A. 【《大數據時代》讀書筆記2】大數據視角下，一切皆可「量化」
「大數據」視角，並非近年來的新事物，回顧歷史，早已有之。只是當時，「大數據」這個詞，尚未產生。
19世紀，「量化」之於航海。 19世紀還是航海經驗靠口口相傳、有些甚至被證明是錯誤的年代，航海家莫里通過量化分析製作的導航圖，是大數據的最早實踐之一。在因為馬車事故造成腿部殘疾後，年輕的海軍軍官莫里離開了海上工作，來到了圖表和儀器廠。在這個後來被證明是他福地的地方，在翻閱、整理庫房裡存放的航海書籍、地圖、圖表、航海日誌後，莫里將這些記錄進行數據整合，把整個大西洋按經緯度分成五塊，並按月份標出溫度、風速和風向，為找到更有效的航海路線提供參考。之後，為了提高精確度，莫里創建了一個標準的表格來記錄航海數據，並在所有海軍艦艇及部分商船上使用，通過分析這些數據，一些利於航行的天然航線被找到，為海軍及商船減少了三分之一的航海路程。遠在信息數字化之前，人工的數據運用已經充分展示了其實效。隨著數據存儲和處理能力的不斷提高，「大數據」技術的運用領域也不斷擴展。
20世紀，「量化」之於投資。 在金融領域，「量化」這個詞經常以「量化投資」等片語形式出現，指的是通過數量化方式及計算機程序化發出買賣指令，以獲取穩定收益為目的的交易方式，其實質在於替代傳統的定性分析，以數據為支撐作出投資決策。「量化投資」在海外的發展已有30多年的歷史，其投資業績穩定，市場規模和份額不斷擴大，得到了越來越多投資者認可。金融領域是數據相對集中和易感知的領域，但量化的舞台，遠不止於此。
21世紀，「量化」之於坐姿研究。 日本先進工業技術研究所的越水重臣教授將量化用於坐姿研究，通過對人坐著時的身形、姿勢和重量分布等的數據化，產生獨屬於每個乘坐者的精確數據資料，並根據人體對座位的壓力差異識別出乘坐者身份，准確率達到98%。這項技術可作為汽車防盜系統，通過這個系統，汽車可以識別駕駛者是否為車主並設置相應安全措施。數據的提取，只有你想不到，沒有提取不到，關鍵在於如何提取、如何利用。
數據化，不是數字化。 前者，是指把現象轉變為可製表分析的量化形式的過程；後者，指的是把模擬數據轉換成用0和1表示的二進制碼。在數字化時代來臨之時，在腦海中對這兩個概念有清晰概念十分重要。數據化的關注重點是在「I（信息）」上，而數字化則關注「T（技術）」。數字化的發展，提高了數據化的可行性。
「數據化」文字。 谷歌的數字圖書館，是文字數據化的典範。通過文字的數據化，人可以用之閱讀，機器也可以用之分析。谷歌運用這些數據化了的文本來改進它的機器翻譯服務，從幾年前相當於高中水平的翻譯水準，到如今的令人驚嘆，著實超越了英語水平不斷退化的某筆者（容某筆者先找個地兒蹲著哭一會兒）。
「數據化」方位。 手機的廣泛運用，讓人的實時位置信息也可以被數據化，位置信息的數據化，催生了許多新價值。比如無線數據科技公司Jana的創始人伊格爾，他使用了來100多個國家的超過200個無線運營商的手機數據，既關注家庭主婦平均每周去幾次洗衣店，也試圖回答關於疾病如何傳播等問題。新的用途不斷產生，既可以用於商業，也可以用於社會研究。
「數據化」溝通。 個人化是數據化的前沿，facebook將關系數據化，twitter將情緒數據化，linkedin將個人經歷數據化，這些社交網路平台，以各種方式將個人及其溝通數據化，並存儲了海量的用戶數據。初步的運用，例如Derwent Capital對沖基金對微博數據文本的分析，獲得了股市投資的信號，雖然由於隱私問題，數據的使用還遠未成熟，但我們不難想像，當數據被充分運用，世間萬物是否已不再是世間萬物，而是海量的數據呢？
當看到一切皆可量化這句話，還是持一定的保留態度。因為，太過絕對。但似乎，這只是一種理念的傳遞，為了表達數據化的重要性而已。大數據視角，提供了看世界的另外一個角度，但絕不是唯一視角。
B. 讀書筆記：大數據時代
隨著網路的普及、計算機運算和存儲能力的提高，我們獲取信息越來越容易，越來越多。絕大多數信息對我們來說可能都是噪音，或者用過一次後就被丟棄；而對有大數據思維的公司或個人來說，這些則是零散的金粉，他們可以從中挖掘出許多小數據無法得到的意想不到的結果。比如人們所用的搜索詞在搜索完成之時就失去用處，Google偏偏將它們重新利用，用以改善結果的排序，用來預測流感感染情況。word語法檢查，小數據下表現最好的演算法在大數據下准確率卻最差。誰曾想坐姿可以轉化成數據，並開發成汽車防盜系統？進而擴展到盜賊識別？
大數據時代真的只有想不到，沒有做不到。它深刻的變革著我們的工作、生活、甚至思維方式。
1.不是樣本而是全部：得到全部數據並不那麼難，而且結果更全面可靠，我們不再依賴小數據時代的隨機取樣、假設-實驗-結論模式，取而代之的是直接對全部數據進行分析挖掘；
