- 相關推薦
《大數據時代》的讀后感范文
當賞讀完一本名著后，你有什么領悟呢？此時需要認真思考讀后感如何寫了哦。那么你真的會寫讀后感嗎？以下是小編收集整理的《大數據時代》的讀后感范文，歡迎大家借鑒與參考，希望對大家有所幫助。
《大數據時代》的讀后感 1
世界正邁入大數據、云計算的時代，人類朝著數據化、數字化的方向發足狂奔，我們原有的科學、技術、工作和生活方式正在被信息技術所改寫，很多科學領域會被大數據技術所替代，也會崛起很多新興科學家和職業，譬如數據科學家、數據中間商等。大數據會顛覆很多的產業和行業，甚至一夜之間就能變換運營模式，因為在大數據面前，人類不會再向以前那樣追尋著“為什么”，更多的是在樣本和概率面前做著商業決策的調整，“快”和“實用”更能滿足大眾的需求。
數據之大，漫無邊際，無窮無盡，包含著我們人類的一呼一吸，一舉一動。處在大數據帝國的前夜，眺望星空，這是個最好的時代，因為數據時代轉折的重要性，不亞于黑猩猩站立起來行走劃時代，很多科幻片里的場景會出現在我們的日常；這也會是個最壞的時代，因為人類最終會為此走向哪里，只有蒼穹能知道！
當我們擁有海量數據時，絕對的精準不再是我們追求的主要目標，我們樂于接受數據的紛繁復雜，也只有接受不精確性，我們才能打開一扇從未涉足的世界的窗戶。——《大數據時代》
小數據時代，我們在數據的精準性上花費很多，包括規則和準則、復式記賬的平衡規則、信息系統等等，數據閉環，所以數據具有結構性，所以可以找根尋蹤，找尋問題的根源，尋求解決方案。
大數據時代來臨，因為數據量的龐大，以及數據背后的繁雜性，以及處理數據的知識IT工程師和計算者，別忘了，擁有數據的是政府和獨角獸商人，所以，他們很難對數據進行深度分析，這樣也會催生各個領域的數據分析業務，數據生態鏈核心就清晰了起來。
大數據會取代小數據嗎？這是不可能的事，大數據和中小數據之間的防火墻更會高筑！大數據都是基于樣本的非結構性數據，推送到我們面前的數據指引，都已經經過了各種算法的粗加工，融入了計算者的各種算法，算法會因人而異，利用我們過去的電子痕跡，預測我們的現在和未來，一花一世界。初期的'一大一小，數據的交融，像極了海上的漁網，具有強關聯性。數據就像是一個神奇的鉆石礦，在其首要價值被發覺后，仍能不斷創造價值。大數據擁有者依賴技術專家挖掘數據的價值，但技術專家（數據武士）并沒有想象中那么耀眼，他們在大數據中淘金，發現了金銀珠寶，可最后卻要把這些財富拱手讓給大數據擁有者。——《大數據時代》
當恐龍消失，人類慢慢成為了動物界的主人。數據是我們工作、生活中的點滴記錄，它真實、樸實無華，它們也會有聲音，只是需要有慧眼和思維才能駕馭。
我們只有跨過數據化、數字化的長河，才能開啟AI時代，路途遙遠，主人！這是一本好書，值得推薦。
《大數據時代》的讀后感 2
這么多年來，看了很多東西，如今回過頭來發現，好像什么都忘了，真是悲劇，所謂讀書破萬卷，下筆如有神或許是不對的，還是需要下筆勤快，所以決定從這里開始。
這些年對于技術的發展，我是沒有跟上，如今發現即便是對于投資，技術對于我們生活的改變太大，而自己身在這個技術浪潮的前沿，還是需要跟上步伐。
大數據這個概念已經提了很久，我也一直疏忽了對于它的理解。看完《大數據時代》，再結合如果工作上對于大數據的理解，頓時發現數據的重要性，以前在這方面的確沒有足夠的思想意識。
整本書來說，我覺得最關鍵的三個點是前面幾個章節：
1、要總體，不要隨機樣本：從小對于統計學相關的學習，基本都是從樣本出發，理論的基礎在于如何隨機的足夠分散的選取樣本，這可是技術活加直覺。而對于大數據來說，要的就是總體，本質上來說，總體樣本的確更能準確找到結果。但是對于統計來說，總體的分析增加了數據分析的難度，不僅數據核對不好進行，一旦出現數據污染，準確度就會大打折扣，而且進行數據回溯的時候，也無法準確確認問題，而這一點也是后面相關性上問題；
2、要混亂，而不是精確：這里主要想說明的是希望數據的多樣性，盡量將相關數據都收集起來，不管是結構化的還是非結構化的。這樣就不可避免的最終結果的不準確性。大數據更多的是從一個總體數據中說明以后概率事件，既然是概率，也就可以理解無法精確。這里有個點的說明，我覺得需要提一下，大數據算法更傾向于“簡單”，而不是復雜，這個倒是出乎我的意外。
