《大數據時(shí)代》讀后感800字精選
我們生活在大數據的時(shí)代，下面yjbys小編整理了《大數據時(shí)代》讀后感，歡迎閱讀!
《大數據時(shí)代》讀后感
《大數據時(shí)代》這本書(shū)主要描述的是大數據時(shí)代到臨人們生活、工作與思維各方面所遇到的重大變革。
引言提出了大數據將給生活、工作于思維帶來(lái)重大的變革。一個(gè)例子是2009年H1N1流行病毒背景下谷歌通過(guò)檢測檢索詞條，處理了4.5億個(gè)不同的數據模型，通過(guò)預測并與2007年、2008年美國疾控中心記錄的實(shí)際流感病例進(jìn)行對比后，確定了45條檢索詞條組合，并將其用于一個(gè)特定的數學(xué)模型后，預測的結果與官方數據的相關(guān)系數高達97%。按照傳統的信息返回流程，通告新流感病毒病例將有一到兩周的延遲。
對于飛速傳播的疾病，信息滯后兩周是致命的。而谷歌運用大數據技術(shù)，以前所未有的方式，通過(guò)海量數據分析得出流感所傳播的范圍，為世界預測流感提供了一種更快捷的預測工具。此外，我聯(lián)想到原淘寶董事長(cháng)馬云通過(guò)大量數據分析得出2008年經(jīng)濟疲弱，為其商家提前做好迎接經(jīng)濟危機提供了時(shí)間緩沖。
關(guān)于大數據在商業(yè)領(lǐng)域的應用， Farecast公司是一個(gè)成功的典型范例。該公司由奧倫·埃齊奧尼創(chuàng )辦，利用機票的銷(xiāo)售數據來(lái)預測未來(lái)的機票價(jià)格，旨在幫助用戶(hù)在購買(mǎi)機票方面做出預測，并對機票價(jià)格走勢預測的可信度標示出來(lái)供消費者查考。Farecast系統利用近十萬(wàn)億條價(jià)格記錄預測的準確度達75%，使得使用Farecast票價(jià)預測工具購買(mǎi)機票的旅客，平均每張機票節約50美元。而處理如此多的數據離開(kāi)了大數據技術(shù)將無(wú)法進(jìn)行。
也正是由于我們進(jìn)入了一個(gè)前所未有的信息化時(shí)代，人們擁有了如此多的數據，才提供給我們利用大數據的分析處理手段，創(chuàng )造新的價(jià)值。也許有人以為我們大數據時(shí)代的還未來(lái)臨。其實(shí)大數據技術(shù)早已滲透到我們中間，它被應用在垃圾郵件的過(guò)濾，新浪微博技術(shù)平臺，谷歌翻譯以及輸入文字的自動(dòng)糾錯等。
文中提出的一個(gè)觀(guān)點(diǎn)是，預測是大數據的核心。其實(shí)從過(guò)去的時(shí)代人們就利用掌握的數據進(jìn)行各種分析，從而對經(jīng)濟等各方面進(jìn)行預測、矯正。只是進(jìn)入了大數據時(shí)代人們掌握的數據爆炸性的速度在增長(cháng)，從而數據的存儲和分析數據分方法成了釋放大數據能量的關(guān)鍵。
大數據時(shí)代是信息化社會(huì )發(fā)展必然趨勢，我們只有緊緊跟隨時(shí)代發(fā)展的潮流，在技術(shù)上、制度上、價(jià)值觀(guān)念上做出迅速調整并牢牢跟進(jìn)，才能在接下來(lái)新一輪的國際競爭中擺脫受制于人的弱勢境地，才能把握發(fā)展的方向，沖破與西方國家的差距。
《大數據時(shí)代》讀后感
我們生活在一個(gè)“概念”紛飛的年代，先前只有IBM熟諳的招數，如今已經(jīng)“飛入平常百姓家”。“移動(dòng)互聯(lián)網(wǎng)”、“云計算”的概念剛剛消停，業(yè)界的專(zhuān)家又送來(lái)了“大數據”的概念，一時(shí)間似乎人人都變成了“大數據”專(zhuān)家，見(jiàn)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(wǎng)絡(luò )帶寬變得充裕之后，我們先前對待數據，尤其是原始數據的態(tài)度和思維方式，將面臨著(zhù)很大的改變!
其實(shí)，作者的主要觀(guān)點(diǎn)，已經(jīng)在翻譯者的譯者序中進(jìn)行了總結：“大數據時(shí)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(guān)不要因果”。
如作者所言，“采樣分析是信息缺乏時(shí)代和信息流通受限制的模擬數據時(shí)代的產(chǎn)物”。如果可以，我們當然會(huì )使用“全體數據”而不是“抽樣數據”。讀到這里，我估計大學(xué)里正在絞盡腦汁設計樣本抽樣方法的學(xué)生、教授們，連哭的心都有!
