《大數據時代》讀後感範文（精選7篇）

讀完一本名著以後，大家心中一定是萌生了不少心得，需要寫一篇讀後感好好地作記錄了。是不是無從下筆、沒有頭緒？以下是小編幫大家整理的《大數據時代》讀後感範文（精選7篇），僅供參考，歡迎大家閲讀。

《大數據時代》讀後感1

這兩年，大數據這個詞突然變得很火，不僅出現在互聯網公司的戰略規劃中，同時在中國國務院和其他國家的政府報告中也多次提及，無疑成為當今互聯網世界中的新寵兒。筆者對大數據一直好奇已久，閲讀了很多資料仍不得其解，直到讀完《大數據時代》才有了粗略的認識。

《大數據時代》從思維、商業、管理三個方面闡述了在大數據時代下的變革。這些變革涉及人們生活的方方面面，其影響程度可以與兩次工業革命相媲美。作者在第一部分提出了三個比較令人震驚的觀點：第一，不是隨機樣本，而是所有數據，這裏要求數據有很多。第二，不是精確性，而是混雜性，這裏要求數據更雜。第三，不是因果關係，而是相關關係，這裏要求數據要更好。第二部分作者從萬事萬物數據化和數據交叉複用的巨大價值兩個方面，講述驅動大數據戰車在材質和智力方面向前滾動的最根本動力。第三部分則是闡述了大數據時代下的弊端以及在管理上的措施。個人認為這本書的精髓部分是第一部分。第一部分的三個觀點涉及面很廣，包括統計學、邏輯學、哲學等。後兩個部分都是以第一部分這三個觀點為基礎展開闡述的。

筆者側重於從第一部分中的這三個觀點談談自己的看法。這三個觀點其實就是哲學上講的世界觀，因為世界觀決定方法論，所以這三個觀點對傳統看法的顛覆，就會導致各種變革的發生。

首先，作者認為在抽樣研究時期，由於研究條件的欠缺，只能以少量的數據獲取最大的信息，而在大數據時代，人們可以獲得海量的數據，抽樣自然就失去它的意義了。

其次，要效率不要絕對的精確。作者説，執迷於精確性是信息缺乏時代和模擬時代的產物，只有5%的數據是結構化且能適用於傳統數據庫的。如果不接受混亂，剩下95%的非結構化數據都無法被利用。作者是基於數據不可能百分之百正確的考慮而做出這樣的判斷的，如果採用小數據，一個數據的錯誤就會導致結果的誤差很大，但是如果數據足夠多、數據足夠雜那得出的結果就越靠近正確答案。大數據時代要求人們重新審視精確性的優劣，書中還説到大數據不僅讓人們不再期待精確性，也讓人們無法實現精確性。

最後，不是因果性，而是相關性，這是這本書中爭議最大的一個觀點，不僅是讀者，就算是本書的譯者也在序言中明確地説到他不認同“相關關係比因果關係更重要”的觀點。作者覺得相關關係對於預測一些事情已經足夠了，不用花大力氣去研究天們的因果關係。作者用林登的亞馬遜推薦系統的成功，證實了大數據在分析相關性方面的優勢以及在銷售中獲得的成功。沃爾瑪也是充分地利用並挖掘各類數據信息的代表，從啤酒和尿布的案例，以及作者舉的有關蛋撻和颶風天氣的案例，都説明了掌握了相關關係對於策略的幫助作用。

作者在書中把大數據説得很厲害，在最後一部分分析大數據帶來無數好處的同時，也帶來了不良影響以及如何面對這些影響。用麥克納馬拉的例子來説明對數據過度依賴所帶來的後果。也用《少數派的報告》這部電影來説明如果痴迷於數據會導致人們將生活在一個沒有獨立選擇和自由意志的社會，如果一切變為現實，人們將被禁錮在大數據的可能性之中。書中提出了兩種解決方法，一種是使用數據時徵詢數據所有個人的知曉和授權，另一種是技術途徑匿名化。毫無疑問，大數據將會給社會管理帶來巨大的變革。

大數據給人類社會的方方面面帶來了巨大的變革，這是社會發展的潮流，不可逆轉，人們只有順應這種潮流，在思想上和技能上做好準備，才能成為時代的弄潮兒。對於一家公司或一個國家，要從根本上改變思維和觀念，儘早適應這種潮流。

