讀大數據時代讀後感（精選三篇）
2023-10-13 18:17:59 1
第一篇：《大數據時代》讀後感2000字
舍恩伯格的《大數據時代》被人推崇為2012最佳書籍，今年安泰讀書會的重頭戲。雖然主講人最後放了個香港大黃鴨般的鴿子，但現場討論氛圍依舊非常熱烈——而且還是在沒幾個人讀完的情況下，也就意味著——大數據對我們的影響，已經深入到生活的方方面面。
無處不在的大數據：各種雲計算，谷歌的神通，亞馬遜的推送，天涯人肉，微博萬能等等等等，我們掌握了新的工具，也獲取了以前從未有過的各種信息。大數據拉近了我們與現實的距離，「地球村」變成了「地球屋」，仿佛所有人所有事物都觸手可及，而這些牛逼哄哄的網際網路巨頭就在客廳展示著世界的每一寸光景。
然而，事實真的是這樣嗎?首先，從應用角度出發，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陋——一些從全體數據挖掘出來，忽略精確而從大量數據的簡單算法得出來的結論顛覆了常識。但個人覺得，這只是統計學的終極目標——並沒有非常大的跨越，可能終結了回歸分析，有效性驗證等手段，但依舊還是統計。而革命性在於關注相關關係而非因果關係。現場討論從神學角度挑戰了因果關係的不可能——或者說人類用簡單思考的邏輯來定義因果，以及用之前小數據演繹出大概率事件來推導因果，都是不正確的。真正的因果關係應該屬於上帝的範疇，人類如果真的完全掌握之後，會統治整個宇宙。但我覺得，無需從神學觀點來討論，而可以借鑑量子力學對經典力學的顛覆——在原子層面上，經典力學會失效——那麼在大數據層面上，普通的抽樣調查直觀反映會失效。而且從量子力學角度是很難推導經典力學的公式，那麼從現在的慣有思維，也難以推導出大數據的因果關係。同時現場有討論，是否計算機可以精確地模擬每個原子，然後完整地展現微觀到宏觀的化學反應細節?我覺得首先是計算能力不足，其次即便設定原子的運動條件真的正確，計算結果未知但宏觀結果我們卻已經知道——牛頓的經典力學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?回歸到商業領域，如果我們可以提高相關性的準確度，從而提高投入效率，那就已經足夠了。本來一個產品受到一半客戶喜歡，但如果通過大數據挖掘到更好的定位，有百分之八十的客戶喜歡，那麼價值已經非常可觀了。
大數據時代的社會倫理——很大的命題，但重點都在討論如何保護個人隱私。因為手機越來越智能，網絡越來越快，個人的信息也越來越透明——隱形幾乎完全不可能。我想說的是，作為硬幣的另外一面，我們無法捨棄：網際網路只不過是讓人與人之間碎片的關係得以統一，其實各種人肉和信息只不過是坊間傳聞的升級罷了。當我們住在擁擠的小區，三公裡走完一圈的縣城，半小時散步完的村落，人和人之間有隱私嗎?現在只不過是把這個範圍放大到了一個地球而已。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，那麼另外一面就是隱私的缺乏。與其說是要在大數據時代保護自己的信息不被洩露，不如站起來維護自己和他人的隱私，從法律和道德的角度來尊重人與人之間的權利。在一個互相尊重的環境下，你可以穿熱褲，他也可以穿長裙走上街頭;在一個互相踐踏的社會中，人人都得帶著面具生活。
大數據幫助我們把未來的迷霧撥開了一點，但好比《沉重的肉身》當中討論的，更多的選擇權並不能帶給人幸福——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，幸福之道等問題，關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》裡面的臺詞：可被重複的，一定有道理存在。那麼現在重複的越來越多，更需要保持探索和敬畏之心，人才不會迷路。
第二篇：《大數據時代》讀後感1000字
去年的「雲計算」炒得熱火朝天的，今年的「大數據」又突襲而來。仿佛一夜間，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《程式設計師》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，更細緻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?
查了查百度百科，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，網際網路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，是否真的合適麼?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，你甚至都沒有做好準備，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。
第三篇：《大數據時代》讀後感3000字
未來的十年，將是大數據引領下的智慧科技時代。不管你是否意識到它的存在，大數據都將越來越快地改變我們這個時代，包括我們的生活方式。
維克託·邁爾-舍恩伯格是最早洞見大數據時代發展趨勢的數據科學家之一。他通過一個大家熟知的事例，來幫助我們理解「大數據」的潛在影響力，那就是四個世紀之前望遠鏡和顯微鏡的發明。望遠鏡能夠讓我們感受宇宙，顯微鏡能夠讓我們觀測微生物，它們都是收集海量數據的新工具，因為這種工具的發明，人們同步更新了分析數據的技術和方法，促進了人們對世界更好的理解。如果說望遠鏡和顯微鏡是測量領域中的一場革命，那麼今天的數據測量就相當於是現代版的望遠鏡、顯微鏡。隨著社交網絡的逐漸成熟，移動帶寬迅速提升，雲計算、物聯網應用更加豐富，以及更多的傳感設備、移動終端接入到網絡，由此產生的數據及數據的增長速度比歷史上的任何時期都要多、都要快。一個大數據的時代，不經意間順理成章地翩然而至。
一、什麼是大數據?
