第一篇：大数据读后感范文
大数据 读后感
从徐子沛的《大数据》中得到的感悟
数据，对于我们现代社社会来说，已经是再熟悉不过了。大量化(Volume)、多样化(Variety)、快速化(Velocity)和大价值(Value)。这四个V就是大数据的基本特征。每天我们都不得不和数据打交道，比如我们平常所说得“眼观六路，耳听八方，”就是生活中一个很好的的收集数据的例子。还有，在我们平时的学习中，我们对于一些学习上的数据的整理等等。可以说，数据已经成为了我们的影子一样，无时无刻的在我们的身边活动。
拿到《大数据》这本书时，吸引我的不是书评的内容，而是书的封面上的一句话“除了上帝，任何人都可以用数据说话。”也就是说，上帝可以不用数据来说话，但是，作为一个平常人，我们做事，言论等都必须用数据来说话。用数据论来证我们的观点正确性。
那么数据真的就是那么重要吗?其实不然，数据果真有那么的重要。作者在书中大量应用世界头号强国美国的例子来说明美国是如何利用数据以及数据在美国人的利用下，是如何造福美国人的。使得美国人走上了民主、发展的道路。书中还引用了大量的利用数据的案例，以及利用数据会有什么样的后果。当然，作者在书中也很明确的表达了自己观点，也就是数据要被人利用，利用的好了，造福人类，否则，祸害无穷。
毫无疑问，我们正处在一个真正意义的大数据时代。但是，大数据浪潮的来龙去脉如何?数据技术变革何以能推动政府信息的公开、透明和社会公正?又何以给我们带来无限的商机，既便利又危及我们每个人的生活?《大数据》给了我们一个很好的答案。在拿到徐子沛《大数据》时，与其说这是个新概念，还不如说就是一个现实。信息技术的迅速发展和普遍应用，存储能力的膨胀，网络传输的便捷，必然产生巨大的数据量。即使是一个公司，经过多年的积累，产生的数据也是惊人的。每天繁多的数据，这就是要求企业要很好地存储数据，利用数据通过数据，使得数据说话，提升企业的业绩和知名度。
对于一个企业来说，比较实际的倒是关注一下企业微观大数据，如何充分利用现有的、能够得到的和自己创造的数据，采用《大数据》里提及的新技术、新方法、新理念，筛选、组织、关联、分析，精细化管理和挖掘数据，探索规律性的东西，指导企业活动。 尽可能多的获取数据，首先是要有心，对于公司员工来说，随时随地注意收集客户数据、需求数据、产品数据、市场数据、资源数据等，经过整理，把它变成公司的数据资产;然后是要有据，信息与数据最大的不同，就是数据是能够度量或者确定的信息，不能“毛估估”，收集数据要精细化，要准确;其次要有序，数据需要存储，更加需要整理，单个数据没有很大意义，静止的数据也没有很大意义，有价值的数据是流动的、与其他数据交互作用的。一个大杂烩的数据库，在需要时让人找不到北，没有任何意义。再次，需要技术支持，大量的数据如何检索，如何关联，单靠人脑是不行的，需要建立基于特定理论的数据处理系统来分析管理。对于一个企业，最理想的是建立一个类似人类神经系统的数据管理系统，采用各种信息终端采集内部和外部信息，通过分析、归纳、筛选，形成管理数据，某些数据可以成为系统的“本能”，一旦触发能够自动做出反应;某些数据可以成为组合信息提交大脑综合分析，作出决策和反应。 数据应该为人服务，这是一条基本原则。在大数据时代始终发挥人的主观能动性，采用先进的理念和技术驾驭数据，让人们生活更方便，工作效率更高，劳动强度降低，为社会创造更多的物质财富和精神财富。
《大数据》是一本视野独特的书。它以数据为轴线，描绘了美国走过的改革创新的过程，行文如流水，引人入胜。书中，我读到的不是大数据处理技术，更多的是与大数据相关的美国政治、经济、社会和文化的演进，从民主和国家战略的层面细解大数据的影响力。美国是全书的主体，但又处处反观中国当下的现实。内容非常值得我们身处改革开放前沿的政府工作者深思。它让我们更加深刻地理解了汪洋书记提出的“坚持用数据说话、用数据改进管理、用数据推动创新”的深刻内涵和殷切期望。我们只有重视数据，加强对数据的收集、分析和使用，才能更好地应对正在到来的数据革命的挑战。那么，作为与数据打交道、用数据说话的前线统计工作者，如何应对大数据时代的种种挑战?
