- 相關(guān)推薦
《大數(shù)據(jù)時(shí)代》讀后感_讀書筆記范文
品味完一本名著后，相信大家的收獲肯定不少，記錄下來很重要哦，一起來寫一篇讀書筆記吧。那么我們該怎么去寫讀書筆記呢？以下是小編精心整理的《大數(shù)據(jù)時(shí)代》讀后感_讀書筆記范文，希望能夠幫助到大家。
“大數(shù)據(jù)”在物理學(xué)、生物學(xué)、環(huán)境生態(tài)學(xué)等領(lǐng)域以及軍事、金融、通訊等行業(yè)存在已有時(shí)日，卻因?yàn)榻陙砘ヂ?lián)網(wǎng)和信息行業(yè)的發(fā)展而引起人們關(guān)注。以下是小編整理的《大數(shù)據(jù)時(shí)代》讀后感，希望對大家有幫助!
對于暢銷書刊、熱點(diǎn)話題、時(shí)尚科技，始終不太感興趣。書刊，喜歡有一定年份的。話題，鐘情于務(wù)虛的觀點(diǎn)。新奇的產(chǎn)品于我無緣，習(xí)慣使用成熟的科技產(chǎn)品。既不清高，也非冷漠，就是要與現(xiàn)實(shí)保持一定的距離，給自己留一點(diǎn)思考的空間。這一習(xí)慣最近破了例。由于工作的原因，耳濡目染，“大數(shù)據(jù)”這個(gè)新興概念開始頻繁步入我的視野。按捺不住內(nèi)心的好奇，網(wǎng)購《大數(shù)據(jù)時(shí)代》，手不釋卷，三天讀完，頗有收獲。此書有如下特點(diǎn)。 首先，作者站在理論的制高點(diǎn)上，條理清楚地闡述了大數(shù)據(jù)對人類的工作、生活、思維帶來的革新，大數(shù)據(jù)時(shí)代的三種典型的商業(yè)模式，以及大數(shù)據(jù)時(shí)代對于個(gè)人隱私保護(hù)、公共安全提出的挑戰(zhàn)。其次，文中的事例貼近現(xiàn)實(shí)生活，貼近時(shí)代，令讀者既印象深刻，又感同身受。此外，作者沒有使用大量的專業(yè)術(shù)語，沒有假裝一副專業(yè)的面孔�？v觀全書，遣詞造句，均通俗易懂。 作者認(rèn)為大數(shù)據(jù)時(shí)代具有三個(gè)顯著特點(diǎn)。
一、人們研究與分析某個(gè)現(xiàn)象時(shí)，將使用全部數(shù)據(jù)而非抽樣數(shù)據(jù)。
二、在大數(shù)據(jù)時(shí)代，不能一味地追求數(shù)據(jù)的精確性，而要適應(yīng)數(shù)據(jù)的多樣性、豐富性、甚至要接受錯(cuò)誤的數(shù)據(jù)。 三、了解數(shù)據(jù)之間的相關(guān)性，勝于對因果關(guān)系的探索�！笆鞘裁础北取盀槭裁础敝匾�。 作者指出，隨著技術(shù)的發(fā)展，數(shù)據(jù)的存儲(chǔ)與處理成本顯著降低，人們現(xiàn)在有能力從支離破碎的、看似毫不相干的數(shù)據(jù)礦渣中抽煉出真知爍見。在大數(shù)據(jù)時(shí)代，三類公司將成為時(shí)代的寵兒。一是擁有大數(shù)據(jù)的公司與組織。如政府、銀行、電信公司、全球性互聯(lián)網(wǎng)公司(阿里巴巴、淘寶網(wǎng))。二是擁有數(shù)據(jù)分析與處理技術(shù)的專業(yè)公司，如亞馬遜、谷歌。三是擁有創(chuàng)新思維的公司，他們可能既不掌握大數(shù)據(jù)，也沒有專業(yè)技術(shù)，但卻擅長使用大數(shù)據(jù)，從大數(shù)據(jù)中找到自己的理想天地。 面對即將來臨的大數(shù)據(jù)時(shí)代，個(gè)人將如何應(yīng)對自如?這是個(gè)嚴(yán)肅的問題。
去年的“云計(jì)算”炒得熱火朝天的，今年的“大數(shù)據(jù)”又突襲而來。仿佛一夜間，各廠商都紛紛改旗換幟，推起“大數(shù)據(jù)”來了。于是乎，各企業(yè)的CIO也將熱度紛紛轉(zhuǎn)向關(guān)注“大數(shù)據(jù)”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(shí)地反映了現(xiàn)實(shí)中小企業(yè)云計(jì)算，大數(shù)據(jù)的現(xiàn)狀。 不過話又還得說回來，《大數(shù)據(jù)時(shí)代》是本好書。 