一本书读懂大数据读后感

一本书读懂大数据读后感一本书读懂大数据读后感篇一读完《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。一本书读懂大数据读后感篇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著作——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，才能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”。“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。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，只是参考的答案，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，只是参考的答案。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。一本书读懂大数据读后感篇三我们生活在一个“概念”纷飞的年代，先前只有IBM熟谙的招数，如今已经“飞入平常百姓家”。“移动互联网”、“云计算”的概念刚刚消停，业界的专家又送来了“大数据”的概念，一时间似乎人人都变成了“大数据”专家，见面要是不提“大数据”都不好意思跟人打招呼！玩笑归玩笑，当我们的存储能力、计算能力和网络带宽变得充裕之后，我们先前对待数据，尤其是原始数据的态度和思维方式，将面临着很大的改变！其实，作者的主要观点，已经在翻译者的译者序中进行了总结：“大数据时代处理数据理念上的三大转变：要全体不要抽样，要效率不要绝对精确，要相关不要因果”。如作者所言，“采样分析是信息缺乏时代和信息流通受限制的模拟数据时代的产物”。如果可以，我们当然会使用“全体数据”而不是“抽样数据”。读到这里，我估计大学里正在绞尽脑汁设计样本抽样方法的学生、教授们，连哭的心都有！数据分析的及时性，在很多情况下比精确性更加重要，尤其是在商业领域。想想看，如果需要两周时间才能计算出明天某个航班的满座率，那还有什么意义？大数据计算技术，适用的不是像卫星发射、开具银行账户这样的工作，而是不要求极端精确的情况，其核心是“预测趋势”，况且原始数据也可能出现差错。过往千年，探究因果关系几乎是所有科学研究的原动力。甚至，这已经通过语言，融入我们的思维方式和哲学思想：“因为……所以……”，凡事都要问“为什么”。但是，在大数据的范畴里，关注的却是相关性，而不是因果关系，或者其次才是因果关系。超市只用关心把啤酒和尿不湿放在一起，会帮助提高销售额，而不用关心其中的奥秘。如果说原因，可能很多都是人们的习惯、方便，甚至是人性，例如奶爸们习惯买尿不湿的时候给自己捎上几罐啤酒。在此，也有一些自己的思考：如果说搜索引擎所解决的问题表面上是帮助用户找到需要的信息，而实质是帮助企业找到拥有某项需求的客户，深层次讲是解决了《第三次浪潮》中提出的消费者和生产者分离的根本矛盾，如果再加上3D打印技术，就可以完成由消费者主导的“个性化”生产过程；而大数据所解决的是，通过对所有用户的数据进行分析，可以预测用户群整体的需求变化趋势，从而完成批量产品生产、销售的调整问题，其奇妙之处就在于无需用户“开口”说出她想要什么？一个解决的“个体需求”，一个解决的是“群体需求”。本书除了提出上述三项基本观点，其它的内容大多是举例说明，多少有些空泛。但是，其实大数据时代才刚刚开始，对大数据的应用也只是停留在比较浅的层面上，作者能提出这三项基本观点已属难能可贵！一本书读懂大数据读后感篇四大数据这个词一直存在但我们很少在这个时代前能有所耳闻，在我读了维克托写的大数据之后，我明白了在更早的年代之所以不流行这个词是因为人们喜欢感性的思考而不是拿数据理性的分析。究其原因，一方面是数据量小，另一方面是人们的思想落后。然而随着信息时代的到来和云技术的发展，大数据逐渐成为一个可靠的参考标准，以及大数据在诸多领域做出的贡献足以证明他在这个时代的重要地位。维克托在书中例举了大量有关美国在这半个世纪信息开发技术创新的典型案例，从侧面向我们阐述了大数据在诸多领域的不同作用，例举其在医学方面的作用，在不久之前，你也许可能还会听到两个医生对于一个医学问题争论的喋喋不休，……公说公有理婆说婆有理……，但怎么说都是建立在“我认为”的主观臆断之上，幸运地是，大数据的出现给帮助医生在问题上给予一个正确的指向，通过云端和千千万万的数据，可以更清楚还原问题的直观事实。