第一篇：读《大数据》时代有感

大数据时代——信息技术进行时

——读《大数据时代》有感

202_年，出现在金融界人士、IT人士、甚至政界人士耳中最多的词毫无疑问就是“大数据”，当今社会，每天所产生的数据量是十分惊人的，各行各业都在产生庞大的数据，金融、医疗、教育、政府、商业等等，每天所产生数据总量已经不能用PB来计算，而是以EB、ZB为单位（1ZB=1024EB=1024×1024PB=1024×1024×1024TB=1024×1024×1024×1024GB）来计算，这个数据量是惊人的，但是对于人类来说，具有极其重要的意义。哲学里说，量变产生质变，当这个数据大到一定的程度时，必将对人类社会产生巨大的影响。被誉为“大数据商业应用第一人”的英国人维克托·迈尔·舍恩伯格所著的《大数据时代》前瞻性地指出，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，并用三个部分讲述了大数据时代的思维变革、商业变革和管理变革。这本书带给我的绝对是一种震撼！比如，关于思维变革，书中认为，大数据时代最大的转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。这就颠覆了千百年来人类的思维惯例，对人类的认知和与世界交流的方式提出了全新的挑战。

大数据时代的到来，将不可能化为可能，比如阿里巴巴，依赖淘

宝等购物网站所产生的庞大数据，准确预测未来商场趋势，比如美国大选，依赖大数据准确预测最终结果。大数据已经可以预见未来。

08年提出了云计算的概念，并在今年产生了丰富的应用；12年提出了大数据的概念，并迅速在12年年底产生了实质性的价值，信息技术之变化，快得令人咋舌。然而，作为传承文化精髓的教师，对于信息技术又有多少研究呢？win8已经出现在各种终端上，但是有很多老师仍然沉醉于叉p；office2013也出来了，但我们绝大多数老师仍然只会用office2003。许多老师嘴上说要与时俱进，但事实上，人类的惰性在他们身上体现得格外明显。

再来说说云计算，其核心理念便是云存储和云共享，202_年体现得格外明显。且不说国外大公司推出的云服务，如微软的skydrive，仅仅在国内，就有许多大公司推出了各种云服务，金山快盘、360云盘、百度云，这些产品，无一不体现云计算的核心理念。当我开通了云服务之后，已经深深感受到云计算所带来的便利：百度云上，存储了我N多的软件、音乐、文档、图片；无论哪位朋友，需要我的某个文件，只需打开百度网盘，创建一个链接并发给他，他就能直接下载我存储在云端的文件。现在我一直在想，在这个云时代，还有必要购买优盘、移动硬盘么？这些移动存储设备，充其量只是方便我们在本地拷贝文件，异地传输，绝对是云的天下。

但是，有多少老师进入云端了呢？

思及这个问题，我感到深深的遗憾。中国教育为世人所诟病，教师自身难辞其咎！同时，对于负有教师培训重责的相关部门的不作为，表示深深的遗憾。

注：本文使用office2013写成，存储于skydrive（微软云）。

第二篇：读大数据时代有感

读《大数据时代》有感

15级会计ACCA 班 201526909019 李佳凌

《大数据时代》是国外大数据研究的先河之作，该书作者维克托•迈尔•舍恩伯格被誉为‚大数据商业应用第一人‛，拥有在哈佛大学、牛津大学、耶鲁大学和新加坡国立大学等多个互联网研究重镇任教的经历。读完这本书后我有着非常深的感悟。

维克托•迈尔•舍恩伯格在书中前瞻性地指出，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，并用三个部分讲述了大数据时代的思维变革、商业变革和管理变革。维克托•迈尔•舍恩伯格最具洞见之处在于，他明确指出，大数据时代最大的转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道‚是什么‛，而不需要知道‚为什么‛。这就颠覆了千百年来人类的思维惯例，对人类的认知和与世界交流的方式提出了全新的挑战。如今，数据已经成为一种商业资本，一项重要的经济投入，可以创造新的经济利益。

