大數據的反思是什麼

Ⅰ 大數據究竟能給我們帶來什麼

1，大數據改變了生產生活方式。

大數據讓企業擁有了增值的潛力與爆發力：通過對銷售大數據的分析應用，企業可以對消費者的需求有更精準的把握，從而進行更對路的生產；通過對用戶評價大數據的分析挖掘，企業能夠更有針對性地改善用戶體驗，從而促進產品營銷。

2，大數據改變了思維方式。

這種改變是雙向度的：被動改變與主動改變吵行相互交織，外在對手與內在對手共存共生。某種程度上，大數據促進了商業生態系統的重構，從產品供應、營銷模式隱碰慎到競爭策略，誰掌握了大數據，誰就掌握了用戶。

3，大數據將改變了管理模式。

理念創新必然帶來技術創新，技術創新必然呼喚機制創新，管理模式的及時跟進將決定大數據價值的充分發揮。大數據的意義不在於數據本身，而在於對數據的分析與應用，從而釋放出數據所蘊含的巨大價值。

(1)大數據的反思是什麼擴展閱讀：

已經有不少國家和企業開始在這一新領域謀篇布局。作為擁有龐大人群和應用市場的灶敬中國，也力爭在這次科技變革中實現創新與引領，已經取得了大數據的三大理論創新成果——《DT時代——大數據如何改變世界》、《塊數據——大數據時代真正到來的標志》、《創新驅動力》。

Ⅱ 大數據的弊端是什麼

網路詐騙逐漸泛濫、隱私難以得到保障、國家機密的保護加難。
網路詐騙逐漸泛濫，人們不得不不斷加強防範意識，這也使得社會不穩定因素增加。由大數據提供的推薦會不斷激發人們的興趣，逐漸讓人們對軟體產生依賴，逐漸脫離現實，最終導致陷入網癮。
在大數據的網路籠罩下，人們的隱私也難以得到保障，因為隱私泄露而造成的合法權益受侵害的事例時有發生。大數據給一些人們帶來便利的同時也助長了人們的惰性，變得越發懶散。
其次，在社會方面，大數據技術的普及也帶來了不可伍搭避免的副產物—透明度。隨著大數據技術的越發進步，人們的個人隱私越來越難以保密，在網路上能隨意查找個人信息。這不僅使得人們的合法權益得不到保障，而且增加了違法犯罪率，給社會帶來了更多不穩定性。
最後，在國家層面，大數腔鬧拿據的發展給國家機密的保護提出了一個難題。我國需要加強對國家機密的保護，防止其他彎慎一切媒介泄露，就需要更加嚴密的技術。其他國家對網路技術的逐漸重視也給我國施加了壓力。這就需要我國不斷重視大數據技術，保持在國際上的領先地位。

Ⅲ 大數據時代讀後感

《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“大數據商業應用第一人”，擁有在哈佛大學、牛津大學、耶魯大學和新加坡國立大學等多個互聯網研究重鎮任教的經歷，早在2010年就在《經濟學人》上發布了長達14頁對大數據應用的前瞻性研究。以下是這本書的讀後感範文，歡迎閱讀!

腔激大數據時代讀後感(一)

我們不再熱衷於尋找因果關系，而應該尋找事物之間的相關關系。這個命題是我讀這本書最大的感觸。個人認為也是這本書最核心的思想。從頭說起吧，首先，書提出一個顛覆我以前認知的命題--”並非原子而是信息才是一切的本源“，將世界看做信息，看做可以理解的數據的海洋，為我們提供了一個從未有過的審視下是的視角。它是一種可以滲透到所有生活領域的世界觀。這個命題是在書的最後一部分中的某一段中描寫的。我之所以把它放在最前面來講，因為我覺得，這是談數據化世界的前提，自然也是談論大數據的前提啦。書的中間部分有一節講到數據化和數字化的區別。經過我自己腦子的整理，把數據化世界這個命題列為大數據思維的第二步。寫到這里，我不由得反省下，我是不是有領悟到書的精髓所在(我認為的精髓)，就是第一句話。因為回顧我整個思路，還是按照舊模式的因果關系思考模式思考問題。書中另一個吸引我的地方就是，有很多觀點的論述，會從哲學的高度論述。雖然，自己肚子沒多少墨水，但是讀這些描述的時候，就會發現自己會更好的理顫圓岩解作者提出的命題。比如書中有一段文字

當我們說人類是通過因果關系了解世界時，我們指的是我們再理解和解釋世界各種現象時使用的兩種基本方法：一種是通過快速、虛幻的因果關系，還有一種就是通過緩慢、有條不紊的因果關系。大數據會改變這兩種基本方法在我們認識世界時所扮演的角色。

在附上一些事例的時候，用作者提供的”本質“去看待時，很容易理解，確實是這么回事。好了，那麼大數據到底改變了我們什麼呢，作者給出3點，

大數據的精茄御髓在於我們分析信息時的三個轉變，這些轉變講改變我們理解和組建社會的方法。

第一個轉變就是，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，而不再依賴於隨機采樣(樣本=總體)

第二個轉變就是，研究數據如此之多，以至於我們不再熱衷於追求精確度

第三個轉變因前兩個轉變而促成，即我們不再熱衷於尋找因果關系，而應該尋找事物之間的相關關系。大數據告訴我們”是什麼“而不是”為什麼“。在大數據時代，我們不必知道現象背後的原因，我們只要讓數據自己發聲。

