《大数据时代》读后感

《大数据时代》读后感5篇

　　“大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。以下是小编整理的《大数据时代》读后感，希望对大家有帮助！

　　《大数据时代》读后感1

　　对于畅销书刊、热点话题、时尚科技，始终不太感兴趣。书刊，喜欢有一定年份的。话题，钟情于务虚的观点。新奇的产品于我无缘，习惯使用成熟的科技产品。既不清高，也非冷漠，就是要与现实保持一定的距离，给自己留一点思考的空间。这一习惯最近破了例。由于工作的原因，耳濡目染，“大数据”这个新兴概念开始频繁步入我的视野。按捺不住内心的好奇，网购《大数据时代》，手不释卷，三天读完，颇有收获。此书有如下特点。

　　首先，作者站在理论的制高点上，条理清楚地阐述了大数据对人类的工作、生活、思维带来的革新，大数据时代的三种典型的商业模式，以及大数据时代对于个人隐私保护、公共安全提出的挑战。其次，文中的事例贴近现实生活，贴近时代，令读者既印象深刻，又感同身受。此外，作者没有使用大量的专业术语，没有假装一副专业的面孔。纵观全书，遣词造句，均通俗易懂。

　　作者认为大数据时代具有三个显著特点。

　　一、人们研究与分析某个现象时，将使用全部数据而非抽样数据。

　　二、在大数据时代，不能一味地追求数据的精确性，而要适应数据的多样性、丰富性、甚至要接受错误的数据。

　　三、了解数据之间的相关性，胜于对因果关系的探索。“是什么”比“为什么”重要。

　　作者指出，随着技术的发展，数据的存储与处理成本显著降低，人们现在有能力从支离破碎的、看似毫不相干的数据矿渣中抽炼出真知烁见。在大数据时代，三类公司将成为时代的宠儿。一是拥有大数据的公司与组织。如政府、银行、电信公司、全球性互联网公司(阿里巴巴、淘宝网)。二是拥有数据分析与处理技术的专业公司，如亚马逊、谷歌。三是拥有创新思维的公司，他们可能既不掌握大数据，也没有专业技术，但却擅长使用大数据，从大数据中找到自己的理想天地。

　　面对即将来临的大数据时代，个人将如何应对自如？这是个严肃的问题。

　　《大数据时代》读后感2

　　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，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3

　　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’。“[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。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。