大数据的精髓在于我们分析信息时的三个转变，这些转变将改变我们理解和组建社会的方法。第一个转变就是，在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样。第二个改变就是，研究数据如此之多，以至于我们不再热衷于追求精确度。第三个转变因前两个转变而促成，即我们不再热衷于寻找因果关系。寻找因果关系是人类长久以来的习惯。即使确定因果关系很困难而且用途不大，人类还是习惯性地寻找缘由。相反，在大数据时代，我们无须再紧盯事物之间的因果关系，而应该寻找事物之间的相关关系，这会给我们提供非常新颖且有价值的观点。相关关系也许不能准确地告知我们某件事情为何会发生，但是它会提醒我们这件事情正在发生。

大数据的相关关系分析法更准确、更快，而且不易受偏见的影响。建立在相关关系分析法基础上的预测是大数据的核心。一个东西要出故障，不会是瞬间的，而是慢慢地出问题的。通过收集所有的数据，我们可以预先捕捉到事物要出故障的信号，比方说发动机的嗡嗡声、引擎过热都说明它们可能要出故障了。系统把这些异常情况与正常情况进行对比，就会知道什么地方出了毛病。通过尽早地发现异常，系统可以提醒我们在故障之前更换零件或者修复问题。通过找出一个关联物并监控它，我们就能预测未来

随着网络技术的发展成熟，传统行业不断感受到来自大数据、云计算等新技术的冲击，这些新技术意味着游戏规则的改变，大数据技术对各行各业的发展的影响尤为显著。人们对大数据的探讨越来越深入，兴趣也越来浓厚。

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。

维基百科说大数据由巨型数据集组成，这些数据集大小常超出常用软件在可接受时间下的收集、运用、管理和处理能力，或称巨量数据、海量数据、大资料，大数据的常见特点是3V：Volume、Velocity、Variety。但是通过阅读，我了解到规模巨大的数据未必就是大数据。比如伯努利实验，随着实验次数的无限增加，频率将趋近去概率，但这只能说是统计学或者是概率学，而不是大数据。将这一概率引入金融学、天文学、地理学等等领域，进而进行关联研究，但是传统的分析方法的时间是不允许这样做的，这需要搞笑计算资源与能力，将处理结果迅速呈现出来。

大数据并不是指数据本身，而是一种思维方式。

‚大数据不是要教机器像人一样思考。相反，把数学算法运用到海量的数据上来预期事情发生的可能性。‛大数据令人着迷之处还在于，它正在尝试着引导人们用科学的办法对‚预测‛挑战。作者引用了安德森的观点‚现在已经是一个有海量数据的时代，应用数学已经取代了其他的所有学科工具，而且只要数据足够，就能说明问题‛。

大数据研究的一大驱动力就是商用，舍恩伯格在第二部分里讨论了大数据时代的商业变革。而要为商业所用，第一从原始数据采集、数据清洗整合到构建模型分析、形成可显示化结果，整个流程必须连贯起来；第二，大数据产业化，技术成熟。

而国内目前的情况是，传统企业的流程分割化现象严重，就数据采集方面来说，因内部是各个孤立的系统而产生信息孤岛现象，又或者是数据采集过于片面。

所以传统行业能够运用大数据技术创造更大的商业价值的前提是实现信息化、数字化，并且要有新的思维，不论是公司高层还是底层（这就涉及到第三部分——管理变革）。此外，大叔级技术在国内的发展不能说顺利。首先国内的大数据技术缺乏数据准备阶段，这就使得发展大数据成为空话或者是说只是一种概念炒作，对比国外，没有媒体刻意推进和炒作，只是在脚踏实地地研究，这样出来的技术才可能是完美的成熟的。

要发展好大数据，要利用大数据创造的价值，就要改变管理的思维方式，变革管理模式。运用大数据的企业要改变，研究开发大数据的企业也要改变。

维克托〃尔耶〃舍恩伯格在《大数据时代:生活、工作与思维的大变革》中最具洞见之处在于，他明确指出，大数据时代最大的转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道‚是什么‛，而不需要知道‚为什么‛。这颠覆了千百年来人类的思维惯例，对人类的认知和与世界交流的方式提出了全新的挑战。对于大数据（Big Data）的应用，并不是他不想证明因果关系，而是并不能证明因果关系。由于大数据的收集方法和分析方法，在于把所有能收集的数据都收集，再集中分析，这种研究方法是缺乏时效性（temporality）的，所以，他并不能证明因果关系，只可以说明两者的相关关系。

