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，下面是小編為大家帶來的大數據時代讀后感，希望你喜歡。

大數據時代讀后感1

舍恩伯格的《大數據時代》被人推崇為2012最佳書籍，今年安泰讀書會的重頭戲。雖然主講人最后放了個香港大黃鴨般的鴿子，但現場討論氛圍依舊非常熱烈——而且還是在沒幾個人讀完的情況下，也就意味著——大數據對我們的影響，已經深入到生活的方方面面。

無處不在的大數據：各種云計算，谷歌的神通，亞馬遜的推送，天涯人肉，微博萬能等等等等，我們掌握了新的工具，也獲取了以前從未有過的各種信息。大數據拉近了我們與現實的距離，“地球村”變成了“地球屋”，仿佛所有人所有事物都觸手可及，而這些牛逼哄哄的互聯網巨頭就在客廳展示著世界的每一寸光景。

然而，事實真的是這樣嗎?首先，從應用角度出發，低廉的運算能力和存儲空間，讓以前的樣本分析顯得非常簡陋——一些從全體數據挖掘出來，忽略精確而從大量數據的簡單算法得出來的結論顛覆了常識。但個人覺得，這只是統計學的終極目標——并沒有非常大的跨越，可能終結了回歸分析，有效性驗證等手段，但依舊還是統計。而革命性在于關注相關關系而非因果關系。現場討論從神學角度挑戰了因果關系的不可能——或者說人類用簡單思考的邏輯來定義因果，以及用之前小數據演繹出大概率事件來推導因果，都是不正確的。真正的因果關系應該屬于上帝的范疇，人類如果真的完全掌握之后，會統治整個宇宙。但我覺得，無需從神學觀點來討論，而可以借鑒量子力學對經典力學的顛覆——在原子層面上，經典力學會失效——那么在大數據層面上，普通的抽樣調查直觀反映會失效。而且從量子力學角度是很難推導經典力學的公式，那么從現在的慣有思維，也難以推導出大數據的因果關系。

大數據時代讀后感2

書中雖只是闡述了大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據開啟了一次重大的時代轉型，并未提及會對我們教育教學產生什么影響，但在這樣的大環境之中，我們同樣可以獲得啟示，尋求大數據在教育工作中可實現的價值。

1.教師角度：從基于經驗到基于數據的教學轉型

“經驗主義”是指形而上學的思想方法和工作作風，其特點是在觀察和處理問題的時候，從狹隘的個人經驗出發，不是采用聯系、發展、全面的觀點，而是采取鼓勵、精致、片面的觀點。在教學中，我們有時會憑借以往經驗認定本節課學生的起點，從而制定教學目標、重難點以及教學過程。這往往忽略了上屆學生和這屆學生是有差異的，這班學生和另一班學生也是存在差異的，那如何準確把握學生的起點呢?我想可以借助前測數據，它可以為有效教學指明了方向。

如教學“復式統計表”時，前期查找資料的時候就發現早在一年級上冊P96的時候學生就見過復式統計表，意讓學生初步認識統計表，滲透統計思想。而二三年級的書中練習也多有涉及，就是這種復式統計表沒有“表頭”，生活中的復式統計表也很多。既然在以前練習時碰到這么多次復式統計表，學生對復式統計表到底認識多少呢?我們對157名學生進行這樣的調查(如下圖)，第1題：像上表這樣的統計表以前見過嗎?見過約占65%，沒見過約占35%，學生在練習中碰到過、生活中也經常看見，但還是約35%的學生回答自己沒見過，說明學生平時在看這個復式統計表的時候就浮于表面，所以這節課我們重點應該讓學生經歷復式統計表的產生過程，加深學生對復式統計表的印象。第2題：上表中的16表示什么意思?能完整表達出二班身高在130~139厘米的學生有16人，約占41%;表達一半，如二班16人，或130~139厘米16人，約占22%，其他約占37%，真正能正確讀懂復式統計表的學生一半不到，需要在課中進行讀圖方法的指導。而知道這個表叫做復式統計表的學生不到20%。

大數據時代讀后感3

這一章節，利用馬修莫里導航圖的例子引出了大數據的實踐方式，奇人莫里通過整理航海相關的邊角數據，把整個大西洋按照經緯度劃分了出來，并標注出了溫度、風速和風向，從而發現了洋流，也為船員提供了有效的航海路線，這就是數據的價值體現了。書中也提到了，量化我們周圍的一切，是數據化的核心，將文字變成數據、將方位變成數據，將溝通、情感變成數據，通過大數據，我們會意識到，世界在本質上是由信息構成的。

在工作中，這點也可以作為啟發點，通過對數據的整理，或者說以某種方式采集到相關數據，將數據整理出有價值的信息后，不斷的改善到工作流程、效率、服務方面，也是工作上的創新點。

筆者在書中提到了，數據的潛在價值，并提出了數據創新應用的方法，第一是數據的再利用，數據信息被采集用作特定分析后，在另一個領域或者角色立場下，或許會開發出新的有價值的信息;第二是數據的重組，將不同類別、類型的數據進行重組，產生一個新的數據集合出來，尋找其中的關聯性;第三是數據的擴展，這就需要在記錄數據的同時設計好他的可擴展性;第四是數據的折舊值，數據將會貶值，但是仍會有其潛在價值;第五是數據廢氣，即數據采集時的離散量、離散交互信號，舉例是谷歌與微軟的拼寫檢查;第六是開放數據，數據的開放將會有利于各行各業的使用，并促進全行業數據時代的發展。這其中又提到了數據估值的概念，在數據使用時價值才會體現出來，而不是在占有本身。

根據所提供價值的不同來源，分別出現三種大數據公司，基于數據本身(采集大量數據的公司)、基于技能(提取用戶的需求，給出數據分析結果的公司)、基于思維(挖掘數據新的價值的公司)。

大數據時代讀后感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：一、更多：不是隨機樣本，而是全體數據;二、更雜：不是精確性，而是混雜性;三、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。

大數據時代讀后感5

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。

大數據時代讀后感5篇600字相關文章：

★ 走進網絡時代作文600字:互聯網時代不應是“忽老”時代