大數據時代讀書心得體會（精選17篇）

大數據時代讀書心得體會 篇1

無處不在的大數據：各種雲計算，谷歌的神通，亞馬遜的推送，天涯人肉，微博萬能等等，我們掌握了新的工具，也獲取了以前從未有過的各種信息。大數據拉近了我們與現實的距離，“地球村”變成了“地球屋”，彷彿所有人所有事物都觸手可及，而這些牛逼哄哄的互聯網巨頭就在客廳展示着世界的每一寸光景。

作者站在理論的至高點上，闡述了大數據對人類的工作、生活、思維帶來的革新，大數據時代的三種典型的商業模式，以及大數據時代對於個人隱私保護、公共安全提出的挑戰。作者認為大數據時代具有三個顯著特點。

一、人們研究與分析某個現象時，將使用全部數據而非抽樣數據。

二、在大數據時代，不能一味地追求數據的精確性，而要適應數據的多樣性、豐富性、甚至要接受錯誤的數據。

三、瞭解數據之間的相關性，勝於對因果關係的探索。“是什麼”比“為什麼”重要。作者指出，隨着技術的發展，數據的存儲與處理成本顯著降低，人們現在有能力從支離破碎的、看似毫不相干的數據礦渣中抽煉出真知爍見。在大數據時代，三類公司將成為時代的寵兒。一是擁有大數據的公司與組織，如政府、銀行、電信公司、全球性互聯網公司（阿里巴巴、淘寶網）。二是擁有數據分析與處理技術的專業公司，如亞馬遜、谷歌。三是擁有創新思維的公司，他們可能既不掌握大數據，也沒有專業技術，但卻擅長使用大數據，從大數據中找到自己的理想天地。面對即將來臨的大數據時代，個人將如何應對自如？這是個嚴肅的問題。大數據時代的社會倫理重點都在討論如何保護個人隱私。因為手機越來越智能，網絡越來越快，個人的信息也越來越透明——隱形幾乎完全不可能。我想説的是，作為硬幣的另外一面，我們無法捨棄：互聯網只不過是讓人與人之間碎片的關係得以統一，其實各種人肉和信息只不過是坊間傳聞的升級罷了。當我們住在擁擠的小區，三公里走完一圈的縣城，半小時散步完的村落，人和人之間有隱私嗎？現在只不過是把這個範圍放大到了一個地球而已。硬幣的一面是人和人之間有溝通的需要，去團結對抗世界的未知，那麼另外一面就是隱私的缺乏。與其説是要在大數據時代保護自己的信息不被泄露，不如站起來維護自己和他人的隱私，從法律和道德的角度來尊重人與人之間的權利。

大數據時代是信息社會運作的必然結果，而藉由它，人類的信息社會更上一個台階。農業社會人們以土地為核心資源，工業時代轉為能源，信息社會則將變更為數據。誰掌握數據，以及數據分析方法，誰就將在這個大數據時代勝出，無論是商業組織，還是國家文明。

大數據時代讀書心得體會 篇2

現在已經進入到了二十一世紀了，當今社會已經擺脱了上個世紀的那種消息滯後的時代了，我們最應該感謝的就是科學的進步為我們帶來了這麼多便利。與此同時，科學的進步還為我們帶來了“大數據”這個讓人類減少了很多工作量的東西。

在這個學期的名著導讀課上我們就被要求讀：《大數據時代》這本書。《大數據時代》是國外大數據系統研究的先河之作，本書作者維克托·邁爾·舍恩伯格被譽為“大數據時代的預言家”，他是一個特別厲害的人，他作為一個教師，他曾經在哈佛大學、牛津大學、耶魯大學和新加坡國立大學等多所世界前列名校任教的經歷。他作為一個科學家，早在20__年就在《經濟學人》上發佈了長達14頁對大數據應用的前瞻性研究。他是十餘年潛心研究數據科學的技術權威。他是最早洞見大數據時代發展趨勢的數據科學家之一，也是最受人尊敬的權威發言人之一。現任牛津大學網絡學院互聯網治理與監管專業教授，曾任哈佛大學肯尼迪學院信息監管科研項目負責人，哈佛國家電子商務研究中網絡監管項目負責人；曾任新加坡國立大學李光耀學院信息與創新策略研究中心主任。並擔任耶魯大學、芝加哥大學、弗吉尼亞大學、聖地亞哥大學、維也納大學的客座教授。他作為一個研究學者，他的學術成果斐然，有一百多篇論文公開發表在《科學》《自然》等著名學術期刊上，他同時也是哈佛大學出版社、麻省理工出版社、通信政策期刊、美國社會學期刊等多家出版機構的特約評論員。他是備受眾多世界知名企業信賴的信息權威與顧問。他的諮詢客户包括微軟、惠普和IBM等全球頂級企業；＂大數據＂在百度上搜索到的解釋是：稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟件工具工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。特點：數量、速度、品種、真實性。而舍恩伯格認為，大數據並不能定義一個確切的概念。他提到＂大數據是人們獲得新的認知，創造新的價值的源泉；大數據還是改變市場、組織機構，以及政府和公民關係的方法。＂這是一種更具有人文色彩和社會意義的詮釋。

大數據不僅改變了公共衞生領域，整個商業領域都因為大數據而重新洗牌。購買飛機票就是一個很好的例子。就像書中寫到20__年，奧倫·埃齊奧尼準備乘坐從西雅圖到洛杉磯的飛機去參加弟弟的婚禮。他知道飛機票越早預訂越便宜，於是他在這個大喜日子來臨之前的幾個月，就在網上預訂了一張去洛杉磯的機票。在飛機上，埃齊奧尼好奇地問鄰座的乘客花了多少錢購買機票。當得知雖然那個人的機票比他買得更晚，但是票價卻比他便宜得多時，他感到非常氣憤。於是，他又詢問了另外幾個乘客，結果發現大家買的票居然都比他的便宜。

飛機着陸之後，埃齊奧尼下定決心要幫助人們開發一個系統，用來推測當前網頁上的機票價格是否合理。作為一種商品，同一架飛機上每個座位的價格本來不應該有差別。但實際上，價格卻千差萬別，其中緣由只有航空公司自己清楚。

埃齊奧尼表示，他不需要去解開機票價格差異的奧祕。他要做的僅僅是預測當前的機票價格在未來一段時間內會上漲還是下降。這個想法是可行的，但操作起來並不是那麼簡單。這個系統需要分析所有特定航線機票的銷售價格並確定票價與提前購買天數的關係。

在信息時代，信息安全問題的日趨凸顯，數據獨裁與隱私保護之間的矛盾更是立於風口浪尖，成為眾矢之的，舍恩伯格在本書的最後章節曾試圖尋找一種解決方式來擺脱這一種困境，但最終沒能做到，但是他提出＂大數據並不是一個充斥着算法的和機器的冰冷世界，人類的作用仍無法被完全代替。＂這裏表明人在數據時代同樣的重要，數據是為人類服務的，也就該人類驅使下完成相應的目的。在這樣的大環境下，常引起我更多的思考和擔憂。

大數據時代對於我們同是機遇與挑戰，一些國家已開始步入大數據時代的行列，並在各個領域開始研究和使用。而對於我國龐大的人口，以及較大的領土面積，都可以在大數據時代為我們提供數據的保障，而能否面臨挑戰，在大國之間的新一輪角色角逐間嶄露頭角，我們更需要解決技術等方面的問題，更應在政策上逐步開放各領域的數據，保證數據來源、權限等問題得到解決，不斷學習先進的計算機技術，縮小與其他國家的差距。

大數據時代讀書心得體會 篇3

我們生活在一個“概念”紛飛的年代，先前只有IBM熟諳的招數，如今已經“飛入平常百姓家”。“移動互聯網”、“雲計算”的概念剛剛消停，業界的專家又送來了“大數據”的概念，一時間似乎人人都變成了“大數據”專家，見面要是不提“大數據”都不好意思跟人打招呼！

玩笑歸玩笑，當我們的存儲能力、計算能力和網絡帶寬變得充裕之後，我們先前對待數據，尤其是原始數據的態度和思維方式，將面臨着很大的改變！

其實，作者的主要觀點，已經在翻譯者的譯者序中進行了總結：“大數據時代處理數據理念上的三大轉變：要全體不要抽樣，要效率不要絕對精確，要相關不要因果”。

如作者所言，“採樣分析是信息缺乏時代和信息流通受限制的模擬數據時代的產物”。如果可以，我們當然會使用“全體數據”而不是“抽樣數據”。讀到這裏，我估計大學裏正在絞盡腦汁設計樣本抽樣方法的學生、教授們，連哭的心都有！

數據分析的及時性，在很多情況下比精確性更加重要，尤其是在商業領域。想想看，如果需要兩週時間才能計算出明天某個航班的滿座率，那還有什麼意義？大數據計算技術，適用的不是像衞星發射、開具銀行賬户這樣的工作，而是不要求極端精確的情況，其核心是“預測趨勢”，況且原始數據也可能出現差錯。

過往千年，探究因果關係幾乎是所有科學研究的原動力。甚至，這已經通過語言，融入我們的思維方式和哲學思想：“因為……所以……”，凡事都要問“為什麼”。但是，在大數據的範疇裏，關注的卻是相關性，而不是因果關係，或者其次才是因果關係。超市只用關心把啤酒和尿不濕放在一起，會幫助提高銷售額，而不用關心其中的奧祕。如果説原因，可能很多都是人們的習慣、方便，甚至是人性，例如奶爸們習慣買尿不濕的時候給自己捎上幾罐啤酒。