3、要相關性，而不是因果：從我對于知識獲取的過程來說，我是不同意這個觀點，從人體對于知識的理解，還是要從因果論出發，沒有因果論，就會變成瞎子。而作者的觀點上來說，原因可能還是從大數據本身的非準確性，一旦找到合適的算法，找到相關性，向上追述原因本身就很難。但是從舉的示例上看，相關性的確認是一個非常大的`工程，基本就是使用排舉法，一個一個試。所以，對于大數據來說，最重要的三點是：
1、數據——得到更多數據；
2、算法——建立更快的算法體系；
3、思維——尋找數據間更多的相關性。
對于數據最終的走向，我同意書中所提到的政府管理的觀點，既然都是以“石油”的標準來看待數據，政府統一管理也就是必然的了。而且對于政府來說，掌握更多數據也有利于其管理及維護社會的穩定性。而對于社會道德方面的論述，我不想多說什么，時代發展是不會被道德綁架的。
所以最后，想要建立對于大數據的思維，《大數據時代》還是值得一讀，里面的很多示例也非常不錯。如人際關系這一塊，也是出乎我的意料。
《大數據時代》的讀后感 3
去年的“云計算”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。于是乎，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《程序員》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云計算，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，寫了好多讀后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，更細致的數據分析與數據挖掘。看過此書后，感覺到之前的想法，只能算是中了一小半吧---巨量的數據，而另一前：著眼于數據關聯性，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，更多的傾向于數據的精確性。看完此書，我心中的一些問題：
1.什么是大數據？
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件工具，在合理時間內達到擷取、管理、處理、并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.大數據適合什么樣的'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，互聯網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，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，是否真的合適么？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，云計算的推波助瀾下，大數據開始登場了。但它到底給我們帶來了什么呢？
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。
《大數據時代》的讀后感 4
如今說起新媒體和互聯網，必提大數據，似乎不這樣說就OUT了。而且人云亦云的居多，不少談論者甚至還沒有認真讀過這方面的經典著作——舍恩佰格的《大數據時代》。維克托·邁爾——舍恩伯格何許人也？他現任牛津大學網絡學院互聯網研究所治理與監管專業教授，曾任哈佛大學肯尼迪學院信息監管科研項目負責人。
他的咨詢客戶包括微軟、惠普和IBM等全球頂級企業，他是歐盟互聯網官方政策背后真正的制定者和參與者，他還先后擔任多國政府高層的智囊。這位被譽為：大數據時代的預言家“的牛津教授真牛！那么，這位大師說的都是金科玉律嗎？并不一定，讀大師的作品一定要做些功課才好讀懂，如果能做足功課又具備相應的理論功底，就能與之進行一場思想上的對話。
舍恩伯格分三部分來討論大數據，即思維變革、商業變革和管理變革。在第一部分”大數據時代的思維變革“中，舍恩伯格旗幟鮮明的亮出他的三個觀點：
