《大數據》讀后感2000字
如今，我們正處于一個(gè)大數據時(shí)代，有時(shí)候數據給了我們有力的證明。以下是、《大數據》讀后感2000字，歡迎閱覽!
《大數據》讀后感2000字【1】
這兩年，大數據，云計算的思想就像小蘋(píng)果的音樂(lè )一樣，傳的到處都是，每一個(gè)公司不管是互聯(lián)網(wǎng)公司還是傳統企業(yè)，都標榜自己的大數據。
1、實(shí)體物聯(lián)網(wǎng)與虛擬物聯(lián)網(wǎng)
曾幾何時(shí)，物聯(lián)網(wǎng)的概念鬧得風(fēng)生水起，龐大的物聯(lián)網(wǎng)能夠讓世間大量的物體，都能夠被檢測 并聯(lián)網(wǎng)，包括了人、車(chē)、房等一切能夠被聯(lián)網(wǎng)的物體，這些物體都能夠以種方式被感知他的存在，并對其信息記錄在案，以供使用。在若干年前，這還是一種看似遙不可及的事物，要對每個(gè)物體都貼上一個(gè)所謂的RFID的標簽，顯得不切實(shí)際。如今，隨著(zhù)手機的大量使用，人類(lèi)本身也被加入了物聯(lián)網(wǎng)中。為什么要物聯(lián)網(wǎng)?是為了獲取什么?要知道物聯(lián)網(wǎng)獲取了什么，只需要看看在一個(gè)物體在沒(méi)有加入物聯(lián)網(wǎng)與加入物聯(lián)網(wǎng)之后，我們多出了哪些東西便能夠知曉。那么，很明顯，我們需要通過(guò)某種方式來(lái)獲取該物體的信息，這種存儲下來(lái)的信息，就叫做——數據。
物聯(lián)網(wǎng)產(chǎn)生的數據是實(shí)體的物品之間的信息，而現在的互聯(lián)網(wǎng)上，占最大數據量的，是虛擬物品，或者叫做網(wǎng)絡(luò )虛擬物品。由于網(wǎng)絡(luò )物體是直接寄生于網(wǎng)絡(luò )，具有能夠方便的接入網(wǎng)絡(luò )的特征，因此，在獲取實(shí)體物體信息還有一定難度的時(shí)期，占有很大優(yōu)勢。但今后實(shí)體的物聯(lián)網(wǎng)產(chǎn)生的數據量一定會(huì )不斷增加，或許，能夠超越網(wǎng)絡(luò )上的物物相連數據量。
網(wǎng)絡(luò )的廣泛使用，使得信息的產(chǎn)生于傳遍變得容易，每個(gè)接入網(wǎng)絡(luò )的人都以一定的角色存在，都是網(wǎng)絡(luò )的信息的創(chuàng )造者。對于所產(chǎn)生的信息而言，每個(gè)接入網(wǎng)絡(luò )的人又身兼多角，對于網(wǎng)絡(luò )服務(wù)商，他是網(wǎng)絡(luò )使用者的角色;對于門(mén)戶(hù)網(wǎng)站而言，他是使用的用戶(hù);對于社交網(wǎng)站而言，我們則扮演一個(gè)虛擬或者真實(shí)的網(wǎng)絡(luò )角色;對于瀏覽器而言，他是一系列的瀏覽網(wǎng)頁(yè)、一些列鼠標動(dòng)作的角色… 不同的角色取決于對方需要從我們的行為中獲取哪些信息。將網(wǎng)絡(luò )上各種角色看成是虛擬的物體，那么，這種虛擬物體構成的虛擬物聯(lián)網(wǎng)便產(chǎn)生了巨大的數據量。經(jīng)歷過(guò)一直以來(lái)缺乏信息獲取渠道的日子，現在，既然信息獲取變得如此容易，那么，必然迎來(lái)信息量暴增的時(shí)代——大數據時(shí)代。
2、思維的轉變
