首页 > 职场范文 > 心得体会

大数据时代读后感字优秀

时间：2025年05月29日

来源：叁柒贰拾壹

编辑：本站小编

收藏本文

下载本文

以下是小编精心整理的大数据时代读后感字优秀，本文共14篇，仅供参考，希望能够帮助到大家。本文原稿由网友“叁柒贰拾壹”提供。

篇1：大数据时代读后感字优秀

现在已经进入到了二十一世纪了，当今社会已经摆脱了上个世纪的那种消息滞后的时代了，我们最应该感谢的就是科学的进步为我们带来了这么多便利。与此同时，科学的进步还为我们带来了“大数据”这个让人类减少了很多工作量的东西。

在这个学期的名著导读课上我们就被要求读：《大数据时代》这本书。《大数据时代》是国外大数据系统研究的先河之作，本书作者维克托·迈尔·舍恩伯格被誉为“大数据时代的预言家”，他是一个特别厉害的人，他作为一个教师，他曾经在哈佛大学、牛津大学、耶鲁大学和新加坡国立大学等多所世界前列名校任教的经历。他作为一个科学家，早在就在《经济学人》上发布了长达14页对大数据应用的前瞻性研究。他是十余年潜心研究数据科学的技术权威。他是最早洞见大数据时代发展趋势的数据科学家之一，也是最受人尊敬的权威发言人之一。现任牛津大学网络学院互联网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，哈佛国家电子商务研究中网络监管项目负责人;曾任新加坡国立大学李光耀学院信息与创新策略研究中心主任。并担任耶鲁大学、芝加哥大学、弗吉尼亚大学、圣地亚哥大学、维也纳大学的客座教授。他作为一个研究学者，他的学术成果斐然，有一百多篇论文公开发表在《科学》《自然》等著名学术期刊上，他同时也是哈佛大学出版社、麻省理工出版社、通信政策期刊、美国社会学期刊等多家出版机构的特约评论员。他是备受众多世界知名企业信赖的信息权威与顾问。他的咨询客户包括微软、惠普和IBM等全球顶级企业;

“大数据”在百度上搜索到的解释是：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。特点：数量、速度、品种、真实性。而舍恩伯格认为，大数据并不能定义一个确切的概念。他提到“大数据是人们获得新的认知，创造新的价值的源泉;大数据还是改变市场、组织机构，以及政府和公民关系的方法。”这是一种更具有人文色彩和社会意义的诠释。

大数据不仅改变了公共卫生领域，整个商业领域都因为大数据而重新洗牌。购买飞机票就是一个很好的例子。就像书中写到，奥伦·埃齐奥尼准备乘坐从西雅图到洛杉矶的飞机去参加弟弟的婚礼。他知道飞机票越早预订越便宜，于是他在这个大喜日子来临之前的几个月，就在网上预订了一张去洛杉矶的机票。在飞机上，埃齐奥尼好奇地问邻座的乘客花了多少钱购买机票。当得知虽然那个人的机票比他买得更晚，但是票价却比他便宜得多时，他感到非常气愤。于是，他又询问了另外几个乘客，结果发现大家买的票居然都比他的便宜。

飞机着陆之后，埃齐奥尼下定决心要帮助人们开发一个系统，用来推测当前网页上的机票价格是否合理。作为一种商品，同一架飞机上每个座位的价格本来不应该有差别。但实际上，价格却千差万别，其中缘由只有航空公司自己清楚。

埃齐奥尼表示，他不需要去解开机票价格差异的奥秘。他要做的仅仅是预测当前的机票价格在未来一段时间内会上涨还是下降。这个想法是可行的，但操作起来并不是那么简单。这个系统需要分析所有特定航线机票的销售价格并确定票价与提前购买天数的关系。

在信息时代，信息安全问题的日趋凸显，数据独裁与隐私保护之间的矛盾更是立于风口浪尖，成为众矢之的，舍恩伯格在本书的最后章节曾试图寻找一种解决方式来摆脱这一种困境，但最终没能做到，但是他提出“大数据并不是一个充斥着算法的和机器的冰冷世界，人类的作用仍无法被完全代替。”这里表明人在数据时代同样的重要，数据是为人类服务的，也就该人类驱使下完成相应的目的。在这样的大环境下，常引起我更多的思考和担忧。

大数据时代对于我们同是机遇与挑战，一些国家已开始步入大数据时代的行列，并在各个领域开始研究和使用。而对于我国庞大的人口，以及较大的领土面积，都可以在大数据时代为我们提供数据的保障，而能否面临挑战，在大国之间的新一轮角色角逐间崭露头角，我们更需要解决技术等方面的问题，更应在政策上逐步开放各领域的数据，保证数据来源、权限等问题得到解决，不断学习先进的计算机技术，缩小与其他国家的差距。

篇2：大数据时代读后感字优秀

书名中的时代二字让我陷入了深深的误区，big data就只是大数据而已。读完全书，也没有发现作者有说大数据会引领一个时代的观点，我们知道当今是一个数字化、信息化的时代，但绝不还是大数据的时代。但大数据的重要性不严而喻，生活、工作、学习中许多有关大数据的例子的确离我们很近，我们甚至就是众多大数据的一部分。那大数据对我这样一名工科大学生有什么用，对于我这一名国防生又什么用呢，这样的一本书是否能够更好的帮助我在未来的工作岗位上博得头筹，取得一番成绩!还有为了接触、利用大数据并防范大数据所带来的弊病，我又该怎么做呢?书中有这样一句话:大数据是一种资源，也是一种工具。大数据为我们提供暂时的帮助，以便等待更好的方法和答案出现。这也提醒我们在使用这个工具的时候，应当怀有谦恭之心，铭记人性之本。

