第一次知道大数据时代这个概念是在大一，本来以为是很高端深远的东西，但是就现在肤浅的认识看，其实就是我们所处的这个时代。所谓大数据，无非就是社会进步、经济进步所导致的一个必然结果，尤其是如今这种非结构式的信息膨胀得很快。首先，对于大数据时代这本书，由于是译本我觉得很多地方读起来没有逻辑有点难理解。但是这本书最好的一点就是较生活化、通俗化地讲述了大数据已经给我们生活带来的变化以及我们还可以利用大数据去改变什么。在这本书中，作者强调了是三个原则：一、不是随机样本，而是全体数据；二、不是精确性，而是混杂性；三、不是因果关系，而是相关关系。
对于第一点，作者是认为小数据通过抽样能够获得更多信息，但随着各种类型数据的不断增多，海量的数据通过抽样去获取信息就没有意义了。我觉得作者不能太过度强调全面数据，因为它毕竟有很多的条件限制，比如是否有能达到的技术支持，是否经济，是否合理，所以并不能一味地追求全面数据所带来的完整信息，至少我认为就现在大部分的数据调查来看，有的时候还是合适才是最好的。还有一点就是我们在收集、分析全面数据的时候也在不断产生新的数据，怎么证明这些新数据不是我们需要的全面数据中的一部分呢。
对于第二点，作者说允许不精确的出现成为了一个亮点，说得来就跟以前我们收集分析都非常精确一样，其实在统计中提到的置信区间、显著性水平这些限制就是一种容错率的概念，也就是说我们一直都是允许不精确的。
第三点其实在讲大数据带来的一个巨大的颠覆在于，人们可以利用数据的相关性直接做出决策而不用拘泥于背后的原因。例如沃尔玛通过调查知道“飓风的时候草莓味蛋挞卖得好”，但是我们根本不知道原因到底是为什么，其实我们也不需要知道，沃尔玛要做的仅仅是在飓风的时候增加草莓蛋挞的库存并且把它摆到显眼的位置就可以了。所以利用大数据我们可以做出很多这样的精明决策，但是数据也逐渐在代替了人做决策，我觉得人类的思想被彻底挑战了。我认为机器对于数据的分析体现相关关系，而因果关系则大部分来自于人为的想法，作者在书中前面部分说到“真正的革命并不在于分析数据的机器，而在于数据本身和我们如何运用数据”，所以重点是人类的思想和人类的运用。我觉得这一点上作者讲得有点前后矛盾。这么多年来，人类一直都在靠因果关系来理解和审视世界，而且事实也证明这没错，其实一旦有人的思维在就是不可能避免因果关系的出
现，我觉得如果太强调相关关系就少了点人文情怀了。
这本书中作者说大数据的核心是预测，我觉得这才是最关键的，因此不用太在意作者所提过的那三个原则，我们知道能用大数据去做什么才更应该被在意，毕竟数据的使用者是我们。作者说量变引起质变，正因为有预测，我们就能预知未知的，就能相对清晰地了解这种质变到底是什么，这也是大数据赋予我们的权利。因此我们可以利用大数据提前知道人们所需要的而去进行改变，这应该也是生活与人本身契合度越来越高，人们觉得生活越来越方便的原因之一。大数据带来的究竟是信号还是噪音，我觉得预测结果是最能够用来反映的证据。尽管贝叶斯定理在预测方面已有非常高的成功率，但作者还是反复强调预测的困难性。如何保证收集信息的准确性？如何构建合适的数学模型和工具？又如何克服预测过程中的私人因素？即使是在大数据时代，这些同样会造成预测偏差。但不可否认，预测已经完全影响到我们的生活。比如人的消费行为预测，电影的票房预测，离职风险预测等等。但大数据时代最无法避免的就是隐私泄露，预测同样是泄密的源头。比如婚外情预测，死亡预测等，它很有可能会对生活造成不好的影响。所以科技与知识都是有两面性的，随着大数据时代的发展，隐私权的基本问题也应该重新被审视，各种法律也应该相应被完善。我们需要发展但也不应该完全由数据推着我们发展，社会的发展依然需要人类文明作为基础。
