第一篇：讀大數據時代有感

讀《大數據時代》有感

15級會計ACCA 班 201526909019 李佳凌

《大數據時代》是國外大數據研究的先河之作，該書作者維克托?邁爾?舍恩伯格被譽為?大數據商業應用第一人?，擁有在哈佛大學、牛津大學、耶魯大學和新加坡國立大學等多個互聯網研究重鎮任教的經歷。讀完這本書后我有著非常深的感悟。

維克托?邁爾?舍恩伯格在書中前瞻性地指出，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，并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。維克托?邁爾?舍恩伯格最具洞見之處在于，他明確指出，大數據時代最大的轉變就是，放棄對因果關系的渴求，而取而代之關注相關關系。也就是說只要知道?是什么?，而不需要知道?為什么?。這就顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。如今，數據已經成為一種商業資本，一項重要的經濟投入，可以創造新的經濟利益。

大數據的精髓在于我們分析信息時的三個轉變，這些轉變將改變我們理解和組建社會的方法。第一個轉變就是，在大數據時代，我們可以分析更多的數據，有時候甚至可以處理和某個特別現象相關的所有數據，而不再依賴于隨機采樣。第二個改變就是，研究數據如此之多，以至于我們不再熱衷于追求精確度。第三個轉變因前兩個轉變而促成，即我們不再熱衷于尋找因果關系。尋找因果關系是人類長久以來的習慣。即使確定因果關系很困難而且用途不大，人類還是習慣性地尋找緣由。相反，在大數據時代，我們無須再緊盯事物之間的因果關系，而應該尋找事物之間的相關關系，這會給我們提供非常新穎且有價值的觀點。相關關系也許不能準確地告知我們某件事情為何會發生，但是它會提醒我們這件事情正在發生。

大數據的相關關系分析法更準確、更快，而且不易受偏見的影響。建立在相關關系分析法基礎上的預測是大數據的核心。一個東西要出故障，不會是瞬間的，而是慢慢地出問題的。通過收集所有的數據，我們可以預先捕捉到事物要出故障的信號，比方說發動機的嗡嗡聲、引擎過熱都說明它們可能要出故障了。系統把這些異常情況與正常情況進行對比，就會知道什么地方出了毛病。通過盡早地發現異常，系統可以提醒我們在故障之前更換零件或者修復問題。通過找出一個關聯物并監控它，我們就能預測未來

隨著網絡技術的發展成熟，傳統行業不斷感受到來自大數據、云計算等新技術的沖擊，這些新技術意味著游戲規則的改變，大數據技術對各行各業的發展的影響尤為顯著。人們對大數據的探討越來越深入，興趣也越來濃厚。

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。

維基百科說大數據由巨型數據集組成，這些數據集大小常超出常用軟件在可接受時間下的收集、運用、管理和處理能力，或稱巨量數據、海量數據、大資料，大數據的常見特點是3V：Volume、Velocity、Variety。但是通過閱讀，我了解到規模巨大的數據未必就是大數據。比如伯努利實驗，隨著實驗次數的無限增加，頻率將趨近去概率，但這只能說是統計學或者是概率學，而不是大數據。將這一概率引入金融學、天文學、地理學等等領域，進而進行關聯研究，但是傳統的分析方法的時間是不允許這樣做的，這需要搞笑計算資源與能力，將處理結果迅速呈現出來。

大數據并不是指數據本身，而是一種思維方式。

?大數據不是要教機器像人一樣思考。相反，把數學算法運用到海量的數據上來預期事情發生的可能性。?大數據令人著迷之處還在于，它正在嘗試著引導人們用科學的辦法對?預測?挑戰。作者引用了安德森的觀點?現在已經是一個有海量數據的時代，應用數學已經取代了其他的所有學科工具，而且只要數據足夠，就能說明問題?。

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。而要為商業所用，第一從原始數據采集、數據清洗整合到構建模型分析、形成可顯示化結果，整個流程必須連貫起來；第二，大數據產業化，技術成熟。

而國內目前的情況是，傳統企業的流程分割化現象嚴重，就數據采集方面來說，因內部是各個孤立的系統而產生信息孤島現象，又或者是數據采集過于片面。

所以傳統行業能夠運用大數據技術創造更大的商業價值的前提是實現信息化、數字化，并且要有新的思維，不論是公司高層還是底層（這就涉及到第三部分——管理變革）。此外，大叔級技術在國內的發展不能說順利。首先國內的大數據技術缺乏數據準備階段，這就使得發展大數據成為空話或者是說只是一種概念炒作，對比國外，沒有媒體刻意推進和炒作，只是在腳踏實地地研究，這樣出來的技術才可能是完美的成熟的。