所说的谦恭之心和人性之本都强调了人在大数据时代的重要性。我们才是数据之源，我们才应是数据的受益者。当我还没读完思维变革这一部分的时候，我就在思考这样的思维变革对我会有着怎样的影响?参加过两次数学建模竞赛的我，在两次的参赛过程中，学会了许多数据处理和数学建模方法。数学模型所具有的对事件或数据的描述性、预测性、说明性是与大数据完全不同的。大数据下的思维变革不再追求数据的准确性和因果关系。如果我在数学建模提出一种产生某个结果的原因，我是需要明明白白地把其他因素的影响一一剔除。我记得在参加比赛最后关头写论文的时候，对于所研究的问题，我们必须在前面把各种变量给写进去，然后再有选择性的在可接受的条件下忽略掉很多变量的影响，但我们在很多时候却给不出一个剔除这个因素的理由。可如果你不能排除掉其它的因素的影响，整个的数学模型建立及计算过程就会太复杂甚至是不能得出一个结果。但是在大数据时代，一个结论是可以通过足够多的数据得出来的，不需要明白其中的为什么。如果真是这样，我只觉得我需要思维上的变革，可我做不到，我接受不了事物与事物之间的黑盒子。这离我太遥远。

可我又不敢在此时否认自己将来的工作与大数据的相关性，书中第三部分——大数据时代的管理变革中就举到一个罗伯特。麦克纳马拉的例子，他是五角大楼“统计控制队”中一名精英，这个队伍让之前不知道飞机备用零件种类、数量和放置位置的军方在制定了综合清单之后，为部队节省下了36亿美元。而我的专业就是飞行器动力，我很清楚我国航空发动机的研究制造水平是深深限制了空军力量的发展。在夏季学期去黎明航空发动机厂实习的时候，许多讲解的师傅都会强调一点，发动机的每一个零件上都是有标号的。零件的工艺卡片上会记录其每一个工序的加工时间、地点，加工、组装、调试人员等的资料，这些卡片将会一直保存下去。这不仅能够方便维修和更换，在出现事故之后，还可以追根溯源，查出事故的原因。我当时就在想还好这东西产量不是很高，一台涡扇发动机仅仅叶片数量就是数千了。这样的大数据肯定还可以好好利用，帮助我们去发现科技研发和制造生产中矛盾与不足，并做出改进。但航空发动机的发展需要的更多的是技术的积累，特别是关键技术的实验数据我们还有着很大的缺失。我们不能像BAT这些互联网巨头可以轻松收集数据，航空发动机的技术积累需要一代代人在理论、实验上的积累，才有可能在这种大数据的支撑下做出真正属于自己的航空发动机。

这种积累利用方法可能与书中作者所说的利用大数据进行预测、创新相比起来不是足够高端，但是新的方法需要人去摸索，我也愿意成为这样的第一人，我也坚信大数据能够给这样一个领域带来另一片天空。只是在航空发动机的领域我们是不能只停留在“是什么”这一步的!精心策划数据的因果关系研究和控制实验很有必要。

最后，我提出一个疑问，那就是大数据能不能创造出另一个毕加索呢?

篇3：《大数据时代》读后感字以上

《大数据时代》读后感字以上

这两年，大数据，云计算的思想就像小苹果的音乐一样，传的到处都是，每一个公司不管是互联网公司还是传统企业，都标榜自己的大数据，

1、实体物联网与虚拟物联网

曾几何时，物联网的概念闹得风生水起，庞大的物联网能够让世间大量的物体，都能够被检测并联网，包括了人、车、房等一切能够被联网的物体，这些物体都能够以种方式被感知他的存在，并对其信息记录在案，以供使用。在若干年前，这还是一种看似遥不可及的事物，要对每个物体都贴上一个所谓的RFID的标签，显得不切实际。如今，随着手机的大量使用，人类本身也被加入了物联网中。为什么要物联网?是为了获取什么?要知道物联网获取了什么，只需要看看在一个物体在没有加入物联网与加入物联网之后，我们多出了哪些东西便能够知晓。那么，很明显，我们需要通过某种方式来获取该物体的信息，这种存储下来的信息，就叫做——数据。

物联网产生的数据是实体的物品之间的信息，而现在的互联网上，占最大数据量的，是虚拟物品，或者叫做网络虚拟物品。由于网络物体是直接寄生于网络，具有能够方便的接入网络的特征，因此，在获取实体物体信息还有一定难度的时期，占有很大优势。但今后实体的物联网产生的数据量一定会不断增加，或许，能够超越网络上的物物相连数据量。

网络的广泛使用，使得信息的产生于传遍变得容易，每个接入网络的人都以一定的角色存在，都是网络的'信息的创造者。对于所产生的信息而言，每个接入网络的人又身兼多角，对于网络服务商，他是网络使用者的角色;对于门户网站而言，他是使用的用户;对于社交网站而言，我们则扮演一个虚拟或者真实的网络角色;对于浏览器而言，他是一系列的浏览网页、一些列鼠标动作的角色… 不同的角色取决于对方需要从我们的行为中获取哪些信息。将网络上各种角色看成是虚拟的物体，那么，这种虚拟物体构成的虚拟物联网便产生了巨大的数据量。经历过一直以来缺乏信息获取渠道的日子，现在，既然信息获取变得如此容易，那么，必然迎来信息量暴增的时代——大数据时代。

2、思维的转变

技术的改变，使得我们思维方式也要随之发生变化。在过去的小数据时代，由于获取信息、存储信息、整理信息都是费时费力的活，我们只能精打细算，捉摸着如何以最小的代价、最快的方式来收集尽可能准确的信息。之所以会有抽样统计的方式，是受技术所限，无法获得全体的样本，或者就算获取了也无法在合理的时间内进行处理。由于信息获取代价大，使得我们不得不在获取信息前，就把一切都想清楚，才能够着手处理。这就像在计算机出现的初期，使用纸袋来编码的时期，一次出错的代价太大，所以人们不得不在输入前将代码验证过无数遍之后才敢输入到机器中。而现代计算机让编码的效率大大提升，这才使得人们能够创造出更加强大的软件，