技術(shù)的改變，使得我們思維方式也要隨之發(fā)生變化。在過(guò)去的小數據時(shí)代，由于獲取信息、存儲信息、整理信息都是費時(shí)費力的活，我們只能精打細算，捉摸著(zhù)如何以最小的代價(jià)、最快的方式來(lái)收集盡可能準確的信息。之所以會(huì )有抽樣統計的方式，是受技術(shù)所限，無(wú)法獲得全體的樣本，或者就算獲取了也無(wú)法在合理的時(shí)間內進(jìn)行處理。由于信息獲取代價(jià)大，使得我們不得不在獲取信息前，就把一切都想清楚，才能夠著(zhù)手處理。這就像在計算機出現的初期，使用紙袋來(lái)編碼的時(shí)期，一次出錯的代價(jià)太大，所以人們不得不在輸入前將代碼驗證過(guò)無(wú)數遍之后才敢輸入到機器中。而現代計算機讓編碼的效率大大提升，這才使得人們能夠創(chuàng )造出更加強大的軟件。人們不需要在著(zhù)手編碼前就對代碼過(guò)分深思熟慮，因為機器會(huì )幫助你解決一些問(wèn)題。因此，那些擔心由于獲取數據太方便，進(jìn)行數據處理、分析代價(jià)太小而使人們變得懶惰或者做事欠考慮的家伙，真是杞人憂(yōu)天。歷史上，技術(shù)的進(jìn)步都會(huì )提升人類(lèi)的生產(chǎn)力，但卻沒(méi)有讓人們變得懶惰，因為與此同時(shí)，欲望也隨之增長(cháng)。人類(lèi)只會(huì )變得更偉大。
因此，大數據時(shí)代，這個(gè)數據更加全面的時(shí)代，我們可以涉足一些之前由于缺乏數據而無(wú)法涉及的領(lǐng)域，例如——預測。這是一個(gè)令人興奮的領(lǐng)域，但其實(shí)這個(gè)領(lǐng)域早有苗頭，而且大家都是受益者。我們平時(shí)使用的輸入法中的智能聯(lián)想功能，能夠根據我們之前輸入的文字，來(lái)預測我們接下來(lái)有可能輸入的文字，以節省我們的輸入時(shí)間。這種算法里，沒(méi)有人工智能，而只有人們大量的輸入習慣的統計，通過(guò)大量數據的統計來(lái)預測，是一個(gè)統計學(xué)的方式而非加入了特有的規則或者邏輯。這便引出了在大數據時(shí)代，對于信息處理的一種重要方式，基于統計，得出不同個(gè)體的相關(guān)關(guān)系，卻無(wú)需了解其因果關(guān)系，而我們則受益于相關(guān)關(guān)系。這種方式，看似有些投機取巧，卻能夠在關(guān)鍵時(shí)刻令我們處于優(yōu)勢地位。我們已經(jīng)習慣了先知道某些事物的因果邏輯，繼而推斷出相應的結果。但世間總會(huì )有一些令人無(wú)法用合理的邏輯進(jìn)行解釋的現象，若通過(guò)大數據分析，我們能夠跳過(guò)邏輯階段直接享用某些一些結果(沃爾瑪的啤酒加尿布案例)，豈不樂(lè )哉。當然，嚴密的邏輯永遠是值得尊敬的。
3、互聯(lián)網(wǎng)的黏性
在經(jīng)歷過(guò)了從廣度上通過(guò)新花樣來(lái)吸引用戶(hù)的時(shí)代，由于技術(shù)的提高，一個(gè)創(chuàng )業(yè)者在一個(gè)新的領(lǐng)域開(kāi)辟的東西很容易被其他人所復制。在這個(gè)時(shí)候，深度很重要。特別是購物網(wǎng)站、微薄、門(mén)戶(hù)網(wǎng)站這類(lèi)信息量大的網(wǎng)站，越是了解一個(gè)用戶(hù)，優(yōu)勢就越大。所以，在技術(shù)已經(jīng)不是最重要的因素的時(shí)代，如何增加用戶(hù)的黏性、忠誠度便是首要的。通過(guò)用戶(hù)之前的信息，來(lái)推測用戶(hù)的喜好，給用戶(hù)推薦相應的信息或物品。當你越了解一個(gè)用戶(hù)，而別人卻不了解時(shí)，這個(gè)用戶(hù)就越離不開(kāi)你。微薄中有他的`智能排序功能、新聞門(mén)戶(hù)中有“今日頭條”應用，各類(lèi)購物網(wǎng)站有他的推薦算法(但這個(gè)純粹為了增加消費而非增加用戶(hù)黏性)，都能夠根據用戶(hù)之前的瀏覽、偏好來(lái)給出相應的推薦。這些的基礎，都是擁有用戶(hù)的行為記錄，否則，都無(wú)從談起。