可是，对于事物发展的预测，有时，影响因素成千上万，解释的理论更加是多如牛毛。大数据改造了我们的生活，它能优化、提高、高效化并最终捕捉住利益，那直觉、信仰、不确定性和创意还能扮演什么角色呢？就算大数据无法教会我们所有事情，只要能帮助我们表现更佳、更富效率、取得进步，就算缺乏深入理解也是很有用的了。一贯如是地坚持下去才有效力。即使你不明白为什么付出的努力得不到回报，但相比不努力，你要明白你已经在改善事情的结局了。

有时候，当我们掌握了大量新型数据时，精确性就不那么重要了，我们同样可以掌握事情的发展趋势。大数据不仅让我们不再期待精确性，也让我们无法实现精确性。然而，除了一开始会与我们的直觉相矛盾之外，接受数据的不精确和不完美，我们反而能够更好地进行预测，也能够更好地理解这个世界。

大数据并不是一个充斥着运算法则和机器的冰冷世界，其中仍需要人类扮演重要角色。人类独有的弱点、错觉、错误都是十分必要的，因为这些特性的另一头牵着的是人类的创造力、直觉和天赋。偶尔也会带来屈辱或固执的同样混乱的大脑运作，也能带来成功，或在偶然间促成我们的伟大。这提示我们应该乐于接受类似的不准确，因为不准确正是我们之所以为人的特征之一。

以上就是我的一些感悟，在大数据时代的背景下，我们应该看到其更深层次的东西，抓住机遇迎接挑战，不断进步。摘录部分：

下面摘录一部分我在知乎上看到的关于《大数据时代》的讨论，网友提出的质疑同样值得我们深思。

作者：AndyHsu来源：知乎

链接：https://www.teniu.cc/question/20666694/answer/18153613 花了三天的零碎时间大致看完了舍恩伯格的《大数据时代：生活、工作、思维的大变革》。我看推荐说这是‚迄今为止最好的一本大数据专著‛。目前公司在搞Hadoop、大数据应用，外面各类零碎的资料也非常多，那么想我应该去看一下这‚最好‛的专著吧。

一、主要观点上可以探讨的地方

作者提出了关于大数据的‚掷地有声‛的三个原则。这三个原则凡讲大数据必被提及，很多人奉为圭臬。但是我觉得每一点都值得探讨。这三点分别是：不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。

看完之后感觉都有点不是那么回事。1.不是随机样本，而是全体数据

这个说得好像人类从来就不知道使用全体数据可以得到更全面的结论，而非要去煞费苦心发展出一套抽样技术一样。人类早就知道处理全量数据的好处，而之所以要进行抽样分析，原因不外乎两点：一是处理能力跟不上，二是数据收集能力跟不上。作者认为人类之前主要受限于数据的处理能力而不去处理全量数据，但在目前机器处理能力有了巨大的提升的时代，限制绝大多数应用的瓶颈不是计算能力而是数据采集能力（不要去提那些极少数需要超级计算机的场合，那个和多数人无关、和本书的商业主题也无关）。但是即便如此，抽样所要针对的很多应用场景是不太可能收集全量数据的情况。比如人口普查，无论计算机力量如何强大，当前很多数据还是要人工去收集，所以这个普查还是要用抽样的方式。有意思的是，作者用人口普查是抽样分析来说明非‚全量‛时代我们被迫采用了抽样，而最终也没法说我们是否已经可以用全量数据来做人口普查了。实际上至少在目前，对于人口普查，抽样还是必然的选择（嗯，你可以设想，以后人人都装一块芯片，你可以在你的PPT里讲给你的客户和老板听）。再比如我们统计里的经典问题：怎么估算一批零件的使用寿命？怎么去分析一批奶品里的三聚氰胺？以前我们不可能去做全量测试，因为这意味着这批零件就废了，这批奶也全部用于测试了，这样测出结果也没啥意义了（嗯，你也可以说：我我们去收集历史上所有此类零件的使用情况来进行分析吧.....嗯，加油吧，雄心勃勃的骚年）。现在 ？我们还是必须依赖抽样，是必须。