人们不需要在着手编码前就对代码过分深思熟虑，因为机器会帮助你解决一些问题。因此，那些担心由于获取数据太方便，进行数据处理、分析代价太小而使人们变得懒惰或者做事欠考虑的家伙，真是杞人忧天。历史上，技术的进步都会提升人类的生产力，但却没有让人们变得懒惰，因为与此同时，欲望也随之增长。人类只会变得更伟大。

因此，大数据时代，这个数据更加全面的时代，我们可以涉足一些之前由于缺乏数据而无法涉及的领域，例如——预测。这是一个令人兴奋的领域，但其实这个领域早有苗头，而且大家都是受益者。我们平时使用的输入法中的智能联想功能，能够根据我们之前输入的文字，来预测我们接下来有可能输入的文字，以节省我们的输入时间。这种算法里，没有人工智能，而只有人们大量的输入习惯的统计，通过大量数据的统计来预测，是一个统计学的方式而非加入了特有的规则或者逻辑。这便引出了在大数据时代，对于信息处理的一种重要方式，基于统计，得出不同个体的相关关系，却无需了解其因果关系，而我们则受益于相关关系。这种方式，看似有些投机取巧，却能够在关键时刻令我们处于优势地位。我们已经习惯了先知道某些事物的因果逻辑，继而推断出相应的结果。但世间总会有一些令人无法用合理的逻辑进行解释的现象，若通过大数据分析，我们能够跳过逻辑阶段直接享用某些一些结果(沃尔玛的啤酒加尿布案例)，岂不乐哉。当然，严密的逻辑永远是值得尊敬的。

3、互联网的黏性

在经历过了从广度上通过新花样来吸引用户的时代，由于技术的提高，一个创业者在一个新的领域开辟的东西很容易被其他人所复制。在这个时候，深度很重要。特别是购物网站、微薄、门户网站这类信息量大的网站，越是了解一个用户，优势就越大。所以，在技术已经不是最重要的因素的时代，如何增加用户的黏性、忠诚度便是首要的。通过用户之前的信息，来推测用户的喜好，给用户推荐相应的信息或物品。当你越了解一个用户，而别人却不了解时，这个用户就越离不开你。微薄中有他的智能排序功能、新闻门户中有“今日头条”应用，各类购物网站有他的推荐算法(但这个纯粹为了增加消费而非增加用户黏性)，都能够根据用户之前的浏览、偏好来给出相应的推荐。这些的基础，都是拥有用户的行为记录，否则，都无从谈起。

在手机这个拼硬件的时代，单纯靠硬件来取胜已经很难了。硬件靠组装、软件靠安卓，手机厂商已经变得没有核心竞争力。而三星为了增加用户黏性，所做的便是为用户提供更加贴心的服务，不仅做手机，还做平台，将用户的各类数据记录在他的平台中，而这数据，必将大有作为。然后，如果哪天，三星也出智能体重计、智能手表这类产品，那么也不稀奇了。各类数据同步、整合，为使用者提供各方面贴心的服务，很酷吧。

各行各业，都在疯狂的抓紧时机，获取数据，拥有足量的数据，那一切就变得皆有可能。

篇4：大数据时代优秀读后感

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。

一读

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。

再读

概念是研究的逻辑起点，“大数据”到底是什么?在百度上搜索到的解释是，“大数据(big data)，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：数量(Volume)、速度(Velocity)、品种(Variety)和真实性(Veracity)。但舍恩伯格认为大数据并非一个确切的概念。他在书中的一段诠释更具人文色彩和社会意义：“大数据是人们获得新的认知、创造新的价值的源泉;大数据还是改变市场、组织机构，以及政府与公民关系的方法。”[ii]其实，概念的界定要看研究者从哪个角度来研究它而定。

科学家的治学态度是严谨的，而人文学家更具有想象力。一些对大数据不甚了然的人往往夸大了它的作用，甚至把它神化。舍恩伯格认为大数据的核心是预测。“大数据不是要教机器像人一样思考。相反，把数学算法运用到海量的数据上来预期事情发生的可能性。”[iii]舍恩伯格甚至不回避大数据所产生的负面影响，他在第七章里谈到让数据主宰一切的隐忧。我觉得这是实事求是的科学态度。在量子力学里有一个测不准原理：一个微观粒子的某些物理量(如位置和动量，或方位角与动量矩，还有时间和能量等)，不可能同时具有确定的数值，其中一个量越确定，另一个量的不确定程度就越大。它是解释微观世界的物理现象，信息社会中的大数据会不会也有类似情况呢?如果我们再把凯文·凯利的《失控》对比来读的话就更有意思了，这样我们对整个物质世界及至人类社会就有了更全面更深刻的洞察，从物理王国到生物世界，再到信息社会。从公共卫生到商业应用，从个人隐私到政府管理，大数据无处不在。与此同时，从哪个角度探讨用什么方法研究，舍恩伯格都不会忘记大数据服务人类造福人类的终极目的和价值所在。“大数据并不是一个充斥着运算法则和机器的冰冷世界，其中仍需要人类扮演重要角色。人类独有的弱点、错觉、错误都是十分必要的，因为这些特性的另一头牵着的是人类的创造力、直觉和天赋。偶尔也会带来屈辱或固执的同样混乱的大脑运作，也能带来成功，或在偶然间促成我们的伟大。这提示我们应该乐于接受类似的不准确，因为不准确正是我们之所以为人的特征之一。”[iv]用中国话来说就是“人无完人”，人类在收获大数据带来的红利的同时也要承受它带来的危害。这不是对立统一的辩证唯物主义?我把它看作带着欧洲批判学派色彩的科学发展观。