大數據是當前最熱門的話題之一。但什麼是大數據，人們尚未給出確切的定義。首先，「大數據」是相對過去小的、局部性的數據而言的;其次，利用大數據進行分析和工作時，所依據的關於此事儘可能完整的數據，從而「一覽眾山小」，而不是採用局部的小數據，從局部推斷整體。
維克託也並未直接給出大數據的定義。不過，他用三大轉變描述了大數據的特性：
轉變之一：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，而不再依賴於隨機採樣。例如一項針對相撲比賽中非法操縱比賽結果的研究對64000場比賽進行了分析，這算不上一個很大的數字，但由於這是過去十年所有的比賽，所以它是大數據。
轉變之二：由於有了更多的數據，我們可以接受更多的混雜、更多數據上的不精確。如果我們對於一個事物只有50個數據點，那麼每一個數據點都必須非常精確，因為每個數據點都是有用的;但是如果我們有5000萬個，去掉10個，甚至去掉1000個都沒有太大的問題。
轉變之三：不再探求難以捉摸的因果關係，轉而關注事物的相關關係。分析大數據主要為了預測未來「是什麼」，而不是「為什麼」。因為很多時候我們以為我們找到了事情背後的原因，實際上卻沒有找到。更多時候知道了「是什麼」就足夠了。例如知道流感將會擴散到哪裡就足夠了，我不需要知道為什麼;知道什麼時候在網上購買機票能夠獲得最優惠的價格就足夠了，我不需要知道為什麼此時價格最低。
二、大數據帶來的變化
大數據從根本上改變我們認識世界和改變世界的方式。很多傳統的習慣將被顛覆，很多舊的制度將面臨挑戰。舉例來說：
第一，科學探究的思路和方式受到挑戰
探究是新課程改革中的一個熱詞，是促進學校教學與科學研究相融合的實踐舉措。科學探究的基本路徑是：發現問題，提出假設，制定方案，實踐探究，分析數據，得出結論。之所以會梳理出這樣一個探究的路徑，與我們對問題知曉的信息過少有關。換句話說，對所要研究的事物，我們知道的數據很少，需要從這些很小的數據出發，通過猜想和假設，進行試探性的研究，如果研究得出的結果和自己的假想是一致的，則說明我們的假說是正確的，這些假說會上升為對該事物描述的知識，我們掌握該事物的數據也隨之增加。
利用測量所獲得的點滴數據，從一個局部來推測世界是怎樣的，這是科學探究的基本思路和方式。長期以來，我們總是通過這樣的方式來認識世界，對其有宗教般的信仰。儘管我們知道，決策者總是先有了想法，才會提出假設。如果決策者自身對所研究的事情存在著偏見，所提出的假設就很難得到實證的支持，這往往會導致探究花費了很長的時間、很大的物力和財力，也常常勞而無功。但科學研究者還是堅定不移地沿著這條道路前行，學校在教學中也將其作為科學研究的基本規範來傳授。
在大數據時代，這樣的研究方式收到了極大的挑戰。先舉個事例來說吧。手機輻射是否能夠致癌?關於這個問題，無論我們的假設如何，實驗的設計都很難進行。首先，樣本選擇過少，沒有統計學上的意義;其次，不能拿人做研究對象;第三，短時間的研究很難觀察到變化。有了大數據之後，這樣的難題就可以迎刃而解了。前段時間，丹麥就進行了這樣的研究。丹麥擁有1985年手機推出以來所有手機用戶的資料庫。他們從這個資料庫中分析了1990年至2007年擁有手機的所用用戶的數據，同時，他們還收集了這一期間醫院收集的所有癌症患者的數據，然後分析手機用戶是否比非手機用戶有更高的癌症發病率。這兩個資料庫本身是完全獨立的，在作分析之前從來沒有想過可以做這樣的研究。結果表明，使用移動用戶和癌症風險增加之間不存在任何關係。2011年10月，這一研究的結果發表在《英國醫學雜誌》上。
上述的案例告訴我們，在獲得了大量的數據，能夠對事物的整體進行全面的認識之後，假想就沒有意義了，我們可以直接根據全面的數據做出結論。
第二，傳統的思維習慣受到挑戰
因果關係思維，是人們生活中最為普遍的一種思維方式。既是看上去沒有關係的事情，人們也總是從因果的角度去理解他。比如說，1885年7月6日，巴斯德接診了一個被帶有狂犬病毒的狗咬傷的孩子，他把自己剛研製出來的狂犬疫苗給孩子注射，結果孩子活下來了。巴斯德的這一舉措，使得狂犬疫苗和孩子的生存之間建立起了一個因果關係。但事實上，人被狂犬病狗咬傷後換上狂犬病的概率是只有七分之一，就算沒有狂犬疫苗，這個孩子活下來的機率還是有85%。
