知远网整理的《大数据时代》读后感（精选6篇），希望能帮助到大家，请阅读参考。
《大数据时代》读后感 篇1
首先，想谈一谈何为大数据，何为大数据时代。大数据是一种资源，也是一种工具。它提供一种新的思维方式去理解当今这个信息化世界。为何说是一种新的思维方式：在信息缺乏的时代或模拟时代，我们更倾向于精确性的思维方式，就像是＂钉是钉，铆是铆＂，而在这种传统的思维方式下，我们得到问题的答案只有一个。
而在大数据时代下，我们打破了这种思维方式，换句话说，我们接受结果的不确定性。简言概括之，我认为大数据是一种预测模型。在大数据时代下，我们关注的不是因果，即为什么是这样，而更关心＂是什么＂这种相关关系。换句话说，在这种新思维的思考方式下，我们探究问题背后的原因也是不可行的。我们所做的是利用大数据这种工具，让数据自己说话！
其次，我想谈下如何利用大数据提升我军战斗力。当然，大数据分析并不是精准的预测，精准的预测也是不存在的。大数据只能有利于我们理解现在和预测未来的可能性。
作为军人，我所关注的是如何利用好大数据的工具提升我军战斗力，打赢这场信息化战争。毫无疑问，现在我们打的不是刀对刀，枪对枪的战争，更不是模拟时代，当代乃是数字时代，打的是信息化战争！
四次战争的大胜，美军的战争形态从机械化转向信息化，而且相应的在战场取胜的时间也越来越短，这正是大数据时代下的必然结果。而我军正在转向信息化的过程中。在此战争形态的过程中，我们需要更多的计算分析师，大数据分析师，数学家等高等技术性人才来打赢这场信息化战争。这正是大数据时代下我们不得不有的基础。我军战斗力的提升迫在眉睫！
当然大数据是一把双刃剑，利用好了取胜也是得心应手，相反，利用不好会导致不可估量的.损失。
毕竟，这只是一种预测模型，得不到精准的预测结果。我们更要让数据为我们所用，不要被庞大的数据库框住我们的思维。为适应时代的发展，在这个适者生存，弱肉强食的世界，大数据时代下的残酷竞争已经给我们敲响警钟，一场悄无声息的信息化战争已经打响！
《大数据时代》读后感 篇2
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著作——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，才能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排除随机抽样，只是抽样的方法和范围要加以拓展。
我同意舍恩伯格的第二观点，我认为这是对他第一个观点很好的补充，这也是对精准传播和精准营销的一种反思。”大数据的简单算法比小数据的复杂算法更有效。“更具有宏观视野和东方哲学思维。对于舍恩伯格的第三个观点，我也不能完全赞同。”不是因果关系，而是相关关系。“不需要知道”为什么“，只需要知道”是什么“。传播即数据，数据即关系。在小数据时代人们只关心因果关系，对相关关系认识不足，大数据时代相关关系举足轻重，如何强调都不为过，但不应该完全排斥它。大数据从何而来？为何而用？如果我们完全忽略因果关系，不知道大数据产生的前因后果，也就消解了大数据的人文价值。如今不少学者为了阐述和传播其观点往往语出惊人，对旧有观念进行彻底的否定。
世间万物的复杂性多样化并非非此即彼那么简单，舍恩伯格也是这种二元对立的幼稚思维吗？其实不然，读者在阅读时一定要看清楚他是在什么语境下说的.，不要因囫囵吞枣的浅读而陷入断章取义的误读。比如说舍恩伯格在提出”不是因果关系，而是相关关系。“这一论断时，他在书中还说道：”在大多数情况下，一旦我们完成了对大数据的相关关系分析，而又不再满足于仅仅知道‘是什么’时，我们就会继续向更深层次研究的因果关系，找出背后的‘为什么’。“由此可见，他说的全体数据和相关关系都在特定语境下的，是在数据挖掘中的选项。