2.不是精確性而是混雜性：大數據時代我們不再執著於精確，而是允許一點瑕疵。我們要做的不是以高昂的代價消除所有的不確定性，而是接受這些紛繁的數據並從中獲益。以谷歌翻譯為例，它搜羅了所有可以利用的數據，雖然搜集的有錯誤翻譯，但巨大的語料庫優勢完全壓倒了缺點，使其好於布朗、微軟的班科和布里爾、IBM的Candide。又如word語法檢查，小數據下表現最好的演算法在大數據下准確率卻最差。混雜的大數據能創造比精確的小數據更好的結果！
小數據模式下，小的錯誤會導致極大的偏差，因此要求精確。值得注意的是，大數據的混雜性只是現實，而不是其固有特性，隨著技術的發展將會被改善。
3.不是因果關系而是相互關系：千百年來，我們一直在尋找事件背後的原因。事實上，如果凡事皆有因果的話，我們就沒有決定任何事的自由了。
基於大數據分析事物間的相互關系，使我們從因果串聯思維變為相互並聯思維。相互關系能提醒我們某些事正在發生，這些提醒非常有用。基於相關關系的預測是大數據的核心。通過找出一個關聯物並監控它，我們就能預測未來。如塔吉特懷孕預測，美國折扣零售商塔吉特通過對女性消費記錄分析，可以發現她是否懷孕，從而在相應階段寄送相應的折扣券。
戲中主角分別是大數據擁有者、大數據技術公司、大數據思維的公司或個人。第一個吃螃蟹的人早已斬獲良多，更多的人也開始去嘗試；隨著技術的發展，擁有大數據技術的公司的領先優勢也越來越弱；而數據本身的價值則與日俱增。試想，一個擁有思維和技術的新公司，如何去跟一個擁有海量數據且知道什麼更好的公司去競爭？
隨著行業發展，數據中間商也將粉墨登場。因為有些數據的價值只能通過中間人來挖掘。航空公司不到最後一刻不會發布航班晚點，也不會告訴你何時買票最便宜，但只要有數據，你就能知道這些。還有一些公司願意把數據給非營利機構。
大數據確實給我們帶來諸多便利，使我們的生活更便利、更美好。但我們也變得越來越透明，通過你的檢索詞、購物、評論等就能輕易定位到精確的個人！想想就讓人不寒而慄！
亞馬遜監視著我們的購物習慣
谷歌監視著我們的網頁瀏覽習慣
微博竊聽到了我們心中的TA
而facebook似乎什麼都知道，包括我們的社交關系網
我們時刻暴露在第三隻眼下（政府除外）。
鑒於此，維克托也建議完善相關司法，制定更完整的隱私保護政策、反壟斷。
值得注意的是，大數據給我們提供的不是最終答案，而是參考答案，我們不要過分信任、依賴數據給出的結果。假如一切都可以被預測，而且很精確，而我們想當然的去相信，放棄選擇的權利，也會不為結果承擔責任，那我們離變成機器人就不遠了，人工智慧控制人類也並非臆想！
而樂觀的人們則會認為一個更美好的未來在像我們招手:
以下為收集內容 。
http://www.ximalaya.com/1000577/sound/412418?from_platform=weixin
【構建一個機器的你】模擬你的知識體系、行為習慣:通過擬合你在社交網路的發言、及其它信息。模擬聲音:整合微信里的語音。模擬外貌:通過你發的照片等。將這些東西「導入」到一個機器，你在另一個地方被重生。它知道你所有的所有，宛如鏡像孿生。
可以看電影黑鏡2。
汽車若能交流 車禍或可避免
http://v.youku.com/v_show/id_XNTcyODU4NjQw.html
實現汽車對話以避免車禍，實際也是大數據的利用：通過數據化位置速度（通過攝像頭感測器電腦系統）等信息，然後分析並做出預測。信息與機器結合會使人分為自然人、半自然人、機器人吧。現在的美瞳等改變人的外形，以及研究火熱的腦機介面以實現通過意念控制機械，人正在與機器越來越多的整合在一起。
谷歌無人駕駛汽車
http://mp.weixin.qq.com/s?__biz=MjM5NzM5ODU2MA==&mid=200295774&idx=4&sn=&scene=1#rd
什麼時候無人駕駛汽車成片的出現在杭州就好了[偷笑][偷笑]或者不用成片，就是有些地方會放著（比如某個山洞某個工廠），嗯，某些方式（某個app，某個電話或者直接與微信集合，或者快的打車，打的車都變成無人駕駛車）可以把他叫過來，然後用完之後他自己回到原來的地方。[傲慢][傲慢]這樣社會多美好呀！還可以叫個車，讓他把東西/人送到某個地方，就不是為自己叫車而是為他人叫……
如果視野更開闊點， 數據或許是實現人與機器交流的語言 ，，數據能挖掘我們不知道的一面，但也不要全迷信數據，將活生生的、復雜的人等同於毫無生命的一堆數據或機器就不好玩了。。
量化自我，一場二十年前無法想像的運動
http://www.36kr.com/p/204479.html#wechat_redirect
C. 大數據治理平台應用建設方案精選「PPT」
【前言】大數據時代到來，我們已被海量數據信息包圍
電信：持有大量用戶數據，對數據資產的售出，將成為行業的新增長點；
金融：各行業的金融信息流可結合第三方數據，更深入分析客戶情況；
製造：從傳統製造到互聯網+的轉型，大數據是核心動力；
政府：大數據已經成為國家戰略，政府機構大數據將能夠更好的治理 社會 ；
【目錄】