要發展好大數據，要利用大數據創造的價值，就要改變管理的思維方式，變革管理模式。運用大數據的企業要改變，研究開發大數據的企業也要改變。

維克托〃爾耶〃舍恩伯格在《大數據時代:生活、工作與思維的大變革》中最具洞見之處在于，他明確指出，大數據時代最大的轉變就是，放棄對因果關系的渴求，而取而代之關注相關關系。也就是說只要知道?是什么?，而不需要知道?為什么?。這顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。對于大數據（Big Data）的應用，并不是他不想證明因果關系，而是并不能證明因果關系。由于大數據的收集方法和分析方法，在于把所有能收集的數據都收集，再集中分析，這種研究方法是缺乏時效性（temporality）的，所以，他并不能證明因果關系，只可以說明兩者的相關關系。

可是，對于事物發展的預測，有時，影響因素成千上萬，解釋的理論更加是多如牛毛。大數據改造了我們的生活，它能優化、提高、高效化并最終捕捉住利益，那直覺、信仰、不確定性和創意還能扮演什么角色呢？就算大數據無法教會我們所有事情，只要能幫助我們表現更佳、更富效率、取得進步，就算缺乏深入理解也是很有用的了。一貫如是地堅持下去才有效力。即使你不明白為什么付出的努力得不到回報，但相比不努力，你要明白你已經在改善事情的結局了。

有時候，當我們掌握了大量新型數據時，精確性就不那么重要了，我們同樣可以掌握事情的發展趨勢。大數據不僅讓我們不再期待精確性，也讓我們無法實現精確性。然而，除了一開始會與我們的直覺相矛盾之外，接受數據的不精確和不完美，我們反而能夠更好地進行預測，也能夠更好地理解這個世界。

大數據并不是一個充斥著運算法則和機器的冰冷世界，其中仍需要人類扮演重要角色。人類獨有的弱點、錯覺、錯誤都是十分必要的，因為這些特性的另一頭牽著的是人類的創造力、直覺和天賦。偶爾也會帶來屈辱或固執的同樣混亂的大腦運作，也能帶來成功，或在偶然間促成我們的偉大。這提示我們應該樂于接受類似的不準確，因為不準確正是我們之所以為人的特征之一。

以上就是我的一些感悟，在大數據時代的背景下，我們應該看到其更深層次的東西，抓住機遇迎接挑戰，不斷進步。摘錄部分：

下面摘錄一部分我在知乎上看到的關于《大數據時代》的討論，網友提出的質疑同樣值得我們深思。

作者：AndyHsu來源：知乎

鏈接：http://www.tmdps.cn/question/20666694/answer/18153613 花了三天的零碎時間大致看完了舍恩伯格的《大數據時代：生活、工作、思維的大變革》。我看推薦說這是?迄今為止最好的一本大數據專著?。目前公司在搞Hadoop、大數據應用，外面各類零碎的資料也非常多，那么想我應該去看一下這?最好?的專著吧。

一、主要觀點上可以探討的地方

作者提出了關于大數據的?擲地有聲?的三個原則。這三個原則凡講大數據必被提及，很多人奉為圭臬。但是我覺得每一點都值得探討。這三點分別是：不是隨機樣本，而是全體數據；不是精確性，而是混雜性；不是因果關系，而是相關關系。

