《大數據》讀后感2000字
如今，我們正處于一個大數據時代，有時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果的音樂一樣，傳的到處都是，每一個公司不管是互聯網公司還是傳統企業，都標榜自己的大數據。
1、實體物聯網與虛擬物聯網
曾幾何時，物聯網的概念鬧得風生水起，龐大的物聯網能夠讓世間大量的物體，都能夠被檢測 并聯網，包括了人、車、房等一切能夠被聯網的物體，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，要對每個物體都貼上一個所謂的RFID的標簽，顯得不切實際。如今，隨著手機的大量使用，人類本身也被加入了物聯網中。為什么要物聯網?是為了獲取什么?要知道物聯網獲取了什么，只需要看看在一個物體在沒有加入物聯網與加入物聯網之后，我們多出了哪些東西便能夠知曉。那么，很明顯，我們需要通過某種方式來獲取該物體的信息，這種存儲下來的信息，就叫做——數據。
物聯網產生的數據是實體的物品之間的信息，而現在的互聯網上，占最大數據量的，是虛擬物品，或者叫做網絡虛擬物品。由于網絡物體是直接寄生于網絡，具有能夠方便的接入網絡的特征，因此，在獲取實體物體信息還有一定難度的時期，占有很大優勢。但今后實體的物聯網產生的數據量一定會不斷增加，或許，能夠超越網絡上的物物相連數據量。
網絡的廣泛使用，使得信息的產生于傳遍變得容易，每個接入網絡的人都以一定的角色存在，都是網絡的信息的創造者。對于所產生的信息而言，每個接入網絡的人又身兼多角，對于網絡服務商，他是網絡使用者的角色;對于門戶網站而言，他是使用的用戶;對于社交網站而言，我們則扮演一個虛擬或者真實的網絡角色;對于瀏覽器而言，他是一系列的瀏覽網頁、一些列鼠標動作的角色… 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。將網絡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網便產生了巨大的數據量。經歷過一直以來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，必然迎來信息量暴增的時代——大數據時代。
2、思維的轉變
技術的改變，使得我們思維方式也要隨之發生變化。在過去的小數據時代，由于獲取信息、存儲信息、整理信息都是費時費力的活，我們只能精打細算，捉摸著如何以最小的代價、最快的方式來收集盡可能準確的信息。之所以會有抽樣統計的方式，是受技術所限，無法獲得全體的樣本，或者就算獲取了也無法在合理的時間內進行處理。由于信息獲取代價大，使得我們不得不在獲取信息前，就把一切都想清楚，才能夠著手處理。這就像在計算機出現的初期，使用紙袋來編碼的時期，一次出錯的代價太大，所以人們不得不在輸入前將代碼驗證過無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造出更加強大的軟件。人們不需要在著手編碼前就對代碼過分深思熟慮，因為機器會幫助你解決一些問題。因此，那些擔心由于獲取數據太方便，進行數據處理、分析代價太小而使人們變得懶惰或者做事欠考慮的家伙，真是杞人憂天。歷史上，技術的進步都會提升人類的生產力，但卻沒有讓人們變得懶惰，因為與此同時，欲望也隨之增長。人類只會變得更偉大。
因此，大數據時代，這個數據更加全面的時代，我們可以涉足一些之前由于缺乏數據而無法涉及的領域，例如——預測。這是一個令人興奮的領域，但其實這個領域早有苗頭，而且大家都是受益者。我們平時使用的輸入法中的智能聯想功能，能夠根據我們之前輸入的文字，來預測我們接下來有可能輸入的文字，以節省我們的輸入時間。這種算法里，沒有人工智能，而只有人們大量的輸入習慣的統計，通過大量數據的統計來預測，是一個統計學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代，對于信息處理的一種重要方式，基于統計，得出不同個體的相關關系，卻無需了解其因果關系，而我們則受益于相關關系。這種方式，看似有些投機取巧，卻能夠在關鍵時刻令我們處于優勢地位。我們已經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。但世間總會有一些令人無法用合理的邏輯進行解釋的現象，若通過大數據分析，我們能夠跳過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)，豈不樂哉。當然，嚴密的邏輯永遠是值得尊敬的。
3、互聯網的黏性
在經歷過了從廣度上通過新花樣來吸引用戶的時代，由于技術的提高，一個創業者在一個新的領域開辟的東西很容易被其他人所復制。在這個時候，深度很重要。特別是購物網站、微薄、門戶網站這類信息量大的網站，越是了解一個用戶，優勢就越大。所以，在技術已經不是最重要的因素的時代，如何增加用戶的黏性、忠誠度便是首要的。通過用戶之前的信息，來推測用戶的喜好，給用戶推薦相應的信息或物品。當你越了解一個用戶，而別人卻不了解時，這個用戶就越離不開你。微薄中有他的`智能排序功能、新聞門戶中有“今日頭條”應用，各類購物網站有他的推薦算法(但這個純粹為了增加消費而非增加用戶黏性)，都能夠根據用戶之前的瀏覽、偏好來給出相應的推薦。這些的基礎，都是擁有用戶的行為記錄，否則，都無從談起。
各行各業，都在瘋狂的抓緊時機，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】
凡是過去，皆為序曲是大數據業者最喜歡引用的語句。大數據是現在的潮流，大數據時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：Big data，或稱巨量數據、海量數據、大資料，指的是所涉及的數據量規模巨大到無法通過人工，在合理時間內達到截取、管理、處理、并整理成為人類所能解讀的信息。
