大數據小故事有哪些

『壹』 生活中的大數有哪些（據那年統計）

大數據時代，幾個例子告訴你什麼是大數據 工具類廠商蓄意炒作大數據，以達到售賣產品的目的，但導致的結果是很多人對大數據這一概念雲里霧里。實際上，大數據就發生在你我身邊，雖然你看不到它，但它卻時時影響著我們的生活。 現階段，和大數據相關的企業有三種。一種是工具類公司，他們宣傳得最賣力，並且把大數據吹出了泡沫，原因是它們希望把自己的產品賣給企業；一種是依託於大數據從事咨詢服務類的企業；還有一種就是實實在擁有大數據的公司，它們和我們休戚相關，也就是下面的小故事所要闡述的內容。 第一個故事，百貨公司知道女孩懷孕 美國的Target百貨公司上線了一套客戶分析工具，可以對顧客的購買記錄進行分析，並向顧客進行產品推薦。一次，他們根據一個女孩在Target連鎖店中的購物記錄，推斷出這一女孩懷孕，然後開始通過購物手冊的形式向女孩推薦一系列孕婦產品。這一作法讓女孩的家長勃然大怒，事實真相是女孩隱瞞了懷孕消息。 點評：看似雜亂無章的購買清單，經過對比發現其中的規律和不符合常規的數據，往往能夠得出一些真實的結論。這就是大數據的應用。 第二個故事，搜狗熱詞里的商機 王建鋒是某綜合類網站的編輯，基於訪問量的考核是這個編輯每天都要面對的事情。但在每年的評比中，他都號稱是PV王。原來他的秘密就是只做熱點新聞。王建鋒養成了看網路搜索風雲榜和搜狗熱搜榜的習慣，所以，他會優先挑選熱情榜上的新聞事件來編輯整理，關注的人自然多。 點評：搜狗擁有輸入法，搜索引擎，那些在輸入法和搜索引擎上反復出現的熱詞，就是搜狗熱搜榜的來源。通過對海量詞彙的對比，找出哪些是網民關注的。這就是大數據的應用。 第三個故事，阿里雲知道誰需要貸款 這是阿里人講述的一個故事。每天，海量的交易和數據在阿里的平台上跑著，阿里通過對商戶最近100天的數據分析，就能知道哪些商戶可能存在資金問題，此時的阿里貸款平台就有可能出馬，同潛在的貸款對象進行溝通。 點評：通常來說，數據比文字更真實，更能反映一個公司的正常運營情況。通過海量的分析得出企業的經營情況，這就是大數據的應用。 第四個故事，中移動挽留流失客戶 iPhone進入中國後，鐵桿的移動用戶王永銘加入了聯通合約機大軍。由於合約機承擔了大量通話內容，王永銘將全球通換成了動感地帶。三個月之後，王永銘接到了中國移動的10086電話，向他介紹中移動的優惠資費活動。一位移動的工作人員稱，運營商會保管用戶數據，如果話費銳減，基本上就是流失先兆。 點評：給數億用戶建立一個資料庫，通過跟蹤用戶的話費消耗情況，運營商就能知道哪些用戶在流失。這就是大數據的應用。 第五個故事：工薪階層如何省小錢 上汽通用五菱股份有限公司的肖偉，是個不折不扣的網購專家。區別於菜市場的費力砍價，肖偉的作法簡單多了，登陸各種比價網站，然後選擇最便宜的正規店下單。 點評：比價網站通過海量的產品信息抓取，比如抓京東、天貓、易購的數據，然後將價格由低到高進行排列，這也是大數據的應用。 第六個故事：公關公司的輿情監督 這是一個離職公關人的故事。她參與和間接參與了很多危機公關事件，比如雷士照明的創始人股東之爭，比如羅永浩砸西門子冰箱事件。她說，她每天的事情都是上網搜索事件的熱度，然後決定下一步的動作。