对比《大数据》，结合平时工作和学习的实际情况，我认为最少应该认真思考和解决好三个问题：
一、提供什么样的数据?
在中国，统计部门提供的数据，是各级政府部门和广大人民群众了解国家社会经济发展和人民生活状况主要渠道。只有真实可靠统计数据，才能使政府决策有的放矢，人民了解国家经济与人民生活的真实状况。如果统计数据虚假不实，就会误导政府和人民，让政府失信于人民。因此，我们一定把握好数据的生命线—质量关，确保给国家和人民提供准确、真实、可靠、无误的数据。
二、如何高效有序地收集数据?
面对信息大爆炸时代海量数据，必须充分利用高科技手段，高效有序地收集整理各种数据，以满足政府和人民群众越来越广泛的信息需求。为此，我们需要建立完善数据收集网络，包括部门内部的纵向数据收集网络和部门之间的横向数据收集网络，通过这种纵横结合的网络数据收集系统，针对特定主题，持续不断地收集相关数据，为大数据发展提供基础。需要运用互联网、电子计算机等现代技术手段，加快数据收集、加工数据的速度，确保政府和人民及时得到所需数据。
三、如何加强数据分析利用能力?
收集数据的目的是为分析利用数据。通过数据分析挖掘数据背后隐含的经济规律及有利于提高效率、改进工作的因素，提高政府管理、决策和人民生活水平，实现“用数据改进管理”。因此，作为统计人，不仅要做好数据收集的及时有效和真实正确，更重要的是要善于分析利用数据，写好专业分析报告，发现问题、支撑决策、评估绩效的目的。
此外我们还可以看到不少政府机构或者其他一些组织也在开始大数据解决他们遇到的一些问题。在本书的最后一章，作者告诉了我们大数据可能带来的坏处。如：通过大数据可能我们的个人各种信息、隐私会很容易地被大数据的拥有者找到，这些信息，可能被政府用来监管我们等;通过大数据可以预测可能发生的事，或者预测我们人个人本书即将做的行为，书中有个例子：警察通过大数据分析得出一个人即将可能犯罪，并把它逮捕了，但事实上这个人现在并没有犯罪。也许这就限制、约束了我们个人的自由。
看完这本书，颠覆了自己之前的一些想法： 以前我们认为错误的数据是没有用，我们需要保证统计的数据的准确性，但是在大数据中，错误的数据也是有用的，它和其他所有相对正确的数据一起构成了整体，也就算不了什么了。我们同样可以从这些数据中得出比较正确的预测和分析。 Google利用人们搜索的关键字来预测和判断某个地区是否发生流感，Google通过分析这个地区的人们搜索和流感有关的词的数量等来分析得出。 Google 从互联网抓取数以亿记的各种语言、各种翻译水平的翻译结果，使用其翻译出来的准确率比那些微软使用正确的词库翻译出来的句子准备率更高。我自己的感想是，其实大数据无处不在，只要我们细心，我们就可以挖掘出身边的那些大数据，并做一些有意义的是，就像书中说的那样，我们不需要强求每条数据都那么真实准确，但是从大量的数据中我们就可以得出相对准备的结果。未来成功的公司必定是是那些拥有大量数据、并使用那些数据为大众提供服务的公司。
公布官员财产美国是怎么做的，美国能让少部人腐败起来吗，美国式上访是怎么回事，凭什么美国矿难那么少，全民医改美国做得到吗，美国总统大选有什么利器才能赢，下一轮全球洗牌我们世界工厂会被淘汰吗„„ 除了上帝，任何人都必须用数据来说话。也就是是说，美国更好的利用了数据，那么，我们何尝不去利用大数据时代的数据呢?