數據分析的及時(shí)性，在很多情況下比精確性更加重要，尤其是在商業(yè)領(lǐng)域。想想看，如果需要兩周時(shí)間才能計算出明天某個(gè)航班的滿(mǎn)座率，那還有什么意義?大數據計算技術(shù)，適用的不是像衛星發(fā)射、開(kāi)具銀行賬戶(hù)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(guò)往千年，探究因果關(guān)系幾乎是所有科學(xué)研究的原動(dòng)力。甚至，這已經(jīng)通過(guò)語(yǔ)言，融入我們的思維方式和哲學(xué)思想：“因為……所以……”，凡事都要問(wèn)“為什么”。但是，在大數據的范疇里，關(guān)注的卻是相關(guān)性，而不是因果關(guān)系，或者其次才是因果關(guān)系。超市只用關(guān)心把啤酒和尿不濕放在一起，會(huì )幫助提高銷(xiāo)售額，而不用關(guān)心其中的奧秘。如果說(shuō)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(mǎi)尿不濕的時(shí)候給自己捎上幾罐啤酒。
在此，也有一些自己的思考：如果說(shuō)搜索引擎所解決的問(wèn)題表面上是幫助用戶(hù)找到需要的信息，而實(shí)質(zhì)是幫助企業(yè)找到擁有某項需求的客戶(hù)，深層次講是解決了《第三次浪潮》中提出的消費者和生產(chǎn)者分離的根本矛盾，如果再加上3D打印技術(shù)，就可以完成由消費者主導的“個(gè)性化”生產(chǎn)過(guò)程;而大數據所解決的是，通過(guò)對所有用戶(hù)的數據進(jìn)行分析，可以預測用戶(hù)群整體的需求變化趨勢，從而完成批量產(chǎn)品生產(chǎn)、銷(xiāo)售的調整問(wèn)題，其奇妙之處就在于無(wú)需用戶(hù)“開(kāi)口”說(shuō)出她想要什么?一個(gè)解決的“個(gè)體需求”，一個(gè)解決的是“群體需求”。
本書(shū)除了提出上述三項基本觀(guān)點(diǎn)，其它的內容大多是舉例說(shuō)明，多少有些空泛。但是，其實(shí)大數據時(shí)代才剛剛開(kāi)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(guān)點(diǎn)已屬難能可貴!
《大數據時(shí)代》讀后感
舍恩伯格的《大數據時(shí)代》被人推崇為2012最佳書(shū)籍，今年安泰讀書(shū)會(huì )的重頭戲。雖然主講人最后放了個(gè)香港大黃鴨般的鴿子，但現場(chǎng)討論氛圍依舊非常熱烈——而且還是在沒(méi)幾個(gè)人讀完的情況下，也就意味著(zhù)——大數據對我們的影響，已經(jīng)深入到生活的方方面面。這本書(shū)對這個(gè)大規模產(chǎn)生、分享和應用數據的新的大時(shí)代進(jìn)行了闡述和厘清，作者圍繞“要全體不要抽樣、要效率不要絕對精確、要相關(guān)不要因果”三大理念，通過(guò)數十個(gè)商業(yè)和學(xué)術(shù)案例，剖析了萬(wàn)事萬(wàn)物數據化和數據復用挖掘的巨大價(jià)值。
無(wú)處不在的大數據：各種云計算，谷歌的神通，亞馬遜的推送，天涯人肉，微博萬(wàn)能等等等等，我們掌握了新的工具，也獲取了以前從未有過(guò)的各種信息。大數據拉近了我們與現實(shí)的距離，“地球村”變成了“地球屋”，仿佛所有人所有事物都觸手可及，而這些牛逼哄哄的互聯(lián)網(wǎng)巨頭就在客廳展示著(zhù)世界的每一寸光景。如作者所言“大數據開(kāi)啟了一次重大時(shí)代轉型。就像望遠鏡讓我們能夠感受宇宙，顯微鏡讓我們看清微生物一樣，大數據要改變的是，我們的生活方方面面以及理解世界的方式”。比如，谷歌通過(guò)全球搜索分析，比國際疾病控防中心更早更準地預測了流感爆發(fā)。
然而，事實(shí)真的是這樣嗎?首先，從應用角度出發(fā)，低廉的運算能力和存儲空間，讓以前的樣本分析顯得非常簡(jiǎn)陋——一些從全體數據挖掘出來(lái)，忽略精確而從大量數據的簡(jiǎn)單算法得出來(lái)的結論顛覆了常識。但個(gè)人覺(jué)得，這只是統計學(xué)的終極目標——并沒(méi)有非常大的跨越，可能終結了回歸分析，有效性驗證等手段，但依舊還是統計。而革命性在于關(guān)注相關(guān)關(guān)系而非因果關(guān)系�，F場(chǎng)討論從神學(xué)角度挑戰了因果關(guān)系的不可能——或者說(shuō)人類(lèi)用簡(jiǎn)單思考的邏輯來(lái)定義因果，以及用之前小數據演繹出大概率事件來(lái)推導因果，都是不正確的。真正的因果關(guān)系應該屬于上帝的范疇，人類(lèi)如果真的完全掌握之后，會(huì )統治整個(gè)宇宙。