问题是研究的价值基点，“大数据”不是舍恩伯格研究的问题，而是研究对象，他研究的是数据处理和信息管理问题，同时也讨论信息安全和网络伦理问题，还引发哲学上的思考，哲学史上争论不休的世界可知论和不可知论转变为实证科学中的具体问题。可知性是绝对的，不可知性是相对的。“大数据”之所以为大是因它引发人类生活、工作和思维的大变革，从这个意义上来看，《大数据时代》的意义不仅在于它讨论了若干重大问题，而且对研究者开出了一个问题清单，从而引发更多人来探讨这些有趣的问题。

《大数据时代》实际上主要是一本讨论数据挖掘的书，数据挖掘与数据分析是不同的概念，数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。而数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。数据挖掘主要运用计算机来进行处理，而数据分析既要用计算机也要人工分析，是计算机科学与人文价值判断的统一结合。换言之，《大数据时代》并不是一本讨论大数据所有问题的书。

《大数据时代》也是一本讨论互联网发展的书，从数字化到数据化，同时有浓厚的未来学色彩。当文字变成数据，我们进入了互联网;当方位变成数据，我们进入了物联网;当沟通变成数据，我们进入了下一代互联网。一切可量化，万物皆数据，正是当今互联网世界的真实写照。面对于这样的世界及世界的未来，在《大数据时代》出现最多的词是“思维”和“方法”，因此也可以把这本书视为思维科学应用研究的书。

三读

今年国庆节前一天，中共中央政治局们来到中关村搞集体学习，调研、讲解、讨论创新驱动发展战略。包括、在内的七位全部出动来到中关村，这是历史上没有过的，百度、联想和小米的负责人，有了一次直面最高层汇报工作的机会。雷军和柳传志，讲解的都是本公司的各种情况，李彦宏则没有讲百度的广告业务发展得如何好，而是讲起了大数据。在讲解中，李彦宏认为大数据有两个重要价值，一是促进信息消费，加快经济转型升级;二是关注社会民生，带动社会管理创新。这些价值也是目前党和国家领导人最为重视的，可见《大数据时代》既有理论价值也有现实意义。

当今大数据正在影响着新闻传媒业，大数据新闻、大数据营销、舆情分析、受众(用户)研究……数据分析师变身新闻编辑，大数据正改变新闻生产流程、大数据在创造传媒新业态。“不妨想象一下，随着数据的进一步增加，坐拥用户资源的新媒体们完全有能力通过数据挖掘，分析用户癖好，向电视台定制一部电视剧甚至向好莱坞定制一部电影。到那个时候，电视台一如那些家电厂商们，曾经产业链的上游‘王者’，将彻底成为一个产业链最低端的内容代工厂。”[v]然而，情形也远没有人们想象的那么乐观，李彦宏指出目前多数所谓的大数据公司其实还是空壳子，因为数据还没有完全开放。他认为必须在政府层面上推动才能真正实现大数据的开发与利用。我在讨论大数据时代的舆情监测与预警时说道：“经典自由主义传播学说对媒体的定位：秉持公正、客观立场的媒体被称为代表公众监督政府行为的‘看门狗’。其实，媒体既是公众利益也是国家利益的‘看门狗’。要看好门就要瞭望、洞察社情民意，传统媒体信息反馈渠道单一，视野、人力十分有限。而开放互动的新媒体平台却大有可为。作为公共信息发布平台的微博可以成为政府及时了解社情民意，从而选择正确治理路径的‘导盲犬’。”[vi]遗憾的是目前我国的数据平台还没有完全开放，真正的大数据时代还没有到来。

与国内不少教科书写法的专著相比，国外的书写得更有趣，尤其是大学者写的，不仅视野开阔，而且能够深入浅出。《大数据时代》不到22万字，却有上百个学术和商业的实例，丰富翔实的例子让读者感到通俗易懂，深奥的理论看起来也不费劲。这恐怕与舍恩伯格既是学者也是专家，既有理论又有实践有关。反观我们些学者故弄玄虚而示高明，实际上是把读者拒之门外。我觉得优秀的科学家也应该是一个科普作家，优秀的学者也应该是一个不错的传播者。当然国外学术著作也有一个翻译问题，这本书译得还不错。此外，《大数据时代》还附有不少IT界名流的推荐意见，虽是出版商的发行所为，对解读此书也不无益处。

除了《大数据时代》，舍恩伯格还有一本《删除》也值得一读。要研究大数据不能只读一本书，该书译者周涛教授还推荐了三部国内出版的大数据方面的专著：《证析》、《大数据》、《个性化：商业的未来》。相比《大数据时代》的宏大视野，这些书就大数据某一局部问题给出深刻的介绍和洞见。我也推荐读一读中国工程院李国杰院士和中科院计算所副总工程学旗合写的文章《大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考》。

虽说开卷有益，但是由于每个人的时间精力有限，对于一个研究者来说，不读什么书甚至比读什么书更重要。我认为书有三种：有用的书，主要是应用类的专业书;无用的书，主要是形而上的思想类;无字的书，人间百态，社会现实。可偏重但不应偏废。对于学生来讲这三类“书”都该读一些，对于研究者则要读哪些解决关键问题的书，《大数据时代》就是这样一部书。当然，并非第一个读者都是研究大数据的，但进入大数据时代，还有什么东西与数据完全没有关系呢?麦肯锡全球研究机构认为，未来十年里有12项对经济发展产生重大影响的技术，其中包括三项新媒体技术：移动互联网、物联网和云计算。这三项新媒体技术都与大数据密切相关，而这些新媒体新技术的发展都影响着当今的新闻传播业。阅读此书至少给我们研究新闻传播学带来一些启迪。我觉得一本书的价值不在于让你顶礼膜拜，而是引发广泛而深入的讨论。

“凡是过去，皆为序曲。”读完此书，我们对大数据的认识才刚刚开始。

篇5：大数据时代优秀读后感通用

信息时代的到来，我们感受到的是技术变化日新月异，随之而来的是生活方式的转变„„我们这样评论着的信息时代已经变为曾经。如今，大数据时代成为炙手可热的话题。笔者在这说明信息和数据，只是试图首先说明信息、数据的关系和不同，也试图说明，为什么信息时代转变为了大数据时代?大数据时代带给了我们什么?