《大數據時代》讀後感2

對於暢銷書刊、熱點話題、時尚科技，始終不太感興趣。書刊，喜歡有一定年份的。話題，鍾情於務虛的觀點。新奇的產品於我無緣，習慣使用成熟的科技產品。既不清高，也非冷漠，就是要與現實保持一定的距離，給自己留一點思考的空間。這一習慣最近破了例。由於工作的原因，耳濡目染，“大數據”這個新興概念開始頻繁步入我的視野。按捺不住內心的好奇，網購《大數據時代》，手不釋卷，三天讀完，頗有收穫。此書有如下特點。

首先，作者站在理論的制高點上，條理清楚地闡述了大數據對人類的工作、生活、思維帶來的革新，大數據時代的三種典型的商業模式，以及大數據時代對於個人隱私保護、公共安全提出的挑戰。其次，文中的事例貼近現實生活，貼近時代，令讀者既印象深刻，又感同身受。此外，作者沒有使用大量的專業術語，沒有假裝一副專業的面孔。縱觀全書，遣詞造句，均通俗易懂。

作者認為大數據時代具有三個顯著特點。

一、人們研究與分析某個現象時，將使用全部數據而非抽樣數據。

二、在大數據時代，不能一味地追求數據的精確性，而要適應數據的多樣性、豐富性、甚至要接受錯誤的數據。

三、瞭解數據之間的相關性，勝於對因果關係的探索。“是什麼”比“為什麼”重要。

作者指出，隨着技術的發展，數據的存儲與處理成本顯著降低，人們現在有能力從支離破碎的、看似毫不相干的數據礦渣中抽煉出真知爍見。在大數據時代，三類公司將成為時代的寵兒。一是擁有大數據的公司與組織。如政府、銀行、電信公司、全球性互聯網公司(阿里巴巴、淘寶網)。二是擁有數據分析與處理技術的專業公司，如亞馬遜、谷歌。三是擁有創新思維的公司，他們可能既不掌握大數據，也沒有專業技術，但卻擅長使用大數據，從大數據中找到自己的理想天地。

面對即將來臨的大數據時代，個人將如何應對自如？這是個嚴肅的問題。

《大數據時代》讀後感3

如今説起新媒體和互聯網，必提大數據，似乎不這樣説就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。他的諮詢客户包括微軟、惠普和IBM等全球企業，他是歐盟互聯網官方政策背後真正的制定者和參與者，他還先後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！那麼，這位大師説的都是金科玉律嗎？並不一定，讀大師的作品一定要做些功課才好讀懂，才能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：不是因果關係，而是相關關係。對於第一個觀點，我不敢苟同。

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，對於簡單事實進行判斷的數據分析難道也要採集全體數據嗎？

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，並不一定需要全部數據。聯繫到舍恩伯格第二個觀點中所説的相關關係，我理解他説的全體數據不是指數量而是指範圍，即大數據的隨機樣本不限於目標數據，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，只是抽樣的方法和範圍要加以拓展。

我同意舍恩伯格的第二觀點，我認為這是對他第一個觀點很好的補充，這也是對精準傳播和精準營銷的一種反思。”大數據的簡單算法比小數據的複雜算法更有效。“更具有宏觀視野和東方哲學思維。對於舍恩伯格的第三個觀點，我也不能完全贊同。”不是因果關係，而是相關關係。“不需要知道”為什麼“，只需要知道”是什麼“。傳播即數據，數據即關係。在小數據時代人們只關心因果關係，對相關關係認識不足，大數據時代相關關係舉足輕重，如何強調都不為過，但不應該完全排斥它。大數據從何而來？為何而用？如果我們完全忽略因果關係，不知道大數據產生的前因後果，也就消解了大數據的人文價值。如今不少學者為了闡述和傳播其觀點往往語出驚人，對舊有觀念進行徹底的否定。

世間萬物的複雜性多樣化並非非此即彼那麼簡單，舍恩伯格也是這種二元對立的幼稚思維嗎？其實不然，讀者在閲讀時一定要看清楚他是在什麼語境下説的，不要因囫圇吞棗的淺讀而陷入斷章取義的誤讀。比如説舍恩伯格在提出”不是因果關係，而是相關關係。“這一論斷時，他在書中還説道：”在大多數情況下，一旦我們完成了對大數據的相關關係分析，而又不再滿足於僅僅知道‘是什麼’時，我們就會繼續向更深層次研究的因果關係，找出背後的‘為什麼’。“[i]由此可見，他説的全體數據和相關關係都在特定語境下的，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裏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”是什麼“這一問題，但仍然無法完全回答”為什麼“。因此，我認為並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於數據應用的商業系統中，而沒有把它置於整個社會系統裏，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。如何擺脱大數據的困境？舍恩伯格在最後一節”掌控“中試圖回答，但基本上屬於老生常談。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：”大數據並不是一個充斥着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，只是參考的答案，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，只是參考的答案。