大數據治理平台背景
大數據治理平台應用場景分析
大數據治理平台建設方案
【內容】
來源公眾號：售前之家
D. 讀書 | 大數據時代資本主義的重塑（No.22）
聽書筆記
《大數據時代資本主義的重塑》的作者是維克托·舍恩伯格和托馬斯·拉姆什。第一作者維克托·舍恩伯格是大數據領域的重量級人物。他在2012年出版的一本書《大數據時代》至今依然暢銷，也是國內外研究大數據的人的必讀書目。《大數據時代資本主義的重塑》是2018年2月剛出的一本新書，它從一個很獨特的角度，為我們揭示了大數據會給人類社會帶來怎樣顛覆性的變化，甚至將徹底終結我們今天使用的金錢。
一、市場轉向——從一個以價格為核心的市場轉變為以數據為中心的市場
價格的三大作用
價格給市場提供了一套標准語言。
價格可以傳遞信息。
價格可以記錄某個商品價值的波動情況。
以價格為核心的市場存在巨大缺陷
信息的損耗：信息壓縮在價格這個唯一標尺里，造成信息傳遞的不全面。
「唯價格論」價值觀：一切都向錢看，產品的質量性能反而退居第二位。
以數據為中心的市場是未來社會不可逆的轉向。
但是，這個以數據為核心的市場交易需要一套完備的數據分析方法，我們概括為三個關鍵詞就是：分類、偏好、配對。
分類：我們需要有一套分析、比較個人偏好的標准化的分類語言。
偏好：我們現在需要一種能有效地抓取、收集、記錄人們的偏好數據。
配對：我們需要有更優化的、更精準的配對能力，以便讓我們精確地找到合適的合作夥伴/賣家/買家。
二、資本轉向——金融資本將被數據資本所取代
數據——大數據時代的黃金石油
在大數據的時代，資本、財富將不再以金錢為主要形式，而是體現為數據。此外，相比於自然資源，數據資源可以反復利用，取之不盡，用之不竭。
未來數據的關注點：應從收集層轉向使用層。如何使用數據？
數據將發揮今天金錢才有的支付功能
用數據交稅
當前數據資本的現狀：被少數公司壟斷
危害：
會有聽命於商業老大哥的獨裁統治的風險
容易造成系統性風險：一旦有居心不良的人在其中動手腳，整個數據市場都會陷入癱瘓
對策：
數據雙向分享機制
數據稅
目的：
讓政府可以據此提供更好的公共服務
打破少數公司對數據市場的壟斷，不至於出現一家獨大的局面
三、公司、企業面臨轉型
公司、企業的定義及特點
公司、企業是擁有共同目標的一群人聚合起來的一個實體，是一個控制嚴密、權利集中、垂直整合的組織，特點是中心化。
在大數據時代，公司如何利用數據等手段來輔助自己做出更好的決策？
方式一，建立決策輔助機制——「機器+公司」模式
對於公司的未來，一種轉型思路是「機器+公司」模式，讓機器輔助公司進行決策。
當前，人們被期待擁有的技能，舍恩伯格教授稱之為「T」形技能（T-shaped skill）。未來機器在公司內部普及後，「T」的一豎也就是某個專業領域的技能已經可以被機器完全取代，而人自己只需做「T」的一橫上的事。
「T」形技能定義：
「T」的一橫是和其他多個部門溝通、交流、協作的能力，這是一種宏觀層面上的能力；
「T」的一豎是對某個領域深入的、專業的知識，屬於比較微觀的能力。
讓機器輔助公司進行決策結果：
大程度地削弱人在做決策時的偏見。
「T」形技能也許會向「一」型技能轉變。也就是說，大數據時代更看中人的溝通、交流能力。
方式二，建立高效的人才市場——「公司+市場」模式
運作方式：人才共享
管理者們不再持有人才，人才成了這個市場上的商品。人才不再是某個公司靜態的附屬品，可以自由在各個公司流通。
這是一種公司與市場相結合的運作模式，「公司+市場」是未來公司發展的前景之一。
作者的創見性預測：
隨著機器能乾的事情越來越多，再往後，許多大型的公司會變成只是法律名義上的法人實體，但不再大量僱傭員工，活生生變成一個空殼。
四、人的因素
在大數據時代這一去金錢化的資本主義社會中的人：
工作崗位的銳減，失業率的上升
人的智慧、想像力，以及溝通能力是機械化的事物無法取代。
E. 【《大數據時代》讀書筆記3】數據是可再生的可再生資源
本科畢業論文寫的是風力發電，作為一種安全清潔的可再生能源，雖然並網會給電網帶來較大壓力，但隨著智能電網的普及，風力發電前景喜人。與風力資源類似，數據也是可再生的，而且與對風力資源的利用暫時只局限在發電領域不同，數據可以被稱作是可再生的可再生資源。兩個可再生並非筆誤，而是源自其價值的多樣化，對數據利用方式的創新，帶來的，是源源不斷的數據價值。
數據冰山，更需要仔細勘探，太遠，會看不清，太近，會迷失方向，如果不小心撞上，那恐怕只能在數據之海里沉沒了。所幸，在大數據思維的指引下，在數據的首要價值被挖掘後，潛在價值也持續不斷被釋放。
三種創新讓我們得以初探冰山全貌。
數據創新1：數據的再利用
數據再利用的前提是收集或控制數據集尤其是大型數據集。有些機構如谷歌、如亞馬遜，早早地開啟了他們的數據再利用之旅，谷歌基於關鍵詞搜索整理了一個版本的搜索詞分析，並公開供人們查詢，如實時經濟指標以及旅遊部門的業務預報服務；而亞馬遜則一直致力於讓數據的價值再大一點，通過早期為AOL電子商務網站提供後台技術服務的合作，讓亞馬遜掌握了用戶的數據，包括他們在看什麼、買什麼，進一步幫助亞馬遜提高推薦引擎性能。