看完之后感覺都有點不是那么回事。1.不是隨機樣本，而是全體數據

這個說得好像人類從來就不知道使用全體數據可以得到更全面的結論，而非要去煞費苦心發展出一套抽樣技術一樣。人類早就知道處理全量數據的好處，而之所以要進行抽樣分析，原因不外乎兩點：一是處理能力跟不上，二是數據收集能力跟不上。作者認為人類之前主要受限于數據的處理能力而不去處理全量數據，但在目前機器處理能力有了巨大的提升的時代，限制絕大多數應用的瓶頸不是計算能力而是數據采集能力（不要去提那些極少數需要超級計算機的場合，那個和多數人無關、和本書的商業主題也無關）。但是即便如此，抽樣所要針對的很多應用場景是不太可能收集全量數據的情況。比如人口普查，無論計算機力量如何強大，當前很多數據還是要人工去收集，所以這個普查還是要用抽樣的方式。有意思的是，作者用人口普查是抽樣分析來說明非?全量?時代我們被迫采用了抽樣，而最終也沒法說我們是否已經可以用全量數據來做人口普查了。實際上至少在目前，對于人口普查，抽樣還是必然的選擇（嗯，你可以設想，以后人人都裝一塊芯片，你可以在你的PPT里講給你的客戶和老板聽）。再比如我們統計里的經典問題：怎么估算一批零件的使用壽命？怎么去分析一批奶品里的三聚氰胺？以前我們不可能去做全量測試，因為這意味著這批零件就廢了，這批奶也全部用于測試了，這樣測出結果也沒啥意義了（嗯，你也可以說：我我們去收集歷史上所有此類零件的使用情況來進行分析吧.....嗯，加油吧，雄心勃勃的騷年）。現在 ？我們還是必須依賴抽樣，是必須。

即便不提這些例子，僅從邏輯而言：收集、處理數據的行為本身也在不斷產生著新的數據。我們又怎么證明這些數據不是你需要的?全量?的一部分呢？

作者的行文中，關于什么是?全量?，處于不斷的搖擺之中。有時指?我們需要的所有數據?，有時指?我們能收集到的所有數據?。作者舉了人口普查的例子，這個全量顯然指前者。而在很多商業案例中，又顯然指后者。我們有能力處理越來越多的、在以前不敢想象的大量數據，但是至少目前看，我們還沒可能說我們處理了?全量?。我們最多可以說我們能處理我們能搜集到的?全量?，但如果據此產生了我們已經沒有遺漏數據了的感覺，認為所有數據盡在掌握了，那我認為是一種很可能導致錯誤的錯覺。

2.不是精確性，而是混雜性

這個么，說得好像以前的人類在使用?抽樣?數據時竟然都認為取到的數據是?精確?的一樣。在使用抽樣數據的時候，我們就知道要容忍一定的誤差。我們甚至知道在就算取得了?全樣?數據的時候，也可能因為有各種原因而導致的不精確，統計實踐中對此有相當多的案例。人類從未奢望過我們通過數據分析取得的多數結論是精確的。我們從來都要在信息混雜的情況下做出大多數的決策。

3.不是因果關系，而是相關關系

這是很多人（包括作者）認為最有價值、最重大的發現，而實際上卻也是最收到批評的一個觀點。連譯者周濤教授在序言里都表示看不下去了，他至于認為如果放棄對因果關系的分析，是人類的墮落。我不說這么高的哲學層面，只從邏輯和技術上討論一下。

計算機能夠提供給我們的結論（到目前為止以及在可見的未來），都是相關性。計算機從未提供過明確的因果關系給人類。是否因果關系，是人類在數據基礎上，進行的人為判斷。一直有相當多的應用，也是只考慮相關性，不考慮因果關系的：確定因果關系，是需要更大的精力、更多的投入的。所以只看相關性而不看因果性也不是什么新的結論（實際上已經是個很舊的結論了）。而這個相關性是不是可以作為決策的基礎呢？這個一樣離不開人的判斷。有一個這樣的故事：通過大量的數據分析，慈善組織得出結論：一個國家、地區的電視機的普及率與發達富裕程度很有關系（冰箱、洗衣機、空調、高跟鞋、牛仔褲，etc.，也會和發達程度有這樣的相關性），于是他們就向貧困國家贈送了很多電視，認為此舉可以促進該國的經濟發展。你可以鬼扯電視的普及與經濟文化的密切相關，但是實際上最終發現更可能是經濟發展導致了電視的普及，而不是反過來。所以，我們真的不需要因果分析嗎？說得玩笑一點：這個世界真的不需要腦子了嗎？

作者舉了一個例子：谷歌分析搜索關鍵字來確定哪里可能發生了流行病。認為這就是利用了相關性而不是因果性。這是沒有利用因果判斷嗎？現在在投入巨大的機器資源進行分析之前，分析師已經預計了得病的癥狀可能會導致人們去網上進行相關搜索（影響了搜索行為）。谷歌存儲的用戶上網信息肯定遠遠不止一個搜索關鍵字，分析師為何不開足馬力把?全量?數據、各個指標都分析一遍呢？比如用戶上網地點？上網時間？上網頻率？上網語言？瀏覽器版本？客戶端操作系統？etc...為何會像導彈一樣精確地將機器資源投放到了關鍵字上呢？