各行各業(yè)，都在瘋狂的抓緊時(shí)機，獲取數據，擁有足量的數據，那一切就變得皆有可能。
《大數據》讀后感2000字【2】
凡是過(guò)去，皆為序曲是大數據業(yè)者最喜歡引用的語(yǔ)句。大數據是現在的潮流，大數據時(shí)代被認為是了解大數據的初級讀物。近期連續讀了兩遍，第二遍是為了寫(xiě)這篇讀后感，總體而言，值得一看，但細節方面卻需要討論了。
維基百科對大數據的解釋?zhuān)築ig data，或稱(chēng)巨量數據、海量數據、大資料，指的是所涉及的數據量規模巨大到無(wú)法通過(guò)人工，在合理時(shí)間內達到截取、管理、處理、并整理成為人類(lèi)所能解讀的信息。
有人說(shuō)現在是讀圖時(shí)代，除去小說(shuō)、心靈雞湯以外，現在的暢銷(xiāo)書(shū)基本都有圖片，這本書(shū)是一個(gè)特例
首先嘗試解析一下作者的三大觀(guān)點(diǎn)，這三大觀(guān)點(diǎn)是大數據業(yè)者很喜歡引用的三句話(huà)：
1 不是隨機樣本，而是全體數據
我想所有人都能意識到對全體數據的分析優(yōu)于對隨機樣本的分析，但在現實(shí)中我們經(jīng)常拿不到全體數據：一是數據的收集方法，每一種方法都有適用的范圍，不太可能包羅萬(wàn)象;二是數據分析的角度，戰斗機只能統計到飛回來(lái)的飛機上的彈孔，而墜毀的則無(wú)法統計，沃德通過(guò)分析飛回來(lái)的戰斗機得出來(lái)最易導致墜毀的薄弱點(diǎn);三是處理能力跟不上，就像以前的天氣預報太離譜是因為來(lái)不及算那些數據�！安蓸臃治鍪切畔⑷狈r(shí)代和信息流通受限制的模擬數據時(shí)代的產(chǎn)物”，作者顯然只關(guān)注了一部分原因。
從語(yǔ)言的理解上看，什么是全體數據，究竟是“我們需要的所有數據”，還是“我們能收集到的所有數據”，書(shū)中的很多商業(yè)案例中，處理的只是“我們能收集到的所有數據”，或者說(shuō)是“我們認為的全體數據”。人對自然的認識總是有限的，存在主義認為世界沒(méi)有終極的目標。書(shū)中舉例“Farecast使用了每一條航線(xiàn)整整一年的價(jià)格數據來(lái)進(jìn)行預測”，而“整整一年”就是一個(gè)采樣，或者是“我們需要的所有數據”。
從歷史的角度看，國外的托勒密建亞歷山大圖書(shū)館唯一的目的是“收集全世界的書(shū)”，實(shí)現“世界知識總匯”的夢(mèng)想，國內的乾隆匯編四庫全書(shū)，每個(gè)收集的過(guò)程都有主觀(guān)因素在里面，而他們當時(shí)都認為可以收集全部的書(shū)籍，到最后，我們也沒(méi)有得到那個(gè)夢(mèng)中的全體。
2 不是精確性，而是混雜性
既然我們過(guò)去總是在抽樣，那本身就是在一個(gè)置信水平下，有明確的容錯度或者是偏差值。人類(lèi)永遠知道我們是在精確性受限的條件下工作。同時(shí)，作者本身也承認 “錯誤并不是大數據固有的特性，而是一個(gè)亟需我們去處理的現實(shí)問(wèn)題，并且有可能長(cháng)期存在”。那大數據的特征究竟是精確性還是混雜性?