信息和数据的定义。维基百科解释：信息，又称资讯，是一个高度概括抽象概念，是一个发展中的动态范畴，是进行互相交换的内容和名称，信息的界定没有统一的定义，但是信息具备客观、动态、传递、共享、经济等特性却是大家的共识。数据：或称资料，指描述事物的符号记录，是可定义为意义的实体，它涉及到事物的存在形式。它是关于事件之一组离散且客观的事实描述，是构成信息和知识的原始材料。数据可分为模拟数据和数字数据两大类。数据指计算机加工的“原料”，如图形、声音、文字、数、字符和符号等。从定义看来，数据是原始的处女地，需要耕耘。信息则是已经处理过的可以传播的资讯。信息时代依赖于数据的爆发，只是当数据爆发到无法驾驭的状态，大数据时代应运而生。这是否是《大数据时代》一书所未曾阐述的背景材料?

在《大数据时代》一书中，大数据时代与小数据时代的区别：1、思维惯例。大数据时代区别与转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。作者语言绝对，却反思其本质区别。数据的更多、更杂，导致应用主意只能尽量观察，而不是倾其所有进行推理?这也是明智之举2、使用用途。小数据停留在说明过去，大数据用驱动过去来预测未来。笔者认为数据的用途意在何为，与数据本身无关，而与数据的解读者有关，而相关关系更有利于预测未来。3、结构。大数据更多的体现在海量非结构化数据本身与处理方法的整合。大数据更像是理论与现实齐头并进，理论来创立处理非结构化数据的方法，处理结果与未来进行验证。4、分析基础。大数据是在互联网背景下数据从量变到质变的过程。笔者认为，小数据时代也即是信息时代，是大数据时代的前提，大数据时代是升华和进化，本质是相辅相成，而并非相离互斥。

数据未来的故事。数据的发展，给我们带来什么预期和启示?银行业天然有大数据的潜质。客户数据、交易数据、管理数据等海量数据不断增长，海量机遇和挑战也随之而来，适应变革，适者生存。我们可以有更广阔的业务发展空间、可以有更精准的决策判断能力、可以有更优秀的经营管理能力„„可以这些都基于数据的收集、整理、驾驭、分析能力，基于脱颖而出的创新思维和执行。因此，建设“数据仓库”，培养“数据思维”，养成“数据治理”，创造“数据融合”，实现“数据应用”才能拥抱“大数据”时代，从数据中攫取价值，笑看风云变换，稳健赢取未来。

篇6：《大数据时代》读后感心得字以上

《大数据时代》读后感心得字以上

凡是过去，皆为序曲是大数据业者最喜欢引用的语句，大数据是现在的潮流，《大数据时代》被认为是了解大数据的初级读物。近期连续读了两遍，第二遍是为了写这篇读后感，总体而言，值得一看，但细节方面却需要讨论了。

维基百科对大数据的解释：Big data，或称巨量数据、海量数据、大资料，指的是所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。

有人说现在是读图时代，除去小说、心灵鸡汤以外，现在的畅销书基本都有图片，这本书是一个特例(书里唯一的图是出品方湛庐文化做的)

首先尝试解析一下作者的三大观点，这三大观点是大数据业者很喜欢引用的三句话：

1 不是随机样本，而是全体数据

我想所有人都能意识到对全体数据的分析优于对随机样本的分析，但在现实中我们经常拿不到全体数据：一是对象的特性：比如炸弹的威力，你不可能把所有炸弹都炸掉来得到全体数据;二是数据的收集方法，每一种方法都有适用的范围，不太可能包罗万象;三是数据分析的角度，战斗机只能统计到飞回来的飞机上的弹孔，而坠毁的则无法统计，沃德通过分析飞回来的战斗机得出来最易导致坠毁的薄弱点;四是处理能力跟不上，就像以前的天气预报太离谱是因为来不及算那些数据。“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”，作者显然只关注了一部分原因。

从语言的理解上看，什么是全体数据，究竟是“我们需要的所有数据”，还是“我们能收集到的所有数据”，书中的很多商业案例中，处理的只是“我们能收集到的所有数据”，或者说是“我们认为的全体数据”。人对自然的认识总是有限的，存在主义认为世界没有终极的目标。书中举例“Farecast使用了每一条航线整整一年的价格数据来进行预测”，而“整整一年”就是一个采样，或者是“我们需要的所有数据”。

从历史的角度看，国外的托勒密建亚历山大图书馆唯一的目的是“收集全世界的书”，实现“世界知识总汇”的梦想，国内的.乾隆汇编四库全书，每个收集的过程都有主观因素在里面，而他们当时都认为可以收集全部的书籍，到最后，我们也没有得到那个梦中的全体。

2 不是精确性，而是混杂性

既然我们过去总是在抽样，那本身就是在一个置信水平下，有明确的容错度或者是偏差值。人类永远知道我们是在精确性受限的条件下工作。同时，作者本身也承认 “错误并不是大数据固有的特性，而是一个亟需我们去处理的现实问题，并且有可能长期存在”。那大数据的特征究竟是精确性还是混杂性?