但我覺(jué)得，無(wú)需從神學(xué)觀(guān)點(diǎn)來(lái)討論，而可以借鑒量子力學(xué)對經(jīng)典力學(xué)的顛覆——在原子層面上，經(jīng)典力學(xué)會(huì )失效——那么在大數據層面上，普通的抽樣調查直觀(guān)反映會(huì )失效。而且從量子力學(xué)角度是很難推導經(jīng)典力學(xué)的公式，那么從現在的慣有思維，也難以推導出大數據的因果關(guān)系。同時(shí)現場(chǎng)有討論，是否計算機可以精確地模擬每個(gè)原子，然后完整地展現微觀(guān)到宏觀(guān)的化學(xué)反應細節?我覺(jué)得首先是計算能力不足，其次即便設定原子的運動(dòng)條件真的正確，計算結果未知但宏觀(guān)結果我們卻已經(jīng)知道——牛頓的經(jīng)典力學(xué)足以應付日常絕大部分情況了。好比切西瓜，究竟刀頭的鐵原子和西瓜的有機分子如何作用，真的重要嗎?回歸到商業(yè)領(lǐng)域，如果我們可以提高相關(guān)性的準確度，從而提高投入效率，那就已經(jīng)足夠了。本來(lái)一個(gè)產(chǎn)品受到一半客戶(hù)喜歡，但如果通過(guò)大數據挖掘到更好的定位，有百分之八十的客戶(hù)喜歡，那么價(jià)值已經(jīng)非�？捎^(guān)了。
大數據時(shí)代的社會(huì )倫理——很大的.命題，但重點(diǎn)都在討論如何保護個(gè)人隱私。因為手機越來(lái)越智能，網(wǎng)絡(luò )越來(lái)越快，個(gè)人的信息也越來(lái)越透明——隱形幾乎完全不可能。我想說(shuō)的是，作為硬幣的另外一面，我們無(wú)法舍棄：互聯(lián)網(wǎng)只不過(guò)是讓人與人之間碎片的關(guān)系得以統一，其實(shí)各種人肉和信息只不過(guò)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(shí)散步完的村落，人和人之間有隱私嗎?現在只不過(guò)是把這個(gè)范圍放大到了一個(gè)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，那么另外一面就是隱私的缺乏。與其說(shuō)是要在大數據時(shí)代保護自己的信息不被泄露，不如站起來(lái)維護自己和他人的隱私，從法律和道德的角度來(lái)尊重人與人之間的權利。在一個(gè)互相尊重的環(huán)境下，你可以穿熱褲，他也可以穿長(cháng)裙走上街頭;在一個(gè)互相踐踏的社會(huì )中，人人都得帶著(zhù)面具生活。
在思維變革部分，作者講述的重點(diǎn)是：樣本=總體，我們需要對全部數據的占有和分析;因此，數據缺乏時(shí)代的精確性不必執迷，接受混雜基于大數據的簡(jiǎn)單算法比小數據的復雜算法更有效;樣本推斷的因果關(guān)系不重要了，知道“是什么”的相關(guān)關(guān)系，或者結果就可以了。對于我自己最受用的是什么呢?是大數據的產(chǎn)業(yè)鏈。產(chǎn)業(yè)鏈包括大數據平臺、大數據技術(shù)提供方、大數據理念提供方。我認為大數據平臺是整個(gè)產(chǎn)業(yè)鏈條的核心，沒(méi)有數據，再好的技術(shù)和理念都會(huì )是無(wú)米之炊。那么大數據平臺在當前的中國社會(huì )有哪些呢?所有的互聯(lián)網(wǎng)公司，物聯(lián)網(wǎng)公司，物流，快消品等等，實(shí)際上任何公司都是數據平臺公司，只不過(guò)之前沒(méi)有好好的利用數據，而更多的是用經(jīng)驗來(lái)管理公司和迎合客戶(hù)需求�，F在不一樣了，我們完全可以用數據來(lái)驅動(dòng)公司管理和客戶(hù)管理，畢竟數據是不會(huì )騙人的。
大數據幫助我們把未來(lái)的迷霧撥開(kāi)了一點(diǎn)，但好比《沉重的肉身》當中討論的，更多的選擇權并不能帶給人幸福——因為知道自己不能做不能得到的也更多了。解決工作模式，生存意義，幸福之道等問(wèn)題，關(guān)鍵還是看自己如何看待和使用這些新式工具以及新結論。引用《神探伽利略》里面的臺詞：可被重復的，一定有道理存在。那么現在重復的越來(lái)越多，更需要保持探索和敬畏之心，人才不會(huì )迷路。
【《大數據時(shí)代》讀后感800字精選】相關(guān)文章：
大數據時(shí)代讀后感12-30
大數據時(shí)代新聞傳播探究論文07-13
大數據時(shí)代的教育管理變革論文10-06
大數據時(shí)代網(wǎng)絡(luò )信息安全探析論文07-27
大數據時(shí)代新聞傳播創(chuàng )新研究論文07-20