總之，對于這些原則，作者為了顯出新意，說得過于絕對。而排除掉絕對的成分后，這些觀點也就不顯得是創新了。作者把三個數據分析人員一直秉持的原則，當做全新的東西講了出來。時代在變化，我們或許應該經常重新審視這些原則，來確認自己的思想是不是僵化了、是不是過時了。我贊同作者重新審視這些看法，但是我覺得沒必要講得這么極端。

二、細節論據上可以探討的地方

除了三個大原則不足以令人完全信服，在一些細節上，作者的引證也不是很嚴謹。

如第51頁，對于拼寫檢查的算法的優化。作者提到，通過輸入大量的數據，4種常見語法檢查算法的準確率提高了很多，以此說明大數據發揮了作用。這確實是個很有啟發性的例子，可以去做更深入的分析和研究，但是.....僅僅4個例子，夠得出很有力的結論嗎？4個算法，作者沒注意到這是一個非常小的樣本嗎？不能因為這是4個用了大數據的采樣，就認為這是一個支持大數據的有力結論了吧。（順便我很想問問他們：為什么不測試個幾十上百的算法呢？是不是面對如此?大量?的計算，也只好折中選擇了一個抽樣的小樣本呢？甚至連樣本數量是否合格都顧不上了嗎？）

三、這本書有什么用處？

對于這樣的一本書，我不明白周濤教授在譯序里為什么要建議大家（以后）每個版本都應該買一本。為什么要買？難道作者理清自己腦子的過程很值得我們關注嗎？

譯序里說：?作者渴求立言立說的野心?，但是我恐怕作者是達不到這個目標的。關于作者的簡介為：?《大數據時代》是國外大數據系統研究的先河之作，本書作者維克托〃邁爾〃舍恩伯格被譽為‘大數據商業應用第一人’，....早在2010年就在《經濟學人》上發布了長達14頁對大數據應用的前瞻性研究。?

總體感覺是作者有很多想法，見識過很多案例（這些案例都豐富地體現在書中了，也很有參考價值）。但并非是一個曾經和數據真正絞盡腦汁搏斗過的人（這是我瞎猜的，沒有考證過他的經歷。考據者請不要告訴他做過什么咨詢案例，這離真正體會數據的折磨還很遠。）。

第183頁說道：?...執行官們信任自己的直覺，所以由著它做決定。但是，隨著管理決策越來越受預測性分析和大數據分析的影響和控制，依靠直覺做決定的情況將會被徹底改變。..."真的會么？如果你面對某一家企業做咨詢，那可以這樣講。一種新技術的采用很有可能大幅提升企業的戰斗力，并超越競爭對手。但是作者是期望對行業立言的人，面對整個社會我們這樣講就不嚴謹了。引用一個例子：中國棋院的一次訓練會后，總教頭馬曉春對隔天要去各自的母隊參加圍甲的棋手們說：祝大家周末取勝。棋手們笑了：我們只有一半的人能贏啊。同樣，如果大家都采用了大數據技術，那么也總有企業要在競爭中落于下風。而既然我們實際上無法真正分析?全量?數據，那CEO們還是會有很大的決策空間，哪怕很多決策實際上?不科學?。最起碼，他們需要決定將有限的企業資源投入到對什么樣的大數據進行分析，并如何應用分析出來的結果。嗯....我認為，這多少還是要依賴一些直覺的。

那么大家是否應該看一下這本書呢？我的答案是應該看一看。既然大數據是當前的潮流、相關的研究/商務活動層出不窮，那么做IT工作、數據工作的人對于?最好的?專著無論如何都必須看一下。書中集中展示了很多案例，值得作為參考和啟發思維。此外，為了作為談資、為了在寫大數據PPT時有所依據，大家也得看看這本書。根據場合不同，可以對里面的內容復制粘貼、理解重寫。這些內容，我相信買一版也就夠了。需要提醒PPT人員的是，演示前請想清楚如何回答可能被提及的質疑。如果你對這本書的觀點都深信不疑，那么你將會遇到很多的質疑。