『貳』 生活中有哪些大數據

網路日誌抄、感測器襲網路、社會網路、社會數據、互聯網文體和文件、呼叫詳細記錄、天文學、醫療記錄，籃球比賽中利用大數據對球員的個人在比賽場上的數據分析。

通過收集普通家庭的能耗數據，大數據技術給出人們切實可用的節能提醒；通過對城市交通數據的收集處理，大數據技術能實現城市交通的優化。這些都是大數據在生活中的應用。

(2)大數據小故事有哪些擴展閱讀：

大數據（big data），指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，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的海量、高增長率和多樣化的信息資產。

大數據的價值體現在以下幾個方面：

1、對大量消費者提供產品或服務的企業可以利用大數據進行精準營銷

2、做小而美模式的中小微企業可以利用大數據做服務轉型

3、面臨互聯網壓力之下必須轉型的傳統企業需要與時俱進充分利用大數據的價值

『叄』 尋找生活中的大數10個例子有哪些

生活中的大數例子：

1、中國約有14億人口。

2、長江面積約180平方米。

3、中國土地約960萬平方公里。

4、世界上最深的湖，深度1741米。

5、世界上最長的河流，長6671米。

6、全世界60億人口。

7、珠穆朗瑪峰8848米。

大數量的特點

1、容量（Volume），數據的大小決定所考慮的數據的價值的和潛在的信息。

2、種類（Variety），數據類型的多樣性。

3、速度（Velocity），指獲得數據的速度。

4、可變性（Variability），妨礙了處理和有效地管理數據的過程。

5、真實性（Veracity），數據的質量。

6、復雜性（Complexity），數據量巨大，來源多渠道。

『肆』 目前大數據在哪些行業有案例或者說應用

大數據應用的關鍵，也是其必要條件，就在於"IT"與"經營"的融合，當然，這里的經營的內涵可以非常廣泛，小至一個零售門店的經營，大至一個城市的經營。以下是關於各行各業，不同的組織機構在大數據方面的應用的案例，在此申明，以下案例均來源於網路，本文僅作引用，並在此基礎上作簡單的梳理和分類。
大數據應用案例之：醫療行業
Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息，通過大數據處理，更好地分析病人的信息。
在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鍾有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施，避免早產嬰兒夭折。
它讓更多的創業者更方便地開發產品，比如通過社交網路來收集數據的健康類App。也許未來數年後，它們搜集的數據能讓醫生給你的診斷變得更為精確，比方說不是通用的成人每日三次一次一片，而是檢測到你的血液中葯劑已經代謝完成會自動提醒你再次服葯。
大數據應用案例之：能源行業
智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多餘電的時候還可以買回來。通過電網收集每隔五分鍾或十分鍾收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。有了這個預測後，就可以向發電或者供電企業購買一定數量的電。因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測後，可以降低采購成本。
維斯塔斯風力系統，依靠的是BigInsights軟體和IBM超級計算機，然後對氣象數據進行分析，找出安裝風力渦輪機和整個風電場最佳的地點。利用大數據，以往需要數周的分析工作，現在僅需要不足1小時便可完成。
大數據應用案例之：通信行業
XO Communications通過使用IBM SPSS預測分析軟體，減少了將近一半的客戶流失率。XO現在可以預測客戶的行為，發現行為趨勢，並找出存在缺陷的環節，從而幫助公司及時採取措施，保留客戶。此外，IBM新的Netezza網路分析加速器，將通過提供單個端到端網路、服務、客戶分析視圖的可擴展平台，幫助通信企業制定更科學、合理決策。
電信業者透過數以千萬計的客戶資料，能分析出多種使用者行為和趨勢，賣給需要的企業，這是全新的資料經濟。
中國移動通過大數據分析，對企業運營的全業務進行針對性的監控、預警、跟蹤。系統在第一時間自動捕捉市場變化，再以最快捷的方式推送給指定負責人，使他在最短時間內獲知市場行情。
NTT docomo把手機位置信息和互聯網上的信息結合起來，為顧客提供附近的餐飲店信息，接近末班車時間時，提供末班車信息服務。
大數據應用案例之：零售業
"我們的某個客戶，是一家領先的專業時裝零售商，通過當地的百貨商店、網路及其郵購目錄業務為客戶提供服務。公司希望向客戶提供差異化服務，如何定位公司的差異化，他們通過從 Twitter 和 Facebook 上收集社交信息，更深入的理解化妝品的營銷模式，隨後他們認識到必須保留兩類有價值的客戶：高消費者和高影響者。希望通過接受免費化妝服務，讓用戶進行口碑宣傳，這是交易數據與交互數據的完美結合，為業務挑戰提供了解決方案。"Informatica的技術幫助這家零售商用社交平台上的數據充實了客戶主數據，使他的業務服務更具有目標性。
零售企業也監控客戶的店內走動情況以及與商品的互動。它們將這些數據與交易記錄相結合來展開分析，從而在銷售哪些商品、如何擺放貨品以及何時調整售價上給出意見，此類方法已經幫助某領先零售企業減少了17%的存貨，同時在保持市場份額的前提下，增加了高利潤率自有品牌商品的比例。