即便不提这些例子，仅从逻辑而言：收集、处理数据的行为本身也在不断产生着新的数据。我们又怎么证明这些数据不是你需要的‚全量‛的一部分呢？

作者的行文中，关于什么是‚全量‛，处于不断的摇摆之中。有时指‚我们需要的所有数据‛，有时指‚我们能收集到的所有数据‛。作者举了人口普查的例子，这个全量显然指前者。而在很多商业案例中，又显然指后者。我们有能力处理越来越多的、在以前不敢想象的大量数据，但是至少目前看，我们还没可能说我们处理了‚全量‛。我们最多可以说我们能处理我们能搜集到的‚全量‛，但如果据此产生了我们已经没有遗漏数据了的感觉，认为所有数据尽在掌握了，那我认为是一种很可能导致错误的错觉。

2.不是精确性，而是混杂性

这个么，说得好像以前的人类在使用‚抽样‛数据时竟然都认为取到的数据是‚精确‛的一样。在使用抽样数据的时候，我们就知道要容忍一定的误差。我们甚至知道在就算取得了‚全样‛数据的时候，也可能因为有各种原因而导致的不精确，统计实践中对此有相当多的案例。人类从未奢望过我们通过数据分析取得的多数结论是精确的。我们从来都要在信息混杂的情况下做出大多数的决策。

3.不是因果关系，而是相关关系

这是很多人（包括作者）认为最有价值、最重大的发现，而实际上却也是最收到批评的一个观点。连译者周涛教授在序言里都表示看不下去了，他至于认为如果放弃对因果关系的分析，是人类的堕落。我不说这么高的哲学层面，只从逻辑和技术上讨论一下。

计算机能够提供给我们的结论（到目前为止以及在可见的未来），都是相关性。计算机从未提供过明确的因果关系给人类。是否因果关系，是人类在数据基础上，进行的人为判断。一直有相当多的应用，也是只考虑相关性，不考虑因果关系的：确定因果关系，是需要更大的精力、更多的投入的。所以只看相关性而不看因果性也不是什么新的结论（实际上已经是个很旧的结论了）。而这个相关性是不是可以作为决策的基础呢？这个一样离不开人的判断。有一个这样的故事：通过大量的数据分析，慈善组织得出结论：一个国家、地区的电视机的普及率与发达富裕程度很有关系（冰箱、洗衣机、空调、高跟鞋、牛仔裤，etc.，也会和发达程度有这样的相关性），于是他们就向贫困国家赠送了很多电视，认为此举可以促进该国的经济发展。你可以鬼扯电视的普及与经济文化的密切相关，但是实际上最终发现更可能是经济发展导致了电视的普及，而不是反过来。所以，我们真的不需要因果分析吗？说得玩笑一点：这个世界真的不需要脑子了吗？

作者举了一个例子：谷歌分析搜索关键字来确定哪里可能发生了流行病。认为这就是利用了相关性而不是因果性。这是没有利用因果判断吗？现在在投入巨大的机器资源进行分析之前，分析师已经预计了得病的症状可能会导致人们去网上进行相关搜索（影响了搜索行为）。谷歌存储的用户上网信息肯定远远不止一个搜索关键字，分析师为何不开足马力把‚全量‛数据、各个指标都分析一遍呢？比如用户上网地点？上网时间？上网频率？上网语言？浏览器版本？客户端操作系统？etc...为何会像导弹一样精确地将机器资源投放到了关键字上呢？

总之，对于这些原则，作者为了显出新意，说得过于绝对。而排除掉绝对的成分后，这些观点也就不显得是创新了。作者把三个数据分析人员一直秉持的原则，当做全新的东西讲了出来。时代在变化，我们或许应该经常重新审视这些原则，来确认自己的思想是不是僵化了、是不是过时了。我赞同作者重新审视这些看法，但是我觉得没必要讲得这么极端。

二、细节论据上可以探讨的地方

除了三个大原则不足以令人完全信服，在一些细节上，作者的引证也不是很严谨。

如第51页，对于拼写检查的算法的优化。作者提到，通过输入大量的数据，4种常见语法检查算法的准确率提高了很多，以此说明大数据发挥了作用。这确实是个很有启发性的例子，可以去做更深入的分析和研究，但是.....仅仅4个例子，够得出很有力的结论吗？4个算法，作者没注意到这是一个非常小的样本吗？不能因为这是4个用了大数据的采样，就认为这是一个支持大数据的有力结论了吧。（顺便我很想问问他们：为什么不测试个几十上百的算法呢？是不是面对如此‚大量‛的计算，也只好折中选择了一个抽样的小样本呢？甚至连样本数量是否合格都顾不上了吗？）