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。舍恩伯格认为数据化就是一切皆可”量化“，大数据的定量分析有力地回答”是什么“这一问题，但仍然无法完全回答”为什么“。因此，我认为并不能排除定性分析和质化研究。数据创新可以创造价值，这是毫无疑问的。舍恩伯格在讨论大数据的角色定位时仍把它置于数据应用的商业系统中，而没有把它置于整个社会系统里，但他在第二部分大数据时代的管理变革中讨论了这个问题。
在风险社会中信息安全问题日趋凸显。如何摆脱大数据的困境？舍恩伯格在最后一节”掌控“中试图回答，但基本上属于老生常谈。我想，或许凯文·凯利的《失控》可以帮助我们解答这个问题？至少可以提供更多的思考维度。正如舍恩伯格在结语中所道：”大数据并不是一个充斥着算法和机器的冰冷世界，人类的作用依然无法被完全替代。大数据为我们提供的不是最终答案，只是参考的答案，帮助是暂时的，而更好的方法和答案还在不久的未来。“谢谢舍恩伯格！让大数据讨论从自然科学回到人文社科。由此推断，《大数据时代》不是最终答案，也不是标准答案，只是参考的答案。
此外，在阅读此书之前还必须具备一些数据科学的基本知识和基本概念，比如说什么叫数据？什么叫大数据？数据分析与数据挖掘的区别，数字化与数据化有什么不同？读前做些功课读起来就比较好懂了。
《大数据时代》读后感 篇3
3月11日下午两节课后，我校全体教师和受邀而来的金南学区各友好学校的领导及教师汇聚于多媒体教室，共同分享、交流。
老师们从：何谓大数据；立足国情对大数据进行探讨；大数据在教育教学中的主要应用等几个方面畅谈了自己的感悟。
张萌老师说：大数据体量庞大、结构复杂、是产生巨大价值的数据集合。大数据这种方法在中国的国情下需要以更加科学、合适的.方式进行实践，不可生搬硬套。
董译雯老师说：在你我感叹《大数据》里深植于美国民众血液中的自由、民主、严谨的价值观的同时，可否想过中国教育体制下的孩子们身上还残留多少独立与自我意识？作为典型的八零后，我们这一代人身上最缺失的便是独立思考能力。但愿，我的学生哪怕是因为我所做的一点点努力而开始思考“我”这个字的含义，足矣！
张红杰老师说：很感谢校长给我们推荐了《大数据》这本书。在教学工作中，应该有大数据意识，创新意识。学习一些专业的教学统计法、数据分析法，从中发现一些教育现象，并采取相应的策略。让我们的教育教学工作少一些随意和盲目，多一份严谨与科学。
白媛媛老师通过文中的三个事例，结合教学实际，谈了自己教学中对数据使用的价值；结合自己的工作，谈了如何实现工作的最高境界。
交流活动尾声，身为阅读《大数据》的倡议者、发起者、以及忠实的读者韩校长幽默风趣的同大家分享了他读后的感悟：我们心中要装着学校，因为我们个人的命运依赖群体的命运；工作要追求精细化，不能做胡适书中的“差不多”先生；尊重数据，拥有数据意识，建立数据团队！
此次活动从寒假期间倡导读《大数据》一书，到开学伊始的分组沙龙，再到今日的阅读共享，现已圆满告一段落。相信此次活动定会增强我校全体教师的数据意识，掌握大数据，运用大智慧助推我校的教育教学上一个新的台阶！
《大数据时代》读后感 篇4
读完《大数据时代》这本书后，我意识到：我们即将或正在迎接由书面到电子的跳跃之后的又一重大变革。