正如大家所知道的那樣，人類的大腦具備這樣的功能，它會把新輸入的刺激或信息與”過去的經驗或積累的部分知識“相對照，然後進行調整並接受下來。如果眼前新的現實與大腦中儲存的固有信息無法協調，便會在無意識中拒絕接受新的現實(當作沒有看見);或者通過自己一知半解的知識任意推測，使自己認識到的情況偏離實際(產生錯覺)。這是人的一種本能，目的在於使自己保持冷靜。

所以作者稱之為revolution。

講了這么多，那麼大數據到底給我們帶來什麼。在這里，我只想談我感觸最深的，其他的有興趣的可以自己去了解。當然，書中提了很多，最多的就是，XXX公司或者個人利用大數據創造了多大的財富了，拋開這些表面的不說，最讓我動心亦或者是害怕的是---預測。這是大數據帶來最核心的東西，動心的理由無須贅述，計算機會告訴你什麼時候買什麼雙色球可以中頭獎，想想心裡是不是有一點小激動咧。當然這只是我打的一個比較誇張的比喻。至於害怕呢，書中有段話我很喜歡

公平正義的基礎是人只有做了某事才需要對它負責，畢竟，想做而未做不是犯罪，社會關系於個人責任的基本信條是，人為其選擇的行為承擔責任。如果大數據分析完全准確，那麼我們的未來會被精準的預測，因此在未來，我們不僅會失去選擇的權利，而且會按照預測去行動。如果精準的預測成為現實的話，我們也就失去了自由意志，失去了自由選擇的權利。既然我們別無選擇，那麼我們也就不需要承擔責任。這不是很諷刺嗎。

扯到這里，順便扯一下，書中另一段關於自由意志的描述

在哲學界，關於因果關系是否存在的爭論已經持續了幾個世紀。畢竟，如果凡事皆有因果的話，那麼我們就沒有決定任何事的自由了。如果說我們做的每一個決定或者每一個想法都是其他事情的結果。而這個結果又是由其他原因導致的。以此循環往復，那麼就不存在人的自由意志這一說了。——所有的生命軌跡都只是受因果關系的控制了。因此，對於因果關系在世間所扮演的角色，哲學家們爭論不休，有時他們認為，這是與自由意志相對立。

書中舉了個例子，舉了部電影《少數派報告》，當我看到這里的時候，”哎喲，我居然看過這部電影，想想心裡還是有點小激動“，有興趣的可以去看下，大概就是講警察通過預測來提前抓捕犯人，不過不是通過大數據，是通過超人類的方式。當你什麼舉動都可以被預測，相當於你完全暴露在太陽光下，換成你，你害怕不。

最後，附上兩段結語，一段是書中的一段話，另一段是我自己瞎編的。

大數據並不是一個充斥著演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，只是參考答案，幫助是暫時的，而更好的方法和答案還在不久的未來。

大數據終將會影響到我們，也像其他技術一樣會是一把雙刃劍，用得好，動心，濫用，害怕。如同核技術一樣，用的話，造福地球，濫用，給個金剛石地球你，照樣爆。我相信，未來的大數據的發展會如作者所說的，是一場生活、工作與思維的革命。

大數據時代讀後感(二)

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。

不過話又還得說回來，《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，更細致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：著眼於數據關聯性，而非數據精確性，或許才是大數據與現時BI最大的不同，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?

查了查網路，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體工具，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戶的數據的大企業，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，5，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。書中說：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，或都換則方式說：所有的企業都以大數據為競爭力，是否真的合適么?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，你甚至都沒有做好准備，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。影響最大的，當然是IT公司

3)變革思維書中所說：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。

大數據時代讀後感(三)

如今說起新媒體和互聯網，必提大數據，似乎不這樣說就OUT了。而且人雲亦雲的居多，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?他現任牛津大學網路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。他的咨詢客戶包括微軟、惠普和IBM等全球頂級企業，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，這位大師說的都是金科玉律嗎?並不一定，讀大師的作品一定要做些功課才好讀懂，如果能做足功課又具備相應的理論功底，就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：不是因果關系，而是相關關系。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說的相關關系，我理解他說的全體數據不是指數量而是指范圍，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，只是抽樣的方法和范圍要加以拓展。

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。”大數據的簡單演算法比小數據的復雜演算法更有效。“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。”不是因果關系，而是相關關系。“不需要知道”為什麼“，只需要知道”是什麼“。傳播即數據，數據即關系。在小數據時代人們只關心因果關系，對相關關系認識不足，大數據時代相關關系舉足輕重，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系，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。

世間萬物的復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，讀者在閱讀時一定要看清楚他是在什麼語境下說的，不要因囫圇吞棗的淺讀而陷入斷章取義的誤讀。比如說舍恩伯格在提出”不是因果關系，而是相關關系。“這一論斷時，他在書中還說道：”在大多數情況下，一旦我們完成了對大數據的相關關系分析，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系，找出背後的‘為什麼’。“[i]由此可見，他說的全體數據和相關關系都在特定語境下的，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里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里，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，數據獨裁與隱私保護成為一對矛盾。如何擺脫大數據的困境?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著演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，也不是標准答案，只是參考答案。

此外，在閱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，比如說什麼叫數據?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。

Ⅳ 大數據之道與術

記得曾聽人說過，最重要的構建起自己的思維體系。現在隱隱約約能夠有些理解，成長就是建立並不斷完善自己思維體系的過程。

    很久沒寫東西，但是對於最近的這幾本書我覺得帶給我蠻多驚喜，給了我不同的視角去看事情，需要將自己的一點點想法化成文字記錄下來。僅對於大數據這塊，淺談一下自己想法。

作為一隻小碼農，兵來將擋水來碼掩，一心撲在實現具體需求上，只注重技術實現，而沒有從整體，站在更高的視角去看待數據問題。大數據不在於數據量大小，不在於使用什麼具體的技術實現，而在於分析，在於解決問題，助力業務。