與這些線上企業對數據利用的敏感度不同，一些線下運作的傳統企業，也許還在信息噴泉上安睡。有些數據被收集、被保存，但也把數據帶入了墳墓，暫不能見天日。但當他們嗅到了數據所帶來的機會後，如一家知名的物流企業，針對其掌握的全球出貨信息，成立專門部門，以商業和經濟預測的形式出售匯總數據，創造了谷歌搜索查詢業務的一個線下版本。
數據創新2：重組數據
還記得那個將某個地區的交通事故發生情況與犯罪發生情況映射到一張地圖上的例子么，這就是數據重組，很多時候，1+1>2的效果一次又一次地在證明其強大魔力。其實，兩個或者更多個大數據的相加，是更大的大數據，關鍵在於怎麼相加。丹麥癌症協會曾就手機是否增加致癌率這個命題進行研究，通過將1990年至2007年間擁有手機用戶的信息和該國所有癌症患者的信息這兩個數據集結合後，得出了沒有發現使用行動電話和癌症風險增加之間存在任何關系的結論。這就是一個數據與數據相加的實例，雖然未能形成轟動的效果，但至少也能讓人們更加放心的使用行動電話了，也為我們提示了大數據運用的更多可能性。
數據創新3：可擴展數據
一個數據集並不會只有一種用途，就如美的發現需要一雙發現美的眼睛一樣，數據的用途也需要一雙發現數據用途的眼睛。零售商店內的監控攝像頭，不僅可以用來認出商店扒手，還能跟蹤在商店裡購物的客戶流和他們停留的位置，利用這些信息，零售商可以設計店面的最佳布局並判斷營銷活動的有效性，正如那句話所說，無心插柳柳成蔭。
數據利用的其他可能，還有數據的折舊值、數據廢氣、開放數據等。其中，開放數據最吸引人眼球，這也是各國政府現在正在努力推進的，其主旨是通過多元主體的參與，喚醒沉睡的數據，雖然真正實施起來，並不是那麼容易，但這，必然是大勢所趨，方向已經確定，路途的曲折蜿蜒，不過是為了更好地前進。
F. ppt 什麼是大數據
大數據（Big Data）又稱為巨量資料，指需要新處理模式才能具有更強的決策力、洞察力和流程回優化能力的海量、高答增長率和多樣化的信息資產。「大數據」概念最早由維克托·邁爾·舍恩伯格和肯尼斯·庫克耶在編寫《大數據時代》中提出，指不用隨機分析法（抽樣調查）的捷徑，而是採用所有數據進行分析處理。大數據有4V特點，即Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）。
G. 《大數據時代》讀後感
讀完這本書並不是一氣呵成的，第一次讀到大約五分之一的時候就放下了，第二次重新開始讀，讀到三分之二的時候又想放棄，可是想了想，還是堅持了下來，不為別的，看到三分之二的時候基本明白了書中要講的主要內容，而這內容並不是我想從書中獲知的，或者說，書中內容與我期待相去甚遠。而之所以能硬著頭皮讀完，完全是出於想著事後跟朋友評論這本書的時候更有資格而已，畢竟，沒有看完一本書而去評論它總是有失公正的。
大數據時代這本書按我自己的理解主要講了四個方面的內容，一是講什麼是大數據，舉了很多例子說明我們已經進入大數據時代了。二是講大數據的意義，文中大量舉例，論證大數據對人類發展的積極意義。三是講大數據若是用得不當所產生的消極影響。四是提醒我們如何避免大數據的消極作用，發揮它的優勢造福人類。記得高中學政治的時候，有一條回答問題的黃金法則，當要解決一個問題的時候得從三方面回答，那就是：是什麼，為什麼，怎麼樣；也就是先解釋事務的定義，再說解決問題方法，最後闡明這個事務的積極作用和消極作用。而大數據時代只說明了兩個問題，那就是，"是什麼」，以及「為什麼」。也許這本身就不是一本工具書。大數據時代，這個名字取的是夠大氣，內容卻不敢恭維。這本書在網上炒的也很火，受很多人追捧，不知道看完之後是不是跟我一樣，感覺看與不看似乎影響不大。
跟老公談論過這本書，剛開始我在京東上買它的時候很激動得對老公說，看完這本書我會更了解現在互聯網思維，對工作有幫助，而等我讀完，一點這樣的感覺都沒有了。老公也很形象描述了這本書，它就像美食節目《舌尖上的中國》一樣，告訴你哪裡有好吃的，但是不告訴你怎麼做。我覺得這個比喻很形象，真是要人命了，看著一道道美食而不得，只能拿起身邊的薯條可樂解解饞的痛苦就是如此。
「除了上帝，任何人都必須用數據來說話。」——這是《大數據》中出現的讓人印象深刻的一句話，也是全書力圖傳遞的信息。在數字信息時代，數據和空氣一樣遍布生活，對於有些人來說，數據無意義，而對於有些人來說，數據，即真相。
美國是《大數據》的主角，全書通過講述美國半個多世紀信息開放、技術創新的歷史，公共財政透明的曲折、《數據質量法》背後的隱情、全民醫改法案的波瀾、統一身份證的百年糾結、街頭警察的創新傳奇、美國礦難的悲情歷史、商務智能的前世今生、數據開放運動的全球興起，Web3·0與下一代互聯網的未來圖景等等，為讀者一一細解數據創新給公民、政府、社會帶來的種種挑戰和變革。