在此，也有一些自己的思考：如果説搜索引擎所解決的問題表面上是幫助用户找到需要的信息，而實質是幫助企業找到擁有某項需求的客户，深層次講是解決了《第三次浪潮》中提出的消費者和生產者分離的根本矛盾，如果再加上3D打印技術，就可以完成由消費者主導的“個性化”生產過程；而大數據所解決的是，通過對所有用户的數據進行分析，可以預測用户羣整體的需求變化趨勢，從而完成批量產品生產、銷售的調整問題，其奇妙之處就在於無需用户“開口”説出她想要什麼？一個解決的`“個體需求”，一個解決的是“羣體需求”。

本書除了提出上述三項基本觀點，其它的內容大多是舉例説明，多少有些空泛。但是，其實大數據時代才剛剛開始，對大數據的應用也只是停留在比較淺的層面上，作者能提出這三項基本觀點已屬難能可貴！

大數據時代讀書心得體會 篇4

大數據這個詞一直存在但我們很少在這個時代前能有所耳聞，在我讀了維克托寫的大數據之後，我明白了在更早的年代之所以不流行這個詞是因為人們喜歡感性的思考而不是拿數據理性的分析。究其原因，一方面是數據量小，另一方面是人們的思想落後。然而隨着信息時代的到來和雲技術的發展，大數據逐漸成為一個可靠的參考標準，以及大數據在諸多領域做出的貢獻足以證明他在這個時代的重要地位。

維克托在書中例舉了大量有關美國在這半個世紀信息開發技術創新的典型案例，從側面向我們闡述了大數據在諸多領域的不同作用，例舉其在醫學方面的作用，在不久之前，你也許可能還會聽到兩個醫生對於一個醫學問題爭論的喋喋不休，……公説公有理婆説婆有理……，但怎麼説都是建立在“我認為”的主觀臆斷之上，幸運地是，大數據的出現給幫助醫生在問題上給予一個正確的指向，通過雲端和千千萬萬的數據，可以更清楚還原問題的直觀事實。

這樣的例子在生活中也數不勝數，其力量存在於人們無形的生活中，卻有形的幫助人們解決了在經濟，科學，人文方面的各種問題，通過整合混沌的信息，分析加工我們就能很好的瞭解自己所處的世界並駕馭在時代的前沿。

大數據時代讀書心得體會 篇5

4月13日下午，在湖南大學東樓205參加了關於《大數據時代》的讀書交流活動。通過相互交流學習，使我更深層次的理解了大數據時代的利與弊，機遇和挑戰。在寫心得體會前，我想再重新審視一下關於大數據的歷史沿革和現實意義。

首先，最早提出“大數據”時代到來的是全球知名諮詢公司麥肯錫，麥肯錫稱：“數據，已經滲透到當今每一個行業和業務職能領域，成為重要的生產因素。人們對於海量數據的挖掘和運用，預示着新一波生產率增長和消費者盈餘浪潮的到來。”“大數據”在物理學、生物學、環境生態學等領域以及軍事、金融、通訊等行業存在已有時日，卻因為近年來互聯網和信息行業的發展而引起人們關注。大數據作為雲計算、物聯網之後又IT行業又一大顛覆性的技術革命。雲計算主要為數據資產提供了保管、訪問的場所和渠道，而數據才是真正有價值的資產。企業內部的經營交易信息、物聯網世界中的商品物流信息，互聯網世界中的人與人交互信息、位置信息等，其數量將遠遠超越現有企業IT架構和基礎設施的承載能力，實時性要求也將大大超越現有的計算能力。如何盤活這些數據資產，使其為國家治理、企業決策乃至個人生活服務，是大數據的核心議題，也是雲計算內在的靈魂和必然的升級方向。

其次，進入20__年，大數據（big data）一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數據，並命名與之相關的技術發展與創新。它已經上過《紐約時報》《華爾街日報》的專欄封面，進入美國白宮的新聞，現身在國內一些互聯網主題的講座沙龍中，甚至被嗅覺靈敏的國金證券、國泰君安、銀河證券等寫進了投資推薦報告。數據正在迅速膨脹並變大，它決定着企業的未來發展，雖然很多企業可能並沒有意識到數據爆炸性增長帶來問題的隱患，但是隨着時間的推移，人們將越來越多的意識到數據對企業的重要性。正如《紐約時報》20__年2月的一篇專欄中所稱，“大數據”時代已經降臨，在商業、經濟及其他領域中，決策將日益基於數據和分析而作出，而並非基於經驗和直覺。哈佛大學社會學教授加里·金説：“這是一場革命，龐大的數據資源使得各個領域開始了量化進程，無論學術界、商界還是政府，所有領域都將開始這種進程。”

最後，隨着雲時代的來臨，大數據（Big data）也吸引了越來越多的關注。著雲台的分析師團隊認為，大數據（Big data）通常用來形容一個公司創造的大量非結構化和半結構化數據，這些數據在下載到關係型數據庫用於分析時會花費過多時間和金錢。大數據分析常和雲計算聯繫到一起，因為實時的大型數據集分析需要像MapReduce一樣的框架來向數十、數百或甚至數千的電腦分配工作。“大數據”在互聯網行業指的是這樣一種現象：互聯網公司在日常運營中生成、累積的用户網絡行為數據。這些數據的規模是如此龐大，以至於不能用G或T來衡量。大數據到底有多大？一組名為“互聯網上一天”的數據告訴我們，一天之中，互聯網產生的全部內容可以刻滿1.68億張DVD；發出的郵件有2940億封之多（相當於美國兩年的紙質信件數量）；發出的社區帖子達200萬個（相當於《時代》雜誌770年的文字量）；賣出的手機為37.8萬台，高於全球每天出生的嬰兒數量37.1萬……，截止到xx年，數據量已經從TB（1024GB=1TB）級別躍升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB（1024EB=1ZB）級別。國際數據公司（IDC）的研究結果表明，xx年全球產生的數據量為0.49ZB，xx年的數據量為0.8ZB，xx年增長為1.2ZB，xx年的數量更是高達1.82ZB，相當於全球每人產生200GB以上的數據。而到xx年為止，人類生產的所有印刷材料的數據量是200PB，全人類歷史上説過的所有話的數據量大約是的研究稱，整個人類文明所獲得的全部數據中，有90%是過去兩年內產生的。而到了xx年，全世界所產生的數據規模將達到今天的44倍。

首先，談談大數據帶給生活的轉變。大數據已經是信息產業發展的必然趨勢，可以説，大數據現在已經開始慢慢滲透入我們的生活，如：現在流行的打車軟件、三維立體化社區的建立、某些從事生產銷售的行業利用大數據來優化規模和實現利益最大化。而我們很多人對大數據還很陌生，只是被動的適應着大數據給生活帶來的改變。大數據時代是以雲計算為基礎的，所以，要實現大數據，相關的很多的硬件設備都要更新換代，信息處理系統、信息傳輸系統、信息反饋系統、信息決策系統都將面臨新的挑戰，相關產業都要重新調整產業結構，在那時，可以誇張的説，信息就是黃金，信息就是石油。大數據時代的到來會解放更多的勞動生產力，勢必將會更加加劇生產力過剩的現狀，社會兩極分化現象會更加明顯，掌握不了信息資源，很難再翻身，要防止信息壟斷帶來的可怕局面。大數據時代的到來會使人們的生活節奏急速加快，信息的時效性決定了它的流通速率，人們的生活節奏要跟上信息流通的速率，就不得不加快自己的節奏，人們會越來越忙，到那時，就像現在的日本，可能想找個人聽你説説話，真的是一件很難的事。

第二，關於數據管理的看法。大數據時代，數據管理是一件很重要的工作，如何才能避免自己的數據被非法竊取、丟失和被盜？我的看法是，人防、技防、物防一體化。人防，即我們要從思想上牢固樹立信息安全防範的意識，不主動泄露信息，要管理好自己身邊的信息設備；技防，就是要運用軟件來管理和處理數據，經常檢查更新數據庫，定時查殺電腦病毒，確保電腦狀況安全；物防，就是重要的數據一定要備份保留，而且應當做到備份與原始文件是物理隔離，無關的信息應當及時刪除，減輕硬盤的壓力。

三、怎麼保護自己的隱私。隱私，顧名思義，就是不願意讓別人看到的東西，所以，在大數據時代，更要管理好自己的隱私，以免對自己和家人造成麻煩和損失。越是隱私的信息，越要遠離網絡，不要再公開的社交網絡儲存和展示個人圖片、資料等信息，免得被非法人士採用和竊取。建議還是用紙質的日記代替電腦日記，避免信息傳播範圍太大，管理好自己的日記本。研發一種新的硬件連接器，總是以隨機碼來保護自己真實IP地址，提高網絡安全的可靠性，加強對聯網信息的管理和保護。

大數據時代讀書心得體會 篇6

這麼多年來，看了很多東西，如今回過頭來發現，好像什麼都忘了，真是悲劇，所謂讀書破萬卷，下筆如有神或許是不對的，還是需要下筆勤快，所以決定從這裏開始。

這些年對於技術的發展，我是沒有跟上，如今發現即便是對於投資，技術對於我們生活的改變太大，而自己身在這個技術浪潮的前沿，還是需要跟上步伐。——前言

大數據這個概念已經提了很久，我也一直疏忽了對於它的理解。看完《大數據時代》，再結合如果工作上對於大數據的理解，頓時發現數據的重要性，以前在這方面的確沒有足夠的思想意識。