由此衍生出一个问题，大数据的品质如何控制：一、本身就不要求精确，但是不精确到何种程度是需要定义的，否则就乱套了，换个角度，如果定义了容错度，那符合条件的都是精确的(或者说我这句话还是停留在小数据时代?这里的逻辑我没有理顺)。就像品质管理大师克劳斯比提出过零缺陷理论，我一直觉得是一个伪命题，缺陷是一定存在的，就看如何界定了;二、大量非结构化数据的处理，譬如说对新闻的量化、情感的分析，目前对非SQL的应用还有巨大的进步空间，

“一个东西要出故障，不会是瞬间的，而是慢慢地出问题的”。“通过找出一个关联物并监控它，我们就能预测未来”。这句话当然是很认同，但不意味着我们可以放弃精确性，只是说我们需要重新定义精确度。之于项目管理行业，如果一个项目出了严重的问题，我们相信，肯定是很多因素和过程环节中出了问题，我们也失去了很多次挽救的机会。而我们一味的容忍混杂性的话，结果显然是不能接受的。

3 不是因果关系，而是相关关系

这是本书对大数据理论的最大的贡献，也是最受争议的地方。连译者都有点看不下去了。

相关关系我实在是太熟了，打小就学的算命就是典型的“不是因果关系，而是相关关系”。算命其实是对趋向性的总结，在给定条件下，告诉你需要远离什么，接近什么，但不会告诉你为什么那样做。

我们很多时候都在说科学，然而，什么是科学，没有人能讲清楚。我对科学的认识是：一、有一个明确的范围;二、在这个范围内树立一个强制正确的公理;三、有明确的推演过程;四可以复制。科学的霸道体现在把一切不符合这四个条件的事物都斥为伪科学、封建迷信，而把自己的错误都用不符合前两条来否决。从这个定义来看，大数据不符合科学。

混沌学理论中的蝴蝶效应主要关注相关关系。它是指对初始条件敏感性的一种依赖现象，输入端微小的差别会迅速放大到输出端，但能输出什么，谁也不知道。

人类一旦放弃了对因果关系的追求，也就放弃了自身最优秀的品质：意志力。很多人不愿意相信算命是担心一旦知道了命运，就无法再去奋斗。即使我相信算命，也在探求相关关系中的因果要素。我放弃第一份工作的原因之一是厌倦了如此确定的明天：一个任务发出去，大概能预测到哪些环节会出问题，只要不去 follow，这些环节十有八九会出问题。

解析完这三大观点，下面是我对大数据理论的一些疑惑。大数据是目前风行的反馈经济中的重要一环，在金融、互联网行业的应用最为广泛，而这些行业都是大家所认为的高薪领域。很多时候我就在想，所谓无形的手所产生的趋势究竟是不是无形的。比如几家公司强推一个概念，说这是趋势，不久就真的变成趋势了。我们身边活生生的例子就是天猫的双十一和京东的618，一个巨头开路，无数人跟风，自然就生造出购物节，至于合理不合理，追究的意义也不大，因为很多事情是没有可比性的。这和没有强制控制中心的蜂群思维又不一样。

1 数据独裁。个人意志将受制于集体意志，个人的自由在哪里?用大数据预测来惩罚人的行为又确定的违反了无罪推定的原理。

2 所有数据都来源于过去，大数据分析出来的确定性结果是否意味着我们在重复过去?拉普拉斯的决定论已经被认为是错误的，爱因斯坦也说过“上帝不会跟宇宙玩骰子”，但霍金不同意这句话。

篇7：《大数据时代》读后感2000字左右

书中虽只是阐述了大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型，并未提及会对我们教育教学产生什么影响，但在这样的大环境之中，我们同样可以获得启示，寻求大数据在教育工作中可实现的价值。

1.教师角度：从基于经验到基于数据的教学转型

“经验主义”是指形而上学的思想方法和工作作风，其特点是在观察和处理问题的时候，从狭隘的个人经验出发，不是采用联系、发展、全面的观点，而是采取鼓励、精致、片面的观点。在教学中，我们有时会凭借以往经验认定本节课学生的起点，从而制定教学目标、重难点以及教学过程。这往往忽略了上届学生和这届学生是有差异的，这班学生和另一班学生也是存在差异的，那如何准确把握学生的起点呢?我想可以借助前测数据，它可以为有效教学指明了方向。

如教学“复式统计表”时，前期查找资料的时候就发现早在一年级上册P96的时候学生就见过复式统计表，意让学生初步认识统计表，渗透统计思想。而二三年级的书中练习也多有涉及，就是这种复式统计表没有“表头”，生活中的复式统计表也很多。既然在以前练习时碰到这么多次复式统计表，学生对复式统计表到底认识多少呢?我们对157名学生进行这样的调查(如下图)，第1题：像上表这样的统计表以前见过吗?见过约占65%，没见过约占35%，学生在练习中碰到过、生活中也经常看见，但还是约35%的学生回答自己没见过，说明学生平时在看这个复式统计表的时候就浮于表面，所以这节课我们重点应该让学生经历复式统计表的产生过程，加深学生对复式统计表的印象。第2题：上表中的16表示什么意思?能完整表达出二班身高在130~139厘米的学生有16人，约占41%;表达一半，如二班16人，或130~139厘米16人，约占22%，其他约占37%，真正能正确读懂复式统计表的学生一半不到，需要在课中进行读图方法的指导。而知道这个表叫做复式统计表的学生不到20%。

基于这样的前测数据，我们将原先的教学设计进行修改，制定出符合这样学情的教学目标、教学重难点和教学流程，以实现“以生为本”的课堂。同样练习课和复习课，也可以借助本班学生的错题数据，准备适合这个班学生情况的教学设计。

2.学生角度：建立数据分析观念

未来肯定是“大数据时代”，那我们的学生作为未来的主人，在小学时应该掌握什么样能力呢?我想数据分析观念必不可少，修订的《义务教育数学课程标准》(以下简称《课标》)把过去核心词里的“统计观念”，改成“数据分析观念”，就是希望身为老师的我们知道，数据分析是很重要的，并且希望教学能够构建适当的背景，让学生感受到数据分析是很重要的。那到底要让学生掌握数据分析观念的什么知识呢?

