去年的"云计算"炒得热火朝天的，今年的"大数据"又突袭而来。仿佛一夜间，各厂商都纷纷改旗换帜，推起"大数据"来了。于是乎，各企业的CIO也将热度纷纷转向关注"大数据"来了。有一张来自《程序员》微博的漫画很形象。我觉得这张图，很真实地反映了现实中小企业云计算，大数据的现状，下面是小编为大家带来的大数据时代读后感，希望你喜欢。

大数据时代读后感1

舍恩伯格的《大数据时代》被人推崇为2012最佳书籍，今年安泰读书会的重头戏。虽然主讲人最后放了个香港大黄鸭般的鸽子，但现场讨论氛围依旧非常热烈——而且还是在没几个人读完的情况下，也就意味着——大数据对我们的影响，已经深入到生活的方方面面。

无处不在的大数据：各种云计算，谷歌的神通，亚马逊的推送，天涯人肉，微博万能等等等等，我们掌握了新的工具，也获取了以前从未有过的各种信息。大数据拉近了我们与现实的距离，“地球村”变成了“地球屋”，仿佛所有人所有事物都触手可及，而这些牛逼哄哄的互联网巨头就在客厅展示着世界的每一寸光景。

然而，事实真的是这样吗?首先，从应用角度出发，低廉的运算能力和存储空间，让以前的样本分析显得非常简陋——一些从全体数据挖掘出来，忽略精确而从大量数据的简单算法得出来的结论颠覆了常识。但个人觉得，这只是统计学的终极目标——并没有非常大的跨越，可能终结了回归分析，有效性验证等手段，但依旧还是统计。而革命性在于关注相关关系而非因果关系。现场讨论从神学角度挑战了因果关系的不可能——或者说人类用简单思考的逻辑来定义因果，以及用之前小数据演绎出大概率事件来推导因果，都是不正确的。真正的因果关系应该属于上帝的范畴，人类如果真的完全掌握之后，会统治整个宇宙。但我觉得，无需从神学观点来讨论大数据时代读后感，而可以借鉴量子力学对经典力学的颠覆——在原子层面上，经典力学会失效——那么在大数据层面上，普通的抽样调查直观反映会失效。而且从量子力学角度是很难推导经典力学的公式，那么从现在的惯有思维，也难以推导出大数据的因果关系。

大数据时代读后感2

书中虽只是阐述了大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型，并未提及会对我们教育教学产生什么影响，但在这样的大环境之中，我们同样可以获得启示，寻求大数据在教育工作中可实现的价值。

1.教师角度：从基于经验到基于数据的教学转型

“经验主义”是指形而上学的思想方法和工作作风，其特点是在观察和处理问题的时候，从狭隘的个人经验出发，不是采用联系、发展、全面的观点，而是采取鼓励、精致、片面的观点。在教学中，我们有时会凭借以往经验认定本节课学生的起点，从而制定教学目标、重难点以及教学过程。这往往忽略了上届学生和这届学生是有差异的，这班学生和另一班学生也是存在差异的，那如何准确把握学生的起点呢?我想可以借助前测数据，它可以为有效教学指明了方向。

如教学“复式统计表”时，前期查找资料的时候就发现早在一年级上册P96的时候学生就见过复式统计表，意让学生初步认识统计表，渗透统计思想。而二三年级的书中练习也多有涉及，就是这种复式统计表没有“表头”，生活中的复式统计表也很多。既然在以前练习时碰到这么多次复式统计表，学生对复式统计表到底认识多少呢?我们对157名学生进行这样的调查(如下图)，第1题：像上表这样的统计表以前见过吗?见过约占65%，没见过约占35%，学生在练习中碰到过、生活中也经常看见，但还是约35%的学生回答自己没见过，说明学生平时在看这个复式统计表的时候就浮于表面大数据时代读后感，所以这节课我们重点应该让学生经历复式统计表的产生过程，加深学生对复式统计表的印象。第2题：上表中的16表示什么意思?能完整表达出二班身高在130~139厘米的学生有16人，约占41%;表达一半，如二班16人，或130~139厘米16人，约占22%，其他约占37%，真正能正确读懂复式统计表的学生一半不到，需要在课中进行读图方法的指导。而知道这个表叫做复式统计表的学生不到20%。