整本書來説，我覺得最關鍵的三個點是前面幾個章節：

1、要總體，不要隨機樣本：從小對於統計學相關的學習，基本都是從樣本出發，理論的基礎在於如何隨機的足夠分散的選取樣本，這可是技術活加直覺。而對於大數據來説，要的就是總體，本質上來説，總體樣本的確更能準確找到結果。但是對於統計來説，總體的分析增加了數據分析的難度，不僅數據核對不好進行，一旦出現數據污染，準確度就會大打折扣，而且進行數據回溯的時候，也無法準確確認問題，而這一點也是後面相關性上問題；

2、要混亂，而不是精確：這裏主要想説明的是希望數據的多樣性，儘量將相關數據都收集起來，不管是結構化的還是非結構化的。這樣就不可避免的最終結果的不準確性。大數據更多的是從一個總體數據中説明以後概率事件，既然是概率，也就可以理解無法精確。這裏有個點的説明，我覺得需要提一下，大數據算法更傾向於“簡單”，而不是複雜，這個倒是出乎我的意外。

3、要相關性，而不是因果：從我對於知識獲取的過程來説，我是不同意這個觀點，從人體對於知識的理解，還是要從因果論出發，沒有因果論，就會變成瞎子。而作者的觀點上來説，原因可能還是從大數據本身的非準確性，一旦找到合適的算法，找到相關性，向上追述原因本身就很難。但是從舉的示例上看，相關性的確認是一個非常大的工程，基本就是使用排舉法，一個一個試。

所以，對於大數據來説，最重要的三點是：

1、數據——得到更多數據；

2、算法——建立更快的算法體系；

3、思維——尋找數據間更多的相關性。

對於數據最終的走向，我同意書中所提到的政府管理的觀點，既然都是以“石油”的標準來看待數據，政府統一管理也就是必然的了。而且對於政府來説，掌握更多數據也有利於其管理及維護社會的穩定性。而對於社會道德方面的論述，我不想多説什麼，時代發展是不會被道德綁架的。

所以最後，想要建立對於大數據的思維，《大數據時代》還是值得一讀，裏面的很多示例也非常不錯。如人際關係這一塊，也是出乎我的意料。

大數據時代讀書心得體會 篇7

我主要讀了第一部分和第三部分。

第一部分是大數據的思維變革，作者舍恩伯格提出了三個觀點，一是＂不是隨機樣本，而是全體數據＂，二是＂不是精確性，而是混雜性＂，三是＂不是因果關係，而是相關關係＂，作者被譽為＂大數據時代的預言家＂，拋出的觀點是擲地有聲的，下面我將談談我對這三點的理解。

對於一，我們必須承認我們以往做的處理抽樣數據得到結果的方法，是省時省力省錢的，而且判斷結果是相對高精準的，如人口普查這一案例，如果採用全體數據進行統計分析的話，工作難度是相當大的，最後的結果也不會很滿意，這是得不償失的。但是隨着數據處理技術的飛速發展，我們已經具備了處理大量數據的能力，如果在數據分析過程中採用全體數據，就能避免抽樣數據可能由於選取偏見帶來的非隨機性，處理全體數據也必將成為一種趨勢。用在國防生管理工作中，就是管理層要對每個個體都給予充分的關心與互動，對於優秀的固然要偏愛，但是對於較差的也要保持＂不拋棄不放棄＂的態度，讓每一個個體都找到自己的定位與價值。

對於二，作者強調通過掌握更多的數據，暫時犧牲精確性，關注更多容易被忽略的細節，來做更多的事，得到更多的結果，也就是説我們要有一定的包容錯誤的能力。我們在收集數據時，要主動獲取更多的數據，少加一些限制性條件，然後應用我們處理大數據的能力，或許會獲得意想不到的結果。作者舉了一個谷歌翻譯系統的例子，通過英語作為中轉，進行各語言之間的轉換。此處的啟發就是用我們最擅長的途徑，不拘泥於特定規則，來達到我們的目的，也就是説我們要先認清自己，不去刻意的模仿，找出最適合自己的一套方法。

對於三，作者指出知道＂是什麼＂就夠了，沒必要知道＂為什麼＂，乍一看這個觀點覺得有點無腦，但是結合第二點就合理了，降低對精確性及原因結果的要求，通過對相關數據的廣泛分析，進而得到更豐富更多元的結果。如購物時，系統的購物推薦，並不是肯定你會購買，僅僅是你感興趣進而可能會買就足夠了。其實作者對＂相關關係＂的強調，主要是大數據強大的預測能力，而且這種預測性能還是相當精確的。以上只是我用作者的觀點佐證他自己的觀點，證明其一定的合理性，但是我是不完全認同的，在航天領域，我們對成功率的要求是極高的，尤其是載人航天領域，我們必須做到萬無一失，我們對每一個結果都會深究其根，找出原因。對於國防生體能成績的分析也是如此，結果只是我們的一個評價機制，而最重要的還是產生這一結果的原因及過程。

第三部分是大數據的管理變革，本來以為作者會講點如何通過大數據來改革管理機制和提高管理效率，沒想到作者只是講了大數據其實就是我們的隱私的暴露，提出了要讓數據採集管理公司對數據的使用負起責任的解決途徑。個人感覺，一是我們在平時要意識到個人隱私的保護，而是相關法律政策的完善，真正的讓大數據服務我們的工作生活，而不是一種變相的威脅。

大數據時代讀書心得體會 篇8

未來的十年，將是大數據引領下的智慧科技時代。不管你是否意識到它的存在，大數據都將越來越快地改變我們這個時代，包括我們的生活方式。

維克托·邁爾-舍恩伯格是最早洞見大數據時代發展趨勢的數據科學家之一。他通過一個大家熟知的事例，來幫助我們理解“大數據”的潛在影響力，那就是四個世紀之前望遠鏡和顯微鏡的發明。望遠鏡能夠讓我們感受宇宙，顯微鏡能夠讓我們觀測微生物，它們都是收集海量數據的新工具，因為這種工具的發明，人們同步更新了分析數據的技術和方法，促進了人們對世界更好的理解。如果説望遠鏡和顯微鏡是測量領域中的一場革命，那麼今天的數據測量就相當於是現代版的望遠鏡、顯微鏡。隨着社交網絡的逐漸成熟，移動帶寬迅速提升，雲計算、物聯網應用更加豐富，以及更多的傳感設備、移動終端接入到網絡，由此產生的數據及數據的增長速度比歷史上的任何時期都要多、都要快。一個大數據的時代，不經意間順理成章地翩然而至。

一、什麼是大數據?

大數據是當前最熱門的話題之一。但什麼是大數據，人們尚未給出確切的定義。首先，“大數據”是相對過去小的、局部性的數據而言的;其次，利用大數據進行分析和工作時，所依據的關於此事儘可能完整的數據，從而“一覽眾山小”，而不是採用局部的小數據，從局部推斷整體。

維克托也並未直接給出大數據的定義。不過，他用三大轉變描述了大數據的特性：

轉變之一：在大數據時代，我們可以分析更多的數據，有時候甚至可以處理和某個特別現象相關的所有數據，而不再依賴於隨機採樣。例如一項針對相撲比賽中非法操縱比賽結果的研究對64000場比賽進行了分析，這算不上一個很大的數字，但由於這是過去十年所有的比賽，所以它是大數據。

轉變之二：由於有了更多的數據，我們可以接受更多的混雜、更多數據上的不精確。如果我們對於一個事物只有50個數據點，那麼每一個數據點都必須非常精確，因為每個數據點都是有用的;但是如果我們有5000萬個，去掉10個，甚至去掉1000個都沒有太大的問題。

轉變之三：不再探求難以捉摸的因果關係，轉而關注事物的相關關係。分析大數據主要為了預測未來“是什麼”，而不是“為什麼”。因為很多時候我們以為我們找到了事情背後的原因，實際上卻沒有找到。更多時候知道了“是什麼”就足夠了。例如知道流感將會擴散到哪裏就足夠了，我不需要知道為什麼;知道什麼時候在網上購買機票能夠獲得最優惠的價格就足夠了，我不需要知道為什麼此時價格最低。

二、大數據帶來的變化

大數據從根本上改變我們認識世界和改變世界的方式。很多傳統的習慣將被顛覆，很多舊的制度將面臨挑戰。舉例來説：

第一，科學探究的思路和方式受到挑戰

探究是新課程改革中的一個熱詞，是促進學校教學與科學研究相融合的實踐舉措。科學探究的基本路徑是：發現問題，提出假設，制定方案，實踐探究，分析數據，得出結論。之所以會梳理出這樣一個探究的路徑，與我們對問題知曉的信息過少有關。換句話説，對所要研究的事物，我們知道的數據很少，需要從這些很小的數據出發，通過猜想和假設，進行試探性的研究，如果研究得出的結果和自己的假想是一致的，則説明我們的假説是正確的，這些假説會上升為對該事物描述的知識，我們掌握該事物的數據也隨之增加。

利用測量所獲得的點滴數據，從一個局部來推測世界是怎樣的，這是科學探究的基本思路和方式。長期以來，我們總是通過這樣的方式來認識世界，對其有宗教般的信仰。儘管我們知道，決策者總是先有了想法，才會提出假設。如果決策者自身對所研究的事情存在着偏見，所提出的假設就很難得到實證的支持，這往往會導致探究花費了很長的時間、很大的物力和財力，也常常勞而無功。但科學研究者還是堅定不移地沿着這條道路前行，學校在教學中也將其作為科學研究的基本規範來傳授。