『伍』 什麼是大數據，大數據的典型案例有哪些

隨著大數據時代的到來，大數據早已被逐步的運用在我們生活中的方方面面，那麼除了之前眾所周知的大數據殺熟事件，對於大數據你還了解多少呢？科學運用案例你又知道多少?今天就跟隨千鋒小編一起來看看。
洛杉磯警察局和加利福尼亞大學合作利用大數據預測犯罪的發生。
google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。
統計學家內特.西爾弗(Nate Silver)利用大數據預測2012美國選舉結果。
麻省理工學院利用手機定位數據和交通數據建立城市規劃。
梅西百貨的實時定價機制，根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行實時調價。
……
種種的案例實在是太多，或許我們永遠說不完一樣，所以我們就來看一看大數據被科學運用的一個經典案例：

「啤酒與尿布」的故事產生於20世紀90年代的美國沃爾瑪超市中，沃爾瑪的超市管理人員分析銷售數據時發現了一個令人難於理解的現象：在某些特定的情況下，「啤酒」與「尿布」兩件看上去毫無關系的商品會經常出現在同一個購物籃中，這種獨特的銷售現象引起了管理人員的注意，經過後續調查發現，這種現象出現在年輕的父親身上。
如果這個年輕的父親在賣場只能買到兩件商品之一，則他很有可能會放棄購物而到另一家商店，直到可以一次同時買到啤酒與尿布為止。沃爾瑪發現了這一獨特的現象，開始在賣場嘗試將啤酒與尿布擺放在相同的區域，讓年輕的父親可以同時找到這兩件商品，並很快地完成購物;而沃爾瑪超市也可以讓這些客戶一次購買兩件商品、而不是一件，從而獲得了很好的商品銷售收入，這就是「啤酒與尿布」 故事的由來。
當然「啤酒與尿布」的故事必須具有技術方面的支持。1993年美國學者Agrawal提出通過分析購物籃中的商品集合，從而找出商品之間關聯關系的關聯演算法，並根據商品之間的關系，找出客戶的購買行為。艾格拉沃從數學及計算機演算法角度提 出了商品關聯關系的計算方法——Aprior演算法。沃爾瑪從上個世紀 90 年代嘗試將 Aprior 演算法引入到 POS機數據分析中，並獲得了成功，於是產生了「啤酒與尿布」的故事。
其實大數據，其影響除了以上列舉的方面外，它同時也能在經濟、政治、文化等方面產生深遠的影響，大數據可以幫助人們開啟循「數」管理的模式，也是我們當下「大社會」的集中體現，三分技術，七分數據，得數據者得天下。