透過全書，一個立體的美國及美國人民的思想呈現在我們面前——美國人民執著於個人隱私的保護，卻又不遺餘力地推動著政府信息的透明與公開。
讀完此書，對生活中的數據及數據處理突然有了很大的興趣。如果有一天，處處以數據說話，那麼，政治、制度、生活將更加清明，事故、將降到最低點。
作為信息技術教師，是有必要閱讀此書的！有慧根的教師將能從書中挖掘出信息技術特有的文化以及能用於教學的鮮活案例。
每天能用來閱讀的時間很少，總是要等到夜深疲倦時才有空打開書本，總是在眼睛極不舒服的情況下堅持閱讀，《大數據》就這樣在堅持中溶入我的思想……
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，頗有收獲。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、了解數據之間的相關性，勝於對因果關系的探索。「是什麼」比「為什麼」重要。
作者指出，隨著技術的發展，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、看似毫不相乾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。
近兩周用業余時間讀了《大數據時代》這本書，是聽培訓時杜威老師推薦的，我快速閱讀了一遍，覺得受到了一些啟發，發現了一些原來沒有想到看到的事情。
首先是大數據代表著數據的樣本＝全體，這是一個與傳統統計學的顯著區別。大數據有能力獲得全體數據並對其進行分析。
第二就是相關性與因果性同樣重要。相關性說明了什麼事情與什麼什麼事情有關系，如商場周圍車流量的增多與商場銷售額的相關性，因果性說明什麼是什麼的原因，如睡10個小時是有精神的原因。在大數據中，相關性要比因果性容易獲得，而且相關性已經能為客戶帶來較大的收益。
第三就是大數據允許存在不精確性、混雜性，由於數據量巨大，存在少量的異變不會對結果產生任何影響，如收益是1個億與1億零1元的差別可能決策者不關心。
第四是大數據中的三個主要因素，思維、數據、技術，思維覺得你在哪些地方使用大數據。在這三個因素之中，會產生數據中間商，來處理加工數據並出售。
讀完《大數據時代》這本書後，我意識到：我們即將或正在迎接由書面到電子的跳躍之後的又一重大變革。
這本書介紹了大數據時代來臨後，接踵而至的三項變革——商業變革、管理變革和思維變革。
其實，這場變革已經打響。商業領域由於大數據時代的到來而推陳出新。前幾年，一家名為Farecast的公司，讓預訂到更優惠的機票價格不再是夢想。公司利用航班售票的數據來預測未來機票價格的走勢。現在，使用這種工具的乘客，平均每張機票可以省大約50美元，這就是大數據給人們帶來的便利。
大家應該都知道20xx年出現的H1N1型流感，就拿美國為例，疾控中心每周只進行一次數據統計，而病人一般都是難以忍受病痛的折磨才會去醫院就診，因此也導致了信息的滯後。然而，對於飛速傳播的疾病，Google公司卻能及時地作出判斷，確定流感爆發的地點，這便是基於龐大的數據資源，可見大數據時代對公共衛生也產生了重大的影響！
在我看來，如果想在在大數據時代里暢游，不僅要學會分析，而且還要能夠大膽地決斷。
在美國，每到七、八月份時，正是台風肆虐之時，防澇用品也擺上了商品貨架。沃爾瑪公司注意到，每到這時，一種蛋撻的銷售量較其他月份明顯增加。於是，商家作了大膽的推測，出現這樣的結果源於兩種物品的相關性，便將這種蛋撻擺在了防澇用品的旁邊。這樣的舉措大大增加了利潤，這就是屬於世界頭號零售商的大數據頭腦！
大數據時代的到來，可以讓我們的生活更加便利。但是，如果讓大數據主宰一切，也存在一定的風險。
大家應該都知道電子地圖，它可以為人們指引方向。但大家應該還不知道，它會默默地積累人們的行程數據，通過智能分析可以推斷出哪裡是自己的家，哪裡是工作單位。我們的隱私就這樣被不為人知地收集著。
大數據時代的到來，讓我們的生活更安全，更方便，但與此同時，我們的隱私不再是隱私，數據的收集變得無所不包、無孔不入。世界已經向大數據時代邁進了一小步，一個嶄新的時代正向我們走來。讓我們用知識武裝大腦，做好准備，迎接新時代的到來！
3月11日下午兩節課後，我校全體教師和受邀而來的金南學區各友好學校的領導及教師匯聚於多媒體教室，共同分享、交流《大數據》讀後感。
老師們從：何謂大數據；立足國情對大數據進行探討；大數據在教育教學中的主要應用等幾個方面暢談了自己的感悟。
張萌老師說：大數據體量龐大、結構復雜、是產生巨大價值的數據集合。大數據這種方法在中國的國情下需要以更加科學、合適的方式進行實踐，不可生搬硬套。
董譯雯老師說：在你我感嘆《大數據》里深植於美國民眾血液中的自由、民主、嚴謹的價值觀的同時，可否想過中國教育體制下的孩子們身上還殘留多少獨立與自我意識？作為典型的八零後，我們這一代人身上最缺失的便是獨立思考能力。但願，我的學生哪怕是因為我所做的一點點努力而開始思考「我」這個字的含義，足矣！