在大數據時代，這樣的研究方式收到了極大的挑戰。先舉個事例來説吧。手機輻射是否能夠致癌?關於這個問題，無論我們的假設如何，實驗的設計都很難進行。首先，樣本選擇過少，沒有統計學上的意義;其次，不能拿人做研究對象;第三，短時間的研究很難觀察到變化。有了大數據之後，這樣的難題就可以迎刃而解了。前段時間，丹麥就進行了這樣的研究。丹麥擁有1985年手機推出以來所有手機用户的數據庫。他們從這個數據庫中分析了1990年至20__年擁有手機的所用用户的數據，同時，他們還收集了這一期間醫院收集的所有癌症患者的數據，然後分析手機用户是否比非手機用户有更高的癌症發病率。這兩個數據庫本身是完全獨立的，在作分析之前從來沒有想過可以做這樣的研究。結果表明，使用移動用户和癌症風險增加之間不存在任何關係。20__年10月，這一研究的結果發表在《英國醫學雜誌》上。

上述的案例告訴我們，在獲得了大量的數據，能夠對事物的整體進行全面的認識之後，假想就沒有意義了，我們可以直接根據全面的數據做出結論。

第二，傳統的思維習慣受到挑戰

因果關係思維，是人們生活中最為普遍的一種思維方式。既是看上去沒有關係的事情，人們也總是從因果的角度去理解他。比如説，1885年7月6日，巴斯德接診了一個被帶有狂犬病毒的狗咬傷的孩子，他把自己剛研製出來的狂犬疫苗給孩子注射，結果孩子活下來了。巴斯德的這一舉措，使得狂犬疫苗和孩子的生存之間建立起了一個因果關係。但事實上，人被狂犬病狗咬傷後換上狂犬病的概率是隻有七分之一，就算沒有狂犬疫苗，這個孩子活下來的機率還是有85%。

在哲學界，關於因果關係的爭論已經持續了幾個世紀。爭論的焦點在於：如果因果關係是普遍存在的，每一個果都有一個因和他相對應，世界上的所有事情都有因果的話，我們就沒有決定任何事情的自由了。儘管哲學領域的爭論很熱烈，但並不耽誤人們在日常生活中通過因果關係來思考問題。不僅如此，由於掌握的數據過少，人們還容易從線性關係的角度找尋事物之間的因果關係。在物理學中，有一種處理數據的方式之一就是“化曲為直”，設法找到兩個變量之間的線性因果關係，從而進行定量的描述。事實上，由於很多事情之間的關係是很複雜的，簡單的線性處理容易導致人們對事物本質屬性的誤解。

在大數據時代，相關關係比因果關係重要。20__年甲型H1N1流感發生之後，美國的衞生系統極力想從因果關係上來找到流感的源頭，但信息反饋的速度太慢，讓專家們束手無策。谷歌公司做出了快速反應，把5000萬條美國人最頻繁檢索的詞條和美國疾控中心在20__年至20__年間季節性流感傳播時期的數據進行比較，研究特定檢索詞條的頻繁使用與流感在時間和空間上的傳播之間的聯繫，很快就確定了流感是從哪個地方傳播出來的。谷歌採取的就是相關關係分析的方法，而不是因果關係分析的方法。這是大數據時代，對數據進行處理的一種典型方法。

第三，數據化比數字化更加重要

數字化是將模擬數據轉化成0和1的二進制碼，以便電腦進行數據處理的過程。過去的很長時間，我們所做的事情，就是對文本進行數字化。很多書籍包括教材，通過PDF等格式，變成了數字形態的資料，存入了電腦或者網路之中。

但是，這些數字化的資料要查詢起來並不方便。首先你要知道所需的資料在那本書中，其次你還要仔細地去翻閲這些數字化的資源，以便找到你所需要的信息。這和到書本里去找沒有本質的區別。

如果這些數字文本能夠被數據化，文本中的字、詞和段落能夠一一被識別，利用搜索殷勤加以檢索就會方便很多。所謂數據化就是將一種現象轉化為可以製表分析的可量化的過程，量化，是數據化的核心。信息只能被數據化，其巨大的潛在價值才有可能被釋放出來。

數字化帶來了數據化，但數字化不能替代數據化。今天，很多學校都在進行“電子書包”的課程教學實踐，但有不少實踐者認為，所為電子書包，就是將紙質的課本和教輔資料數字化，裝入電腦中讓學生上課中使用，這其實是對電子書包最大的誤解。電子書包的核心在於數據化，要通過對學生學習過程所記錄的大數據分析，把握學生的個性化學習特徵，以便給予更有針對性的指導。

三、需要關注的一些問題

從教育的角度看，大數據時代的來臨，對教育的變革將帶來巨大的影響。

首先是教育內容要進行革新。大數據使得傳統的因果思維方式、科學研究方式不再是生活、工作起主導地位的方式，這必然要求我們在教學中要將這些變化和學生講清楚，以便他們能夠在今後走上社會的時候有足夠的能力迎接挑戰。

其次是教學方式要進行革新。過去的教學，因為沒有大量數據的支撐，該教什麼全憑教師自己跟着感覺走。今天，我們可以將教師的教學視頻掛在晚上，通過深度分析學生在觀看視頻的過程中在哪些地方停頓或者重放的頻次比較高，來找出學生不明確或者課程吸引人的地方，幫助教師改進教學、確定教學重點。這必然導致教師教學方式的變革。

第三是學習路徑會發生變化。在過去，如果你想成為一個優秀的生物學家，一定要認識很多生物學家。今天，要解決一個生物難題，可能與天體物理學家或者數據視圖設計師聯繫就可以實現。

第四是要防止對數據的痴迷。一方面，我們要研究學校長期以來儲存下來的大量數據，同時積累學校每天的教育數據，為進入大數據時代做好充分的思想準備;另一方面，要喚醒學校裏沉睡的數據，讓其在學校管理和教師教學中發揮更大的作用;再一方面，也要防止出現另一個極端，那就是對數據的痴迷。能僅僅為了收集數據而收集數據，要讓數據在如何全面反映一個學生的能力、全面反映教師的教育質量等方面做出實踐和探索。

大數據時代讀書心得體會 篇9

知道＂是什麼＂就夠了，沒必要知道＂為什麼＂。在大數據時代，我們不必非得知道現象背後的原因，而是讓數據自己＂發聲＂。這個命題是我讀這本書最大的感觸。

對於大多數人來説，這的確是一場思維變革。對於理科學生來説，會認為這是一個錯誤的觀點，因為這無異於否定了他們對世界客觀物理化學規律探索的重要性；對於一名工科學生，其實這並不是一個多麼新穎的觀點，因為工科是講求時用性的，如何能更好地利用基本自然科學規律創造社會財富比探索自然科學知識顯得更重要。

這些天來，在讀大數據這本書的同時，也稍微重温了一下自動控制原理，認識到控制系統中存在明顯的大數據時代思維方式，借讀書交流會之際，與大家分享。

對系統的有效控制需要對系統理解與建模。以一個日常生活中的例子説明。開車的時候一腳油門下去車就飛出去了，但並不知道這一腳油門下去能給多大車速，這就需要駕駛人員的熟練的駕駛技能了，不然超速被開罰單是很正常的。那麼，問題就來了：如何能實現速度的自動控制而不用駕駛人員踩油門？這就是控制系統最關鍵的環節——建立系統數學模型。大白話就是知道車速與燃油量的數學關係式。若是以探索為什麼的思維模式，不可避免的要列一大堆能量方程、動量方程等物理化學式子，經過繁雜的計算，還是能得到車速和燃油量的數學關係式的。很明顯這是一個繁瑣的過程，因為得知道現象背後的原因。這僅是對於這種簡單的系統，若是對於航空發動機這種複雜的系統，結構工藝過於複雜，分析各部分的物理化學過程是十分困難的，這時候可以通過實驗法得到數學模型。

實驗法主要有時域測定法、頻域測定法和統計相關法。與大數據時代思維最接近的是統計相關法，主要過程是對被研究對象施加某種隨機信號，根據被測對象各參數的變化，採用統計相關法確定被測系統或對象的動態特性。這種方法可以在被測系統或生產過程正常運行狀態下進行在線辨識，測試結果精度較高，但要求採集大量測試數據，並需要相關儀和計算機進行數據計算和處理。

若用開車實例來解釋，此時的系統為汽車動力系統，施加的隨機信號為燃油量，被測對象指車轉速，得到的動態特性就是指車速與燃油量函數關係式，從而不用探求背後的物理化學規律就得到了數學模型。

在瀋陽黎明航空公司實習時去過試車間，除了發動機點火後震撼的場景動人心魄，控制室屏幕上海量的數據也同樣引人注目，我想這麼多數據無非就是驗證數學模型或直接實驗法得到數學模型，結合航空發動機這種複雜的系統，對於搞控制的人來説，得到數學模型就夠了，現象背後的原因交給研發的人來探索更好。

大數據時代讀書心得體會 篇10

“除了上帝，任何人都必須用數據來説話。”——這是《大數據》中出現的讓人印象深刻的一句話，也是全書力圖傳遞的信息。在數字信息時代，數據和空氣一樣遍佈生活，對於有些人來説，數據無意義，而對於有些人來説，數據，即真相。

美國是《大數據》的主角，全書通過講述美國半個多世紀信息開放、技術創新的歷史，以別開生面的經典案例——設“前所未有的開放政府”的雄心、公共財政透明的曲折、《數據質量法》背後的隱情、全民醫改法案的波瀾、統一身份證的百年糾結、街頭警察的創新傳奇、美國礦難的悲情歷史、商務智能的前世今生、數據開放運動的全球興起，以及雲計算、Facebook和推特等社交媒體、Web3·0與下一代互聯網的未來圖景等等，為讀者一一細解數據創新給公民、政府、社會帶來的種種挑戰和變革。