此外，在閲讀此書之前還必須具備一些數據科學的基本知識和基本概念，比如説什麼叫數據？什麼叫大數據？數據分析與數據挖掘的區別，數字化與數據化有什麼不同？讀前做些功課讀起來就比較好懂了。

《大數據時代》讀後感4

我們生活在一個“概念”紛飛的年代，先前只有IBM熟諳的招數，如今已經“飛入平常百姓家”。“移動互聯網”、“雲計算”的概念剛剛消停，業界的專家又送來了“大數據”的概念，一時間似乎人人都變成了“大數據”專家，見面要是不提“大數據”都不好意思跟人打招呼！

玩笑歸玩笑，當我們的存儲能力、計算能力和網絡帶寬變得充裕之後，我們先前對待數據，尤其是原始數據的態度和思維方式，將面臨着很大的改變！

其實，作者的主要觀點，已經在翻譯者的譯者序中進行了總結：“大數據時代處理數據理念上的三大轉變：要全體不要抽樣，要效率不要絕對精確，要相關不要因果”。

如作者所言，“採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”。如果可以，我們當然會使用“全體數據”而不是“抽樣數據”。讀到這裏，我估計大學裏正在絞盡腦汁設計樣本抽樣方法的學生、教授們，連哭的心都有！

數據分析的及時性，在很多情況下比精確性更加重要，尤其是在商業領域。想想看，如果需要兩週時間才能計算出明天某個航班的滿座率，那還有什麼意義？大數據計算技術，適用的不是像衞星發射、開具銀行賬户這樣的工作，而是不要求極端精確的情況，其核心是“預測趨勢”，況且原始數據也可能出現差錯。

過往千年，探究因果關係幾乎是所有科學研究的原動力。甚至，這已經通過語言，融入我們的思維方式和哲學思想：“因為……所以……”，凡事都要問“為什麼”。但是，在大數據的範疇裏，關注的卻是相關性，而不是因果關係，或者其次才是因果關係。超市只用關心把啤酒和尿不濕放在一起，會幫助提高銷售額，而不用關心其中的奧祕。如果説原因，可能很多都是人們的習慣、方便，甚至是人性，例如奶爸們習慣買尿不濕的時候給自己捎上幾罐啤酒。

在此，也有一些自己的思考：如果説搜索引擎所解決的問題表面上是幫助用户找到需要的信息，而實質是幫助企業找到擁有某項需求的客户，深層次講是解決了《第三次浪潮》中提出的消費者和生產者分離的根本矛盾，如果再加上3D打印技術，就可以完成由消費者主導的“個性化”生產過程；而大數據所解決的是，通過對所有用户的數據進行分析，可以預測用户羣整體的需求變化趨勢，從而完成批量產品生產、銷售的調整問題，其奇妙之處就在於無需用户“開口”説出她想要什麼？一個解決的“個體需求”，一個解決的是“羣體需求”。

本書除了提出上述三項基本觀點，其它的內容大多是舉例説明，多少有些空泛。但是，其實大數據時代才剛剛開始，對大數據的應用也只是停留在比較淺的層面上，作者能提出這三項基本觀點已屬難能可貴！

《大數據時代》讀後感5

如今一提起互聯網和新媒體，就不得不提到“大數據”，在多數人印象中，這是個很寬泛的定義，大數據到底是什麼，對我們的工作生活又產生了哪些影響，在拜讀《大數據時代：生活、工作與思維的大變革》後，思路彷彿逐漸清晰。

對於大數據，研究機構給出了這樣的定義：大數據是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。作者舍恩伯格在書中前瞻性的指出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，並用三個部分講述了大數據時代的思維變革、商業變革和管理變革。

一直以來，人類都在利用掌握的數據進行各種分析，從而對經濟、文化等各方面進行預測以期達到選擇最優。進入大數據時代，人類所掌握的數據以爆炸性的速度增長，數據的存儲和分析數據的方法成了釋放大數據能量的關鍵。例如，微博、微信、抖音等推送的消息無處不在，我們掌握了新的工具，也獲取了以前從未有過的各種信息。毫無疑問，在大數據時代，人們與現實的距離被網絡拉近了，周圍一切的人和事物都變得觸手可及起來，如同舍恩伯格所言“開啟了一次重大時代轉型，就像望遠鏡能夠讓我們感受宇宙，顯微鏡讓我們看清微生物一樣，大數據要改變的是，我們的生活方方面面以及理解世界的方式。”