这本书介绍了大数据时代来临后，接踵而至的三项变革——商业变革、管理变革和思维变革。
其实，这场变革已经打响。商业领域由于大数据时代的到来而推陈出新。前几年，一家名为Farecast的公司，让预订到更优惠的机票价格不再是梦想。公司利用航班售票的数据来预测未来机票价格的走势。现在，使用这种工具的乘客，平均每张机票可以省大约50美元，这就是大数据给人们带来的便利。
大家应该都知道2009年出现的H1N1型流感，就拿美国为例，疾控中心每周只进行一次数据统计，而病人一般都是难以忍受病痛的折磨才会去医院就诊，因此也导致了信息的滞后。然而，对于飞速传播的.疾病，Google公司却能及时地作出判断，确定流感爆发的地点，这便是基于庞大的数据资源，可见大数据时代对公共卫生也产生了重大的影响！
在我看来，如果想在在大数据时代里畅游，不仅要学会分析，而且还要能够大胆地决断。
在美国，每到七、八月份时，正是台风肆虐之时，防涝用品也摆上了商品货架。沃尔玛公司注意到，每到这时，一种蛋挞的销售量较其他月份明显增加。于是，商家作了大胆的推测，出现这样的结果源于两种物品的相关性，便将这种蛋挞摆在了防涝用品的旁边。这样的举措大大增加了利润，这就是属于世界头号零售商的大数据头脑！
大数据时代的到来，可以让我们的生活更加便利。但是，如果让大数据主宰一切，也存在一定的风险。
大家应该都知道电子地图，它可以为人们指引方向。但大家应该还不知道，它会默默地积累人们的行程数据，通过智能分析可以推断出哪里是自己的家，哪里是工作单位。我们的隐私就这样被不为人知地收集着。
大数据时代的到来，让我们的生活更安全，更方便，但与此同时，我们的隐私不再是隐私，数据的收集变得无所不包、无孔不入。世界已经向大数据时代迈进了一小步，一个崭新的时代正向我们走来。让我们用知识武装大脑，做好准备，迎接新时代的到来！
《大数据时代》读后感 篇5
我主要读了第一部分和第三部分。
第一部分是大数据的思维变革，作者舍恩伯格提出了三个观点，一是＂不是随机样本，而是全体数据＂，二是＂不是精确性，而是混杂性＂，三是＂不是因果关系，而是相关关系＂，作者被誉为＂大数据时代的预言家＂，抛出的观点是掷地有声的，下面我将谈谈我对这三点的理解。
对于一，我们必须承认我们以往做的处理抽样数据得到结果的方法，是省时省力省钱的，而且判断结果是相对高精准的，如人口普查这一案例，如果采用全体数据进行统计分析的话，工作难度是相当大的，最后的结果也不会很满意，这是得不偿失的。但是随着数据处理技术的飞速发展，我们已经具备了处理大量数据的能力，如果在数据分析过程中采用全体数据，就能避免抽样数据可能由于选取偏见带来的非随机性，处理全体数据也必将成为一种趋势。用在国防生管理工作中，就是管理层要对每个个体都给予充分的关心与互动，对于优秀的固然要偏爱，但是对于较差的也要保持＂不抛弃不放弃＂的态度，让每一个个体都找到自己的定位与价值。
对于二，作者强调通过掌握更多的数据，暂时牺牲精确性，关注更多容易被忽略的细节，来做更多的事，得到更多的结果，也就是说我们要有一定的包容错误的能力。我们在收集数据时，要主动获取更多的数据，少加一些限制性条件，然后应用我们处理大数据的能力，或许会获得意想不到的结果。作者举了一个谷歌翻译系统的例子，通过英语作为中转，进行各语言之间的转换。此处的启发就是用我们最擅长的途径，不拘泥于特定规则，来达到我们的目的'，也就是说我们要先认清自己，不去刻意的模仿，找出最适合自己的一套方法。