在哲學界，關於因果關係的爭論已經持續了幾個世紀。爭論的焦點在於：如果因果關係是普遍存在的，每一個果都有一個因和他相對應，世界上的所有事情都有因果的話，我們就沒有決定任何事情的自由了。儘管哲學領域的爭論很熱烈，但並不耽誤人們在日常生活中通過因果關係來思考問題。不僅如此，由於掌握的數據過少，人們還容易從線性關係的角度找尋事物之間的因果關係。在物理學中，有一種處理數據的方式之一就是「化曲為直」，設法找到兩個變量之間的線性因果關係，從而進行定量的描述。事實上，由於很多事情之間的關係是很複雜的，簡單的線性處理容易導致人們對事物本質屬性的誤解。
在大數據時代，相關關係比因果關係重要。2009年甲型H1N1流感發生之後，美國的衛生系統極力想從因果關係上來找到流感的源頭，但信息反饋的速度太慢，讓專家們束手無策。谷歌公司做出了快速反應，把5000萬條美國人最頻繁檢索的詞條和美國疾控中心在2003年至2008年間季節性流感傳播時期的數據進行比較，研究特定檢索詞條的頻繁使用與流感在時間和空間上的傳播之間的聯繫，很快就確定了流感是從哪個地方傳播出來的。谷歌採取的就是相關關係分析的方法，而不是因果關係分析的方法。這是大數據時代，對數據進行處理的一種典型方法。
第三，數據化比數位化更加重要
數位化是將模擬數據轉化成0和1的二進位碼，以便電腦進行數據處理的過程。過去的很長時間，我們所做的事情，就是對文本進行數位化。很多書籍包括教材，通過PDF等格式，變成了數字形態的資料，存入了電腦或者網路之中。
但是，這些數位化的資料要查詢起來並不方便。首先你要知道所需的資料在那本書中，其次你還要仔細地去翻閱這些數位化的資源，以便找到你所需要的信息。這和到書本裡去找沒有本質的區別。
如果這些數字文本能夠被數據化，文本中的字、詞和段落能夠一一被識別，利用搜索殷勤加以檢索就會方便很多。所謂數據化就是將一種現象轉化為可以制表分析的可量化的過程，量化，是數據化的核心。信息只能被數據化，其巨大的潛在價值才有可能被釋放出來。
數位化帶來了數據化，但數位化不能替代數據化。今天，很多學校都在進行「電子書包」的課程教學實踐，但有不少實踐者認為，所為電子書包，就是將紙質的課本和教輔資料數位化，裝入電腦中讓學生上課中使用，這其實是對電子書包最大的誤解。電子書包的核心在於數據化，要通過對學生學習過程所記錄的大數據分析，把握學生的個性化學習特徵，以便給予更有針對性的指導。
三、需要關注的一些問題
從教育的角度看，大數據時代的來臨，對教育的變革將帶來巨大的影響。
首先是教育內容要進行革新。大數據使得傳統的因果思維方式、科學研究方式不再是生活、工作起主導地位的方式，這必然要求我們在教學中要將這些變化和學生講清楚，以便他們能夠在今後走上社會的時候有足夠的能力迎接挑戰。
其次是教學方式要進行革新。過去的教學，因為沒有大量數據的支撐，該教什麼全憑教師自己跟著感覺走。今天，我們可以將教師的教學視頻掛在晚上，通過深度分析學生在觀看視頻的過程中在哪些地方停頓或者重放的頻次比較高，來找出學生不明確或者課程吸引人的地方，幫助教師改進教學、確定教學重點。這必然導致教師教學方式的變革。
第三是學習路徑會發生變化。在過去，如果你想成為一個優秀的生物學家，一定要認識很多生物學家。今天，要解決一個生物難題，可能與天體物理學家或者數據視圖設計師聯繫就可以實現。
第四是要防止對數據的痴迷。一方面，我們要研究學校長期以來儲存下來的大量數據，同時積累學校每天的教育數據，為進入大數據時代做好充分的思想準備;另一方面，要喚醒學校裡沉睡的數據，讓其在學校管理和教師教學中發揮更大的作用;再一方面，也要防止出現另一個極端，那就是對數據的痴迷。能僅僅為了收集數據而收集數據，要讓數據在如何全面反映一個學生的能力、全面反映教師的教育質量等方面做出實踐和探索。