大數據意味着全體數據，而不是隨機樣本，以前沒有獲得和處理大數據的技術，只能採用隨機採樣，用最少的數據獲得最多的信息，隨着大數據時代的到來，採用所有數據的方法取代了隨機分析法這樣的捷徑。當然，大數據也是泥沙俱下的，所有數據裏面包含了更加複雜的成分，混雜的不精確數據佔了所有數據的一部分，如何去偽存真更高效的使用大數據，成為所有人需要思考的課題。

大數據時代，比知道“為什麼”更重要更有價值的是知道“是什麼”，大數據體現的不是因果關係，而是相關關係，很多時候我們不是非得知道現象背後的原因，讓數據告訴我們相關的現象就足以幫助我們做出選擇和決策。傳統的統計調查數據可以描述事物發展的趨勢，對未來的預測起到重要作用，現在有了大數據，這種相關趨勢就可以得到更加完整的擬合，有利於數據的佐證，更有利於數據解讀工作。

大數據非常強大，可以在社會的方方面面幫助我們，但是這種幫助只是暫時的，大數據不能為我們提供最終答案，只能是參考答案，人類本身的作用是無法被大數據所完全替代的，將來，更好的方法和答案將在人類的作用下一步一步到來。大數據作為一種資源，也是一種工具，它改造我們的生活，它能優化、提高、高效化並最終捕捉住利益，但是它對社會的促進是有限的，社會的發展和進步源自於我們人類的獨創性，這種獨創性包括創意、直覺、冒險精神和知識野心等，在大數據時代，這些人類特性的培養依舊顯得尤為重要。

《大數據時代》讀後感6

這本書裏主要介紹的是大數據在現代商業運作上的應用，以及它對現代商業運作的影響。

《大數據時代》這本書的結構框架遵從了學術性書籍的普遍方式。也既，從現象入手，繼而通過對現象的解剖提出對這一現象的解釋。然後在通過解釋在對未來進行預測，並對未來可能出現的問題提出自己看法與對策。

下面來重點介紹《大數據時代》這本書的主要內容。

《大數據時代》開篇就講了Google通過人們在搜索引擎上搜索關鍵字留下的數據提前成功的預測了美國的H1N1的爆發地與傳播方向以及可能的潛在患者的事情。Google的預測比政府提前將近一個月，相比之下政府只能夠在流感爆發一兩個周之後才可以弄到相關的數據。同時Google的預測與政府數據的相關性高達97%，這也就意味着Google預測數據的置信區間為3%，這個數字遠遠小於傳統統計學上的'常規置信區間5%！而這個數字就是大數據時代預測結果的相對準確性與事件的可預測性的最好證明！通過這一事以及其他的案例，維克托提出了在大數據時代“樣本=總體”的思想。

我們都知道當樣本無限趨近於總體的時候，通過計算得到的描述性數據將無限的趨近於事件本身的性質。而之前採取的“樣本<總體”的做法很大程度上無法做到更進一步的描述事物，因為之前的時代數據的獲取與存儲處理本身有很大的難度只導致人們採取抽樣的方式來測量事物。而互聯網終端與計算機的出現使數據的獲取、存儲與處理難度大大降低，因而相對準確性更高的“樣本=總體”的測算方式將成為大數據時代的主流，同時大數據時代本身也是建立在大批量數據的存儲與處理的基礎之上的。

接下來，維克多又通過了IBM追求高精確性的電腦翻譯計劃的失敗與Google只是將所有出現過的相應的文字語句掃描並儲存在詞庫中，所以無論需要翻譯什麼，只要有聯繫Google詞庫就會出現翻譯，雖然有的時候的翻譯很無厘頭，但是大多數時候還是正確的，所以Google的電腦翻譯的計劃的成功，表明大數據時代對準確性的追求並不是特別明顯，但是相反大數據時代是建立在大數據的基礎住上的，所以大數據時代追求的是全方位覆蓋的數字測度而不管其準確性到底有多高，因為大量的數據會湮埋少數有問題的數據所帶來的影響。同時大量的數據也會無限的逼近事物的原貌。

之後，維克托又預測了一個在大數據時代催生的重要職業——數據科學家，這是一羣數學家、統計學與編程家的綜合體，這一羣人將能夠從獲取的數據中得到任何他們想要的結果。換言之，只要數據充足我們的一切外在的與內在的我們不想讓他人知道的東西都見會在這一羣傢伙的面前展現得淋漓盡致。所以為了避免個人隱私在大數據時代被這一羣人利用，維克托建議將這一羣人分為兩部分，一部分使用數據為商業部門服務，而另一羣人則負責審查這一些人是否合法的獲得與應用數據，是否侵犯了個人隱私。