當(dāng)然，很多IT知名人士也大力推薦，寫了好多讀后感來表述對這本書的喜歡沒看此書之前，對所謂大數(shù)據(jù)的概念基本上是一頭霧水，雖則有了解關(guān)注過現(xiàn)在也比較火熱的BI，覺得也差不多，可能就是更多的數(shù)據(jù)，更細(xì)致的數(shù)據(jù)分析與數(shù)據(jù)挖掘�？催^此書后，感覺到之前的想法，只能算是中了一小半吧---巨量的數(shù)據(jù)，而另一前：著眼于數(shù)據(jù)關(guān)聯(lián)性，而非數(shù)據(jù)精確性，或許才是大數(shù)據(jù)與現(xiàn)時(shí)BI的不同，不僅僅是方法，更多的時(shí)思想方法。不過坦白講，到底是數(shù)據(jù)的關(guān)聯(lián)性重佳，還是數(shù)據(jù)的精確性更好，還真的需要時(shí)間來檢驗(yàn)一下，至少從現(xiàn)在的數(shù)據(jù)分析方法來論，更多的傾向于數(shù)據(jù)的精確性。
看完此書，我心中的一些問題：
1、什么是大數(shù)據(jù)? 查了查百度百科，是這樣定義的：大數(shù)據(jù)(bigdata)，或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具，在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營決策更積極目的的資訊。大數(shù)據(jù)的4V特點(diǎn)：Volume、Velocity、Variety、Veracity這個(gè)好像是IBM的定義吧。 以個(gè)人的觀點(diǎn)來看：數(shù)據(jù)海量，存儲(chǔ)海量都是大數(shù)據(jù)的基本原型吧。
2、大數(shù)據(jù)適合什么樣的企業(yè)? 誠然，大數(shù)據(jù)的前提是海量的數(shù)據(jù)，只有擁有巨量的數(shù)據(jù)資源，方能從中查找出數(shù)據(jù)的關(guān)聯(lián)性，才可以讓通過專業(yè)化的處理，讓其為企業(yè)產(chǎn)生價(jià)值。針對電信運(yùn)營，互聯(lián)網(wǎng)應(yīng)用這樣海量用戶的數(shù)據(jù)的大企業(yè)，也是在應(yīng)用大數(shù)據(jù)的道路混雜性。
三、更好：不是因果關(guān)系，而是相關(guān)關(guān)系。對于第一個(gè)觀點(diǎn)，我不敢茍同。
一方面是對全體數(shù)據(jù)進(jìn)行處理，在技術(shù)和設(shè)備上有相當(dāng)高的難度。另一方面是不是都有此必要，對于簡單事實(shí)進(jìn)行判斷的數(shù)據(jù)分析難道也要采集全體數(shù)據(jù)嗎? 我曾與香港城市大學(xué)的祝建華教授討論過。祝教授是傳播學(xué)研究方法和數(shù)據(jù)分析的專家，他認(rèn)為一定可以找到一種數(shù)理統(tǒng)計(jì)方法來進(jìn)行分析，并不一定需要全部數(shù)據(jù)。聯(lián)系到舍恩伯格第二個(gè)觀點(diǎn)中所說的相關(guān)關(guān)系，我理解他說的全體數(shù)據(jù)不是指數(shù)量而是指范圍，即大數(shù)據(jù)的隨機(jī)樣本不限于目標(biāo)數(shù)據(jù)，還包括目標(biāo)以外的所有數(shù)據(jù)。我認(rèn)為大數(shù)據(jù)分析不能排除隨機(jī)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(diǎn)，我認(rèn)為這是對他第一個(gè)觀點(diǎn)很好的補(bǔ)充，這也是對精準(zhǔn)傳播和精準(zhǔn)營銷的一種反思�！贝髷�(shù)據(jù)的簡單算法比小數(shù)據(jù)的復(fù)雜算法更有效�！案哂泻暧^視野和東方哲學(xué)思維。對于舍恩伯格的第三個(gè)觀點(diǎn)，我也不能完全贊同。”不是因果關(guān)系，而是相關(guān)關(guān)系�！安恍枰馈睘槭裁础�，只需要知道”是什么“。傳播即數(shù)據(jù)，數(shù)據(jù)即關(guān)系。