張紅傑老師說：很感謝校長給我們推薦了《大數據》這本書。在教學工作中，應該有大數據意識，創新意識。學習一些專業的教學統計法、數據分析法，從中發現一些教育現象，並採取相應的策略。讓我們的教育教學工作少一些隨意和盲目，多一份嚴謹與科學。
白媛媛老師通過文中的三個事例，結合教學實際，談了自己教學中對數據使用的價值；結合自己的工作，談了如何實現工作的最高境界。
交流活動尾聲，身為閱讀《大數據》的倡議者、發起者、以及忠實的讀者韓校長幽默風趣的同大家分享了他讀後的感悟：我們心中要裝著學校，因為我們個人的'命運依賴群體的命運；工作要追求精細化，不能做胡適書中的「差不多」先生；尊重數據，擁有數據意識，建立數據團隊！
此次活動從寒假期間倡導讀《大數據》一書，到開學伊始的分組沙龍，再到今日的閱讀共享，現已圓滿告一段落。相信此次活動定會增強我校全體教師的數據意識，掌握大數據，運用大智慧助推我校的教育教學上一個新的台階！
去年的「雲計算」炒得熱火朝天的，今年的「大數據」又突襲而來。彷彿一夜間，各廠商都紛紛改旗換幟，推起「大數據」來了。於是乎，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雲計算，大數據的現狀。
不過話又還得說回來，《大數據時代》是本好書。
當然，很多IT知名人士也大力推薦，寫了好多讀後感來表述對這本書的喜歡沒看此書之前，對所謂大數據的概念基本上是一頭霧水，雖則有了解關注過現在也比較火熱的BI，覺得也差不多，可能就是更多的數據，更細致的數據分析與數據挖掘。看過此書後，感覺到之前的想法，只能算是中了一小半吧---巨量的數據，而另一前：著眼於數據關聯性，而非數據精確性，或許才是大數據與現時BI的不同，不僅僅是方法，更多的時思想方法。不過坦白講，到底是數據的關聯性重佳，還是數據的精確性更好，還真的需要時間來檢驗一下，至少從現在的數據分析方法來論，更多的傾向於數據的精確性。看完此書，我心中的一些問題：
1.什麼是大數據？
查了查網路，是這樣定義的：大數據（bigdata），或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。大數據的4V特點：Volume、Velocity、Variety、Veracity--這個好像是IBM的定義吧。
以個人的觀點來看：數據海量，存儲海量都是大數據的基本原型吧。
2.大數據適合什麼樣的企業？
誠然，大數據的前提是海量的數據，只有擁有巨量的數據資源，方能從中查找出數據的關聯性，才可以讓通過專業化的處理，讓其為企業產生價值。針對電信運營，互聯網應用這樣海量用戶的數據的大企業，也是在應用大數據的道路上擁有得天獨厚的條件，但是針對中小企業呢？銷售訂單數據？若非百年老店，估計數據也是少得可憐，能用的可能只有消費者數據了吧。貌似大多數廠商，用來舉例的也就是消費都購買行為分析為最多。同樣，在公共事業類的政府機構，大數據的作用也許也能很好的發揮。反而感覺在大多數中小型企業應用大數據，似乎有點大題小作。書中說：大數據是企業競爭力。誠然，數據是一個企業的核心無形資源（利用得好的話），但是否所有的數據，或都換則方式說：所有的企業都以大數據為競爭力，是否真的合適么？是否在中小企業中，會顯示得小題大做呢？
3.大數據帶來的影響
當一波又一波的IT技術熱潮源源不斷地向我們鋪面而來的時候，你甚至都沒有做好准備，你都要開始迎接它所給你帶來的影響了。經過物聯網，雲計算的推波助瀾下，大數據開始登場了。但它到底給我們帶來了什麼呢？
1）預測未來書中以Google成功預測了未來可能發生流感的案例來開篇，表明通過大數據的應用，可以為我們的生活起一個保駕護航的指向標。實質很簡單，技術改變世界。
2）變革商業大數據所帶來的商機，同時會衍生出一系列與大數據相關的商業機遇與商業模式，數據的潛在價值會源源不斷地發揮作用可以容易想到的是未來有專門的數據收集，數據分析，數據生成的一條數據產業鏈產生。影響的，當然是IT公司。
3）變革思維書中所說：因為有海量的數據作基礎，未來，我們可能更關注數據的相關，而非精細度。對這條，本人還是持保留意見的。
在看《大數據》之前，我只知道社會越來越數字化了，看完之後，才覺悟到：人類將迎來一個新的時代。
數字化已經把我們帶入一個信息時代，大數據卻把我們卷進了一場科技風暴之中，這本書中，作者為我們開啟了一個更包容更廣闊的新時代，大數據把社會的方方面面融合在了一起，曾經看似因果聯系緊密的事物，可能變得不再那麼重要；毫無關聯的事物，可能隱藏著重要的信息，從科技、商業，到醫療、政治、教育、文化，大數據一概席捲囊括，它改變著我們的傳統思維，為這個時代注入了新鮮的血液，就像作者書中所說：「這項技術終將改變我們所居住的星球上的許多東西。」