三、这本书有什么用处？

对于这样的一本书，我不明白周涛教授在译序里为什么要建议大家（以后）每个版本都应该买一本。为什么要买？难道作者理清自己脑子的过程很值得我们关注吗？

译序里说：‚作者渴求立言立说的野心‛，但是我恐怕作者是达不到这个目标的。关于作者的简介为：‚《大数据时代》是国外大数据系统研究的先河之作，本书作者维克托〃迈尔〃舍恩伯格被誉为‘大数据商业应用第一人’，....早在202_年就在《经济学人》上发布了长达14页对大数据应用的前瞻性研究。‛

总体感觉是作者有很多想法，见识过很多案例（这些案例都丰富地体现在书中了，也很有参考价值）。但并非是一个曾经和数据真正绞尽脑汁搏斗过的人（这是我瞎猜的，没有考证过他的经历。考据者请不要告诉他做过什么咨询案例，这离真正体会数据的折磨还很远。）。

第183页说道：‚...执行官们信任自己的直觉，所以由着它做决定。但是，随着管理决策越来越受预测性分析和大数据分析的影响和控制，依靠直觉做决定的情况将会被彻底改变。..."真的会么？如果你面对某一家企业做咨询，那可以这样讲。一种新技术的采用很有可能大幅提升企业的战斗力，并超越竞争对手。但是作者是期望对行业立言的人，面对整个社会我们这样讲就不严谨了。引用一个例子：中国棋院的一次训练会后，总教头马晓春对隔天要去各自的母队参加围甲的棋手们说：祝大家周末取胜。棋手们笑了：我们只有一半的人能赢啊。同样，如果大家都采用了大数据技术，那么也总有企业要在竞争中落于下风。而既然我们实际上无法真正分析‚全量‛数据，那CEO们还是会有很大的决策空间，哪怕很多决策实际上‚不科学‛。最起码，他们需要决定将有限的企业资源投入到对什么样的大数据进行分析，并如何应用分析出来的结果。嗯....我认为，这多少还是要依赖一些直觉的。

那么大家是否应该看一下这本书呢？我的答案是应该看一看。既然大数据是当前的潮流、相关的研究/商务活动层出不穷，那么做IT工作、数据工作的人对于‚最好的‛专著无论如何都必须看一下。书中集中展示了很多案例，值得作为参考和启发思维。此外，为了作为谈资、为了在写大数据PPT时有所依据，大家也得看看这本书。根据场合不同，可以对里面的内容复制粘贴、理解重写。这些内容，我相信买一版也就够了。需要提醒PPT人员的是，演示前请想清楚如何回答可能被提及的质疑。如果你对这本书的观点都深信不疑，那么你将会遇到很多的质疑。

第三篇：读《大数据时代》有感

数据的故事

——读《大数据时代》有感

信息时代的到来，我们感受到的是技术变化日新月异，随之而来的是生活方式的转变„„我们这样评论着的信息时代已经变为曾经。如今，大数据时代成为炙手可热的话题。笔者在这说明信息和数据，只是试图首先说明信息、数据的关系和不同，也试图说明，为什么信息时代转变为了大数据时代？大数据时代带给了我们什么？

信息和数据的定义。维基百科解释：信息，又称资讯，是一个高度概括抽象概念，是一个发展中的动态范畴，是进行互相交换的内容和名称，信息的界定没有统一的定义，但是信息具备客观、动态、传递、共享、经济等特性却是大家的共识。数据：或称资料，指描述事物的符号记录，是可定义为意义的实体，它涉及到事物的存在形式。它是关于事件之一组离散且客观的事实描述，是构成信息和知识的原始材料。数据可分为模拟数据和数字数据两大类。数据指计算机加工的“原料”，如图形、声音、文字、数、字符和符号等。从定义看来，数据是原始的处女地，需要耕耘。信息则是已经处理过的可以传播的资讯。信息时代依赖于数据的爆发，只是当数据爆发到无法驾驭的状态，大数据时代应运而生。这是否是《大数据时代》一书所未曾阐述的背景材料？