無論如何，大數據時代將會到來，不管我們接受還是不接受！

我覺得《大數據時代》這本書寫的很好，很值得一讀。因為會給我們很多啟發，比如你在相關的社交網站發表的言論或者照片都很有可能被“數據科學家”們利用，從而再將相關數據賣給各大網店。不過，事實就是我們將會成為被預測被引誘的對象。所以説，小心你在網上留下的痕跡。

我喜歡這本書是因為它給我展現了一個新的世界。

《大數據時代》讀後感7

世界的本質就是數據，當你掌握了數據，你便掌控了世界—你可以輕而易舉地通過數據中的相關關係預測事物的發展，將一切不利因素扼殺於搖籃之中—這遠勝於＂防患於未然＂。

《大數據時代》一書，讓我們在觀念上有了三大轉變：要全體不要抽樣，要效率不要絕對精確，要相關不要因果。全書介紹了＂大數據＂時代三種大的變革：思維變革，商業變革和管理變革。在這些巨大變革如洪水一般的＂衝擊＂之下，現代社會的運作方式必將有重大的改變，若不順應這種變革的潮流，就像古中國固步自封，最終被堅船利炮打開國門而自己還用着長鈎鐵戟抗爭一樣，不可避免被掠奪，被落於世界進程之後，所以我們必須轉變我們的思想。

＂我們不再熱衷於尋找因果關係，而應該尋找事物間的相關關係＂，我想這句話是本書的核心思想。大數據時代，信息與數據已成為了一切的本源，我們生活在各種數據構成的海洋之中，如果從另一種視角看，就好像無數條＂看不見的線＂將我們與這些數據聯繫到一起，這是我們以前從未有過、從未想過的。大數據改變了我們以前的通過因果關係瞭解世界的方法，而提供了幾種新的途徑，因為，在大數據時代，我們可以分析更多數據，有時甚至可以處理和某個特別現象相關的所有數據，也就是：樣本＝總體；而且，當研究數據如此之多時，我們已不熱衷於＂精確＂，而是＂混亂＂，若不接受＂混亂＂，那麼有95％的非結構化數據無法利用，這將無法使我們構建完整的數據世界，在分析更多、更全面的數據之後，我們就可以從這些數據之中發掘它們的相關關係，即以＂是什麼＂而不是＂為什麼＂的角度看待數據，不用管其從何而來，只要分析其如何影響其他事物既可，即＂讓數據自己發聲＂，這些，徹底推翻了人類以前探索數據的方法，展現了一個全新的世界。

這種觀念以驚人的力量給現知識狀況帶來了巨大的衝擊，通過對海量數據的分析，獲得巨大價值的產品和服務，或深刻的洞見。比如谷歌公司，2009年流感流行之時，通過檢測檢索詞條，處理34.5億個不同的數據模型，通過預測並與2007、2008年的美國疾控中心記錄的實際流感病例進行對比後，確定了45條檢索詞條組合，並將其用於一個特定的數學模型後，預測結果與官方數據相關係數高達97％，這種大數據技術，以前所未有的方式，通過海量數據分析得出流感所傳播的範圍，為預測流感提供了一種更快速、高效的工具。

同時，雖然大數據可為人類造福、對抗病症，但這僅限於掌握這門技術而言，若不重視這種技術，當我們的對手早於我們一步構建這種數據網絡之時，便是我們的災難，想想，大數據雖核心的在於預測，當敵人通過這種手段預測我方下一步的行動，將是可怕的—比如你的導彈將從何處發射，將飛往哪，你的軍隊動向、目標，總之所有一切＂未來＂將掌控於敵手，敵方甚至可以藉此發現那些將來有＂大作為＂的人，從而進行滲透或扼殺，這對我們的發展無疑是致命的，所以，儘快加速大數據系統的構建進程是必須的。

對於我們國防生，也必須順應這種發展趨勢，未來的時代必將是數據極易獲取，數據網絡共享化的時代，通過這些數據，建立數據模型，可以準確分析並給出適合每一個人的計劃，如運動量、訓練強度，可以＂先知、先覺＂，及時發現一個人的負面情緒前及時疏導，這些必將成為現實，我們必須跟進時代，做好準備，去應對大數據時代的一切！