大数据时代读后感3

这一章节，利用马修莫里导航图的例子引出了大数据的实践方式，奇人莫里通过整理航海相关的边角数据，把整个大西洋按照经纬度划分了出来，并标注出了温度、风速和风向，从而发现了洋流，也为船员提供了有效的航海路线，这就是数据的价值体现了。书中也提到了，量化我们周围的一切，是数据化的核心，将文字变成数据、将方位变成数据，将沟通、情感变成数据，通过大数据，我们会意识到，世界在本质上是由信息构成的。

在工作中，这点也可以作为启发点，通过对数据的整理，或者说以某种方式采集到相关数据，将数据整理出有价值的信息后，不断的改善到工作流程、效率、服务方面，也是工作上的创新点。

笔者在书中提到了，数据的潜在价值，并提出了数据创新应用的方法，第一是数据的再利用，数据信息被采集用作特定分析后，在另一个领域或者角色立场下，或许会开发出新的有价值的信息;第二是数据的重组，将不同类别、类型的数据进行重组，产生一个新的数据集合出来，寻找其中的关联性;第三是数据的扩展，这就需要在记录数据的同时设计好他的可扩展性;第四是数据的折旧值，数据将会贬值，但是仍会有其潜在价值;第五是数据废气，即数据采集时的离散量、离散交互信号，举例是谷歌与微软的拼写检查;第六是开放数据，数据的开放将会有利于各行各业的使用，并促进全行业数据时代的发展。这其中又提到了数据估值的概念，在数据使用时价值才会体现出来，而不是在占有本身。

根据所提供价值的不同来源，分别出现三种大数据公司，基于数据本身(采集大量数据的公司)、基于技能(提取用户的需求，给出数据分析结果的公司)、基于思维(挖掘数据新的价值的公司)。

大数据时代读后感4

如今说起新媒体和互联网，必提大数据，似乎不这样说就OUT了。而且人云亦云的居多，不少谈论者甚至还没有认真读过这方面的经典着作--舍恩佰格的《大数据时代》。维克托.迈尔--舍恩伯格何许人也?他现任牛津大学网络学院互联网研究所治理与监管专业教授，曾任哈佛大学肯尼迪学院信息监管科研项目负责人。他的咨询客户包括微软、惠普和IBM等全球顶级企业，他是欧盟互联网官方政策背后真正的制定者和参与者，他还先后担任多国政府高层的智囊。这位被誉为：大数据时代的预言家"的牛津教授真牛!那么，这位大师说的都是金科玉律吗?并不一定，读大师的作品一定要做些功课才好读懂，如果能做足功课又具备相应的理论功底，就能与之进行一场思想上的对话。

舍恩伯格分三部分来讨论大数据，即思维变革、商业变革和管理变革。在第一部分"大数据时代的思维变革"中，舍恩伯格旗帜鲜明的亮出他的三个观点：一、更多：不是随机样本，而是全体数据;二、更杂：不是精确性，而是混杂性;三、更好：不是因果关系，而是相关关系。对于第一个观点，我不敢苟同。一方面是对全体数据进行处理，在技术和设备上有相当高的难度。另一方面是不是都有此必要，对于简单事实进行判断的数据分析难道也要采集全体数据吗?我曾与香港城市大学的祝建华教授讨论过。祝教授是传播学研究方法和数据分析的专家，他认为一定可以找到一种数理统计方法来进行分析，并不一定需要全部数据。联系到舍恩伯格第二个观点中所说的相关关系，我理解他说的全体数据不是指数量而是指范围，即大数据的随机样本不限于目标数据，还包括目标以外的所有数据。我认为大数据分析不能

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！