大數據時代，企業或渣敏應該開啟數據化運營來保證業務發展和用戶增長。《增長黑客》一書中始終圍繞著， 數據分析->提出想法->排定優先順序->快速驗證， 這四點在進行。用戶在哪裡高流失，熱點功能，留存率，激活率等，只有數據才能實實在在反映公司的運營情況和產品的使用情況，用數據來作為產品的領航標。對於整體的數據分析來講，如下四步：

數據分析 ：如《決戰大數據》中很令我豁然開朗的觀點， 大數據就是盡可能還原用戶當時的場景 。從用戶當時的場景出發，去分析為什麼用戶會在這個點流失？為什麼這個點轉化率低?具體的術，不限於頁面埋點，梁碰或者問卷調查等。用數據找出產品中體驗不佳的問題點。

提出想法： 對於解決產品中分析出的問題，或者一些好的idea，可以拉上研發、產品、市場同事一起做頭腦風暴，不同職責的人看問題的角度不一樣，更可能會出現一些好的idea。必要時候，甚至可以請完全不同項目的人進來頭腦風暴，激發靈感。

排定優先順序:  對於上述的很多想法，肯定不可能在一個迭代里全部實現。可以從主方向相關度、實現成本、時間周期、帶來效果等方面打分，評定需求優先順序，來確定當前這個迭代周期該實現哪些。

快速驗證:  互聯網行業的快速迭代，對於確定好的需求就需要快速推出進行驗證，是否有效，是否確實提升了用戶留存等。當然對於改變來講，都可能會帶來未知的風險，不能保證效果是正還是負，所以可以使用A/B測試，確定部分效果後再推廣。對於新的改變，一定要跟蹤用戶數據，對前後數據進行分析，產生了多大效果，一切應該以數據說話。

最後循環不斷上面流程，堅持用數據去領航產品。

    ​

    ​以上是從產品迭代去講數據分析，但是回歸到大數據技術呢?數據湖，數據平台，整合了整個公司的海量數據，這些在於公司衫枝的意義又該怎樣。現在數據處理大致下面幾步:

    數據採集：

      1. 從大數據浪潮之後，現在幾乎每家公司都在瘋狂收集數據，每個角落數據都不放過。但是用起來的卻少之又少，最後發現數據指數級上升，成本高昂，卻沒產生該有的價值。在這里，我並不是反對數據收集，但是收集前需要對問題和數據做一些界定，這些數據對我業務真的有影響么?

     2. 不要太過相信數據准確。特別是作為數據平台，你需要對接上游無數個數據源，同時需要將數據服務下游諸多系統。數據的准確性越來越重要，你並不能保證上游系統百分百的數據准確，所以請做好「臟」數據打算，不要過於樂觀。

    數據存儲：

     數據進來以後就需要存儲。可能很多業務部門會各自都有一套數據處理框架，優點在於更加靈活，缺點在於大量的數據冗餘，成本飛升和數據不一致等。所以稍大型公司內部基本會將基礎數據統一，這也是數據湖的初衷。關於數據存儲一塊，可以考慮三層結構： 基礎層，中間層，應用層 。其中基礎層數據，統一維護一份，保證數據一致，並盡量保持數據的原始狀態，防止數據失真。中間層，可以按照業務模塊，數據再生狀態，時間等維度生成多張大寬表，或者使用雪花模型等，對一模塊提供服務，允許各個模塊之間一定的數據冗餘，提供適度靈活性。

當然我們收集數據，最終是為了分析和使用。對於當下趨勢，越來越實時化。我們還需要放很大部分精力在存儲的同時，考慮如何 快速索引 ，怎麼保證我們能盡快的按照某些標簽就能從海量數據中提取出我們需要的數據。一大團雜亂無序的數據，除了占伺服器資源，沒有任何意義。

    數據應用：

     如同前邊產品中的數據分析一樣，大公司和具體的數據建模的目的也是為了指導業務和商業。如果數據沒有應用，沒有去結合業務，那麼數據本身也就沒有什麼意義。一個好的數據流程，應該如前所講一樣，是一個閉環。用數據應用指導產品，再通過產品收集自己需要的數據，豐富我們的數據。正如《刻意練習》中最重要的觀點，反饋才是進步的動力，才能讓自己看到哪裡做得不夠，哪裡需要改進，而做數據也是一樣。

對於數據開發人員，《決戰大數據》里的 「混」，「通」，「曬」 還是很有思考的價值。「混」，與業務混在一起，了解業務，才能真正理解數據，提升數據敏感。「通」，數據之間需要連通才有價值，而在紛亂的數據中做到不同部門，甚至不同行業之間的數據串聯在一起本身不管技術和溝通上都是一個大挑戰，只有「通」，才能更好的還原用戶當時的場景，甚至精確的預測下一步。「曬」需要把數據指標都曬出來，老闆關心的不是指標，而是指標背後的why和how。計算出指標，還要更多的去想想能發現什麼問題。

世間一切都是相同的，這也是為什麼要構建自己的思維體系，以一應萬。大數據分析這條道，同樣也適用於個人，將個人看作一個產品，或者公司去做數據分析。那怎麼用數據思維做個人管理?