由此衍生出一個(gè)問(wèn)題，大數據的品質(zhì)如何控制：一、本身就不要求精確，但是不精確到何種程度是需要定義的，否則就亂套了，換個(gè)角度，如果定義了容錯度，那符合條件的都是精確的(或者說(shuō)我這句話(huà)還是停留在小數據時(shí)代?這里的邏輯我沒(méi)有理順)。就像品質(zhì)管理大師克勞斯比提出過(guò)零缺陷理論，我一直覺(jué)得是一個(gè)偽命題，缺陷是一定存在的，就看如何界定了;二、大量非結構化數據的處理，譬如說(shuō)對新聞的量化、情感的分析，目前對非SQL的應用還有巨大的進(jìn)步空間。
“一個(gè)東西要出故障，不會(huì )是瞬間的，而是慢慢地出問(wèn)題的”�！巴ㄟ^(guò)找出一個(gè)關(guān)聯(lián)物并監控它，我們就能預測未來(lái)”。這句話(huà)當然是很認同，但不意味著(zhù)我們可以放棄精確性，只是說(shuō)我們需要重新定義精確度。之于項目管理行業(yè)，如果一個(gè)項目出了嚴重的問(wèn)題，我們相信，肯定是很多因素和過(guò)程環(huán)節中出了問(wèn)題，我們也失去了很多次挽救的機會(huì )。而我們一味的容忍混雜性的話(huà)，結果顯然是不能接受的。
3 不是因果關(guān)系，而是相關(guān)關(guān)系
這是本書(shū)對大數據理論的最大的貢獻，也是最受爭議的地方。連譯者都有點(diǎn)看不下去了。
相關(guān)關(guān)系我實(shí)在是太熟了，打小就學(xué)的算命就是典型的“不是因果關(guān)系，而是相關(guān)關(guān)系”。算命其實(shí)是對趨向性的總結，在給定條件下，告訴你需要遠離什么，接近什么，但不會(huì )告訴你為什么那樣做。
我們很多時(shí)候都在說(shuō)科學(xué)，然而，什么是科學(xué)，沒(méi)有人能講清楚。我對科學(xué)的認識是：一、有一個(gè)明確的范圍;二、在這個(gè)范圍內樹(shù)立一個(gè)強制正確的公理;三、有明確的推演過(guò)程;四 可以復制�？茖W(xué)的霸道體現在把一切不符合這四個(gè)條件的事物都斥為偽科學(xué)、封建迷信，而把自己的錯誤都用不符合前兩條來(lái)否決。從這個(gè)定義來(lái)看，大數據不符合科學(xué)。
混沌學(xué)理論中的蝴蝶效應主要關(guān)注相關(guān)關(guān)系。它是指對初始條件敏感性的一種依賴(lài)現象，輸入端微小的差別會(huì )迅速放大到輸出端，但能輸出什么，誰(shuí)也不知道。
人類(lèi)一旦放棄了對因果關(guān)系的追求，也就放棄了自身最優(yōu)秀的品質(zhì)：意志力。很多人不愿意相信算命是擔心一旦知道了命運，就無(wú)法再去奮斗。即使我相信算命，也在探求相關(guān)關(guān)系中的因果要素。我放棄第一份工作的原因之一是厭倦了如此確定的明天：一個(gè)任務(wù)發(fā)出去，大概能預測到哪些環(huán)節會(huì )出問(wèn)題，只要不去 follow，這些環(huán)節十有八九會(huì )出問(wèn)題。
解析完這三大觀(guān)點(diǎn)，下面是我對大數據理論的一些疑惑。大數據是目前風(fēng)行的反饋經(jīng)濟中的重要一環(huán)，在金融、互聯(lián)網(wǎng)行業(yè)的應用最為廣泛，而這些行業(yè)都是大家所認為的高薪領(lǐng)域。很多時(shí)候我就在想，所謂無(wú)形的手所產(chǎn)生的趨勢究竟是不是無(wú)形的。比如幾家公司強推一個(gè)概念，說(shuō)這是趨勢，不久就真的變成趨勢了。我們身邊活生生的例子就是天貓的雙十一和京東的618，一個(gè)巨頭開(kāi)路，無(wú)數人跟風(fēng)，自然就生造出購物節，至于合理不合理，追究的意義也不大，因為很多事情是沒(méi)有可比性的。這和沒(méi)有強制控制中心的蜂群思維又不一樣。
看完這本書(shū)，總是覺(jué)得作者說(shuō)的過(guò)于絕對，也許是我的認識太淺了吧，所以最后用法演四戒做總結：
勢不可以使盡，使盡則禍必至
福不可以受盡，受盡則緣必孤
話(huà)不可以說(shuō)盡，說(shuō)盡則人必易
規矩不可行盡，行盡則事必繁
【《大數據》讀后感2000字】相關(guān)文章：
為什么移動(dòng)硬盤(pán)無(wú)法拷貝大容量數據07-19
EXCEL數據錄入技巧10-30
硬盤(pán)數據丟失后如何進(jìn)行數據恢復07-19
計算機硬盤(pán)數據備份及數據恢復技術(shù)07-07
數據維護求職簡(jiǎn)歷范文08-14
網(wǎng)站數據分析策略08-16
SEO網(wǎng)站數據分析08-14