在小數(shù)據(jù)時(shí)代人們只關(guān)心因果關(guān)系，對相關(guān)關(guān)系認(rèn)識不足，大數(shù)據(jù)時(shí)代相關(guān)關(guān)系舉足輕重，如何強(qiáng)調(diào)都不為過，但不應(yīng)該完全排斥它。大數(shù)據(jù)從何而來?為何而用?如果我們完全忽略因果關(guān)系，不知道大數(shù)據(jù)產(chǎn)生的前因后果，也就消解了大數(shù)據(jù)的人文價(jià)值。如今不少學(xué)者為了闡述和傳播其觀點(diǎn)往往語出驚人，對舊有觀念進(jìn)行徹底的否定。 世間萬物的復(fù)雜性多樣化并非非此即彼那么簡單，舍恩伯格也是這種二元對立的幼稚思維嗎?其實(shí)不然，讀者在閱讀時(shí)一定要看清楚他是在什么語境下說的，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(guān)系，而是相關(guān)關(guān)系。“這一論斷時(shí)，他在書中還說道：”在大多數(shù)情況下，一旦我們完成了對大數(shù)據(jù)的相關(guān)關(guān)系分析，而又不再滿足于僅僅知道‘是什么’時(shí)，我們就會(huì)繼續(xù)向更深層次研究的因果關(guān)系，找出背后的‘為什么’。“[i]由此可見，他說的全體數(shù)據(jù)和相關(guān)關(guān)系都在特定語境下的，是在數(shù)據(jù)挖掘中的選項(xiàng)。 大數(shù)據(jù)研究的一大驅(qū)動(dòng)力就是商用，舍恩伯格在第二部分里討論了大數(shù)據(jù)時(shí)代的商業(yè)變革。舍恩伯格認(rèn)為數(shù)據(jù)化就是一切皆可”量化“，大數(shù)據(jù)的定量分析有力地回答”是什么“這一問題，但仍然無法完全回答”為什么“。因此，我認(rèn)為并不能排除定性分析和質(zhì)化研究。數(shù)據(jù)創(chuàng)新可以創(chuàng)造價(jià)值，這是毫無疑問的。舍恩伯格在討論大數(shù)據(jù)的角色定位時(shí)仍把它置于數(shù)據(jù)應(yīng)用的商業(yè)系統(tǒng)中，而沒有把它置于整個(gè)社會(huì)系統(tǒng)里，但他在第二部分大數(shù)據(jù)時(shí)代的管理變革中討論了這個(gè)問題。 在風(fēng)險(xiǎn)社會(huì)中信息安全問題日趨凸顯。如何擺脫大數(shù)據(jù)的困境?舍恩伯格在最后一節(jié)”掌控“中試圖回答，但基本上屬于老生常談。我想，或許凱文·凱利的《失控》可以幫助我們解答這個(gè)問題?至少可以提供更多的思考維度。正如舍恩伯格在結(jié)語中所道：”大數(shù)據(jù)并不是一個(gè)充斥著算法和機(jī)器的冰冷世界，人類的作用依然無法被完全替代。大數(shù)據(jù)為我們提供的不是最終答案，只是參考的答案，幫助是暫時(shí)的，而更好的方法和答案還在不久的未來�！爸x謝舍恩伯格!讓大數(shù)據(jù)討論從自然科學(xué)回到人文社科。由此推斷，《大數(shù)據(jù)時(shí)代》不是最終答案，也不是標(biāo)準(zhǔn)答案，只是參考的答案。 此外，在閱讀此書之前還必須具備一些數(shù)據(jù)科學(xué)的基本知識和基本概念，比如說什么叫數(shù)據(jù)?什么叫大數(shù)據(jù)?數(shù)據(jù)分析與數(shù)據(jù)挖掘的區(qū)別，數(shù)字化與數(shù)據(jù)化有什么不同?讀前做些功課讀起來就比較好懂了。
【《大數(shù)據(jù)時(shí)代》讀后感_讀書筆記】相關(guān)文章：
探析大數(shù)據(jù)時(shí)代的信息安全05-28
大數(shù)據(jù)時(shí)代信息安全思考論文03-22
大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)信息安全研究論文03-23
淺析大數(shù)據(jù)時(shí)代統(tǒng)計(jì)學(xué)的發(fā)展05-30
關(guān)于大數(shù)據(jù)時(shí)代的讀后感02-20
大數(shù)據(jù)時(shí)代銀行信息安全保護(hù)探究論文04-09
大數(shù)據(jù)時(shí)代就業(yè)信息化建設(shè)探究05-30