數據收集： 知乎上有個問題，給我留下了很深的印象。看了那麼多書，真的有用嗎？我不敢說自己看過很多的書，但是仔細回想，曾經看過的書中內容確實大多都已記不住了。所以我慢慢在強迫自己去做一些讀書筆記這樣的事情。但是我所做的還遠遠不夠，讀書時，遇到喜歡的句子，醍醐灌頂的一段話，其實都可以加上備注和所思所想，記錄下來。這就是一個最基本的數據收集階段。

數據存儲： 數據最終的目的是使用，並不是把數據收集回來就算完成目標。存儲所對應的就是檢索，能夠在我們需要某個知識的時候，很快的從庫里邊調出這部分相關知識。所以對上一步收集回來的數據，可以通過 標簽、知識范疇、場景、時間 等組合歸類，便於我們快速的檢索。（當然歸納碎片知識的時候，很多人會和我一樣不知道該把這個知識歸類到哪個標簽上，其實是我們缺少對這個標簽的具體和邊界定義。正如一個思想所說，一個好的問題，就是具體完成後，答案就出來了）

數據應用:  對於生活中遇到的問題，我們求助於我們的知識庫。但是這些知識都是沒有經過檢驗的，而且整個社會一直處於動態變化中，所以我們應用這部分知識以後，還需要給給到反饋和反思。它是否適用，給我帶來了什麼樣的影響，這個知識是不是需要怎麼調整能更好適合我自己，再修改回自己的知識庫。

命運二字，命中註定的某些東西無法更改，但是運這一項，財富，人際關系，知識和思考模式都是可以靠自己積累的。

建立完善自己的思維體系，會發現萬物皆通。

Ⅳ 你對大數據是什麼看法

小調查:請你收集幾個有關大數的信察陸息,並把它們敗散頃寫下來。構成一個人體需要500萬億個細胞，一天有24小時即1440分鍾86400秒，一年有365天有8760小時525600分鍾31536000秒，中國的土地面積960萬平方公里(9600000)，中國是世界上人口最多的國家，人口有1,300,000,000（十三億)。大數據：大數據（big data），IT行業術語，是指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。
在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》[1]中大數據指不用隨機分析法（抽樣調查）這樣捷徑，而採用所有數據進行分析處理。大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。[2]
中文名
大數據
外文名
big data,mega data
提出者
維克托·邁爾-舍恩伯格及肯尼斯·庫克耶
提出時間
2008年8月中旬
應用學科
計算機，信息科學，統計學
快速
導航
特徵結構應用意義趨勢IT分析工具促進發展
定義
對於「大數據」（Big data）研究機構Gartner給出了這樣的定義。「大數據」是需要新處理模式才能掘缺具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。

Ⅵ 大數據的弊端是什麼

大數據的弊端是可能造成數據泡沫風險。大數據(big data)，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體工具，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。

麥肯錫全球研究所給出的定義是：一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統資料庫軟體工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特徵。

結構

大數據包括結構化、半結構化和非結構化數據，非結構化數據越來越成為數據的主要部分。據IDC的調查報告顯示：企業中80%的數據都是非結構化數據，這些數據每年都按指數增長60%。

大數據就是互聯網發展到現今階段的一種表象或特徵而已，沒有必要神話它或對它保持敬畏之心，在以雲計算為代表的技術創新大幕的襯托下，這些原本看起來很難收集和使用的數據開始容易被利用起來了，通過各行各業的不斷創新，大數據會逐步為人類創造更多的價值。

Ⅶ 大數據時代讀後感1000字

大數據時代讀後感1000字（精選7篇）

當品味完一本著作後，大家心中一定有很多感想，現在就讓我們寫一篇走心的讀後感吧。怎樣寫讀後感才能避免寫成「流水賬」呢？下面是我精心整理的大數據時代讀後感1000字，僅供參考，大家一起來看看吧。

大數據時代讀後感1000字 篇1

如今說起新媒體和互聯網，必提大數據，似乎不這樣說就OUT了。而且人雲亦雲的居多，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?他現任牛津大學網路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。他的咨詢客戶包括微軟、惠普和IBM等全球頂級企業，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，這位大師說的都是金科玉律嗎?並不一定，讀大師的作品一定要做些功課才好讀懂，如果能做足功課又具備相應的理論功底，就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：不是因果關系，而是相關關系。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拆碼必要，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說的相關關系，我理解他說的全體數據不是指數量而是指范圍，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，只是抽樣的方法和范圍要加以拓展。

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。」大數據的簡單演算法比小數據的復雜演算法更有效。「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。」不是因果關系，而是相關關系。「不需要知道」為什麼「，只需要知道」是什麼「。傳播即數據，數據即關系。在小數據時代人們只關心因果關系，對相關關系認識不足，大數據時代相關和銷關系舉足輕重，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系，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喚御游往往語出驚人，對舊有觀念進行徹底的否定。

世間萬物的復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，讀者在閱讀時一定要看清楚他是在什麼語境下說的，不要因囫圇吞棗的淺讀而陷入斷章取義的誤讀。比如說舍恩伯格在提出」不是因果關系，而是相關關系。「這一論斷時，他在書中還說道：」在大多數情況下，一旦我們完成了對大數據的相關關系分析，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系，找出背後的『為什麼』。「[i]由此可見，他說的全體數據和相關關系都在特定語境下的，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里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里，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，數據獨裁與隱私保護成為一對矛盾。如何擺脫大數據的困境?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著演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，也不是標准答案，只是參考答案。

此外，在閱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，比如說什麼叫數據?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。