大數據最顯著的影響是對於電子商務，通過大數據，最先洞察出潛在市場的，也必然最先佔領市場。而電子商務對實業的沖擊又是勢不可擋，可見，掌握了大數據就主導了市場，擁有了先進的科技才能擁有堅實的競爭力。在醫療方面，曾經的非典時期，就是一個很好的例證，正是有大數據的預測功能，才使疫情得到了控制。在更小的方面，他也同樣改變著我們的生活，書中提到美國著名計算機專家奧倫·埃齊奧尼發明了飛機機票價格預測軟體，就是利用大數據造福我們生活的很好例子。
大數據不僅節省了時間，提高了效率，更將人類帶入一個新的文明階段。從分析因果總結經驗，轉變為搜集數據預測未來；由原來的滯後性變為現在的預見性——大大提高了人類認識世界、改造世界的能力，變被動為主動。大數據為我們掀開了歷史新紀元，不敢想像它將會為我們帶來什麼，或許會出現新奇的生活方式，從未有過的職業，聞所未聞的商業模式，百家爭鳴的文化高峰；也或許會解開更多未解之謎，探索到宇宙之外的秘密。總之，毫無疑問的是，大數據為我們帶來的未來是超乎想像的。
這本書中作者提到最多的是：改變我們的傳統思維，摒棄精確性轉向宏觀。從總結因果轉向預測。這個世界正以驚人的速度向前發展，數據大爆炸的波及范圍遠超乎我們的想像，單純靠人類的主觀判斷力是多麼的有限，大數據早晚會取而代之這一現象，這必將影響我們的生活和工作，我們也只有認清這種趨勢，改變思維，調整步伐，緊跟時代才行。即使不能與時代同步，也盡量做到避免固步自封，認識大數據、利用大數據趨利避害，為我們的生活造福！
知道＂是什麼＂就夠了，沒必要知道＂為什麼＂。在大數據時代，我們不必非得知道現象背後的原因，而是讓數據自己＂發聲＂。這個命題是我讀這本書最大的感觸。
對於大多數人來說，這的確是一場思維變革。對於理科學生來說，會認為這是一個錯誤的觀點，因為這無異於否定了他們對世界客觀物理化學規律探索的重要性；對於一名工科學生，其實這並不是一個多麼新穎的觀點，因為工科是講求時用性的，如何能更好地利用基本自然科學規律創造社會財富比探索自然科學知識顯得更重要。
這些天來，在讀大數據這本書的同時，也稍微重溫了一下自動控制原理，認識到控制系統中存在明顯的大數據時代思維方式，借讀書交流會之際，與大家分享。
對系統的有效控制需要對系統理解與建模。以一個日常生活中的例子說明。開車的時候一腳油門下去車就飛出去了，但並不知道這一腳油門下去能給多大車速，這就需要駕駛人員的熟練的駕駛技能了，不然超速被開罰單是很正常的。那麼，問題就來了：如何能實現速度的自動控制而不用駕駛人員踩油門？這就是控制系統最關鍵的環節——建立系統數學模型。大白話就是知道車速與燃油量的數學關系式。若是以探索為什麼的思維模式，不可避免的要列一大堆能量方程、動量方程等物理化學式子，經過繁雜的計算，還是能得到車速和燃油量的數學關系式的。很明顯這是一個繁瑣的過程，因為得知道現象背後的原因。這僅是對於這種簡單的系統，若是對於航空發動機這種復雜的系統，結構工藝過於復雜，分析各部分的物理化學過程是十分困難的，這時候可以通過實驗法得到數學模型。
實驗法主要有時域測定法、頻域測定法和統計相關法。與大數據時代思維最接近的是統計相關法，主要過程是對被研究對象施加某種隨機信號，根據被測對象各參數的變化，採用統計相關法確定被測系統或對象的動態特性。這種方法可以在被測系統或生產過程正常運行狀態下進行在線辨識，測試結果精度較高，但要求採集大量測試數據，並需要相關儀和計算機進行數據計算和處理。
若用開車實例來解釋，此時的系統為汽車動力系統，施加的隨機信號為燃油量，被測對象指車轉速，得到的動態特性就是指車速與燃油量函數關系式，從而不用探求背後的物理化學規律就得到了數學模型。
在沈陽黎明航空公司實習時去過試車間，除了發動機點火後震撼的場景動人心魄，控制室屏幕上海量的數據也同樣引人注目，我想這么多數據無非就是驗證數學模型或直接實驗法得到數學模型，結合航空發動機這種復雜的系統，對於搞控制的人來說，得到數學模型就夠了，現象背後的原因交給研發的人來探索更好。
H. 干貨 | 個人知識體系建立的6個步驟
讀了很多書，接收了大量碎片知識，可是無法靈活運用？問題可能在於，沒有進行知識管理以及形成個人的知識體系。
在上一篇文章 《30分鍾讀完一本書，拼的是快速閱讀能力》 ，我們講述了如何在30分鍾里快速閱讀一本書。在這篇文章里，我們繼續透過洋蔥閱讀法，了解如何進行知識管理以及個人知識體系的建立。
建立個人知識體系的第一步是，學會提問。
你要建立什麼樣的知識體系？你想達到什麼樣的目的和效果？你關注兆扮了哪些領域？你對哪些方面比較感興趣呢？比如時間管理，閱讀，寫作，手繪，美食，健身，心理學……
你要明白自己的興趣愛好點在哪，正如我們閱讀時強調的，必須帶有目的性，選擇自己感興趣的進行閱讀，才能最大程度調動大腦的精力參與閱讀，進行知識管理尤其如此。