透過全書，一個立體的美國及美國人民的思想呈現在我們面前——美國人民執著於個人隱私的保護，卻又不遺餘力地推動着政府信息的透明與公開。

讀完此書，對生活中的數據及數據處理突然有了很大的興趣。如果有一天，處處以數據説話，那麼，政治、制度、生活將更加清明，事故將降到最低點。

作為信息技術教師，是有必要閲讀此書的！有慧根的教師將能從書中挖掘出信息技術特有的文化以及能用於教學的鮮活案例。

每天能用來閲讀的時間很少，總是要等到夜深疲倦時才有空打開書本，總是在眼睛極不舒服的情況下堅持閲讀，《大數據》就這樣在堅持中溶入我的思想……

大數據時代讀書心得體會 篇11

信息時代的到來，我們感受到的是技術變化日新月異，隨之而來的是生活方式的轉變我們這樣評論着的信息時代已經變為曾經。如今，大數據時代成為炙手可熱的話題。筆者在這説明信息和數據，只是試圖首先説明信息、數據的關係和不同，也試圖説明，為什麼信息時代轉變為了大數據時代？大數據時代帶給了我們什麼？

信息和數據的定義。維基百科解釋：信息，又稱資訊，是一個高度概括抽象概念，是一個發展中的動態範疇，是進行互相交換的內容和名稱，信息的界定沒有統一的定義，但是信息具備客觀、動態、傳遞、共享、經濟等特性卻是大家的共識。數據：或稱資料，指描述事物的符號記錄，是可定義為意義的實體，它涉及到事物的存在形式。它是關於事件之一組離散且客觀的事實描述，是構成信息和知識的原始材料。數據可分為模擬數據和數字數據兩大類。數據指計算機加工的“原料”，如圖形、聲音、文字、數、字符和符號等。從定義看來，數據是原始的處女地，需要耕耘。信息則是已經處理過的可以傳播的資訊。信息時代依賴於數據的爆發，只是當數據爆發到無法駕馭的狀態，大數據時代應運而生。這是否是《大數據時代》一書所未曾闡述的背景材料？

在《大數據時代》一書中，大數據時代與小數據時代的區別：

1、思維慣例。大數據時代區別與轉變就是，放棄對因果關係的渴求，而取而代之關注相關關係。也就是説只要知道“是什麼”，而不需要知道“為什麼”。作者語言絕對，卻反思其本質區別。數據的更多、更雜，導致應用主意只能儘量觀察，而不是傾其所有進行推理？這也是明智之舉。

2、使用用途。小數據停留在説明過去，大數據用驅動過去來預測未來。筆者認為數據的用途意在何為，與數據本身無關，而與數據的解讀者有關，而相關關係更有利於預測未來。

3、結構。大數據更多的體現在海量非結構化數據本身與處理方法的整合。大數據更像是理論與現實齊頭並進，理論來創立處理非結構化數據的方法，處理結果與未來進行驗證。

4、分析基礎。大數據是在互聯網背景下數據從量變到質變的過程。筆者認為，小數據時代也即是信息時代，是大數據時代的前提，大數據時代是昇華和進化，本質是相輔相成，而並非相離互斥。

數據未來的故事。數據的發展，給我們帶來什麼預期和啟示？銀行業天然有大數據的潛質。客户數據、交易數據、管理數據等海量數據不斷增長，海量機遇和挑戰也隨之而來，適應變革，適者生存。我們可以有更廣闊的業務發展空間、可以有更精準的決策判斷能力、可以有更優秀的經營管理能力可以這些都基於數據的收集、整理、駕馭、分析能力，基於脱穎而出的創新思維和執行。因此，建設“數據倉庫”，培養“數據思維”，養成“數據治理”，創造“數據融合”，實現“數據應用”才能擁抱“大數據”時代，從數據中攫取價值，笑看風雲變換，穩健贏取未來。

大數據時代讀書心得體會 篇12

去年的“雲計算”炒得熱火朝天的，今年的“大數據”又突襲而來。彷彿一夜間，各廠商都紛紛改旗換幟，推起“大數據”來了。於是乎，各企業的CIO也將熱度紛紛轉向關注“大數據”來了。有一張來自《程序員》微博的漫畫很形象。我覺得這張圖，很真實地反映了現實中小企業雲計算，大數據的現狀。

不過話又還得説回來，《大數據時代》是本好書。

當然，很多IT知名人士也大力推薦，寫了好多讀後感來表述對這本書的喜歡沒看此書之前，對所謂大數據的概念基本上是一頭霧水，雖則有了解關注過現在也比較火熱的BI，覺得也差不多，可能就是更多的數據，更細緻的數據分析與數據挖掘。看過此書後，感覺到之前的想法，只能算是中了一小半吧—。巨量的數據，而另一前：着眼於數據關聯性，而非數據精確性，或許才是大數據與現時BI的不同，不僅僅是方法，更多的時思想方法。不過坦白講，到底是數據的關聯性重佳，還是數據的精確性更好，還真的需要時間來檢驗一下，至少從現在的數據分析方法來論，更多的傾向於數據的精確性。

看完此書，我心中的一些問題：

1、什麼是大數據？

查了查百度百科，是這樣定義的：大數據（bigdata），或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟件工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。大數據的4V特點：Volume、Velocity、Variety、Veracity這個好像是IBM的定義吧。

以個人的觀點來看：數據海量，存儲海量都是大數據的基本原型吧。

2、大數據適合什麼樣的企業？

誠然，大數據的前提是海量的數據，只有擁有巨量的數據資源，方能從中查找出數據的關聯性，才可以讓通過專業化的處理，讓其為企業產生價值。針對電信運營，互聯網應用這樣海量用户的數據的大企業，也是在應用大數據的道路上擁有得天獨厚的條件，但是針對中小企業呢？銷售訂單數據？若非百年老店，估計數據也是少得可憐，能用的可能只有消費者數據了吧。貌似大多數廠商，用來舉例的也就是消費都購買行為分析為最多。

同樣，在公共事業類的政府機構，大數據的作用也許也能很好的發揮。反而感覺在大多數中小型企業應用大數據，似乎有點大題小作。書中説：大數據是企業競爭力。誠然，數據是一個企業的核心無形資源（利用得好的話），但是否所有的數據，或都換則方式説：所有的企業都以大數據為競爭力，是否真的合適麼？是否在中小企業中，會顯示得小題大做呢？

3、大數據帶來的影響

當一波又一波的IT技術熱潮源源不斷地向我們鋪面而來的時候，你甚至都沒有做好準備，你都要開始迎接它所給你帶來的影響了。經過物聯網，雲計算的推波助瀾下，大數據開始登場了。但它到底給我們帶來了什麼呢？

1）預測未來書中以Google成功預測了未來可能發生流感的案例來開篇，表明通過大數據的應用，可以為我們的生活起一個保駕護航的指向標。實質很簡單，技術改變世界。

2）變革商業大數據所帶來的商機，同時會衍生出一系列與大數據相關的商業機遇與商業模式，數據的潛在價值會源源不斷地發揮作用可以容易想到的是未來有專門的數據收集，數據分析，數據生成的一條數據產業鏈產生。影響的，當然是IT公司

3）變革思維書中所説：因為有海量的數據作基礎，未來，我們可能更關注數據的相關，而非精細度。對這條，本人還是持保留意見的。

如今説起新媒體和互聯網，必提大數據，似乎不這樣説就OUT了。而且人云亦云的居多，不少談論者甚至還沒有認真讀過這方面的經典著作——舍恩佰格的《大數據時代》。維克托·邁爾舍恩伯格何許人也？他現任牛津大學網絡學院互聯網研究所治理與監管專業教授，曾任哈佛大學肯尼迪學院信息監管科研項目負責人。他的諮詢客户包括微軟、惠普和IBM等全球企業，他是歐盟互聯網官方政策背後真正的制定者和參與者，他還先後擔任多國政府高層的智囊。這位被譽為：大數據時代的。預言家“的牛津教授真牛！那麼，這位大師説的都是金科玉律嗎？並不一定，讀大師的作品一定要做些功課才好讀懂，才能能與之進行一場思想上的對話。

舍恩伯格分三部分來討論大數據，即思維變革、商業變革和管理變革。

在第一部分”大數據時代的思維變革“中，舍恩伯格旗幟鮮明的亮出他的三個觀點：

一、更多：不是隨機樣本，而是全體數據。

二、更雜：不是精確性，而是混雜性。

三、更好：不是因果關係，而是相關關係。對於第一個觀點，我不敢苟同。

一方面是對全體數據進行處理，在技術和設備上有相當高的難度。另一方面是不是都有此必要，對於簡單事實進行判斷的數據分析難道也要採集全體數據嗎？

我曾與香港城市大學的祝建華教授討論過。祝教授是傳播學研究方法和數據分析的專家，他認為一定可以找到一種數理統計方法來進行分析，並不一定需要全部數據。聯繫到舍恩伯格第二個觀點中所説的相關關係，我理解他説的全體數據不是指數量而是指範圍，即大數據的隨機樣本不限於目標數據，還包括目標以外的所有數據。我認為大數據分析不能排除隨機抽樣，只是抽樣的方法和範圍要加以拓展。

我同意舍恩伯格的第二觀點，我認為這是對他第一個觀點很好的補充，這也是對精準傳播和精準營銷的一種反思。”大數據的簡單算法比小數據的複雜算法更有效。“更具有宏觀視野和東方哲學思維。對於舍恩伯格的第三個觀點，我也不能完全贊同。”不是因果關係，而是相關關係。“不需要知道”為什麼“，只需要知道”是什麼“。傳播即數據，數據即關係。在小數據時代人們只關心因果關係，對相關關係認識不足，大數據時代相關關係舉足輕重，如何強調都不為過，但不應該完全排斥它。大數據從何而來？為何而用？如果我們完全忽略因果關係，不知道大數據產生的前因後果，也就消解了大數據的人文價值。如今不少學者為了闡述和傳播其觀點往往語出驚人，對舊有觀念進行徹底的否定。