大數據時代讀後感1000字 篇2

我們不再熱衷於尋找因果關系，而應該尋找事物之間的相關關系。這個命題是我讀這本書最大的感觸。個人認為也是這本書最核心的思想。從頭說起吧，首先，書提出一個顛覆我以前認知的命題--」並非原子而是信息才是一切的本源「，將世界看做信息，看做可以理解的數據的海洋，為我們提供了一個從未有過的審視下是的視角。它是一種可以滲透到所有生活領域的世界觀。這個命題是在書的最後一部分中的某一段中描寫的。我之所以把它放在最前面來講，因為我覺得，這是談數據化世界的前提，自然也是談論大數據的前提啦。書的中間部分有一節講到數據化和數字化的區別。經過我自己腦子的整理，把數據化世界這個命題列為大數據思維的第二步。寫到這里，我不由得反省下，我是不是有領悟到書的精髓所在(我認為的精髓)，就是第一句話。因為回顧我整個思路，還是按照舊模式的因果關系思考模式思考問題。書中另一個吸引我的地方就是，有很多觀點的論述，會從哲學的高度論述。雖然，自己肚子沒多少墨水，但是讀這些描述的時候，就會發現自己會更好的理解作者提出的命題。比如書中有一段文字

當我們說人類是通過因果關系了解世界時，我們指的是我們再理解和解釋世界各種現象時使用的兩種基本方法：一種是通過快速、虛幻的因果關系，還有一種就是通過緩慢、有條不紊的因果關系。大數據會改變這兩種基本方法在我們認識世界時所扮演的角色。

在附上一些事例的時候，用作者提供的」本質「去看待時，很容易理解，確實是這么回事。好了，那麼大數據到底改變了我們什麼呢，作者給出3點，

大數據的精髓在於我們分析信息時的三個轉變，這些轉變講改變我們理解和組建社會的方法。

第一個轉變就是，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，而不再依賴於隨機采樣(樣本=總體)

第二個轉變就是，研究數據如此之多，以至於我們不再熱衷於追求精確度

第三個轉變因前兩個轉變而促成，即我們不再熱衷於尋找因果關系，而應該尋找事物之間的相關關系。大數據告訴我們」是什麼「而不是」為什麼「。在大數據時代，我們不必知道現象背後的原因，我們只要讓數據自己發聲。，出處：短美文，否則追究其責任，謝謝你的支持，我們會給做得更好!

正如大家所知道的那樣，人類的大腦具備這樣的功能，它會把新輸入的刺激或信息與」過去的經驗或積累的部分知識「相對照，然後進行調整並接受下來。如果眼前新的現實與大腦中儲存的固有信息無法協調，便會在無意識中拒絕接受新的現實(當作沒有看見)；或者通過自己一知半解的知識任意推測，使自己認識到的情況偏離實際(產生錯覺)。這是人的一種本能，目的在於使自己保持冷靜。

所以作者稱之為revolution。

講了這么多，那麼大數據到底給我們帶來什麼。在這里，我只想談我感觸最深的，其他的有興趣的可以自己去了解。當然，書中提了很多，最多的就是，XXX公司或者個人利用大數據創造了多大的財富了，拋開這些表面的不說，最讓我動心亦或者是害怕的是，預測。這是大數據帶來最核心的東西，動心的理由無須贅述，計算機會告訴你什麼時候買什麼雙色球可以中頭獎，想想心裡是不是有一點小激動咧。當然這只是我打的一個比較誇張的比喻。至於害怕呢，書中有段話我很喜歡

公平正義的基礎是人只有做了某事才需要對它負責，畢竟，想做而未做不是犯罪，社會關系於個人責任的基本信條是，人為其選擇的行為承擔責任。如果大數據分析完全准確，那麼我們的未來會被精準的預測，因此在未來，我們不僅會失去選擇的權利，而且會按照預測去行動。如果精準的預測成為現實的話，我們也就失去了自由意志，失去了自由選擇的權利。既然我們別無選擇，那麼我們也就不需要承擔責任。這不是很諷刺嗎。

扯到這里，順便扯一下，書中另一段關於自由意志的描述

在哲學界，關於因果關系是否存在的爭論已經持續了幾個世紀。畢竟，如果凡事皆有因果的話，那麼我們就沒有決定任何事的自由了。如果說我們做的每一個決定或者每一個想法都是其他事情的結果。而這個結果又是由其他原因導致的。以此循環往復，那麼就不存在人的自由意志這一說了。——所有的生命軌跡都只是受因果關系的控制了。因此，對於因果關系在世間所扮演的角色，哲學家們爭論不休，有時他們認為，這是與自由意志相對立。

書中舉了個例子，舉了部電影《少數派報告》，當我看到這里的時候，」哎喲，我居然看過這部電影，想想心裡還是有點小激動「，有興趣的可以去看下，大概就是講警察通過預測來提前抓捕犯人，不過不是通過大數據，是通過超人類的方式。當你什麼舉動都可以被預測，相當於你完全暴露在太陽光下，換成你，你害怕不。

最後，附上兩段結語，一段是書中的一段話，另一段是我自己瞎編的。

大數據並不是一個充斥著演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，只是參考答案，幫助是暫時的，而更好的方法和答案還在不久的未來。

大數據終將會影響到我們，也像其他技術一樣會是一把雙刃劍，用得好，動心，濫用，害怕。如同核技術一樣，用的話，造福地球，濫用，給個金剛石地球你，照樣爆。我相信，未來的大數據的發展會如作者所說的，是一場生活、工作與思維的革命。

大數據時代讀後感1000字 篇3

「大數據」一詞不知何時在我們的生活悄然出現,為了一探究竟,我便選擇了《大數據時代》一書。

作者先從全局簡單地描述大數據對我們的生活、工作與思維的影響,再從三方面具體地用上百個學術和商業的實例展開寫作。樣本=總體、追求精確性和相關關系等大數據時代具體特點一一現出。在同時,作者也從個人、企業等多角度分析大數據中的隱憂。