史宁中教授的《大数据与小学数学教育》这篇文章就阐述很清楚，他在文章中提到，结合大数据的主题，回想在“数据分析观念”中提到的三件事情是非常重要的。

第一件事情，感悟数据中蕴含的信息。要让孩子们知道，所有的道理不一定都是老师教的，不一定都是父母说的，也不一定是书本上说的，有一些信息，有一些道理是通过数据知道的。这个叫做数学的“实事求是”。有些东西是要经过思考的，根据什么来思考呢?根据事实思考，然后得出自己的结论。这样，孩子就可能会想问题，就可能会发现问题，提出问题，分析问题，解决问题。

第二件事情，知道数据中的信息可以用不同的办法获取。数据中的信息不像纯数学那样，只能靠一个办法得到。世界上绝对真理是不存在的，很多事情是相对的，相对的意思就是同样的数据，用不同的方法分析会得到不同的结论。因此它取决于这个人的判断准则，取决于他的价值观。什么样的办法好呢?大家讨论叫做民主，或者是最符合背景的方法就是一个好办法。这个是判断准则，也可以自己定。这个事情得从小开始重视，应该让孩子们知道，有些标准是老师定的，但是有些标准你也可以定。

第三件事情，感悟数据是随机的。可能这次取得的数据是这样的，下一次取得的数据是那样的。虽然是随机的，但是只要你取得相当多的数据之后，就能发现其中的规律性。

以上是读了这本书之后又找了一些相关文章阅读后，一些凌乱、零碎的想法，有些想法还得细细思考如何落实到自己的实际教学中，近期也一直在整理《基于作业中错题数据改进数学练习课的教学研究》的课题成果，通过对班级学生作业中错题数据的统计分析，从而发现其中典型错误、易错题等等，帮助教师确定练习课的重难点，就不会像书里的练习板块那样流水账式地复习，以此更有效地针对班级学情设计练习课教学，提高了练习课的效率;另一方面，也可以利用这些数据，知道各层次学生的错误点，分析原因，从而设计出针对不同层次学生的作业练习，让不同的学生能在作业中得到不同的发展，避免学生一直重复做已经掌握的题。(黄少锋)

篇8：《大数据时代》读后感字左右

舍恩伯格的《大数据时代》，让我重新审视了“大数据”这个在信息时代异军突起的热点词汇，作为信息安全专业的我，对大数据这个词本身有着更多的热忱。

在百度上搜索到的解释是：“大数据”，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。特点：数量、速度、品种、真实性。

而舍恩伯格认为，大数据并不能定义一个确切的概念。他提到“大数据是人们获得新的认知，创造新的价值的源泉;大数据还是改变市场、组织机构，以及政府和公民关系的方法。”这是一种更具有人文色彩和社会意义的诠释。

本书中，主要从三个方面论述，即思维变革、商业变革和管理变革。而舍恩伯格更是着重阐明三大观点：

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。

对于观点一，我不敢苟同，毕竟大数据的实现需要一定的技术支持，而显然，现在这种技术还不够成熟，同时一些简单的事情运用大数据反倒是问题更加复杂化，因此这种大叔据的繁杂处理方式更适用于一些特定的情况，比如商业预测，人类dna的研究等。

而对第二种观点，我是十分赞同舍恩伯格所说的“大数据的简单算法比小数据的简单算法有效”。在计算机行业迅速发展中，一种新的简单可行的算法的出现，远没有计算机在运算速度和存储容量的发展快，而大数据算法似乎更能迎合这种大趋势。

观点三中提到的相关关系在大数据中可是重量级的，它能较快找到事物规律和对应的解决措施，当然，也不能完全忽视因果关系，毕竟人们在思维上更能够接受因果关系分析出的结果，而大数据预测的需要人们慢慢的适应才能接受。当我们完成相关关系的分析而又不满足于只知道“是什么”的时候，我们就可以转而研究“为什么”了，毕竟问题的根本在于因果。而舍恩伯格的全体数据和相关关系是大数据时代下的一种捷径。

但是在信息时代，信息安全问题的日趋凸显，数据独裁与隐私保护之间的矛盾更是立于风口浪尖，成为众矢之的，舍恩伯格在本书的最后章节曾试图寻找一种解决方式来摆脱这一种困境，但最终没能做到，但是他提出“大数据并不是一个充斥着算法的和机器的冰冷世界，人类的作用仍无法被完全代替。”这里表明人在数据时代同样的重要，数据是为人类服务的，也就该人类驱使下完成相应的目的。

在这样的大环境下，常引起我更多的思考和担忧。

工业化、信息化，我们都向世界交出了一份让世界不能小觑的答案;

大数据时代的数据化我们又将怎样在新的风暴中所向披靡，如果大数据时代是一种必然趋势，那这就是我们这一代人的责任，是我们新的战场!