这样的例子在生活中也数不胜数，其力量存在于人们无形的生活中，却有形的帮助人们解决了在经济，科学，人文方面的各种问题，通过整合混沌的信息，分析加工我们就能很好的了解自己所处的世界并驾驭在时代的前沿。一本书读懂大数据读后感篇五知道＂是什么＂就够了，没必要知道＂为什么＂。在大数据时代，我们不必非得知道现象背后的原因，而是让数据自己＂发声＂。这个命题是我读这本书最大的感触。对于大多数人来说，这的确是一场思维变革。对于理科学生来说，会认为这是一个错误的观点，因为这无异于否定了他们对世界客观物理化学规律探索的重要性；对于一名工科学生，其实这并不是一个多么新颖的观点，因为工科是讲求时用性的，如何能更好地利用基本自然科学规律创造社会财富比探索自然科学知识显得更重要。这些天来，在读大数据这本书的同时，也稍微重温了一下自动控制原理，认识到控制系统中存在明显的大数据时代思维方式，借读书交流会之际，与大家分享。对系统的有效控制需要对系统理解与建模。以一个日常生活中的例子说明。开车的时候一脚油门下去车就飞出去了，但并不知道这一脚油门下去能给多大车速，这就需要驾驶人员的熟练的驾驶技能了，不然超速被开罚单是很正常的。那么，问题就来了：如何能实现速度的自动控制而不用驾驶人员踩油门？这就是控制系统最关键的环节――建立系统数学模型。大白话就是知道车速与燃油量的数学关系式。若是以探索为什么的思维模式，不可避免的要列一大堆能量方程、动量方程等物理化学式子，经过繁杂的计算，还是能得到车速和燃油量的数学关系式的。很明显这是一个繁琐的过程，因为得知道现象背后的原因。这仅是对于这种简单的系统，若是对于航空发动机这种复杂的系统，结构工艺过于复杂，分析各部分的物理化学过程是十分困难的，这时候可以通过实验法得到数学模型。实验法主要有时域测定法、频域测定法和统计相关法。与大数据时代思维最接近的是统计相关法，主要过程是对被研究对象施加某种随机信号，根据被测对象各参数的变化，采用统计相关法确定被测系统或对象的动态特性。这种方法可以在被测系统或生产过程正常运行状态下进行在线辨识，测试结果精度较高，但要求采集大量测试数据，并需要相关仪和计算机进行数据计算和处理。若用开车实例来解释，此时的系统为汽车动力系统，施加的随机信号为燃油量，被测对象指车转速，得到的动态特性就是指车速与燃油量函数关系式，从而不用探求背后的物理化学规律就得到了数学模型。在沈阳黎明航空公司实习时去过试车间，除了发动机点火后震撼的场景动人心魄，控制室屏幕上海量的数据也同样引人注目，我想这么多数据无非就是验证数学模型或直接实验法得到数学模型，结合航空发动机这种复杂的系统，对于搞控制的人来说，得到数学模型就够了，现象背后的原因交给研发的人来探索更好。一本书读懂大数据读后感篇六读了《大数据时代》后，感觉到一个大变革的时代将要来临。虽然还不怎么明了到底要彻底改变哪些思维和操作方式，但显然作者想要“终结”或颠覆一些传统上作为我们思维和生存基本理论、方法和方式。在这样的想法面前，我的思想被强烈震撼，不禁战栗起来。“在小数据时代，我们会假象世界是怎样运作的，然后通过收集和分析数据来验证这种假想。”“随着由假想时代到数据时代的过渡，我们也很可能认为我们不在需要理论了。”书中几乎肯定要颠覆统计学的理论和方法，也试图通过引用《连线》杂志主编安德森的话“量子物理学的理论已经脱离实际”来“终结”量子力学。对此我很高兴，因为统计学和量子力学都是我在大学学习时学到抽筋都不能及格的课目。但这两个理论实在太大，太权威，太基本了，我想我不可能靠一本书就能摆脱这两个让我头疼一辈子的东西。作者其实也不敢旗帜鲜明地提出要颠覆它们的论点，毕竟还是在前面加上了“很可能认为”这样的保护伞。近几十年，我们总是在遇到各种各样的新思维。在新思维面前我们首先应该做到的就是要破和立，要改变自己的传统，跟上时代的脚步。即使脑子还跟不上，嘴巴上也必须跟上，否则可能会被扣上思想僵化甚至阻碍世界发展的大帽子。既然大数据是“通往未来的必然改变”，那我就必须“不受限于传统的思维模式和特定领域里隐含的固有偏见”，跟作者一起先把统计学和量子力学否定掉再说。反正我也不喜欢、也学不会它们。当我们人类的数据收集和处理能力达到拍字节甚至更大之后，我们可以把样本变成全部，再加上有能力正视混杂性而忽视精确性后，似乎真的可以抛弃以抽样调查为基础的统计学了。但是由统计学和量子力学以及其他很多“我们也很可能认为我们不再需要的”理论上溯，它们几乎都基于一个共同的基础――逻辑。要是不小心把逻辑或者逻辑思维或者逻辑推理一起给“不再需要”的话，就让我很担心了！《大数据时代》第16页“大数据的核心就是预测”。逻辑是――描述时空信息“类”与“类”之间长时间有效不变的先后变化关系规则。两者似乎是做同一件事。可大数据要的“不是因果关系，而是相关关系”，“知道是什么就够了，没必要知道为什么”，而逻辑学四大基本定律（同一律、矛盾律