世間萬物的複雜性多樣化並非非此即彼那麼簡單，舍恩伯格也是這種二元對立的幼稚思維嗎？其實不然，讀者在閲讀時一定要看清楚他是在什麼語境下説的，不要因囫圇吞棗的淺讀而陷入斷章取義的誤讀。比如説舍恩伯格在提出”不是因果關係，而是相關關係。“這一論斷時，他在書中還説道：”在大多數情況下，一旦我們完成了對大數據的相關關係分析，而又不再滿足於僅僅知道‘是什麼’時，我們就會繼續向更深層次研究的因果關係，找出背後的‘為什麼’。“[i]由此可見，他説的全體數據和相關關係都在特定語境下的，是在數據挖掘中的選項。

大數據研究的一大驅動力就是商用，舍恩伯格在第二部分裏討論了大數據時代的商業變革。舍恩伯格認為數據化就是一切皆可”量化“，大數據的定量分析有力地回答”是什麼“這一問題，但仍然無法完全回答”為什麼“。因此，我認為並不能排除定性分析和質化研究。數據創新可以創造價值，這是毫無疑問的。舍恩伯格在討論大數據的角色定位時仍把它置於數據應用的商業系統中，而沒有把它置於整個社會系統裏，但他在第二部分大數據時代的管理變革中討論了這個問題。

在風險社會中信息安全問題日趨凸顯。如何擺脱大數據的困境？舍恩伯格在最後一節”掌控“中試圖回答，但基本上屬於老生常談。我想，或許凱文·凱利的《失控》可以幫助我們解答這個問題？至少可以提供更多的思考維度。正如舍恩伯格在結語中所道：”大數據並不是一個充斥着算法和機器的冰冷世界，人類的作用依然無法被完全替代。大數據為我們提供的不是最終答案，只是參考的答案，幫助是暫時的，而更好的方法和答案還在不久的未來。“謝謝舍恩伯格！讓大數據討論從自然科學回到人文社科。由此推斷，《大數據時代》不是最終答案，也不是標準答案，只是參考的答案。

此外，在閲讀此書之前還必須具備一些數據科學的基本知識和基本概念，比如説什麼叫數據？什麼叫大數據？數據分析與數據挖掘的區別，數字化與數據化有什麼不同？讀前做些功課讀起來就比較好懂了。

大數據時代讀書心得體會 篇13

書名中的時代二字讓我陷入了深深的誤區，big data就只是大數據而已。讀完全書，也沒有發現作者有説大數據會引領一個時代的觀點，我們知道當今是一個數字化、信息化的時代，但絕不還是大數據的時代。但大數據的重要性不嚴而喻，生活、工作、學習中許多有關大數據的例子的確離我們很近，我們甚至就是眾多大數據的一部分。那大數據對我這樣一名工科大學生有什麼用，對於我這一名國防生又什麼用呢，這樣的一本書是否能夠更好的幫助我在未來的工作崗位上博得頭籌，取得一番成績！還有為了接觸、利用大數據並防範大數據所帶來的弊病，我又該怎麼做呢？書中有這樣一句話：大數據是一種資源，也是一種工具。大數據為我們提供暫時的幫助，以便等待更好的方法和答案出現。這也提醒我們在使用這個工具的時候，應當懷有謙恭之心，銘記人性之本。

所説的謙恭之心和人性之本都強調了人在大數據時代的重要性。我們才是數據之源，我們才應是數據的受益者。當我還沒讀完思維變革這一部分的時候，我就在思考這樣的思維變革對我會有着怎樣的影響？參加過兩次數學建模競賽的我，在兩次的參賽過程中，學會了許多數據處理和數學建模方法。數學模型所具有的對事件或數據的描述性、預測性、説明性是與大數據完全不同的。大數據下的思維變革不再追求數據的準確性和因果關係。如果我在數學建模提出一種產生某個結果的原因，我是需要明明白白地把其他因素的影響一一剔除。我記得在參加比賽最後關頭寫論文的時候，對於所研究的問題，我們必須在前面把各種變量給寫進去，然後再有選擇性的在可接受的條件下忽略掉很多變量的影響，但我們在很多時候卻給不出一個剔除這個因素的理由。可如果你不能排除掉其它的因素的影響，整個的數學模型建立及計算過程就會太複雜甚至是不能得出一個結果。但是在大數據時代，一個結論是可以通過足夠多的數據得出來的，不需要明白其中的為什麼。如果真是這樣，我只覺得我需要思維上的變革，可我做不到，我接受不了事物與事物之間的黑盒子。這離我太遙遠。

可我又不敢在此時否認自己將來的工作與大數據的相關性，書中第三部分——大數據時代的管理變革中就舉到一個羅伯特。麥克納馬拉的例子，他是五角大樓＂統計控制隊＂中一名精英，這個隊伍讓之前不知道飛機備用零件種類、數量和放置位置的軍方在制定了綜合清單之後，為部隊節省下了36億美元。而我的專業就是飛行器動力，我很清楚我國航空發動機的研究製造水平是深深限制了空軍力量的發展。在夏季學期去黎明航空發動機廠實習的時候，許多講解的師傅都會強調一點，發動機的每一個零件上都是有標號的。零件的工藝卡片上會記錄其每一個工序的加工時間、地點，加工、組裝、調試人員等的資料，這些卡片將會一直保存下去。這不僅能夠方便維修和更換，在出現事故之後，還可以追根溯源，查出事故的原因。我當時就在想還好這東西產量不是很高，一台渦扇發動機僅僅葉片數量就是數千了。這樣的大數據肯定還可以好好利用，幫助我們去發現科技研發和製造生產中矛盾與不足，並做出改進。但航空發動機的發展需要的更多的是技術的積累，特別是關鍵技術的實驗數據我們還有着很大的缺失。我們不能像BAT這些互聯網巨頭可以輕鬆收集數據，航空發動機的技術積累需要一代代人在理論、實驗上的積累，才有可能在這種大數據的支撐下做出真正屬於自己的航空發動機。

這種積累利用方法可能與書中作者所説的利用大數據進行預測、創新相比起來不是足夠高端，但是新的方法需要人去摸索，我也願意成為這樣的第一人，我也堅信大數據能夠給這樣一個領域帶來另一片天空。只是在航空發動機的領域我們是不能只停留在＂是什麼＂這一步的！精心策劃數據的因果關係研究和控制實驗很有必要。

最後，我提出一個疑問，那就是大數據能不能創造出另一個畢加索呢？

大數據時代讀書心得體會 篇14

通過讀ViktorMayer-Schonberger的《大數據時代》重新認真思考了大數據，全書以數據為核心，引導人們用數據的思維去理解世界，用數據的思維去解決問題，是推薦讀物。但個人認為本書叫《數據時代》更為合適，因其講了不少統計學、數據收集的故事，“大數據”的故事只佔一小部分。

維基百科説大數據由巨型數據集組成，這些數據集大小常超出常用軟件在可接受時間下的收集、庋用、管理和處理能力，或稱巨量數據、海量數據、大資料，大數據的常見特點是3V：Volume、Velocity、Variety。

規模巨大的數據未必是大數據，需滿足她的三個特點。以研究擲硬幣概率的實驗為例，當傳統實驗次數達到一定規模後就能幫助實驗者分析正反面出現的概率，隨着實驗次數的增加，數據大量積累可能越來越支持這一結論，數據達到一定量，它的邊際效應就出現了，數據繼續增加對分析概率還有多少意義呢?按照現代概率學伯努利試驗去帶入函數計算就好了，這僅算是概率學或者是統計學吧。故大數據不是因為單純體積大而大，是因為雜而大，研究硬幣正反面的概率如引入天文學、心理學、材料學、物理學等領域的數據而使之變大，進而研究關聯關係(或因果關係，注：本書不認同因果關係的重要性)，從而得出概率的分佈，然而大量相關數據的引入，按照傳統分析過程的時間是不可接受的，需利用高效計算資源，迅速把雜而大的處理結果呈現出來，並且實驗者對結果的預期不能要求100%的精確。大數據並不是數據本身，而是一種思維方式。

大數據令人着迷的地方在於用“科學”的辦法挑戰了“預測學”，幫助人們發現未知，幫忙人們進行決策。然而本書作者ViktorMayer-Schonberger強調“大數據不是因果關係，而是相關關係，相關關係比因果關係更重要”，此觀點不能認同，因果關係是宇宙的基本定律，且不説種瓜得瓜、善有善報之類哲學命題，若商家在發現電容器、釘子、高壓鍋有關聯購買關係而去做大量營銷的話豈不是有可能發生更多的波士頓爆炸案①。關聯關係在大數據中被提取出來使用，而不去關心因果關係是一種粗暴的、倒退的處理方式，是作者理解的現代社會浮躁的心裏體現。我認為的大數據應該是把看起來不相干的數據放到一起分析，找到某些跨領域的關聯關係，進而推論因果關係，發現其中價值。作者引用了安德森的觀點“現在已經是一個有海量數據的時代，應用數學已經取代了其他的所有學科工具，而且只要數據足夠，就能説明問題”，數據和所有科學的關係，我覺得有點像現在互聯網和其他所有行業的關係一樣，互聯網終究還是一個工具。作者舉了沃爾瑪“尿布與啤酒”③的故事，這也是大家熟知的一個數據分析的故事，但是沃爾瑪真的是這麼做的嗎?大家可以去沃爾瑪的時候留意一下。一家大型的超市，如果為了這種所謂相關關係，所有商品用這種關聯關係去擺放，天哪，這將是一家多麼混亂的超市，顧客進去將難以區分食品在哪、生活用品在哪!有人可能説這種關聯關係更適合電子商務，是的，但是我還是比較看好已知原因的關聯關係，比如嬰幼兒智力玩具和孕婦減肥放到一起，比如在線播放器旁邊放衞生紙的廣告(哈哈哈，你懂的)。本書用美國折扣零售店塔吉特與懷孕預測②來佐證他的觀點，但恰恰是知道因果關係後商業價值才能更多的體現出來，未知因果關係前顧客的父親生氣並要求賠償，知道因果關係後才使得這種廣告理所應當並讓客户接受。