第二篇：讀《大數據時代》有感

數據的故事

——讀《大數據時代》有感

信息時代的到來，我們感受到的是技術變化日新月異，隨之而來的是生活方式的轉變??我們這樣評論著的信息時代已經變為曾經。如今，大數據時代成為炙手可熱的話題。筆者在這說明信息和數據，只是試圖首先說明信息、數據的關系和不同，也試圖說明，為什么信息時代轉變為了大數據時代？大數據時代帶給了我們什么？

信息和數據的定義。維基百科解釋：信息，又稱資訊，是一個高度概括抽象概念，是一個發展中的動態范疇，是進行互相交換的內容和名稱，信息的界定沒有統一的定義，但是信息具備客觀、動態、傳遞、共享、經濟等特性卻是大家的共識。數據：或稱資料，指描述事物的符號記錄，是可定義為意義的實體，它涉及到事物的存在形式。它是關于事件之一組離散且客觀的事實描述，是構成信息和知識的原始材料。數據可分為模擬數據和數字數據兩大類。數據指計算機加工的“原料”，如圖形、聲音、文字、數、字符和符號等。從定義看來，數據是原始的處女地，需要耕耘。信息則是已經處理過的可以傳播的資訊。信息時代依賴于數據的爆發，只是當數據爆發到無法駕馭的狀態，大數據時代應運而生。這是否是《大數據時代》一書所未曾闡述的背景材料？

在《大數據時代》一書中，大數據時代與小數據時代的區別：

1、思維慣例。大數據時代區別與轉變就是，放棄對因果關系的渴求，而取而代之關注相關關系。也就是說只要知道“是什么”，而不需要知道“為什么”。作者語言絕對，卻反思其本質區別。數據的更多、更雜，導致應用主意只能盡量觀察，而不是傾其所有進行推理？這也是明智之舉

2、使用用途。小數據停留在說明過去，大數據用驅動過去來預測未來。筆者認為數據的用途意在何為，與數據本身無關，而與數據的解讀者有關，而相關關系更有利于預測未來。

3、結構。大數據更多的體現在海量非結構化數據本身與處理方法的整合。大數據更像是理論與現實齊頭并進，理論來創立處理非結構化數據的方法，處理結果與未來進行驗證。

4、分析基礎。大數據是在互聯網背景下數據從量變到質變的過程。筆者認為，小數據時代也即是信息時代，是大數據時代的前提，大數據時代是升華和進化，本質是相輔相成，而并非相離互斥。數據未來的故事。數據的發展，給我們帶來什么預期和啟示？銀行業天然有大數據的潛質。客戶數據、交易數據、管理數據等海量數據不斷增長，海量機遇和挑戰也隨之而來，適應變革，適者生存。我們可以有更廣闊的業務發展空間、可以有更精準的決策判斷能力、可以有更優秀的經營管理能力??可以這些都基于數據的收集、整理、駕馭、分析能力，基于脫穎而出的創新思維和執行。因此，建設“數據倉庫”，培養“數據思維”，養成“數據治理”，創造“數據融合”，實現“數據應用”才能擁抱“大數據”時代，從數據中攫取價值，笑看風云變換，穩健贏取未來。

馮凱旋

第三篇：讀《大數據》時代有感

大數據時代——信息技術進行時

——讀《大數據時代》有感

2012年，出現在金融界人士、IT人士、甚至政界人士耳中最多的詞毫無疑問就是“大數據”，當今社會，每天所產生的數據量是十分驚人的，各行各業都在產生龐大的數據，金融、醫療、教育、政府、商業等等，每天所產生數據總量已經不能用PB來計算，而是以EB、ZB為單位（1ZB=1024EB=1024×1024PB=1024×1024×1024TB=1024×1024×1024×1024GB）來計算，這個數據量是驚人的，但是對于人類來說，具有極其重要的意義。哲學里說，量變產生質變，當這個數據大到一定的程度時，必將對人類社會產生巨大的影響。被譽為“大數據商業應用第一人”的英國人維克托·邁爾·舍恩伯格所著的《大數據時代》前瞻性地指出，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，并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。這本書帶給我的絕對是一種震撼！比如，關于思維變革，書中認為，大數據時代最大的轉變就是，放棄對因果關系的渴求，而取而代之關注相關關系。也就是說只要知道“是什么”，而不需要知道“為什么”。這就顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。