『陸』 小數據時代隨機采樣案例分析有哪些

如下：

第一個經典的例子是預測女孩懷孕「大數據」，2012年2月16日《紐約時報》刊登了一篇題為《這些公司是如何知道您的秘密的》報道。

文中介紹了這樣一個故事：一天一位男性顧客怒氣沖沖地來到一家折扣連鎖店「塔吉特」這是一家僅次於沃爾瑪的全美第二大零售商向經理投訴因為該店竟然給他還在讀高中的的女兒郵寄嬰兒服裝和孕婦服裝的優惠券。但隨後這位父親與女兒進一步溝通發現自己女兒真的已經懷孕了。

於是致電塔吉特道歉說他誤解商店了女兒的預產期確實是8月份。這里用到的就是大數據「關聯規則+預測推薦」技術。

第二個是經典的「啤酒和尿布」的例子，這個例子比較早，講的是基於關聯規則分析來預測超市裡面顧客購買行為規律。

20世紀90年代美國沃爾瑪超市中，超市管理人員分析銷售數據時發現了一個令人難以理解的現象：

在某些特定的情況下，「啤酒」與「尿布」兩件看上去毫無關系的商品會經常出現在同一個購物籃中，這種獨特的銷售現象引起了管理人員的注意，經過後續調查發現，這種現象出現在年輕的父親身上。

在美國有嬰兒的家庭中，一般是母親在家中照看嬰兒，年輕的父親去超市買尿布。父親在購買尿布的同時，往往會順便為自己購買啤酒。

如果這個年輕的父親在賣場只能買到兩件商品之一，則他很有可能會放棄購物而去另一家可以一次同時買到啤酒與尿布的商店。

由此，沃爾瑪發現了這一獨特的現象，開始在賣場嘗試將啤酒與尿布擺放在相同區域，讓年輕的父親可以同時找到這兩件商品，並很快地完成購物，從而獲得了很好的商品銷售收入。

第三個案例是近年來才炒得比較火熱的例子「谷歌預測流感」，是谷歌通過搜索引擎裡面的關鍵詞檢索日誌的時間序列數據成功預測了流感爆發的時間和規模。人們輸入的搜索關鍵詞代表了他們的即時需要，反映出用戶情況。

為便於建立關聯，設計人員編入「一攬子」流感關鍵詞，包括溫度計、流感症狀、肌肉疼痛、胸悶等。只要用戶輸入這些關鍵詞，系統就會展開跟蹤分析，創建地區流感圖表和流感地圖。

為驗證「谷歌流感趨勢」預警系統的正確性，谷歌多次把測試結果與美國疾病控制和預防中心的報告做比對，證實兩者結論存在很大相關性。

第一個例子背後是基於精準營銷，是大數據針對個人級別的應用，第二個例子能夠有效預測零售商需求，屬於企業級別應用，而第三個例子則是地區級別和國家級別的應用。由此可看出，當大數據真正走進生活、走進社會，其施展能量的力度越來越大，越來越強。

所以國家、教育部和企業越來越重視大數據和人工智慧的開發和應用，讓我們跟隨趣學人工智慧一起學習它吧！更多內容請關注趣學人工智慧公眾號，微信搜索趣學人工智慧裡面有更多視頻、音頻和文字內容。

數據時代為適應不同類型、不同發展階段企業或者個人的上網要求，提供有包括域名注冊、主機、企業郵局、系統集成在內的完整的網路平台服務。

構建有自己的電子商務寄放平台；網路系統均以高速獨享帶寬連接在骨幹網上，伺服器託管在電信品質的數據中心內，全面的備份系統、防火牆系統、負載平衡系統，專業人員全天候監控、維護，保證網站快速、可靠、穩定地運行。

數據時代秉承客戶至上、服務至上的經營理念，以卓越的網路服務品質、專業的技術服務實力、職業的客戶服務團隊保障您在21世紀的信息高速路上馳騁。

又以穩固與發展、求實與創新的精神，尊重人才、注重技術，使用戶在享受信息科技發展最新成果的同時不斷獲得最大的收益，為推動中國信息產業的發展、促進知識經濟的崛起作出最大的貢獻。