互聯網信息時代數據的積累以及BI、數據倉庫、人工智能、HADOOP、NOSQL等技術的流行，使得人們考慮問題的方式已經發生變化，接下來我們要做的只有接受擁抱數據時代、大數據時代。軟件行業程序上線的變更差錯率是一個考核IT水平的指標，為此很多公司引進了CMMI體系，以求他保障軟件的質量，為此也收集了大量的過程數據。若用數據的思維，是否可能根據之前的各種相關數據預測下次投產變更的成功率?若用大數據的思維，是否可以根據CMMI數據以及程序員開發期間上下班考勤數據、工資發放時間、上線當天天氣情況來綜合預測投產變更的成功率?用大數據的思維，訂餐網站不僅根據之前你定的是鹹的還是辣的來給你推薦菜單，可能因為你微博上發了一句“每個月總有那麼幾天”修改了訂餐的推薦菜單(哈哈)!故在數據時代，提議童鞋們檢查公司的信息系統，是否有定期刪除“垃圾”日誌、數據的機制(Viktor説，即使最平凡的信息業可以具有特殊的價值)，為了日益廉價的存儲而刪除日益昂貴的數據，請三思後行吧。

大數據時代讀書心得體會 篇15

讀了《大數據時代》後，感覺到一個大變革的時代將要來臨。雖然還不怎麼明瞭到底要徹底改變哪些思維和操作方式，但顯然作者想要“終結”或顛覆一些傳統上作為我們思維和生存基本理論、方法和方式。在這樣的想法面前，我的思想被強烈震撼，不禁戰慄起來。

“在小數據時代，我們會假象世界是怎樣運作的，然後通過收集和分析數據來驗證這種假想。”“隨着由假想時代到數據時代的過渡，我們也很可能認為我們不在需要理論了。”書中幾乎肯定要顛覆統計學的理論和方法，也試圖通過引用《連線》雜誌主編安德森的話“量子物理學的理論已經脱離實際”來“終結”量子力學。對此我很高興，因為統計學和量子力學都是我在大學學習時學到抽筋都不能及格的課目。但這兩個理論實在太大，太權威，太基本了，我想我不可能靠一本書就能擺脱這兩個讓我頭疼一輩子的東西。作者其實也不敢旗幟鮮明地提出要顛覆它們的論點，畢竟還是在前面加上了“很可能認為”這樣的保護傘。

近幾十年，我們總是在遇到各種各樣的新思維。在新思維面前我們首先應該做到的就是要破和立，要改變自己的.傳統，跟上時代的腳步。即使腦子還跟不上，嘴巴上也必須跟上，否則可能會被扣上思想僵化甚至阻礙世界發展的大帽子。既然大數據是“通往未來的必然改變”，那我就必須“不受限於傳統的思維模式和特定領域裏隱含的固有偏見”，跟作者一起先把統計學和量子力學否定掉再説。反正我也不喜歡、也學不會它們。

當我們人類的數據收集和處理能力達到拍字節甚至更大之後，我們可以把樣本變成全部，再加上有能力正視混雜性而忽視精確性後，似乎真的可以拋棄以抽樣調查為基礎的統計學了。但是由統計學和量子力學以及其他很多“我們也很可能認為我們不再需要的”理論上溯，它們幾乎都基於一個共同的基礎——邏輯。要是不小心把邏輯或者邏輯思維或者邏輯推理一起給“不再需要”的話，就讓我很擔心了！

《大數據時代》第16頁“大數據的核心就是預測”。邏輯是——描述時空信息“類”與“類”之間長時間有效不變的先後變化關係規則。兩者似乎是做同一件事。可大數據要的“不是因果關係，而是相關關係”，“知道是什麼就夠了，沒必要知道為什麼”，而邏輯學四大基本定律（同一律、矛盾律、排中律和充足理由律）中的充足理由律又“明確規定”任何事物都有其存在的充足理由。且邏輯推理三部分——歸納邏輯、溯因邏輯和演繹邏輯都是基於因果關係。兩者好像又是對立的。在同一件事上兩種方法對立，應該只有一個結果，就是要否定掉其中之一。這就是讓我很擔心的原因。

可我卻不能拭目以待，像旁觀者一樣等着哪一個“脱穎而出”，因為我身處其中。問題不解決，我就沒法思考和工作，自然就沒法活了！更何況還有兩個更可怕的事情。

其一：量子力學搞了一百多年，為了處理好混雜性問題，把質量和速度結合到能量上去了，為了調和量子力學與相對論的矛盾，又搞出一個量子場論，再七搞八搞又有了蟲洞和羅森橋，最後把四維的時空彎曲成允許時間旅行的樣子，恨不得馬上造成那可怕的時間旅行機器。唯一阻止那些“愛因斯坦”們“瞎胡鬧”的就是因果關係，因為爸爸就是爸爸，兒子就是兒子。那麼大數據會不會通過正視混雜性，放棄因果關係最後反而搞出時間機器，讓爸爸不再是爸爸，兒子不再是兒子了呢？其二：人和機器的根本區別在於人有邏輯思維而機器沒有。《大數據時代》也擔心“最後做出決策的將是機器而不是人”。如果真的那一天因為放棄邏輯思維而出現科幻電影上描述的機器主宰世界消滅人類的結果，那我還不如現在就趁早跳樓。

還好我知道自己對什麼統計學、量子力學、邏輯學和大數據來説都是門外漢，也許上面一大篇都是在胡説八道，所謂的擔心根本不存在。但問題出現了，還是解決的好，不然沒法睡着覺。自己解決不了就只能依靠專家來指點迷津。

所以想向《大數據時代》的作者提一個合理化建議：把這本書繼續寫下去，至少加一個第四部分——大數據時代的邏輯思維。

大數據時代讀書心得體會 篇16

《大數據時代》是英國維克托·邁爾—舍恩伯格教授的著作，這本書也被尊為國外大數據研究的先河之作。這本書最大的優點就在於作者利用上百個例子來對大數據的方方面面做了詳細解説，讓外行也很容易理解。結構上，作者通過大數據時代的思維變革、商業變革和管理變革三個角度依次闡述，條理清晰。

所謂"大數據"，按作者的説法，就是"所有數據"。隨着計算機運算速度和存儲能力的發展，收集數據變得越來越簡單，儲存數據的成本越來越低。在過去，由於技術限制，人們做統計時只能收集有限的數據做樣本，其中要考慮隨機樣本的選擇，努力減小因樣本問題出現的誤差；統計結果往往不能重複使用，造成數據利用率低。而現在則可以做到"樣本=總體"。數據的增多帶來不可避免的精確性問題。"小數據"時代，一個樣本的錯誤就可以造成對總體估計的失敗，幸運的是，"大數據"時代對精確性不再那麼要求苛刻——也無法要求太嚴格——數據的數量足以彌補這一缺陷。在對思維變革這一部分的闡述中，最重要也是全書的核心觀點就是大數據時代，我們應該從追求"因果關係"的舊思維方式向追求"相關關係"轉變。

在我看來，這實際上是通過大數據來透視一種事物的發展趨勢，而很多精確學科領域依然需要探尋"因果關係"解決更有針對性的問題，所以，這侷限了這一轉變只能在特定的領域發生。作者自己也説，"大數據的相關性將人們指向了比探討因果關係更有前景的領域。"

大數據時代的數據獲取方式是多種多樣，數據形式也是千變萬化，任何文字、行為、萬物都可以被數據化後用來分析。對這些數據的利用，不僅要考慮到其初次使用價值，更要放眼它未來可能的用途以提高數據的利用率。當然數據並不是無限使用，時效、環境的變化肯定會對數據提出新的要求，所以數據的折舊也是應當考慮的。這又引出了對數據這一無形資產的估值可能性。對於這樣的公司來説，數據就是他們的核心，如何在資產負債表上給他們一個公正的體現正是我們需要考慮的。

大數據時代的價值鏈由三部分構成，我把它們簡化為"生產—分析—使用"三個環節，這對應書中的三種類型公司：第一種是基於數據本身的公司，第二種是基於技能，第三種則是基於思維。在大數據早期，技能和思維最有價值，但作者認為，最終，大部分的價值還是必須從數據本身來挖掘。這是假定了一個成熟的市場，人人都瞭解了大數據的用途。

對於普通人來説，大數據時代最關心的`還是隱私問題。不知不覺中，個人的一舉一動都暴露在政府甚至私人企業之下，還面臨潛在的泄露風險。對此，作者提出了使用者承擔責任的解決辦法，而不是過去那種流於形式的使用授權。大數據甚至能預測一個人的犯罪動機，這給監管者帶來的難題是，預測一個人要犯罪，懲罰還是不懲罰？在這點上，社會達成"個人僅需對行為而非動機負責"的共識非常重要。