大數據時代的到來，將不可能化為可能，比如阿里巴巴，依賴淘

寶等購物網站所產生的龐大數據，準確預測未來商場趨勢，比如美國大選，依賴大數據準確預測最終結果。大數據已經可以預見未來。

08年提出了云計算的概念，并在今年產生了豐富的應用；12年提出了大數據的概念，并迅速在12年年底產生了實質性的價值，信息技術之變化，快得令人咋舌。然而，作為傳承文化精髓的教師，對于信息技術又有多少研究呢？win8已經出現在各種終端上，但是有很多老師仍然沉醉于叉p；office2013也出來了，但我們絕大多數老師仍然只會用office2003。許多老師嘴上說要與時俱進，但事實上，人類的惰性在他們身上體現得格外明顯。

再來說說云計算，其核心理念便是云存儲和云共享，2012年體現得格外明顯。且不說國外大公司推出的云服務，如微軟的skydrive，僅僅在國內，就有許多大公司推出了各種云服務，金山快盤、360云盤、百度云，這些產品，無一不體現云計算的核心理念。當我開通了云服務之后，已經深深感受到云計算所帶來的便利：百度云上，存儲了我N多的軟件、音樂、文檔、圖片；無論哪位朋友，需要我的某個文件，只需打開百度網盤，創建一個鏈接并發給他，他就能直接下載我存儲在云端的文件。現在我一直在想，在這個云時代，還有必要購買優盤、移動硬盤么？這些移動存儲設備，充其量只是方便我們在本地拷貝文件，異地傳輸，絕對是云的天下。

但是，有多少老師進入云端了呢？

思及這個問題，我感到深深的遺憾。中國教育為世人所詬病，教師自身難辭其咎！同時，對于負有教師培訓重責的相關部門的不作為，表示深深的遺憾。

注：本文使用office2013寫成，存儲于skydrive（微軟云）。

第四篇：讀《數據資本時代》有感

讀《數據資本時代》有感

國民經濟管理16 張琦

注：此為中央財經大學陳運森老師 《高級財務管理》課程的學生作品

隨著時代的往前推進，我們逐漸向大數據資本時代邁進，隨著海量數據市場的出現，貨幣體現信息的作用被海量數據替代，雖然貨幣的交易功能仍然保留，但貨幣的價值卻在貶值。這給市場和公司都帶來了不同的機遇和挑戰，也就是經濟的微觀和宏觀方面都將受到海量數據資本的沖擊。大數據時代下，未來市場、未來公司和未來的人類將何去何從；我們如何最正確地迎接海量數據的挑戰，這些問題或許沒有正確答案，但我們盡可能的了解大數據資本時代和我們自身的多樣性，可以做到的是“知已知彼，百戰不殆”.傳統市場與公司在數據資本時代的挑戰

古往今來，人類的合作方式是為了應對資源稀缺的挑戰，隨著溝通方式和信息流動方式而產生的，市場與公司順勢而生。傳統的市場與公司圍繞價格這個信息進行決策，不同的是市場進行的是分散決策，公司進行的是集中決策，圍繞價格，市場中不同個體之間，市場與公司之間，公司內部完成一筆又一筆交易，人類的合作從而達成，人類依靠交易活動得到的物質資本支持人類繼續下一輪的生產活動，交易活動和心靈求索活動。

但在復雜和不確定的環境和人類的理性下，傳統的市場和公司圍繞價格而得到的信息往往是十分不完備與不對稱的，因為價格可能解決了信息過量的問題，但它仍然讓我們做出了十分糟糕的選擇，我們對價格的執著阻礙了市場發揮其最擅長的作用，即協調人類活動。

與市場不同的是，公司的原則是集中決策，在過去的經驗中，公司內部的信息被層層上傳由董事會做出決策，其決策層層下傳，層層執行。隨著公司規模的增大，信息源源不斷地向權力中心移動，而權力中心的決策能力有限，決策水平的提高依靠的就是下放決策權，制定標準決策指導方案然越來越多的人參與決策。這種傳統的層級管理結構和有限的信息流動方式，使信息和決策在流動中受損。傳統資本市場在數據資本下毋庸置疑會面臨衰退，首當其沖的就是銀行業。銀行業的信息不完備與不正確，數據資本帶來的未來將是經濟繁榮發展而金融資本不再會繁榮。