『柒』 AI 育兒筆記(六)：用AI大數據挑選故事

長年從事人工智慧自然語言（NLP）的工作，我發現孩子在學習語言的過程跟訓練電腦很像，或者反過來講，其實是科學家在觀察了孩子學習語言過程後，將之轉換成人工智慧演演算法，而電腦是由大數據採集開始，孩子則是從聽故事開始的。

孩子藉由聽故事來了解故事的內容，引用清大幼教系周育如主任的觀點，可拆解為五個步驟： 1. 文字的解碼 2. 語意的提取 3. 知識的提取 4. 邏輯的處理 5. 情緒的投入 。

聽故事的時候，孩子會對故事裡的文字或熟悉的詞彙進行一些解析，提取他可能理解的語意，接著把當中好奇與陌生的部分記住，並進行一些處理、分離。他會將最重要的詞彙記憶起來，在這過程中會運用上天賦予給他的第六感，進而明確感知其中的情緒，尤其會對有危險的情緒表現感覺更為強烈，這也是為何孩子對於危險訊息的察覺往往比成人靈敏許多。

除了上述的五部曲外，我認為故事的「正向情緒」感染力也是很重要的一部分。

身為AI時代的科技人，帥爸決定用自己的專業，來過濾篩選好故事。不論故事是網路找的、自己寫的，還是繪本出處的，都先用以下步驟，加以分析過濾。

詞彙量分析

將故事文稿進行「斷句斷詞」的處理，藉此將故事中的詞彙提取出來。類似的工具，網路上有很多開源碼可以利用，例如，結巴分詞等......都可以解決中文分詞的問題。分詞過後，我們就能得知故事的詞彙數量，再將拆解出來的詞彙放入3~5歲適合的詞彙庫中進行篩選，太艱澀的詞彙此時會被挑選出來，但整篇故事我還是容許可出現5個以內的新詞彙，這些詞彙可以用來教導孩子新的用詞。

每篇故事的詞彙數量到手之後，就可按照自己想要教給寶貝的進度，先作一個系統規劃，按照寶貝能吸取的進度，扣除復習的時間，然後自己排出一套學習小目標，重復一些不常用的詞彙，減去一大批常用詞彙、家中常用詞彙等等......

當然，這年紀的寶貝其實很聰明，常常一學就會，不必「考試」來檢測他們的吸收量。根據我家帥帥的經驗，寶貝能快速吸取詞彙，然後很快拿來用，啼笑皆非的嘗試他所學到的詞彙，這是因為寶貝能夠用大人理解的方式把句子講出來，他自己也會很有成就感！成就感是人類存在與進步的重要動力。

寶貝感覺他能表達自己的意思，而且大人也能聽懂，那種成就感是非常自豪的。寶貝就會開始不亂哭或耍賴，因為他開始會運用人類文明的工具「溝通」，這是作為爸爸媽媽非常值得高興的一個里程碑。

當然，也需要對故事的情緒作一些分析，我認為，這比吸收詞彙還重要！聖經中反復提到要說「造就人的話語」，佛教大師們也都常告誡「說好話」的影響，除了本身的意思，還有一些心理上或形而上主義、靈魂上的影響，這影響非常巨大！ 據說連植物也能被話語影響，話語無非就是詞彙，也就是故事中用到的詞語，那當然要來弄清楚。

詞性分析

將詞彙進行詞性分析。

用圖表來說明，會很清楚，這張表把詞彙進行了詞性分析， 這是AI判讀很重要的步驟，想像一下，AI機器人會在這個階段將各詞彙進行拆解與組合。只要斷詞正確，就能分析每個詞的詞性，AI理解詞性後，AI就能「讀懂」 故事到底在講什麼！