有人說現在是讀圖時代，除去小說、心靈雞湯以外，現在的暢銷書基本都有圖片，這本書是一個特例
首先嘗試解析一下作者的三大觀點，這三大觀點是大數據業者很喜歡引用的三句話：
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于對隨機樣本的分析，但在現實中我們經常拿不到全體數據：一是數據的收集方法，每一種方法都有適用的范圍，不太可能包羅萬象;二是數據分析的角度，戰斗機只能統計到飛回來的飛機上的彈孔，而墜毀的則無法統計，沃德通過分析飛回來的戰斗機得出來最易導致墜毀的薄弱點;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不及算那些數據。“采樣分析是信息缺乏時代和信息流通受限制的模擬數據時代的產物”，作者顯然只關注了一部分原因。
從語言的理解上看，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”，書中的很多商業案例中，處理的只是“我們能收集到的所有數據”，或者說是“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有終極的目標。書中舉例“Farecast使用了每一條航線整整一年的價格數據來進行預測”，而“整整一年”就是一個采樣，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館唯一的目的是“收集全世界的書”，實現“世界知識總匯”的夢想，國內的乾隆匯編四庫全書，每個收集的過程都有主觀因素在里面，而他們當時都認為可以收集全部的書籍，到最后，我們也沒有得到那個夢中的全體。
2 不是精確性，而是混雜性
既然我們過去總是在抽樣，那本身就是在一個置信水平下，有明確的容錯度或者是偏差值。人類永遠知道我們是在精確性受限的條件下工作。同時，作者本身也承認 “錯誤并不是大數據固有的特性，而是一個亟需我們去處理的現實問題，并且有可能長期存在”。那大數據的特征究竟是精確性還是混雜性?
由此衍生出一個問題，大數據的品質如何控制：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，換個角度，如果定義了容錯度，那符合條件的都是精確的(或者說我這句話還是停留在小數據時代?這里的邏輯我沒有理順)。就像品質管理大師克勞斯比提出過零缺陷理論，我一直覺得是一個偽命題，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步空間。
“一個東西要出故障，不會是瞬間的，而是慢慢地出問題的”。“通過找出一個關聯物并監控它，我們就能預測未來”。這句話當然是很認同，但不意味著我們可以放棄精確性，只是說我們需要重新定義精確度。之于項目管理行業，如果一個項目出了嚴重的問題，我們相信，肯定是很多因素和過程環節中出了問題，我們也失去了很多次挽救的機會。而我們一味的容忍混雜性的話，結果顯然是不能接受的。
3 不是因果關系，而是相關關系
這是本書對大數據理論的最大的貢獻，也是最受爭議的地方。連譯者都有點看不下去了。
相關關系我實在是太熟了，打小就學的算命就是典型的“不是因果關系，而是相關關系”。算命其實是對趨向性的總結，在給定條件下，告訴你需要遠離什么，接近什么，但不會告訴你為什么那樣做。
我們很多時候都在說科學，然而，什么是科學，沒有人能講清楚。我對科學的認識是：一、有一個明確的范圍;二、在這個范圍內樹立一個強制正確的公理;三、有明確的推演過程;四 可以復制。科學的霸道體現在把一切不符合這四個條件的事物都斥為偽科學、封建迷信，而把自己的錯誤都用不符合前兩條來否決。從這個定義來看，大數據不符合科學。
混沌學理論中的蝴蝶效應主要關注相關關系。它是指對初始條件敏感性的一種依賴現象，輸入端微小的差別會迅速放大到輸出端，但能輸出什么，誰也不知道。
人類一旦放棄了對因果關系的追求，也就放棄了自身最優秀的品質：意志力。很多人不愿意相信算命是擔心一旦知道了命運，就無法再去奮斗。即使我相信算命，也在探求相關關系中的因果要素。我放棄第一份工作的原因之一是厭倦了如此確定的明天：一個任務發出去，大概能預測到哪些環節會出問題，只要不去 follow，這些環節十有八九會出問題。
解析完這三大觀點，下面是我對大數據理論的一些疑惑。大數據是目前風行的反饋經濟中的重要一環，在金融、互聯網行業的應用最為廣泛，而這些行業都是大家所認為的高薪領域。很多時候我就在想，所謂無形的手所產生的趨勢究竟是不是無形的。比如幾家公司強推一個概念，說這是趨勢，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618，一個巨頭開路，無數人跟風，自然就生造出購物節，至于合理不合理，追究的意義也不大，因為很多事情是沒有可比性的。這和沒有強制控制中心的蜂群思維又不一樣。
看完這本書，總是覺得作者說的過于絕對，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
話不可以說盡，說盡則人必易
規矩不可行盡，行盡則事必繁
【《大數據》讀后感2000字】相關文章：
為什么移動硬盤無法拷貝大容量數據07-19
四大數據描繪職業教育發展穩健步伐10-06
EXCEL數據錄入技巧10-30
硬盤數據丟失后如何進行數據恢復07-19
計算機硬盤數據備份及數據恢復技術07-07
數據維護求職簡歷范文08-14
《EXCEL數據排序》聽課反思10-29
網站數據分析策略08-16
SEO網站數據分析08-14
大數據專業就業前景07-29