在過去的市場和公司中，公司和市場的效率因此得到巨大的損失。但海量數據向資本市場的涌入，價格的信息作用被大數據替代，人們在各種類的交易中關注的不僅僅是價格，海量數據經過專門的處理成為一種資本，不同產品與服務的種類在數據資本時代是明晰和容易比較的，因此所有類型的市場理應得到重塑，從能源市場到運輸物流市場，從勞動力市場到醫療保健市場。公司傳統的層級管理結構在海量數據的攻勢下也顯得太過封閉繁瑣和成本巨大，是時候迎接市場與公司在數據資本時代的變革了。

市場與公司在數據資本時代的變革

市場在數據資本時代顯得更加具有優勢，因為信息創造市場，市場的基本原則是分散決策，海量數據已經為整個市場帶來了效率的提高。以貨幣為基礎的傳統市場將無數個維度的信息壓縮成價格，而價格被賣家玩弄于股掌，通過各種各項的技巧欺騙買方，市場的負外部性得以體現。()但在大數據時代下，這個問題得到了解決，海量全面的數據替換了價格反映信息的作用，數據幫助市場參與者找到了更好的匹配項。同時，在海量信息的幫助下市場的分散決策體現了優勢，海量數據呈現的市場決策分布傳遞出來的信息幫助我們幫助節省評估比較不同決策的時間，并且在市場分散決策和海量數據的影響下，錯誤決策的影響被減小。

傳統公司面對的挑戰是在貨幣市場轉化為海量數據市場的過程中，利用海量數據處理信息過載問題，減少決策數量。而遺憾的是，公司不會達到與市場一樣從海量數據市場中自然獲益的程度，而是需要順應市場變革，創新管理制度來應對挑戰。部分公司已經預見了海量數據時代的大變革，并主動迎接變革，從目前來看他們主要采取兩種方式，一是實現決策自動化，以日本壽險巨頭富國生命保險為例，他們宣布將使用IBM開發的一款機器學習系統——沃森來評估保險理賠，從而理賠部裁員1/3;二是向企業組織結構中引入市場DNA,以汽車制造公司帶戴姆勒為例，該公司宣布徹底重組公司結構，讓公司20%的員工脫離之前的體系到公司各部門之外運營，組成更靈活的團隊。

市場順應數據資本時代是自然的、規律的，而公司應自己選擇戰略進行驚險的生存實驗，從而使自己能在大數據時代生存下來。

市場與公司在數據資本時代的未來

海量數據并不是解決市場效率損失靈丹妙藥，它必須也要有標準和適用條件，使用不當也會有及其巨大的副作用。為了使海量數據是可用的，數據資本在市場中運轉有三個必備條件：數據標注、個人匹配算法、機器學習。數據標注從“本體論”提出，問題的關鍵是確定正確本體，其主要目的是運用海量數據將產品的可發現率提高，.個人匹配算法依靠的原理是一個人不僅可以有多種偏好選擇，也可以用不同的方式衡量偏好，所以我們在衡量不同問題的偏好時，我們需要不同算法的匹配。機器學習是基于數據大規模訓練以及隨之而來的自適應反饋，與個性化學習相結合，激發市場顯著提高效率的潛能。每一項技術的進步，帶來的是低成本獲取海量、多維度的信息流并將信息自動化轉化為決策。

公司的發展卻不容樂觀，隨著算法的提升，決策層會一層一層的減少，效率會大幅度提升，公司的重要性也就會下降。在現階段公司為擁抱大數據時代而做出的改變來看，公司越來越可以依靠算法來實現決策自動化，工作程序也會由機器學習不斷地推進，公司的未來是與大數據和市場結合的，公司還會雇傭人類但其管理和運行主要由機器人操作完成，甚至公司會依賴市場機制運作。最終，人的作用只是協調市場機制，在我看來這是雖然高效但有些悲觀的。

我們何去何從

目前我們正處于海量數據市場的最初級階段，正如所有新鮮事物一樣，海量數據本身在帶來技術進步的同時，我們將擁有可以隨意支配的強大的海量數據系統，這些系統幫助我們運用更少的資源花更少的時間，得到更好的匹配，效率紅利顯而易見，但是我們只是放棄一部分“無聊”的決策，專注于更重要的選擇，而將選擇的需求和選擇的快樂分開。在勞動力市場中，我們也可以利用海量數據選擇個人匹配算法為自己找到較適合的工作，不需要僅僅為自身的 “價格”,即工資所局限，工作的作用在支付賬單和提供個人滿足感之間得到平衡。海量數據市場是高效的，并一片光明。但隨著算法不停完備的個人數據的不斷完善，隨著數據資本時代的發展，數據的進一步運用是否會成為“潘多拉魔盒”?