書中內容繁多,在此不能各方面概括。此書中雖有許多專有名詞,但作者以其通俗的語言以及許多實例讓我嗅到大數據時代中一抹清新之氣。

為什麼是清新的呢?因為書中的內容彷彿向我打開了一個既有點熟悉又有點陌生的世界。我們現在已處於網路時代 ,在我們日常簡單的操作中大量數據產生,然而起初我們僅用眾多技術在解決手頭上的問題,那些大數據像沙子中的金子,價值不被發現。到目前,每當我們網上購書時總會看到「猜你喜歡」的欄目、出現谷歌搜索與流感預測、Farecast與飛機票價預測系統等,這些事情的達成全來自於那些曾被忽略的大數據同時也在證明「預測,大數據的核心」這句話,為我們的生活創造了前所未有的可量化的維度。看到書中這部分內容時,我不禁感受到自己的生活已在享大數據帶來的福利,就像「猜你喜歡」欄目讓我觸到更多合我口味的書,讓我看到了以前無法發現的細節。擁有大量數據的公司巨頭如谷歌、亞馬遜大力開發有關大數據的新型產業和研究相關項目。借網路時代的便利大數據成為了如今最有商業價值的事物,使一切可量化的趨勢也開始出現。「本質上世界是由信息構成的」,面對這句話時,大數據時代彷彿就在眼前。

在感受驚嘆著大數據能為我們做到以往無法想像的事和它巨大的價值時,我認同大數據能極大優化我們的生活,但又不禁為這時代感到擔憂。一旦大數據時代來臨,不僅我們的隱私可能不再是隱私,就如書中所言「我們時刻暴露在『第三隻眼』下:亞馬遜監視著我們的購物習慣,谷歌監視著我們的購物習慣,而微博似乎什麼都知道」,而且利用大數據我們可以預測許多事情並且十分高效,一旦人們依賴大數據極少運用人類自身的創新等能力被數據束縛住,世界只會淪落為一個極少活力的機械環境。而我認為最大的憂患,是大數據時代對人類自身思維、思想、信仰等精神領域的沖擊。如今我們都生活在數據中,大數據時代說不定在幾年後就會逐步來臨,這使我不禁發問:我們一直堅信著信仰著的究竟是什麼?我覺得世界說變就變實在令我想不通這個問題。事情都有好壞,我也不知道自己是否杞人憂天。

於是我繼續去探索作者對這問題的思考。「更大的數據在於人本身」,作者還說「我們是在創造更好的未來」,也說「在一個預測的時代里,人類的.自由意志不可侵犯,這一點不可輕視。我們在使用大數據時,應當懷有謙恭之心,銘記人性之本」。人類學家克利福德吉爾茲曾說:「努力在可以應用、可以拓展的地方,應用它、拓展它；在不能應用、不能拓展的地方,就停下來。」這些話語彷彿是陽光,驅散我心中對大數據時代的擔憂以及內心對其的恐懼。我認為,在堅守我們內心和自由意志下,大數據才會造福我們人類世界,發揮出它背後對人溫暖的光芒。

面對時代的變革,我會為堅守內心深處的自由意志而努力並「擁抱大數據」。

大數據時代讀後感1000字 篇4

世界的本質就是數據，當你掌握了數據，你便掌控了世界—你可以輕而易舉地通過數據中的相關關系預測事物的發展，將一切不利因素扼殺於搖籃之中—這遠勝於"防患於未然"。

《大數據時代》一書，讓我們在觀念上有了三大轉變：要全體不要抽樣，要效率不要絕對精確，要相關不要因果。全書介紹了 "大數據"時代三種大的變革：思維變革，商業變革和管理變革。在這些巨大變革如洪水一般的"沖擊"之下，現代社會的運作方式必將有重大的改變，若不順應這種變革的潮流，就像古中國固步自封，最終被堅船利炮打開國門而自己還用著長鉤鐵戟抗爭一樣，不可避免被掠奪，被落於世界進程之後，所以我們必須轉變我們的思想。

"我們不再熱衷於尋找因果關系，而應該尋找事物間的相關關系"，我想這句話是本書的核心思想。大數據時代，信息與數據已成為了一切的本源，我們生活在各種數據構成的海洋之中，如果從另一種視角看，就好像無數條"看不見的線"將我們與這些數據聯繫到一起，這是我們以前從未有過、從未想過的。大數據改變了我們以前的通過因果關系了解世界的方法，而提供了幾種新的途徑，因為，在大數據時代，我們可以分析更多數據，有時甚至可以處理和某個特別現象相關的所有數據，也就是：樣本=總體；而且，當研究數據如此之多時，我們已不熱衷於"精確"，而是"混亂"，若不接受"混亂"，那麼有95%的非結構化數據無法利用，這將無法使我們構建完整的數據世界，在分析更多、更全面的數據之後，我們就可以從這些數據之中發掘它們的相關關系，即以"是什麼"而不是"為什麼"的角度看待數據，不用管其從何而來，只要分析其如何影響其他事物既可，即"讓數據自己發聲"，這些，徹底推翻了人類以前探索數據的方法，展現了一個全新的世界。

這種觀念以驚人的力量給現知識狀況帶來了巨大的沖擊，通過對海量數據的分析，獲得巨大價值的產品和服務，或深刻的洞見。比如谷歌公司，2009年h1n1流行之時，通過檢測檢索詞條，處理34。5億個不同的數據模型，通過預測並與2007、2008年的美國疾控中心記錄的實際流感病例進行對比後，確定了45條檢索詞條組合，並將其用於一個特定的數學模型後，預測結果與官方數據相關系數高達97%，這種大數據技術，以前所未有的方式，通過海量數據分析得出流感所傳播的范圍，為預測流感提供了一種更快速、高效的工具。