篇9：大数据时代读后感800字

《大数据时代》，作者是被誉为“大数据时代的预言家”维克托.迈尔-舍恩伯教授和肯尼思.库克耶。此书是在大数据方兴未艾、众说纷纭的时刻，进一步阐述和厘清大数据的基本概念和特点。

人类历史长河中，即使是在现代社会日新月异的发展中，人们还主要依赖抽样数据、局部数据和片面数据，甚至在无法获得实证数据的时候纯粹依赖经验、理论、假设和价值观去发现未知领域的规律。因此，人们对世界的认识往往是表面的、肤浅的、简单的、扭曲的或者是无知的。维克托指出，大数据时代的来临使人类第一次有机会和条件，在非常多的领域和非常深入的层次获得和使用全面数据、完整数据和系统数据，深入探索现实世界的规律，获取过去不可能获取的知识，得到过去无法企及的商机。

本书从思维变革、商业变革及管理变革三部分阐述大数据时代已经来临;列举了众多在公共卫生、商业服务领域大数据变革的例子。比如：在思维变革部分，以UPS与汽车修理预测为例，证明知道“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，而是要让大数据自己“发声”：U PS国际快递公司从就开始使用预测性分析来检测自己全美60000辆车规模的车队，这样就能及时的进行防御性的修理。之前UPS每两三年就会对车辆的零件进行定时更换，但这种方法不太有效，因为有的零件并没有什么毛病就被换掉了。通过检测车辆的各个部位，UPS如今只需要更换需要更换的零件，从而节省了好几百万美元，这就是通过找出新种类数据之间的相互联系来解决日常需要。这种方式完成可以应用于我们石油石化行业，我们的大量生产装置及设备，在建立日常的关键部位检测机制基础上，形成大量的数据信息，通过对这些数据的科学分析，判断出需要检修或更换的零件，从而有效降低运营成本。

当我们一旦“不再追求精确度，不再追求因果关系，而是承认混杂性，探索相关关系”，“思维转变过来，数据就能巧妙的用来激发新产品和新型服务”。数据正成为巨大的经济资产，成为新世纪的矿产与石油，将带来全新的创业方向、商业模式和投资机会。

近年来，伴随着经济社会快速发展、深度调整，石油石化产业变革加剧，面临的四大革命中其中一项就是“数字革命”。因此我们必须牢牢把握数字革命发展大势，加强数据治理和大数据分析应用，提高企业生产运行与管理水平，拥抱大数据时代的来临。

篇10：大数据时代读后感600字

舍恩伯格的《大数据时代》被人推崇为最佳书籍，今年安泰读书会的重头戏。虽然主讲人最后放了个香港大黄鸭般的鸽子，但现场讨论氛围依旧非常热烈——而且还是在没几个人读完的情况下，也就意味着——大数据对我们的影响，已经深入到生活的方方面面。

无处不在的大数据：各种云计算，谷歌的神通，亚马逊的推送，天涯人肉，微博万能等等等等，我们掌握了新的工具，也获取了以前从未有过的各种信息。大数据拉近了我们与现实的距离，“地球村”变成了“地球屋”，仿佛所有人所有事物都触手可及，而这些牛逼哄哄的互联网巨头就在客厅展示着世界的每一寸光景。

然而，事实真的是这样吗?首先，从应用角度出发，低廉的运算能力和存储空间，让以前的样本分析显得非常简陋——一些从全体数据挖掘出来，忽略精确而从大量数据的简单算法得出来的结论颠覆了常识。但个人觉得，这只是统计学的终极目标——并没有非常大的跨越，可能终结了回归分析，有效性验证等手段，但依旧还是统计。而革命性在于关注相关关系而非因果关系。现场讨论从神学角度挑战了因果关系的不可能——或者说人类用简单思考的逻辑来定义因果，以及用之前小数据演绎出大概率事件来推导因果，都是不正确的。真正的因果关系应该属于上帝的范畴，人类如果真的完全掌握之后，会统治整个宇宙。但我觉得，无需从神学观点来讨论，而可以借鉴量子力学对经典力学的颠覆——在原子层面上，经典力学会失效——那么在大数据层面上，普通的抽样调查直观反映会失效。而且从量子力学角度是很难推导经典力学的公式，那么从现在的惯有思维，也难以推导出大数据的因果关系。

篇11：大数据时代读后感600字

1.教师角度：从基于经验到基于数据的教学转型

篇12：大数据时代读后感600字

这一章节，利用马修莫里导航图的例子引出了大数据的实践方式，奇人莫里通过整理航海相关的边角数据，把整个大西洋按照经纬度划分了出来，并标注出了温度、风速和风向，从而发现了洋流，也为船员提供了有效的航海路线，这就是数据的价值体现了。书中也提到了，量化我们周围的一切，是数据化的核心，将文字变成数据、将方位变成数据，将沟通、情感变成数据，通过大数据，我们会意识到，世界在本质上是由信息构成的。

在工作中，这点也可以作为启发点，通过对数据的整理，或者说以某种方式采集到相关数据，将数据整理出有价值的信息后，不断的改善到工作流程、效率、服务方面，也是工作上的创新点。

笔者在书中提到了，数据的潜在价值，并提出了数据创新应用的方法，第一是数据的再利用，数据信息被采集用作特定分析后，在另一个领域或者角色立场下，或许会开发出新的有价值的信息;第二是数据的重组，将不同类别、类型的数据进行重组，产生一个新的数据集合出来，寻找其中的关联性;第三是数据的扩展，这就需要在记录数据的同时设计好他的可扩展性;第四是数据的折旧值，数据将会贬值，但是仍会有其潜在价值;第五是数据废气，即数据采集时的离散量、离散交互信号，举例是谷歌与微软的拼写检查;第六是开放数据，数据的开放将会有利于各行各业的使用，并促进全行业数据时代的发展。这其中又提到了数据估值的概念，在数据使用时价值才会体现出来，而不是在占有本身。

根据所提供价值的不同来源，分别出现三种大数据公司，基于数据本身(采集大量数据的公司)、基于技能(提取用户的需求，给出数据分析结果的公司)、基于思维(挖掘数据新的价值的公司)。

篇13：大数据时代读后感600字

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。

篇14：大数据时代读后感600字

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。

将本文的Word文档下载到电脑，方便收藏和打印

推荐度：

点击下载文档