句法分析

故事的陳述句要盡量符合孩子可理解的方式，例如，這段話「老虎覺得很有自信，他認為自己的武功最厲害，任何小動物都比不上他」就不會寫成「老虎自視甚高，認為自己的拳法攻無不克，任何小動物都無法匹敵」。孩子版與大人版的差別這樣一比較就秒懂了。

在分析的過程當中，發現有孩子無法理解的敘述句時，就會改成孩子能理解的版本。

情緒分析

這是參考了著名學者，David Hawkins的情緒振動頻率理論，簡單來說，他認為人類的情緒都有相對應的能量產出，我將他的人類能量等級修改成15個等級(可以參考下表)變身成「故事情緒等級表」。再將故事中出現的情緒用語輔以這張表加以對照，正向的詞彙為加項，負向詞彙為減項，最後會得出一個故事情緒總分，當故事情緒總分出現負分時，我會對故事內容進行修改，目標是讓整個故事趨向正向情緒，讓孩子聽好、聽滿、不會傷心難過覺得冷。

範例：快樂王子有點傷心(-80)，因為在不遠的閣樓里，住著一位優秀(+80)的作家。他家徒四壁，很久沒有好好的吃一頓飯，所以，他的頭發像稻草一樣乾燥，身體瘦得跟紙片一樣，但只要談到寫作，一雙眼睛便張得很大，相當有精神：這個年輕作家，正在完成一本偉大的書。燕子知道後，問快樂王子說：這么努力(+50)的年輕人，要不要送一顆紅寶石給他呢？

上面這小段落經由故事情緒分析計算後，得分為50分。

註：對此議題有興趣的人可參考David Hawkins大師的著作， Power VS. Force: The Hidden Determinants of Human Behavior