在《大数据时代》一书中，大数据时代与小数据时代的区别：

1、思维惯例。大数据时代区别与转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。作者语言绝对，却反思其本质区别。数据的更多、更杂，导致应用主意只能尽量观察，而不是倾其所有进行推理？这也是明智之举

2、使用用途。小数据停留在说明过去，大数据用驱动过去来预测未来。笔者认为数据的用途意在何为，与数据本身无关，而与数据的解读者有关，而相关关系更有利于预测未来。

3、结构。大数据更多的体现在海量非结构化数据本身与处理方法的整合。大数据更像是理论与现实齐头并进，理论来创立处理非结构化数据的方法，处理结果与未来进行验证。

4、分析基础。大数据是在互联网背景下数据从量变到质变的过程。笔者认为，小数据时代也即是信息时代，是大数据时代的前提，大数据时代是升华和进化，本质是相辅相成，而并非相离互斥。数据未来的故事。数据的发展，给我们带来什么预期和启示？银行业天然有大数据的潜质。客户数据、交易数据、管理数据等海量数据不断增长，海量机遇和挑战也随之而来，适应变革，适者生存。我们可以有更广阔的业务发展空间、可以有更精准的决策判断能力、可以有更优秀的经营管理能力„„可以这些都基于数据的收集、整理、驾驭、分析能力，基于脱颖而出的创新思维和执行。因此，建设“数据仓库”，培养“数据思维”，养成“数据治理”，创造“数据融合”，实现“数据应用”才能拥抱“大数据”时代，从数据中攫取价值，笑看风云变换，稳健赢取未来。

冯凯旋

第四篇：读《大数据时代》有感800字

读《大数据时代》有感800字

广州风神焊装二科主拼A班 史伟

“大数据”听起来已经不是个新鲜词汇了，在如今这个时代，毫无疑问的是，大数据技术的应用已经充斥在我们的生活之中了。可以说，我们已经走引进了一个“大数据时代”.大数据分析极大的改变了我们解决问题的方式。所谓大数据是区别于传统的仅取原数据的少量样本进行分析的数据处理方式。大数据旨在对全部原数据进行分析与处理。但由于实际情况中的计算能力与时效性等客观条件的限制，很多时候还不能实现“真正”的大数据分析。尽管如此，通过分析比以往更多的数据，人们仍然发现了看待事物与解决问题的新思路，而这些新思路正是大数据的主要价值与灵魂。

相信大家一定听说过一种说法：“在大数据中，因果关系将不复存在。”事实上，在一定程度上，这种说法是成立的，但不够准确。因果关系不是消失不见了，只是它没以前那么重要了。通过分析大数据，人们找到了很多看似毫不相干的事物之间的相关关系，并且通常在其中得到了收益。显然，这些相关关系是利用传统的逻辑推理难以得出的。在这种情况中，不去探究因果关系，而仅仅利用分析得到的相关关系就可以达到目的。需要注意的是，虽然在这里并没有得到因果关系，但并不是说无法推理得出；恰恰相反，当得知了相关关系后，更容易得到相对合理的因果关系。

“因果关系不如相关关系可靠。”在大数据的支持下，直接通过数据得到的相关关系能极大程度上代表事物的规律，也就是说准确率很高。但通过逻辑推理出的因果关系则常常会失误，因为这本质上是我们为了解释事物所想象出来的。然而，发现因果关系仍然是相当重要的，尤其是在各个领域的理论分析中，这样可以使知识体系逻辑清晰且趋于完整。

书中举例了大量大数据分析的实际应用；例如通过机票的交易数据来预测最低票价出现的时间；通过搜索词条发现传染病的发生区域，从而控制疫情等。

大数据给我们的生活、工作与思维带来的变革是巨大的，是机遇也是挑战。随着大数据的发展，许多行业将会发生改变，一些新的角色会加入，一些老的角色将被淘汰。抓住机会，积极改变才能乘风破浪！