第二篇：《大数据》读后感
这个暑假，我看了《大数据》这本书，颇有感想。 “《大数据》一书，通过讲述美国半个多世纪信息开放、技术创新的历史，以别开生面的经典案例——奥巴马建设‘前所未有的开放政府的雄心’、公共财政透明的曲折、背后的隐情、全民医改法案的波澜、统一身份证的百年纠结、街头警察的创新传奇、美国矿难的悲情历史、商务智能的前世今生、数据开放运动的全球兴起，以及云计算、Facebook和推特等社交媒体、Web3.0与下一代互联网的未来图景等等，详细诠释了数据技术变革与权力合法性、执政正义以及公民社会之间的关系。全面阐述了信息时代数据的重要性，如何加强数据的收集、分析和使用以及通过数据开放改进政府治理等问题。”
数据、信息和知识的区别和联系在于从数据、信息到知识演变：数据→赋予背景→信息→提炼规律→知识。所以，数据是一个数，但这个数加上单位，就能变成一条信息。当我们把足够多的信息罗列出来，并寻找出规律，就形成知识了。在这个大数据时代，无论是哪个国家，谁拥有的数据多，谁管理、分析数据的能力强，哪个国家就能成为强国中的强国。所以，最先实行数据开放的美国成为了世界第一强国。
但我认为，滥用数据会侵犯人的隐私权。正如书中所说：“不论是睡着还是醒着，在工作还是在吃饭，在室内还是在户外，在澡盆里还是在床上——没有躲避的地方。除了你脑壳里的几个立方厘米以外，没有东西是属于你自己的。”在美国，“即使没有姓名，没有社会安全号，只要通过性别、生日、和邮编3个数据项，数据挖掘技术就能够成功地识别全美87%的人口。”这种数据所带来的便捷，在发达国家却成为被人们所害怕的“老大哥”。所以，有些犯罪分子利用这一点，把警察告上法庭，说是侵犯了隐私权。这就是大数据的弊端。还有最近被炒得沸沸扬扬的斯诺登事件，也是利用数据出卖信息的典型案例。据美国中情局前职员爱德华·斯诺登爆料：“棱镜”窃听计划，始于2007年的小布什时期，美国情报机构一直在九家美国互联网公司中进行数据挖掘工作，从音频、视频、图片、邮件、文档以及连接信息中分析个人的联系方式与行动。监控的类型有10类：信息电邮，即时消息，视频，照片，存储数据，语音聊天，文件传输，视频会议，登录时间，社交网络资料的细节，其中包括两个秘密监视项目，一是监视、监听民众电话的通话记录，二是监视民众的网络活动。2013年7月1日晚，维基解密网站披露，美国“棱镜门”事件泄密者爱德华·斯诺登(Edward Snowden)在向厄瓜多尔和冰岛申请庇护后，又向19个国家寻求政治庇护。这件事不仅让美国政府感到不安，也让美国民众感到恐慌。 在数据开放方面，我们中国人做得不太好。中国人有不尊重数据的传统，缺乏数据开放意识。与美国政府相比，中国政府很不透明，我认为其中一个主要问题在于数据的不开放、虚假和偏差。例如，有些数据统计人员为了图方便、省时间、省力气，人为地控制数据的收集和统计过程，这样结果往往误差很大。还有些官员，平时经常应酬、乱花公款，到了年底，又害怕上级批评指责，于是谎报数据，并制造虚假信息。政府监管不严，导致公布了假数据，对社会公众危害很大。这也是为什么老百姓有时不信任政府的原因。 中国人，尤其是政府特别热衷于数据，但是数据水分之大，又很难令人信服。在本书的尾声中，作者号召我们摘下“差不多先生”的文化标签。作为大数据时代的青少年，我们不能漠视数据，应该培养收集数据的意识，因为中国缺乏的不是可供收集的数据，也不是收集数据的手段，而是收集数据的意识。我们口语中也常说“大概”“差不多”“少许”等词，经常使人搞不清楚。在今后的生活中，我们应该做到说话精确、做事准确，在学习和工作中仔细对待每一项数据、每一条信息，尝试运用数据分析来解决一些问题，这样不仅省时间，还提高了学习质量。例如，你觉得最近时间总不够用，那么你可以罗列出一周所干的事情，并准确地记录下时间，找出你把时间浪费在什么事情上，并制定解决方案。 这本书记录了美国利用数据分析由普通走向强大的历史，这也告诫我们中国人、中国政府，从现在做起收集数据、使用数据、开放数据，彻底摘掉“差不多先生”的标签!正如书中所说，否则“等待我们的，还将是一个落后的100年。”
