，只是参考答案，帮助是暂时的，而更好的方法和答案还在不久的未来。

大数据终将会影响到我们，也像其他技术一样会是一把双刃剑，用得好，动心，滥用，害怕。如同核技术一样，用的话，造福地球，滥用，给个金刚石地球你，照样爆。我相信，未来的大数据的发展会如作者所说的，是一场生活、工作与思维的革命。

以上就是中国招生考试网http://www.chinazhaokao.com/带给大家的精彩成考报名资源。想要了解更多《大数据读书心得》的朋友可以持续关注中国招生考试网，我们将会为你奉上最全最新鲜的成考报名内容哦! 中国招生考试网，因你而精彩。

相关热词搜索：徐子沛大数据读书心得 大数据时代读书心得