1、更多：不是隨機樣本，而是全體數據；
2、更雜：不是精確性，而是混雜性；
3、更好：不是因果關系，而是相關關系。
對于第一個觀點，我不敢茍同。一方面是對全體數據進行處理，在技術和設備上有相當高的難度。另一方面是不是都有此必要，對于簡單事實進行判斷的數據分析難道也要采集全體數據嗎？我曾與香港城市大學的祝建華教授討論過。祝教授是傳播學研究方法和數據分析的專家，他認為一定可以找到一種數理統計方法來進行分析，并不一定需要全部數據。聯系到舍恩伯格第二個觀點中所說的相關關系，我理解他說的全體數據不是指數量而是指范圍，即大數據的隨機樣本不限于目標數據，還包括目標以外的所有數據。我認為大數據分析不能排除隨機抽樣，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，我認為這是對他第一個觀點很好的補充，這也是對精準傳播和精準營銷的一種反思。”大數據的簡單算法比小數據的復雜算法更有效。“更具有宏觀視野和東方哲學思維。對于舍恩伯格的第三個觀點，我也不能完全贊同。”不是因果關系，而是相關關系。“不需要知道”為什么“，只需要知道”是什么“。傳播即數據，數據即關系。
在小數據時代人們只關心因果關系，對相關關系認識不足，大數據時代相關關系舉足輕重，如何強調都不為過，但不應該完全排斥它。大數據從何而來？為何而用？如果我們完全忽略因果關系，不知道大數據產生的前因后果，也就消解了大數據的人文價值。如今不少學者為了闡述和傳播其觀點往往語出驚人，對舊有觀念進行徹底的否定。
世間萬物的復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？其實不然，讀者在閱讀時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”不是因果關系，而是相關關系。“這一論斷時，他在書中還說道：”在大多數情況下，一旦我們完成了對大數據的相關關系分析，而又不再滿足于僅僅知道‘是什么’時，我們就會繼續向更深層次研究的因果關系，找出背后的‘為什么’。“[i]由此可見，他說的全體數據和相關關系都在特定語境下的，是在數據挖掘中的'選項。
大數據研究的一大驅動力就是商用，舍恩伯格在第二部分里討論了大數據時代的商業變革。舍恩伯格認為數據化就是一切皆可”量化“，大數據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，我認為并不能排除定性分析和質化研究。數據創新可以創造價值，這是毫無疑問的。舍恩伯格在討論大數據的角色定位時仍把它置于數據應用的商業系統中，而沒有把它置于整個社會系統里，但他在第二部分大數據時代的管理變革中討論了這個問題。
在風險社會中信息安全問題日趨凸顯，數據獨裁與隱私保護成為一對矛盾。如何擺脫大數據的困境？舍恩伯格在最后一節”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問題？至少可以提供更多的思考維度。正如舍恩伯格在結語中所道：”大數據并不是一個充斥著算法和機器的冰冷世界，人類的作用依然無法被完全替代。大數據為我們提供的不是最終答案，只是參考答案，幫助是暫時的，而更好的方法和答案還在不久的未來。“謝謝舍恩伯格！讓大數據討論從自然科學回到人文社科。由此推斷，《大數據時代》不是最終答案，也不是標準答案，只是參考答案。
此外，在閱讀此書之前還必須具備一些數據科學的基本知識和基本概念，比如說什么叫數據？什么叫大數據？數據分析與數據挖掘的區別，數字化與數據化有什么不同？讀前做些功課讀起來就比較好懂了。
【《大數據時代》的讀后感】相關文章：
大數據時代讀后感09-28
迎接數據中心虛擬化時代的來臨12-13
大數據時代下網絡安全與隱私保護論文03-23
《大數據時代》的心得體會（通用14篇）10-13
2020最新關于大數據時代的讀后感11-03
關于大數據時代的讀后感（精選24篇）07-19
大數據時代讀書心得體會06-20
新考研時代女生的三大優勢12-17
數字時代催生7大新職業12-08
ESG:2010年數據中心10大預測12-14