第三篇：大数据读后感
假设你要测量一个葡萄园的温度，但是整个葡萄园只有一个温度测量仪，那你就必须确保 这个测量仪是精确的而且能够一直工作。反过来，如果每100棵葡萄树就有一个测量仪，有些测试的数据可能会是错误的，可能会更加混乱，但众多的读数合起来就可以提供一个更加准确的结果。因为这里面包含了更多的数据，而它不仅能抵消掉错误数据造成的影响，还能提供更多的额外价值。
现在想想增加读数频率的这个事情。如果每隔一分钟就测量一下温度，我们至少还能够保 证测量结果是按照时间有序排列的。如果变成每分钟测量十次甚至百次的话，不仅读数可能出错，连时间先后都可能搞混掉。试想，如果信息在网络中流动，那么一条记录很可能在传输过程中被延迟，在其到达的时候已经没有意义了，甚至干脆在奔涌的信息洪流中彻底迷失。虽然我们得到的信息不再那么准确，但收集到的数量庞大的信息让我们放弃严格精确的选择变得更为划算。在第一个例子里，我们为了获得更广泛的数据而牺牲了精确性，也因此看到了很多如若不然无法被关注到的细节。在第二个例子里，我们为了高频率而放弃了精确性，结果观察到了一些本可能被错过的变化。虽然如果我们能够下足够多的工夫，这些错误是可以避免的，但在很多情况下，与致力于避免错误相比，对错误的包容会带给我们更多好处。(小微金融创新，也可借鉴此思想，然后做好对数据收集与存储的支撑成为首要完成的事务，然后是对数据的正确运用是重点)
我们可以在大量数据对计算机其他领域进步的重要性上看到类似的变化。我们都知道，如 摩尔定律所预测的，过去一段时间里计算机的数据处理能力得到了很大的提高。摩尔定律认 为，每块芯片上晶体管的数量每两年就会翻一倍。这使得电脑运行更快速了，存储空间更大 了。大家没有意识到的是，驱动各类系统的算法也进步了——美国总统科技顾问委员会的报告显示，在很多领域这些算法带来的进步还要胜过芯片的进步。然而，社会从“大数据”中所能得到的，并非来自运行更快的芯片或更好的算法，而是更多的数据。(数据本身的价值，及数据的价值的体现)
容忍错误带来的是更多数据吞吐(大数据)，容忍风险带来的大量业务的涌现(小微金融) 大量业务的涌现带来的收益需要大于其风险带来的损失，最好办法就是从他处大量收集这些数据，并容忍这些数据存在错误，再基于大数据分析(同业数据收集，依托互联网中搜索等进行收集，阿里可以根据淘宝进行收集)
一致性多样性
Hadoop的输出结果没有关系型数据库输出结果那么精确，它不能用于卫星发射、开具银行 账户明细这种精确度要求很高的任务。但是对于不要求极端精确的任务，它就比其他系统运行得快很多，比如说把顾客分群，然后分别进行不同的营销活动。 信用卡公司VISA使用Hadoop，能够将处理两年内730亿单交易所需的时间，从一个月缩减 至仅仅13分钟。这样大规模处理时间上的缩减足以变革商业了。也许Hadoop不适合正规记账，但是当可以允许少量错误的时候它就非常实用。
ZestFinance，一个由谷歌前任首席信息官道格拉斯·梅里尔创立的公司，用自己的经验再次 验证了“宽容错误会给我们带来更多价值”这一观点。这家公司帮助决策者判断是否应该向某些拥有不良信用记录的人提供小额短期贷款。传统的信用评分机制关注少量突出的事件，比如一次还款的延迟，而ZestFinance则分析了大量不那么突出的事件。2012年，让ZestFinance引以为豪的就是，它的贷款拖欠率比行业平均水平要低三分之一左右。唯一的
得胜之道还是拥抱混杂。