大數據時代的風險控制靠的是"算法師"，類似會計師一樣的職業，對大數據的準確度或有效性進行鑑定。這能在一定程度上防止數據濫用的發生和數據獨裁。當今的法律亦需對大數據監管進行修訂補充。

當代大數據發展主要由科技公司推動，相信在不久的將來更多的傳統領域會意識到大數據的重要性。但我們也應該保持清醒，大數據並不是萬能藥，對某些領域或環節，使用大數據是一種簡單且實用的'選擇；但對某些領域，盲目使用大數據只會適得其反。

大數據時代讀書心得體會 篇17

“大數據”概念早在1980年就有國外的學者提出，可是最近幾年才廣泛受到大家的關注。當“大數據”這個概念傳到中國的時候，瞬間引起了轟動。隨即，各種有關“大數據”的資料和書籍充斥的我們的視野。隨意打開某個電子商務平台圖書類頁面，在搜索框中搜索“大數據”三個字，就會出現好多本有關“大數據”的書籍。可是，有一個很有趣的現象就是：幾乎所有的平台上，出現的第一本關於“大數據”的書籍一定是《大數據時代》。一點進去，這本書推薦欄裏的第一句話就是：迄今為止全世界最好的一本大數據專著。同時，為這本書做推薦的都是各行業的精英領袖。所有“大數據”方面的書籍也是這本書銷量最高，評價最好。

我從來不會因為哪本書暢銷和很多人推薦就盲目跟風的去看一本書。因為我知道通常在這種情況下選擇一本書，整個閲讀的體會和感受是無法遵從自己的內心的，整個過程都很容易夾雜着別人對這本書的感受。所以通常我讀書的節奏大多都是跟不上“潮流”的，但往往經過風雨洗禮之後沉澱下來的都是精華。坦白講，閲讀這本書的初衷並不是因為我想從書中獲取到多少大數據方面的精華，只是很想知道對於這麼一個很直白的名詞，作者是怎麼寫出這麼厚的一本書的。這種初衷或許很無知和幼稚，可就是這種“愚蠢”的好奇心，讓我更透徹的看到書中的精華。

在看《大數據時代》這本書之前，我的所有讀後感都是集中在書籍給了我什麼思考。對於這本書的讀後感，除了觀點碰撞之外，我還會加上大部分個人看這本書的體會。因為這本書，已經完全讓我模糊了大多數人口中的“全世界最好的書”是一種什麼標準。也許《大數據時代》真的無法承載那麼高的讚美!

大數據時代的入門書

看完這本書，我隨意調查了一些閲讀過這本書並且給這本書絕對好評的朋友。詢問他們這本書好在哪裏?大多數的回答是説《大數據時代》這本書讓對大數據一無所知的他們瞭解了大數據這個概念，同時通過很多案例説明原來大數據能有這麼大的用處，影響會有這麼大!僅此而已。我看完這本書最大的感受是這本書分為上、下兩部分。前120多頁為上部分，後120多頁為下部分。之所以説《大數據時代》是一本關於大數據的入門書，是因為這本書用了前面120多頁的篇幅反覆的強調大數據的出現對社會發展影響很大，並且要人們轉變小數據時代慣有的思想。所以整本書的前半部分就強調大數據時代的三個轉變：1、大數據利用所有的數據，而不再僅僅依靠一小部分數據，不再依賴於隨機採樣。2、大數據數據多，不再熱衷於追求精確性，也不再期待精確性。3、大數據時代不再熱衷於尋找因果關係，而是追求相關關係。所以整個上半部分沒什麼可詳説的。我們重點聊聊本書的後半部分。

既然一直都在強調大數據對我們的意義，總要有具體體現。整本書中，我感觸最大的一個案例就是某公司通過分析大數據發現：新品發佈的時候，舊一代的產品可能會出現短暫的價格上漲。因為人們在心理上就認為新產品的推出，舊產品就會便宜，從而就會提高購買量。這個發現和我們平常的心理是完全違背的，而且如果不用數據來證明，直接講道理給大家可能還是無法相信。這就是大數據對我們很多傳統思維的顛覆。一旦涉及到思維的改變，往往就會引起整個社會的大變動。

大數據這個概念的出現，讓大數據逐漸發展形成一條價值鏈。在這條價值鏈上，數據本身、技能和思維是最重要的環節。隨着互聯網技術的發展，越來越多的公司都能收集到大量的數據，這些數據也會越來越公開。可是在這些公司中，不是所有的公司都有從數據中提取價值或者用數據催生創新思想的技能。於是就會出現以下兩種公司，一種是掌握了專業技能但不一定擁有數據或者提出數據創新性用途才能的公司，另一種就是擁有超前思維，懂得怎樣挖掘數據的新價值的創新公司。短時間內，我們可能會感覺擁有創新思維，懂得挖掘出數據新價值的大數據思維是最重要的。可是等到產業成熟之後，所有人都知曉了大數據的意義，所有人便開始挖掘自己的大數據思維。同時，隨着科技的進步，掌握大數據技術的也將成為常態。所以到後來，整個價值鏈的核心環節還是回到了數據本身。而到那時候，大數據的公開性也就越來越小。

在大談完大數據對人類發展的積極意義之後，作者也考慮到大數據時代的風險。這一部分是作者腦洞大開的精彩之處，同時也是最荒謬的一部分。書中説大數據時代將要懲罰未來犯罪，這樣可以在嫌疑人在可能犯罪之前就把犯罪行為給防止。這樣的社會，大數據儼然已經延伸到了我們每個人生活的點滴。幾乎我們在生活中所做的一切都在大數據的“監控”之下，我想到那時候，別説我們每個人的隱私已經沒有的了，嚴重一點可以説是我們可能連人都不算了。在我們人的社會屬性中，自由權利是一項很重要的指標。通過大數據懲罰人的未來犯罪已經否定了人的自由選擇能力和人的行為責任自負。同時，由於數據是永久保存，大數據預測也是通過每個人之前的數據來判斷，所以大數據同樣也否定了人的求善心理。還有，從現在各種大數據預測的結果來看，很多發言人都説大數據不是百分百的準確。所以利用大數據來判斷人的行為發展已經違背了大數據不追求精確性的特徵，這也是書中自相矛盾的地方。

對於一個新事物，如果能讓大家瞭解這個事物並且對此產生興趣，這已經算是一本不錯的入門書了。

大數據時代的心靈雞湯

從小到大，雞湯對於我們來説一直都挺珍貴的。身體虛弱了，喝點雞湯能夠補充營養。心靈受傷了，看點心靈雞湯可以鼓舞人心。可是近幾年，人們生活水平提高了，營養富餘，雞湯已經不是人們補營養的期待了。同樣，心靈雞湯也是如此。

心靈雞湯其實是一個很虛偽的東西。很多人都被心靈雞湯誘人的外表給迷惑。在我看來，心靈雞湯很大的一個特徵就是：立人的志，但是就不告訴你實現志的方法。很多人每次在失意的時候就喜歡看心靈雞湯，希望能得到慰藉。看完後也覺得醍醐灌頂，感覺整個世界都亮了。但又有幾個人想過喝完這些雞湯之後你除了看似重拾夢想，你還獲得了什麼?你知道怎麼去做嗎?《大數據時代》就是這樣一本書。整本書從頭到尾都在向讀者講述大數據的意義，當然期間也會用相應的案例來證明大數據確實有這樣的能力。但是，整本書從沒有涉及到技術層面的問題。或許對於大數據這種依靠互聯網技術的新事物，即使向讀者講技術，也沒有幾個人看得懂，可是整本書沒有一點關於大數據思維的技能引導。給出的案例中只有少數案例向讀者講述了這個公司為什麼要利用大數據來解決這種問題，大多數都只是告訴讀者國外某家公司運用大數據得出了某種結論。同時，在本書中文譯作者寫的序裏，強調自己翻譯這本著作的一大優點是可以結合國內的案例來分析書中的理論，結果，看到最後一頁都沒有看到一個國內企業關於大數據運用的案例。

之所以我稱之為“心靈雞湯”，還有一個原因就是作者在書中大講特講的大數據的作用，事實上按照現在的經濟發展水平和社會文明發展程度是很難實現的。書中很多時候的理論都是要建立在社會各項文明都發展健全的基礎上才能實現。

大數據的“傳銷手冊”

看到這個標題，大家可能會覺得我誇大其詞，受到如此多人好評的書怎麼是“傳銷手冊”呢?對於這個表達，我只想説兩點：1、此説法僅代表我個人觀點，是否認同是個人問題。2、此説法主要針對本書的上部分。

我們都知道傳銷組織在發展下線的前期是要花大力氣去培訓的，也就是洗腦。而對於一個陌生又很難以理解的事物，最好的“洗腦”方式就是重複。《大數據時代》這本書就是運用這種方式，前半部分為了讓讀者能夠接受“大數據”這個概念，作者反反覆覆提醒讀者大數據不是隨機採樣、不追求精確和不尋找因果關係。同時用很多看似很通俗易懂其實看完後還是不知道説了什麼的案例來讓人信服大數據的作用。書中的後半部分雖然也是用這種方式來感染讀者，可後半部分中作者的暢想和對大數據的威脅分析還是對讀者有一些實質意義的，所以後半部分的“傳銷”影響就不是很重要。

大數據時代是未來的趨勢，這誰都不會否認。大數據改造了我們的生活，改變着我們的世界。不管它是以一種什麼樣的姿態面向世界，它都沒有錯，因為大數據只是一種工具。但當人類開始質疑甚至恐懼大數據的時候，人類就該思考自己是否利用好這個好工具了。