從吸引力法則上來說，你關注什麼，吸引什麼，就能看到什麼。 比如說，我在app上搜索讀書方法的文章，在一段時間里首頁就推薦很多關於讀書方法的文章，大數據時代，後台可以基於用戶瀏覽給出相應信息。現實生活中也是這樣，關注什麼，就能經常看到什麼，對於知識尤其如此！
在明白了自己遲咐要學習什麼、管理哪方面的知識，是要用來做什麼之後，就是如何收集和獲取知識的問題了。
一是碎片化閱讀。在生活中零碎的時間里閱讀的碎片化信息，比如讀一篇公眾號文章、微信群文字、朋友圈圖片、微博熱點、知乎問答、喜馬拉雅FM、一本書的某一章節片段……生活中的碎片信息幾乎無處不在，不必帶有太強的邏輯要求。
二是系統化閱讀。也即有計劃有目標的系統碼猜純學習，比如系統課程、主題閱讀等。
如何獲取和收集知識呢？ 印象筆記app
印象筆記可在手機、平板、電腦等多方登錄。
碎片學習的核心是概念學習，收集知識也即收集概念。 比如時間管理可以細分多個概念：吃青蛙、番茄鍾、GTD、精力管理、時間感知度、晨間日記、碎片時間、拖延、重要緊急四象限……
在印象筆記里，創建不同領域來源的目錄，比如微信、微博、得到等等的分類，再把這個領域相關的碎片化信息收集過來。很多app，比如得到、微信、微博，都支持一鍵點擊同步保存到印象筆記里，我們可以隨時查看自己收集過的信息。
獲取和收集大量的知識，接下來就是整理的階段，也即對知識進行分類管理和保存。
比如參加一個課程後，對課程的內容進行提煉，找出對自己來說最精華的部分。在閱讀公眾號文章時，也可以用這種方法，找出自己覺得寫得比較好的部分，也許只是一個段落，也許只是一句話，都可以提煉出來並分類保存。
對書籍知識的整理，可以通過讀書卡片、視覺化讀書筆記、讀書PPT等方式。
①讀書卡片。 把很多文字濃縮到一張卡片上，把從書本中提煉出的碎片化重點變成系統的知識內容。比如九宮格讀書表格，把核心的觀點用一張圖呈現出來，幫助我們去理解和消化。
②視覺化讀書筆記。 用簡報或者思維導圖的方式，能幫助我們在短時間里學習理解更多的內容，越簡潔清晰的圖像，大腦處理起來就越快。
③讀書PPT 。利用PPT展示一本書內容，既結合了視覺化內容，又融合文字，整個畫面簡潔，能提高大腦理解能力。
為了給別人講清楚，我們首先得做到自己對知識有綜合的理解和認識。其次，「教」是一個強化記憶和認識的過程，在教別人之後，別人提出疑問、質疑和新想法，會增強我們的認識，從而讓我們對問題的認識更全面。
分享是一個反復學習的過程，教授別人是一種最好的學習方式。
比如，參加讀書活動分享閱讀心得，在撰寫讀書筆記文章，在朋友圈、微博等社交平台發表閱讀感受……都是一個反復學習的過程。分享得越多，學習的次數也就越多。
當我們閱讀文章並提煉出自己想要的概念和素材之後，最重要的是和我們自身產生關聯，思考如何應用到自身實踐之中，這也是我們收集知識的目的。
我們需要進行多場景的應用，嘗試在不同的場景下運用該理論。
比如，利用RIA便簽讀書法就是這樣，描述自己的相關經驗，思考以後如何應用。
再比如， 大腦更喜歡視覺化的信息，而不是抽象的信息。
這句話聯系生活經驗，我們可以得出這樣的結論：如果誇女生漂亮，不能直接講「你今天很漂亮」，要把這句話視覺化：你的發型和你身材很搭、穿著顏色很搭……這就是視覺化的描述，會讓女生覺得是真摯的誇贊。
知識的管理，實際就是收集內容後，進行拆解、提煉出核心內容和知識體系，再經過加工、組合、創新變成我們自己的過程。
如何讓知識和知識之間產生鏈接？
尋找聯系也即當看到某句話或某個概念時，下意識分析該內容是否能夠通過其他的現象解釋。
比如早起閱讀與精力管理聯系起來，我們可以得出這樣的結論：要在精力充沛的狀態下進行閱讀，疲勞的時候閱讀效果會很差，此時最好不要進行閱讀。
再比如閱讀和二八法則聯系起來，可以得出這樣的結論，一本書最重要的內容可能只佔20%的篇幅，因此我們讀書時不必全部讀完，而是要明確自己閱讀的目的，想解決什麼問題，找出書籍中對自己來說，是重點的部分進行閱讀。
如果想了解背後的體系，就要學會追根溯源。從表面的知識逐漸地往上溯源，尋找第一手的知識，一手的知識往往是體系化的學術知識，通過實驗科學論證過，尋求概念背後的底層規律。
通過找尋知識背後的規律，認識真實的因果關系，能夠讓我們看清事物的本質。
比如我們經常可以看到大咖的付費課程有很多專業名詞，系統思考、思維模式、心智模式、復利效應、臨界知識……其源頭可以追溯到《窮查理寶典》中查理·芒格的多元思維模型普世智慧，以及《第五項修煉》的學習模式等經典書籍。
從源頭上來說，事物都是相通的，世界總是以極其簡單的規律運行著。
建立個人知識體系分為6大階段。
第一步，從為什麼開始，問問自己想管理哪些領域的知識。
第二步，收集階段。利用印象筆記app收集日常生活的碎片信息。
第三步，整理階段。提煉知識的精華部分，並做相關輸出。
第四步，分享階段。分享是反復學習的過程，教授是最好的學習。
第五步，應用階段。將知識和自身生活建立聯系，思考如何實踐。
第六步，創造階段。讓知識和知識之間產生鏈接，創造新的內容。