梅里尔说：“有趣的是，对我们而言，基本没有任何一个人的信息是齐备的，事实上，总有 大量的数据缺失。”由ZestFinance创建的用来记录客户信息的矩阵是难以想象得稀疏，里面充满了数据的空洞，但ZestFinance在这些支离破碎的数据中如鱼得水。举个例子，有10%的客户属性信息显示“已经死亡”，但是依然可以从他们身上收回贷款。梅里尔一脸坏笑地说：“显然，没有人会企盼僵尸复活并且主动还贷。但是我们的数据显示，放贷给僵尸是一项不错的生意。”
所以有时候，通过代理取得数据信息比自己去操作烦琐的程序要便宜得多。同时还有另一 个征信机构出售“支付能力指数”和“可支配支出指数”，这些指数是用来预测一个人的支付能力的。
数据化
必须收集所有信息(包括被否掉的信息和被忽略的信息),所有跟行业接触的客户的信息，甚至没有需求的客户信息。所以可以分四步来走，第一步所有达成交易客户的全面信息(*只要能收集到能接触到的)，第二步收集所有跟公司有接触的客户的全面信息，第三步收集跟整个行业有接触的客户的全面信息，第四步所有跟客户相关的人或法人的全面信息，第五步所有人的全面信息。
一切给冯·安这位家里经营糖果厂的危地马拉人带来了相当高的知名度，使他能够在取得 博士学位后进入卡内基梅隆大学工作，教授计算机科学;也使他在27岁时获得了50万美元的麦克阿瑟基金会“天才奖”。但是，当他意识到每天有这么多人要浪费10秒钟的时间输入这堆恼人的字母，而随后大量的信息被随意地丢弃时，他并没有感到自己很聪明。
于是，他开始寻找能使人的计算能力得到更有效利用的方法。他想到了一个继任者，恰如 其分地将其命名为ReCaptcha。和原有随机字母输入不同，人们需要从计算机光学字符识别程序无法识别的文本扫描项目中读出两个单词并输入。其中一个单词其他用户也识别过，从而可以从该用户的输入中判断注册者是人;另一个单词则是有待辨识和解疑的新词。为了保证准确度，系统会将同一个模糊单词发给五个不同的人，直到他们都输入正确后才确定这个单词是对的。在这里，数据的主要用途是证明用户是人，但它也有第二个目的：破译数字化文本中不清楚的单词。ReCaptcha的作用得到了认可，2009年谷歌收购了冯·安的公司，并将这一技术用于图书扫描项目。
我们所处的时代之所以与众不同，是因为数据的收集不再存在固有的局限性。技术已经发 展到一定程度，大量信息可以被廉价地捕捉和记录。数据经常会得到被动地收集，人们无须投入太多精力甚至不需要认识这些数据。而且，由于存储成本的大幅下降，保存数据比丢弃数据更加容易。这使得以较低成本获得更多数据的可能性比以往任何时候都大。
大数据创新可以有两个方向：
1、更适合于已有大量数据在手的进一步数据价值挖掘。
2、或打造向大数据收集方向靠拢的模式，建立一种好的收集机制。
数据创新1：数据的再利用
数据创新2：重组数据
数据创新3：可扩展数据 ：可扩展数据
数据创新4：数据的折旧值
数据创新5：数据废气
数据创新6：开放数据
这两家公司的不同做法很能说明问题。微软只看到了拼写检查作为文字处理这一个目的的 价值，而谷歌却理解了其更深层次的价值。不仅利用错别字开发了世界上最好、最新式的拼写检查器来提高搜索质量，而且将其应用于许多其他服务中，如搜索的“自动完成”功能、Gmail、谷歌文档甚至翻译系统。
容错，包容能带来新的价值
一位谷歌的员工说：“我们喜欢从大的‘噪音’数据集中吸取教训。”
很多企业都开始设计他们的系统，以这种方式收集和使用信息。在Facebook的早期，数据 科学家们研究了数据废气的丰富信息，发现人们会采取某种行动(如回帖、点击图标等)的最重要的预测指标就是他们看到了周围的朋友也在这么做。紧接着，Facebook重新设计了它的系统，使每个用户的活动变得可见并广播出去，这为网站的良性循环做出了新的贡献。逐渐地，这个想法从互联网行业传播至可以收集用户反馈的任何公司。
数据本身、技能与思维