对于三，作者指出知道＂是什么＂就够了，没必要知道＂为什么＂，乍一看这个观点觉得有点无脑，但是结合第二点就合理了，降低对精确性及原因结果的要求，通过对相关数据的广泛分析，进而得到更丰富更多元的结果。如购物时，系统的购物推荐，并不是肯定你会购买，仅仅是你感兴趣进而可能会买就足够了。其实作者对＂相关关系＂的强调，主要是大数据强大的预测能力，而且这种预测性能还是相当精确的。以上只是我用作者的观点佐证他自己的观点，证明其一定的合理性，但是我是不完全认同的，在航天领域，我们对成功率的要求是极高的，尤其是载人航天领域，我们必须做到万无一失，我们对每一个结果都会深究其根，找出原因。对于国防生体能成绩的分析也是如此，结果只是我们的一个评价机制，而最重要的还是产生这一结果的原因及过程。
第三部分是大数据的管理变革，本来以为作者会讲点如何通过大数据来改革管理机制和提高管理效率，没想到作者只是讲了大数据其实就是我们的隐私的暴露，提出了要让数据采集管理公司对数据的使用负起责任的解决途径。个人感觉，一是我们在平时要意识到个人隐私的保护，而是相关法律政策的完善，真正的让大数据服务我们的工作生活，而不是一种变相的威胁。
《大数据时代》读后感 篇6
知道＂是什么＂就够了，没必要知道＂为什么＂。在大数据时代，我们不必非得知道现象背后的原因，而是让数据自己＂发声＂。这个命题是我读这本书最大的感触。
对于大多数人来说，这的确是一场思维变革。对于理科学生来说，会认为这是一个错误的观点，因为这无异于否定了他们对世界客观物理化学规律探索的重要性；对于一名工科学生，其实这并不是一个多么新颖的观点，因为工科是讲求时用性的，如何能更好地利用基本自然科学规律创造社会财富比探索自然科学知识显得更重要。
这些天来，在读大数据这本书的同时，也稍微重温了一下自动控制原理，认识到控制系统中存在明显的大数据时代思维方式，借读书交流会之际，与大家分享。
对系统的有效控制需要对系统理解与建模。以一个日常生活中的`例子说明。开车的时候一脚油门下去车就飞出去了，但并不知道这一脚油门下去能给多大车速，这就需要驾驶人员的熟练的驾驶技能了，不然超速被开罚单是很正常的。那么，问题就来了：如何能实现速度的自动控制而不用驾驶人员踩油门？这就是控制系统最关键的环节——建立系统数学模型。大白话就是知道车速与燃油量的数学关系式。若是以探索为什么的思维模式，不可避免的要列一大堆能量方程、动量方程等物理化学式子，经过繁杂的计算，还是能得到车速和燃油量的数学关系式的。很明显这是一个繁琐的过程，因为得知道现象背后的原因。这仅是对于这种简单的系统，若是对于航空发动机这种复杂的系统，结构工艺过于复杂，分析各部分的物理化学过程是十分困难的，这时候可以通过实验法得到数学模型。
实验法主要有时域测定法、频域测定法和统计相关法。与大数据时代思维最接近的是统计相关法，主要过程是对被研究对象施加某种随机信号，根据被测对象各参数的变化，采用统计相关法确定被测系统或对象的动态特性。这种方法可以在被测系统或生产过程正常运行状态下进行在线辨识，测试结果精度较高，但要求采集大量测试数据，并需要相关仪和计算机进行数据计算和处理。
若用开车实例来解释，此时的系统为汽车动力系统，施加的随机信号为燃油量，被测对象指车转速，得到的动态特性就是指车速与燃油量函数关系式，从而不用探求背后的物理化学规律就得到了数学模型。
在沈阳黎明航空公司实习时去过试车间，除了发动机点火后震撼的场景动人心魄，控制室屏幕上海量的数据也同样引人注目，我想这么多数据无非就是验证数学模型或直接实验法得到数学模型，结合航空发动机这种复杂的系统，对于搞控制的人来说，得到数学模型就够了，现象背后的原因交给研发的人来探索更好。