第二篇：大数据之感想
《大数据》读后感想：
首先，本书大体上都是在讲美国政府在各社会团体不断“争取”权利、三权分立制度的制衡下，一步步将信息公开的历程。以及数据对美国政治所产生的影响，美国政府如何保护公民隐私等等。其实真正涉及到企业如何变得更加“智能”，唯有第四章讲得非常详细。先来看一下完整的商务智能流程：1、通过各种来源的关系型数据库，使用ELT（提取、转换、加载）工具，对来自不同系统的数据以统一格式进行清洗、转换、集成进入到数据仓库。2、锁定目标数据后进行联机分析。通过不同的分析角度进行多维分析，这样用户可以随时创建自己需要的报表，开发人员只要在后台为用户创建构建多维的数据立方体模型，用户就可以直接在前端的各个维度之间进行切换，从不同的维度对数据进行分析。从而获得更加全面的、动态的的分析结果。3、进行数据挖掘。就是从海量数据中，挖掘出具有价值的数据。通过对数据的挖掘其一、可以发现数据的历史规律，对过去进行总结。其二、可以根据数据对未来进行预测。企业可以根据预测对未来行情趋势做出预判，并作出相关决策。4、数据可视化，我想任何人看到一推数据，就会感到很头疼。当然也很不直观，到底企业的各项指标相比往年是好是坏去做对比也会很麻烦。使用各种图表、三维地图、动态模拟以及相关的动画技术是原本枯燥乏味的数据，变得生动起来。数据可视化把数据以更加直观的形态展现出来，使人们对相关数据做到一目了然。5、通过上面几步我们就把原先毫无价值的数据，变成了信息，最后演变为知识。
其次，我们微动天下应该考虑的：1、是否有必要建立数据仓库？当然我这个问题我也在线上向IBM数据仓库的人员询问过。要考虑的有两个因素:其一、数据量的级别，其二、对数据挖掘的程度。一、数据量。采集器实时都对新闻、论坛、博客、微博在进行采集，当然如果说一年的数据量不算大的话，亦或者宁波本地的数据量也没那么大的话。公司假设几年后、几十年后业务量增大了，做到了浙江省乃至全国的时候。那个时候的数据量我想应该
是非常的庞大了。二、对数据挖掘的程度，当然有关公司涉及的更多。不过有时候那些公司做得仅仅是从采集的数据那里通过筛选，将相关信息发送给相关的客户。个人觉得这个价值应该被放大，通过对相关数据的挖掘对过去的规律进行总结，对未来的趋势做出预测。如固特异轮胎，根据往年的数据总结出某款轮胎某地以及在哪个时间段销量最大，然后第二年可以根据这个数据，制造商可以提前对该型号轮胎进行大量备货以备不时之需。通过挖掘在特定的时间段，哪几种商品捆绑销售会得到更好的销量等等。当然数据仓库是面向主题的数据集合，用于支持管理中的决策制定。个人觉得对公司领导层做出正确决策有很大的指导作用。
2、公司应该加大数据挖掘能力。公司在招聘往里面招聘的所谓数据分析师，只不过是用来数据监测的。真正意义上面的数据分析师很是匮乏。现在客户大多希望的是能够给本企业决策有指导性意义的报告、或者建议。这就需要我们通过数据挖掘预测出未来趋势，即预测性分析。这样无论在产品推广，以及在本品牌忠诚度上都会有一定的保障。3、是否能通过联机分析处理将数据从各个角度、不同纬度展现出来。例如对销售数据的分析，时间周期是一个维度，产品类别、分销渠道、地理分布、客户群类也分别是一个维度。一旦多维数据模型建立完成，用户可以快速地从各个分析角度获取数据，也能动态的在各个角度之间切换或者进行多角度综合分析。4、数据可视化设计上需要强化。相关系统是直接给客户进行操作使用的，但我们所生成报告里面的统计图、走势图还不能很直观的展现给客户。这个对于客户体验来说是非常致命的，因为一旦不能直观的体现数据所呈现出来的状态，客户就不能对其决策做出准确的判断。进一步导致客户对我们忠诚度的降低。