数据来源，信用卡 匿名信息
手/网游公司。。。
大数据只是科技发展的一个阶段，人类卓越的才华才是人类最大的优势(相比较于机器),是我们行进道路上可能用到或可以说必定会用到工具，工具就需要擅用的才华与技巧。 如果存在超越或近似于人类才华的能力，那它就具备人类同样的智慧。
第四篇：《大数据》读后感
荆家镇中心学校荆超
在数字信息时代，数据和空气一样遍布生活，对于有些人来说，数据无意义，而对于有些人来说，数据，即真相。读完《大数据》，我才意识到这并不是一本枯燥无味的书籍。透过全书，一个立体的美国及美国人民的思想呈现在我们面前——美国人民执著于个人隐私的保护，却又不遗余力地推动着政府信息的透明与公开。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。
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。
第五篇：大数据时代读后感
发布:励志 | 分类:读后感 | 发表评论
大数据时代读后感
(一)
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。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，感觉到之前的想法，只能算是中了一小半吧---巨量的数据，而另一前：着眼于数据关联性，而非数据精确性，或许才是大数据与现时BI最大的不同，不仅仅是方法，更多的时思想方法。不过坦白讲，到底是数据的关联性重佳，还是数据的精确性更好，还真的需要时间来检验一下，至少从现在的数据分析方法来论，更多的倾向于数据的精确性。看完此书，我心中的一些问题：
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。
大数据变革读后感 大数据变革读后感
(一)
之所以读《大数据变革》这本书，是因为当时在京东上看到这本书的宣传是具备互联网思维必读书之一。说实话，看这本书根本看不进去，不晓得是因为翻译的原因还是什么，只能说标题吸引人，内容很空泛，没有什么的可读性。现把书中的一些内容做些摘录。
大数据是市场营销和销售的下一个前沿地带。在一个日益互联的世界，对数据勤于收集和有见地的分析使得公司可以前所未有地了解它们的消费者。用有形的统计知识武装后，现在它们也可以改进企业和产品，使其比以往任何时候都更加紧密地迎合消费者的需求。在这个产品差异化已经不再是一个可持续竞争优势的世界，了解消费者是必要的。一名天才创意的头脑根据对消费者的直觉设计广告促销已经是企业界早已逝去的回忆。今天的营销需要基于数据驱动洞察每个消费者偏好制定差异化定位。
随着中国公司和消费者的成熟，我们相信这种数据驱动的营销和销售方法将变得越来越意义重大。公司未来的成功将取决于中国消费者能被怎样了解、定位和说服。领先公司已经开始思考如何准备向这个数据时代过渡，即如何从以技术为主导的方法转为客户导向战略，使用数据带来业务增长。
大数据变革读后感
(二)
大数据正影响并挑战着所有行业的商业模式。数据毋庸置疑地将成为企业的关键战略资产，处理、分析与整合数据，是企业进行市场选择、产品设计与定价、市场营销，乃至内部管理流程的指导因素，对运营模式将带来革命性改变。
2014中国绿公司年会“改变的年代：现实与远见”于20日至22日在广西南宁举行。IBM全球副总裁王阳在“大数据”变革企业经营与管理圆桌论坛上表示，大数据变革着制造业、医疗业和教育行业。
以下为文字实录：
大数据是IBM整个公司的战略。IBM在IT领域当中走了一百多年了，看整个变化，今天到大数据，其实是意料之中的。IBM刚开始建公司的时候，就是因为美国的人口普查，要积累大量的数据，那时的人口普查跟现在还不一样，需要有机器各方面的东西，还是要很长时间进行统计的，今天完全不一样，就是因为要抓取数据，但是我们今天在讲到大数据的时候，不光从技术层面来讲这个问题，更重要的是从商业模式讲。