第五篇：读《数据资本时代》有感

读《数据资本时代》有感

国民经济管理16 张琦

注：此为中央财经大学陈运森老师 《高级财务管理》课程的学生作品

随着时代的往前推进，我们逐渐向大数据资本时代迈进，随着海量数据市场的出现，货币体现信息的作用被海量数据替代，虽然货币的交易功能仍然保留，但货币的价值却在贬值。这给市场和公司都带来了不同的机遇和挑战，也就是经济的微观和宏观方面都将受到海量数据资本的冲击。大数据时代下，未来市场、未来公司和未来的人类将何去何从；我们如何最正确地迎接海量数据的挑战，这些问题或许没有正确答案，但我们尽可能的了解大数据资本时代和我们自身的多样性，可以做到的是“知已知彼，百战不殆”.传统市场与公司在数据资本时代的挑战

古往今来，人类的合作方式是为了应对资源稀缺的挑战，随着沟通方式和信息流动方式而产生的，市场与公司顺势而生。传统的市场与公司围绕价格这个信息进行决策，不同的是市场进行的是分散决策，公司进行的是集中决策，围绕价格，市场中不同个体之间，市场与公司之间，公司内部完成一笔又一笔交易，人类的合作从而达成，人类依靠交易活动得到的物质资本支持人类继续下一轮的生产活动，交易活动和心灵求索活动。

但在复杂和不确定的环境和人类的理性下，传统的市场和公司围绕价格而得到的信息往往是十分不完备与不对称的，因为价格可能解决了信息过量的问题，但它仍然让我们做出了十分糟糕的选择，我们对价格的执着阻碍了市场发挥其最擅长的作用，即协调人类活动。

与市场不同的是，公司的原则是集中决策，在过去的经验中，公司内部的信息被层层上传由董事会做出决策，其决策层层下传，层层执行。随着公司规模的增大，信息源源不断地向权力中心移动，而权力中心的决策能力有限，决策水平的提高依靠的就是下放决策权，制定标准决策指导方案然越来越多的人参与决策。这种传统的层级管理结构和有限的信息流动方式，使信息和决策在流动中受损。传统资本市场在数据资本下毋庸置疑会面临衰退，首当其冲的就是银行业。银行业的信息不完备与不正确，数据资本带来的未来将是经济繁荣发展而金融资本不再会繁荣。

在过去的市场和公司中，公司和市场的效率因此得到巨大的损失。但海量数据向资本市场的涌入，价格的信息作用被大数据替代，人们在各种类的交易中关注的不仅仅是价格，海量数据经过专门的处理成为一种资本，不同产品与服务的种类在数据资本时代是明晰和容易比较的，因此所有类型的市场理应得到重塑，从能源市场到运输物流市场，从劳动力市场到医疗保健市场。公司传统的层级管理结构在海量数据的攻势下也显得太过封闭繁琐和成本巨大，是时候迎接市场与公司在数据资本时代的变革了。

市场与公司在数据资本时代的变革

市场在数据资本时代显得更加具有优势，因为信息创造市场，市场的基本原则是分散决策，海量数据已经为整个市场带来了效率的提高。以货币为基础的传统市场将无数个维度的信息压缩成价格，而价格被卖家玩弄于股掌，通过各种各项的技巧欺骗买方，市场的负外部性得以体现。()但在大数据时代下，这个问题得到了解决，海量全面的数据替换了价格反映信息的作用，数据帮助市场参与者找到了更好的匹配项。同时，在海量信息的帮助下市场的分散决策体现了优势，海量数据呈现的市场决策分布传递出来的信息帮助我们帮助节省评估比较不同决策的时间，并且在市场分散决策和海量数据的影响下，错误决策的影响被减小。

传统公司面对的挑战是在货币市场转化为海量数据市场的过程中，利用海量数据处理信息过载问题，减少决策数量。而遗憾的是，公司不会达到与市场一样从海量数据市场中自然获益的程度，而是需要顺应市场变革，创新管理制度来应对挑战。部分公司已经预见了海量数据时代的大变革，并主动迎接变革，从目前来看他们主要采取两种方式，一是实现决策自动化，以日本寿险巨头富国生命保险为例，他们宣布将使用IBM开发的一款机器学习系统——沃森来评估保险理赔，从而理赔部裁员1/3;二是向企业组织结构中引入市场DNA,以汽车制造公司带戴姆勒为例，该公司宣布彻底重组公司结构，让公司20%的员工脱离之前的体系到公司各部门之外运营，组成更灵活的团队。