同時，雖然大數據可為人類造福、對抗病症，但這僅限於掌握這門技術而言，若不重視這種技術，當我們的對手早於我們一步構建這種數據網路之時，便是我們的災難，想想，大數據雖核心的在於預測，當敵人通過這種手段預測我方下一步的行動，將是可怕的—比如你的導彈將從何處發射，將飛往哪，你的軍隊動向、目標，總之所有一切"未來"將掌控於敵手，敵方甚至可以藉此發現那些將來有"大作為"的人，從而進行滲透或扼殺，這對我們的發展無疑是致命的，所以，盡快加速大數據系統的構建進程是必須的。

對於我們國防生，也必須順應這種發展趨勢，未來的時代必將是數據極易獲取，數據網路共享化的時代，通過這些數據，建立數據模型，可以准確分析並給出適合每一個人的計劃，如運動量、訓練強度，可以"先知、先覺"，及時發現一個人的負面情緒前及時疏導，這些必將成為現實，我們必須跟進時代，做好准備，去應對大數據時代的一切!

大數據時代讀後感1000字 篇5

「除了上帝，任何人都必須用數據來說話。」——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，數據和空氣一樣遍布生活，對於有些人來說，數據無意義，而對於有些人來說，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，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，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著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，處處以數據說話，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，是有必要閱讀此書的!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。

每天能用來閱讀的時間很少，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閱讀，《大數據》就這樣在堅持中溶入我的思想……

大數據時代讀後感1000字 篇6

讀完《大數據》，我才意識到這並不是一本枯燥無味的書籍。作者運用案例和講故事的方式，把美國數據開放、收集、使用背後的立法故事、公民故事、技術故事、商業故事娓娓道來，引人入勝，令我大開眼界。

我在想，大數據概念對於教育來說會產生什麼樣的實用價值呢?一直以來，中國教育在研究教育的數字化，比如數字化校園，這個思路就是把我們教育的內容進行數字化，其結果指向的就是電子教材的研發或者是教學過程的數字化。美其名曰，這是教育技術的重要內涵。在教學過程中，學生的行為表現都可以被數據化，而這項研究不是任何一個專業可以深入下去的，它的專業性太強，所以我才會想到，所謂教育技術與其研究教育的數字化，不如研究教育的數據化來得實在，來的有意義。長期以來，我們並不了解教育對一個人的影響具體會如何表現，我們有的只是一個輪廓，我們也並不確定一個教師的行為對學生具體產生了哪些影響。所以，人們對教育一直有一個深深的質疑，它是不是科學的?大數據概念至少提出了關注「是什麼」比「為什麼」要有實際意義得多。而我們的教育恰好需要把注意力從「為什麼」轉移到「是什麼」上面來，只有如此，才能把教育從為什麼發展成「可能成為什麼」上來，這會是一次思想上的革命。而對於現在地位岌岌可危的教育技術來說，把研究的重點從數字化轉移到數據化上面，這才是它的出路。

如何將數據融入教學，教育者首先通過標准化全科教學處方，實現了教師授課模板和教學內容的標准化，保證每個教學過程和內容是可控的，然後結合每天的教學內容，處理好面對的數據，處理好數據，自然也就處理好了課堂的反饋，最終形成了既注重教學體驗又以教學結果為導向的教學體系。

與此同時，不僅要注重課上的學生資源，在課後還要對這些資源進行跟蹤處理。這與過去的教育教學顯然是不同的，面對大數據時代的到來，教學有所改變是必然的。所以，無論環境怎麼變換，數據如何復雜，我們都不能不去改變自己的教學去迎合將來的這個大數據時代。

大數據時代讀後感1000字 篇7

舍恩伯格的《大數據時代》，讓我重新審視了"大數據"這個在信息時代異軍突起的熱點詞彙，作為信息安全專業的我，對大數據這個詞本身有著更多的熱忱。

在網路上搜索到的解釋是："大數據"，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體工具工具，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，以及政府和公民關系的方法。"這是一種更具有人文色彩和社會意義的詮釋。

本書中，主要從三個方面論述，即思維變革、商業變革和管理變革。而舍恩伯格更是著重闡明三大觀點：

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：不是因果關系，而是相關關系。

對於觀點一，我不敢苟同，畢竟大數據的實現需要一定的技術支持，而顯然，現在這種技術還不夠成熟，同時一些簡單的事情運用大數據反倒是問題更加復雜化，因此這種大叔據的繁雜處理方式更適用於一些特定的情況，比如商業預測，人類dna的研究等。

而對第二種觀點，我是十分贊同舍恩伯格所說的"大數據的簡單演算法比小數據的簡單演算法有效"。在計算機行業迅速發展中，一種新的簡單可行的演算法的出現，遠沒有計算機在運算速度和存儲容量的發展快，而大數據演算法似乎更能迎合這種大趨勢。

觀點三中提到的相關關系在大數據中可是重量級的，它能較快找到事物規律和對應的解決措施，當然，也不能完全忽視因果關系，畢竟人們在思維上更能夠接受因果關系分析出的結果，而大數據預測的需要人們慢慢的適應才能接受。當我們完成相關關系的分析而又不滿足於只知道"是什麼"的時候，我們就可以轉而研究"為什麼"了，畢竟問題的根本在於因果。而舍恩伯格的全體數據和相關關系是大數據時代下的一種捷徑。

但是在信息時代，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脫這一種困境，但最終沒能做到，但是他提出"大數據並不是一個充斥著演算法的和機器的冰冷世界，人類的作用仍無法被完全代替。"這里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、許可權等問題得到解決，不斷學習先進的計算機技術，縮小與其他國家的差距。

工業化、信息化，我們都向世界交出了一份讓世界不能小覷的答案；

大數據時代的數據化我們又將怎樣在新的風暴中所向披靡，如果大數據時代是一種必然趨勢，那這就是我們這一代人的責任，是我們新的戰場!