技术层面，讲了概念之后就知道大数据需要有一个平台，需要有一个数据的抓取，它有传输，分析、建模、优化等等，最后产生你的认知，这些东西都是在大数据这个平台上所必须具备的一些特性。这些特性使得大数据平台，跨行业，不管哪个行业都有这样的平台之后，可以互相之间交融。一个非常重要的概念，大数据应该把全世界的数据，在统一的平台上相互共享，()这才会是真正体现整个人类的物理空间所发生的所有事情。讲这一点就要讲到商业模式的变化，三个行业会有很大的变化，其它行业依此类推。制造业，阿里巴巴讲到了电商这方面，他知道了很多数据，其实我们已经看到小米之类的，从C2B，我跟马云八年前讲了C2B，他当时说C2B是什么，他还没做小B2C，连商城还没做。但是C2B我认为是今天如果阿里淘宝往下走的核心战略，因为有大量的数据，他知道所有人的喜好，下一代的产品应该怎么开发，这些东西拿过来之后，对商家说我认为这就是下一代产品，小米就是这样做的，在制造方向，不管成本也好，商品特性也好，还是有多大的采购量，都是可以帮助你来做这个事情，手上拿着C这个利器，可以知道B怎么开发，我叫做有计划的市场经济，因为有大数据。
第二个是医疗行业，刘总在医疗行业做了很多，王总的公司用友在医疗行业方面也有很多ERP的实现。医疗行业，我认为将来走下去，很可能就颠覆了。为什么要有这么多三甲医院，为什么有不同种医院?其实就是病人和1.76复古传奇一个平台，和医生进行交互。如果全程控制，全程监护，为什么需要一年一次的体检，而不是时时刻刻的体检?每天运动量，吃了什么东西，包括像海尔智慧的冰箱里收集所有的信息，都可以知道一个人到底生活状况怎么样，不是一年一次的体检，而是全程的，包括周边的人，什么样的数据正在传播，包括DNA，家族的东西。为什么要进行尿液检查和粪便检查?家里的马桶上放上数据采集，每天都可以报道，知道血糖所有的东西，不管眼压，现在是不是在生气，是不是在发怒，心情调和不调和，所有这些东西只要放在一个平台上面，再加上很重要的是认知，大家要注意，现在美国正在发起一个非常重要的运动，或者在这方面做研究，就是人类大脑的研究，怎样认知?有了大量的数据在这个平台上之后，像大脑一样让机器操作，能够总结出这些东西，一个人或者几个人，没法接受再去分析这么大量的数据，而这个大量的数据实时产生，必须有机器自身，让我们大脑的机构放在这张网上，让它自己进行学习、判断。我们在IBM做的实验，不一定有很多人知道，沃森这个机器人，几年前下象棋，说起来已经二十年了，下象棋打败国际象棋大师，所有这些东西我们已经做过了，前几年是美国智力竞赛的冠军，今天人类的技术发展到什么样的程度?有大量的数据，医生是超级医生，已经通过了西医的证书，可以行医，中医未尝不可，医疗行业可能就有变化，都会变化。
第三个行业是教育行业，今天的大学要好好想一想自己将来的经营模式是什么，将来每个人的学习，并不是出生在哪一个农村，因为有什么样的师资情况，没有得到很好的教育，所以这一生没有机会，不是这样了，网上都有信息，每个人只要勤奋，都可以用手机或者什么进行学习，自己在不断成长，而且平台上有大量的数据沉淀，这个人知识掌握的程度，或者在哪一方面有什么专攻，王总讲到了大数据分析师，学习过程当中，这些人对数据是非常敏感的，对数据模式或者建模过程非常敏感，这些人才是做某些事情的时候可以连起来，让他帮助我们一块做。如果这样的话，将来的企业是什么样的?将来的企业就像海尔董事长说的一样，是无边界的，你可能是我们企业的员工，在这个平台上我知道你学习的整个过程，知识的整个过程，所以我可能在某时某刻利用你，所以将来的世界是非常美好的世界，大数据给我们带来非常美好的明天!