市场顺应数据资本时代是自然的、规律的，而公司应自己选择战略进行惊险的生存实验，从而使自己能在大数据时代生存下来。

市场与公司在数据资本时代的未来

海量数据并不是解决市场效率损失灵丹妙药，它必须也要有标准和适用条件，使用不当也会有及其巨大的副作用。为了使海量数据是可用的，数据资本在市场中运转有三个必备条件：数据标注、个人匹配算法、机器学习。数据标注从“本体论”提出，问题的关键是确定正确本体，其主要目的是运用海量数据将产品的可发现率提高，.个人匹配算法依靠的原理是一个人不仅可以有多种偏好选择，也可以用不同的方式衡量偏好，所以我们在衡量不同问题的偏好时，我们需要不同算法的匹配。机器学习是基于数据大规模训练以及随之而来的自适应反馈，与个性化学习相结合，激发市场显著提高效率的潜能。每一项技术的进步，带来的是低成本获取海量、多维度的信息流并将信息自动化转化为决策。

公司的发展却不容乐观，随着算法的提升，决策层会一层一层的减少，效率会大幅度提升，公司的重要性也就会下降。在现阶段公司为拥抱大数据时代而做出的改变来看，公司越来越可以依靠算法来实现决策自动化，工作程序也会由机器学习不断地推进，公司的未来是与大数据和市场结合的，公司还会雇佣人类但其管理和运行主要由机器人操作完成，甚至公司会依赖市场机制运作。最终，人的作用只是协调市场机制，在我看来这是虽然高效但有些悲观的。

我们何去何从

目前我们正处于海量数据市场的最初级阶段，正如所有新鲜事物一样，海量数据本身在带来技术进步的同时，我们将拥有可以随意支配的强大的海量数据系统，这些系统帮助我们运用更少的资源花更少的时间，得到更好的匹配，效率红利显而易见，但是我们只是放弃一部分“无聊”的决策，专注于更重要的选择，而将选择的需求和选择的快乐分开。在劳动力市场中，我们也可以利用海量数据选择个人匹配算法为自己找到较适合的工作，不需要仅仅为自身的 “价格”,即工资所局限，工作的作用在支付账单和提供个人满足感之间得到平衡。海量数据市场是高效的，并一片光明。但随着算法不停完备的个人数据的不断完善，随着数据资本时代的发展，数据的进一步运用是否会成为“潘多拉魔盒”?

值得关注的是从千禧年到现在，美国——发达国家的代表，无论是劳动参与者还是劳力收入份额都在不断下降，在应对海量数据时代，人类的作用似乎没有算法多，即便是技术层面，需要创造力和人类选择的数据标注工作在确定正确的本体所需要的人类创造新会更少，需要更多的是过硬的数据分析，数据本身将驱动数据本体，数据不需要了解人类，只用通过算法就可以替我们几乎做任何选择。这是否意味这我们将成为数据的奴隶，海量数据为我们发展带来的冲击不可忽视。

但人类与数据不同，我们有的是内心求索活动，及自己思考的能力，我们知道自己想要做的是什么，人类是随着时代进步不断学习和改变的，只要我们愿意，人类的未来就是知识和充满见解的，我们所要做的是通过不断地运用数据使我们的未来更加社会化人性化，而不是让数据支配我们的生活，使它变得冰冷又机械。

结语

在数据资本兴起的今天我们作为其中的人类个体若不想被代替，不能只看自己“价格”,因为价格所反映的个人信息在海量数据的对比下，已经是十分不全面的，只能说一项工作中的个人价值中的一部分是“价格”,个人价值应该参考个人偏好、市场所需、公司制度等多方面于劳动力市场得到最佳匹配，否则随着海量数据在人才高流动市场中发挥的作用，总有更匹配的人才。在面临数据资本时代，作为一个不想被替代的人类本身，我认为我们并不是要不考虑自己的兴趣所在而让自己拼命在数据处理工作，算法开发工作占一席之地，但我知道自己以后所要从事的工作应该是具有创造力且非机械化的。接受我们自身的多样化，我们所拥有的就是更加独立的发展。