;

Ⅷ 大數據對人類未來的影響是什麼

維克托·邁爾·舍恩伯格在書中前瞻性地指出，大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據開啟了一次重大的時代轉型，並用三個部分講述了大數據時代的思維變革、商業帆悉變革和管理變革。
維克托最具洞見之處在於，他明確指出，大數據時代最大的轉變就是，放棄對因果關系的渴求，而稿轎歷取而代之關注相關關系。也就是說只要知道「是什麼」，而不需要知道「為什麼」。這就顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。
本書認為大數據的核心就是預測。大數據將為人類的生活創造前所未鍵搜有的可量化的維度。大數據已經成為了新發明和新服務的源泉，而更多的改變正蓄勢待發。書中展示了谷歌、微軟、亞馬遜、IBM、蘋果、facebook、twitter、VISA等大數據先鋒們最具價值的應用案例。

Ⅸ 大數據的局限性是什麼

計算機數據分析擅長於衡量社會交往的“數量”而不是“質量”。網路科學家可以在76%的時間里測量你與6個同事的社交互動，但他們不太可能捕捉到你對你一年只見兩次的兒時朋友內心深處的感覺，更不用說但丁對比阿特麗斯的感覺了。所以，不要愚蠢到放棄你在社會決策中頭腦中的神奇機器，而在工作中信任它。

1、大數據的局限性——大數據不理解背景

人類的決策不是離散的事件，而是根植於時間序列和環境中。經過數百萬年的進化，人類的大腦已經適應了這個現實。人們擅長講故事，有很多原因，也有很多場景。數據分析不知道如何講故事，也不知道思維是如何浮現的。即使在一本普通的小說中，這種想法也無法用數據分析來解釋。

2、大數據的局限性——大數據將創造更大的乾草垛

這個想法是由著名商業思想家Nassim Taleb提出的，他是《黑天鵝:如何應對不可知的未來》一書的作者。我們擁有的數據越多，我們就能發現更顯著的統計相關性。很多這樣的關系都是毫無意義的，在解決問題時還會讓人誤入歧途。隨著越來越多的數據可用，作弊行為呈指數級增長。在大海撈針的過程中，我們要找的針埋得越來越深。大數據時代的一個特徵是，“重大”發現的數量被數據擴張的噪音淹沒了。

3、大數據的局限性——大數據不能解決大問題

如果你只是想分析哪些郵件產生了最多的競選捐款，你可以做一個隨機對照試驗。但如果目標是在衰退期間刺激經濟，你不會找到一個平行世界社會作為對照組。最好的刺激方案是什麼?關於這個問題有很多爭論，盡管數據泛濫，但據我所知，這場辯論中沒有一個主要的辯手根據統計分析改變了立場。

4、大數據的局限性——大數據往往是一種趨勢，而不是傑作

當大量的個人迅速對一種文化產品產生興趣時，數據分析可以對這種趨勢敏感。但是一些重要的(有利可圖的)產品一開始就從數據中被丟棄了，僅僅是因為它們的怪癖不為人所知。

5、大數據的局限性——大數據掩蓋了價值

“原始數據”的意義在於，它永遠不可能是“原始的”;它總是根據一個人的傾向和價值觀來構建的。數據分析的結果看似客觀公正，但實際上，價值選擇貫穿於從構建到解讀的全過程。

這篇文章並不是要批評大數據不是一個偉大的工具。但是，像任何工具一樣，大數據也有它的長處和弱點。正如耶魯大學(Yale University)的愛德華•塔夫特(Edward Tufte)所說:“世界比任何其他學科都更有趣。”

大數據的局限性有哪些?這才是大數據工程師必須了解的內容，計算機數據分析擅長於衡量社會互動的“數量”而不是“質量”。網路科學家可以在76%的時間里測量你與6個同事的社交互動，你能處理好嗎?如果您還擔心自己入門不順利，可以點擊本站其他文章進行學習。

Ⅹ 大數據的社會認知的哲學反思包括哪些方面

大數據（big data），是指在可承受的時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合。
大數據的特點：
1、容量（Volume）：數據的大小決定所考慮的數據的價值的和潛在的信息；
2、種類（Variety）：數據類型的多樣性；
3、速度（Velocity）：指獲得數據的速度；
4、可變性（Variability）：妨礙了處理和有效地管理數據的過程。
5、真實性（Veracity）：數據的質量
6、復雜性（Complexity）：數據量巨大，來源多渠道
大數據的意義：
現在的社會是一個高速發展的社會，科技發達，信息流通，人們之間的交流越來越密切，生活也越來越方便，大數據就是這個高科技時代的產物。
有人把數據比喻為蘊藏能量的煤礦。煤炭按照性質有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數據並不在「大」，而在於「有用」。價值含量、挖掘成本比數量更為重要。對於很多行業而言，如何利用這些大規模數據是成為贏得競爭中伏的關鍵。
大數據的缺陷：
不過，「大數據」在經濟發展中的巨大意義並不代表其能取代一切對於社會問題的理性思考，科學發展的邏輯不能被湮沒在海量數據中。著名經濟學家路德維希·馮·米塞斯曾提醒過：「就今日言，有很賣慎攜多人忙碌於資料之無益累積，以致對問題之說明與解決，喪失了其對特殊的經濟意義孝滾的了解。」 這確實是需要警惕的。