當然，也許有爸爸媽媽會問，「情緒分析過後的正向故事，都適合給孩子聽嗎?」

這個問題很好！

每篇故事所得到的情緒分數還得再經過比較、排序，排序較前面，正向情緒分數高的故事，才會正式啟動錄音工作，在夜深人靜的晚上，對著麥克風錄音，製作給寶貝聽。

經過這一連串浩大工程所作出來的故事，爸爸媽媽們是否覺得，相較以前隨意在網路上找來給孩子聽的故事，安心一點點。帥爸講的故事，放在這里，歡迎有需要的家長聆聽使用。

最終科技能做的有限，在「陪伴」這一環，還是得由爸爸媽媽們親自操刀才行喔！

『捌』 大數據時代 「孟母三遷」的故事已OUT了

大數據時代 「孟母三遷」的故事已OUT了
「孟母三遷」的故事，相信很多人都知道，這是每個孩子在童年時代都聽過的故事，也是每位母親都熟悉的教子素材。
孟母擇鄰來自漢代劉向《列女傳·鄒孟軻母》：「鄒孟軻之母也，號孟母。其舍近墓，孟子之少也，嬉遊為墓間之事，踴躍築埋。孟母曰：『此非吾所以居處子。』乃去。舍市傍，其嬉戲為賈人炫賣之事。孟母又曰：『此非吾所以居處子也。』復徙舍學宮之傍。其嬉遊乃設俎豆揖讓進退。孟母曰：『真可以居吾子矣。』遂居之。及孟子長，學六藝，卒成大儒之名。」後來這個故事編入《三字經》：「昔孟母，擇鄰處。」以此贊賞聖人成長的道路——但稍懂得孔孟成長經歷的人都知道，孔子和孟子的經歷是差不多的，都是3歲喪父，母儀教誨。
從孟子的第一個居處來看，正是孔子在父親去世後居住的環境，當時，孔子的母親顏征在抱著年幼的他搬出孔門，移居貧賤者的聚居區「闕里」，這是個包括祭祀、腳夫等五行八作俱全的雜居之所。正是在這里，孔子學著大人祭天祭祖，「為兒嬉戲，常陳俎豆，設禮容」。孔子在母親教導下，努力學習做人與生活的本領，故孔子自述：「吾少也賤，故多能鄙事。」孔子也曾做過喪禮上為死者執紼吹打的吹鼓手，逐漸學會主持喪禮。先秦將執辦喪禮的司儀稱為儐相。儐相在《周禮》中稱為「胥」。「胥」又作「需」，「需」「儒」相通。正是這種環境滋生了孔子的少年理想，向著儒家學說勵志勤學。
再看孟母第二次搬家到鬧市區，孟子「嬉戲為賈人炫賣之事」。且莫說孟子並非商賈，即便是，與學習儒家經典也不是沖突的。子貢就是衛國商人，後來成為孔門賢人。往近的說，沈陽五愛市場是國際上出名的商業基地，但擇校到七中去的學生源源不斷，這似乎與孟母的主張相悖。
孟母最後安居之處，似乎重復著孔子的童年興趣，而與國子之學「禮壞樂崩」大相徑庭。
看來，孟子成才與孟母擇鄰似乎關系不大。而按照孟母擇鄰的邏輯，范仲淹應成為僧侶——他從小就在醴泉寺寄宿讀書。
話說回來，世異則事異，事異則備變。如今已是大數據時代，「雲」（網路）所引發的教育革命已悄然到來，鋒芒所向，直接針對工業文明時代的傳統教育。傳統學校映射的是機器批量生產模式：固定學制、班級、秧田式的課桌椅、統一的教材、按課表編排的教學進程、鈴聲、教師評語、考試選拔（淘汰）制。而如今的教育將強調個性化教育，使擇校得不償失。
——少把精力搭在路上，為了走更遠的路。
大數據背景下的學習解放了人們原有的天分，使原本處於基因狀態的學習能力，在雲計算的生境下生長出來。越來越少的課堂，越來越多的雲資源；越來越少的講授，越來越多的交互……雲教育資源極其豐富，學習可以在任何場合發生。通過對大數據技術的應用，將有利於個性化學習，標准化的學習內容由學習者自組織學習取而代之，學校和教育者更多是關注學習者個性化培養，教學由知識灌輸轉變為啟發助學。
——少在班級和年部攀比，為了登攀更高的山峰。
學習是由他組織到自組織的行為，但作為由學習決定的學校教育全然成為他組織行為，將學習者引向囧途。比爾·蓋茨曾預言，在21世紀，「我們可以在互聯網上找到質量最佳的授課內容，這些內容比任何單一的學校都要強。無論公眾接受的教育程度如何，都應對互聯網的各種資源加以利用。」
——少對學校有更多的依賴，為了對自己有更大的信心。
幾千年來，教育者試圖花費巨大的時間和精力所做的工作是：將提煉過的教師的思維邏輯或者書本的思維邏輯連同知識容量一起拷貝到學生的大腦中。這種標准化、規范化的教育，只能保證濡化，即代際的文化傳承，而丟棄了涵化，即橫向的交流。而在雲計算的今天，教育的真諦不是技術方法的教化，而是對學習者的支持與服務。而雲服務乃是學習的最大資源。
在當前的大數據時代下，「孟母三遷」的故事已經OUT了，這是因為，大數據正在推動教育向個性化、高層次方向發展，其全部奧秘只不過是學習、教學、教育、學生、教師、學校等概念的重構而已。就是說，當父母的要在大數據面前反思自己，將擇校變成擇教，穩妥地引領孩子多種能力和智慧的發展，這是家庭教育成功的關鍵。向孟母那種教育方式，已經不適合現代的孩子了。

『玖』 大數據在生活中對人們有什麼具體的幫助

你可以通過商家的來推送來源逆向思考你自己關注的東西，如果你經常收到一些亂七八糟的信息，或者各種游戲、無聊低級趣味的推薦，這說明你最近一段時間的關注點是在這些方面的，如果你經常收到一些專業書籍、會議邀請、知識推薦之類的信息，這反映的是另外一種信息。