值得關注的是從千禧年到現在，美國——發達國家的代表，無論是勞動參與者還是勞力收入份額都在不斷下降，在應對海量數據時代，人類的作用似乎沒有算法多，即便是技術層面，需要創造力和人類選擇的數據標注工作在確定正確的本體所需要的人類創造新會更少，需要更多的是過硬的數據分析，數據本身將驅動數據本體，數據不需要了解人類，只用通過算法就可以替我們幾乎做任何選擇。這是否意味這我們將成為數據的奴隸，海量數據為我們發展帶來的沖擊不可忽視。

但人類與數據不同，我們有的是內心求索活動，及自己思考的能力，我們知道自己想要做的是什么，人類是隨著時代進步不斷學習和改變的，只要我們愿意，人類的未來就是知識和充滿見解的，我們所要做的是通過不斷地運用數據使我們的未來更加社會化人性化，而不是讓數據支配我們的生活，使它變得冰冷又機械。

結語

在數據資本興起的今天我們作為其中的人類個體若不想被代替，不能只看自己“價格”,因為價格所反映的個人信息在海量數據的對比下，已經是十分不全面的，只能說一項工作中的個人價值中的一部分是“價格”,個人價值應該參考個人偏好、市場所需、公司制度等多方面于勞動力市場得到最佳匹配，否則隨著海量數據在人才高流動市場中發揮的作用，總有更匹配的人才。在面臨數據資本時代，作為一個不想被替代的人類本身，我認為我們并不是要不考慮自己的興趣所在而讓自己拼命在數據處理工作，算法開發工作占一席之地，但我知道自己以后所要從事的工作應該是具有創造力且非機械化的。接受我們自身的多樣化，我們所擁有的就是更加獨立的發展。

第五篇：讀《大數據時代》有感800字

讀《大數據時代》有感800字

廣州風神焊裝二科主拼A班 史偉

“大數據”聽起來已經不是個新鮮詞匯了，在如今這個時代，毫無疑問的是，大數據技術的應用已經充斥在我們的生活之中了。可以說，我們已經走引進了一個“大數據時代”.大數據分析極大的改變了我們解決問題的方式。所謂大數據是區別于傳統的僅取原數據的少量樣本進行分析的數據處理方式。大數據旨在對全部原數據進行分析與處理。但由于實際情況中的計算能力與時效性等客觀條件的限制，很多時候還不能實現“真正”的大數據分析。盡管如此，通過分析比以往更多的數據，人們仍然發現了看待事物與解決問題的新思路，而這些新思路正是大數據的主要價值與靈魂。

相信大家一定聽說過一種說法：“在大數據中，因果關系將不復存在。”事實上，在一定程度上，這種說法是成立的，但不夠準確。因果關系不是消失不見了，只是它沒以前那么重要了。通過分析大數據，人們找到了很多看似毫不相干的事物之間的相關關系，并且通常在其中得到了收益。顯然，這些相關關系是利用傳統的邏輯推理難以得出的。在這種情況中，不去探究因果關系，而僅僅利用分析得到的相關關系就可以達到目的。需要注意的是，雖然在這里并沒有得到因果關系，但并不是說無法推理得出；恰恰相反，當得知了相關關系后，更容易得到相對合理的因果關系。

“因果關系不如相關關系可靠。”在大數據的支持下，直接通過數據得到的相關關系能極大程度上代表事物的規律，也就是說準確率很高。但通過邏輯推理出的因果關系則常常會失誤，因為這本質上是我們為了解釋事物所想象出來的。然而，發現因果關系仍然是相當重要的，尤其是在各個領域的理論分析中，這樣可以使知識體系邏輯清晰且趨于完整。

書中舉例了大量大數據分析的實際應用；例如通過機票的交易數據來預測最低票價出現的時間；通過搜索詞條發現傳染病的發生區域，從而控制疫情等。

大數據給我們的生活、工作與思維帶來的變革是巨大的，是機遇也是挑戰。隨著大數據的發展，許多行業將會發生改變，一些新的角色會加入，一些老的角色將被淘汰。抓住機會，積極改變才能乘風破浪！