大数据小故事有哪些

『壹』 生活中的大数有哪些（据那年统计）

大数据时代，几个例子告诉你什么是大数据 工具类厂商蓄意炒作大数据，以达到售卖产品的目的，但导致的结果是很多人对大数据这一概念云里雾里。实际上，大数据就发生在你我身边，虽然你看不到它，但它却时时影响着我们的生活。 现阶段，和大数据相关的企业有三种。一种是工具类公司，他们宣传得最卖力，并且把大数据吹出了泡沫，原因是它们希望把自己的产品卖给企业；一种是依托于大数据从事咨询服务类的企业；还有一种就是实实在拥有大数据的公司，它们和我们休戚相关，也就是下面的小故事所要阐述的内容。 第一个故事，百货公司知道女孩怀孕 美国的Target百货公司上线了一套客户分析工具，可以对顾客的购买记录进行分析，并向顾客进行产品推荐。一次，他们根据一个女孩在Target连锁店中的购物记录，推断出这一女孩怀孕，然后开始通过购物手册的形式向女孩推荐一系列孕妇产品。这一作法让女孩的家长勃然大怒，事实真相是女孩隐瞒了怀孕消息。 点评：看似杂乱无章的购买清单，经过对比发现其中的规律和不符合常规的数据，往往能够得出一些真实的结论。这就是大数据的应用。 第二个故事，搜狗热词里的商机 王建锋是某综合类网站的编辑，基于访问量的考核是这个编辑每天都要面对的事情。但在每年的评比中，他都号称是PV王。原来他的秘密就是只做热点新闻。王建锋养成了看网络搜索风云榜和搜狗热搜榜的习惯，所以，他会优先挑选热情榜上的新闻事件来编辑整理，关注的人自然多。 点评：搜狗拥有输入法，搜索引擎，那些在输入法和搜索引擎上反复出现的热词，就是搜狗热搜榜的来源。通过对海量词汇的对比，找出哪些是网民关注的。这就是大数据的应用。 第三个故事，阿里云知道谁需要贷款 这是阿里人讲述的一个故事。每天，海量的交易和数据在阿里的平台上跑着，阿里通过对商户最近100天的数据分析，就能知道哪些商户可能存在资金问题，此时的阿里贷款平台就有可能出马，同潜在的贷款对象进行沟通。 点评：通常来说，数据比文字更真实，更能反映一个公司的正常运营情况。通过海量的分析得出企业的经营情况，这就是大数据的应用。 第四个故事，中移动挽留流失客户 iPhone进入中国后，铁杆的移动用户王永铭加入了联通合约机大军。由于合约机承担了大量通话内容，王永铭将全球通换成了动感地带。三个月之后，王永铭接到了中国移动的10086电话，向他介绍中移动的优惠资费活动。一位移动的工作人员称，运营商会保管用户数据，如果话费锐减，基本上就是流失先兆。 点评：给数亿用户建立一个数据库，通过跟踪用户的话费消耗情况，运营商就能知道哪些用户在流失。这就是大数据的应用。 第五个故事：工薪阶层如何省小钱 上汽通用五菱股份有限公司的肖伟，是个不折不扣的网购专家。区别于菜市场的费力砍价，肖伟的作法简单多了，登陆各种比价网站，然后选择最便宜的正规店下单。 点评：比价网站通过海量的产品信息抓取，比如抓京东、天猫、易购的数据，然后将价格由低到高进行排列，这也是大数据的应用。 第六个故事：公关公司的舆情监督 这是一个离职公关人的故事。她参与和间接参与了很多危机公关事件，比如雷士照明的创始人股东之争，比如罗永浩砸西门子冰箱事件。她说，她每天的事情都是上网搜索事件的热度，然后决定下一步的动作。

『贰』 生活中有哪些大数据

网络日志抄、传感器袭网络、社会网络、社会数据、互联网文体和文件、呼叫详细记录、天文学、医疗记录，篮球比赛中利用大数据对球员的个人在比赛场上的数据分析。

通过收集普通家庭的能耗数据，大数据技术给出人们切实可用的节能提醒；通过对城市交通数据的收集处理，大数据技术能实现城市交通的优化。这些都是大数据在生活中的应用。

(2)大数据小故事有哪些扩展阅读：

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据的价值体现在以下几个方面：

1、对大量消费者提供产品或服务的企业可以利用大数据进行精准营销

2、做小而美模式的中小微企业可以利用大数据做服务转型

3、面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值

『叁』 寻找生活中的大数10个例子有哪些

生活中的大数例子：

1、中国约有14亿人口。

2、长江面积约180平方米。

3、中国土地约960万平方公里。

4、世界上最深的湖，深度1741米。

5、世界上最长的河流，长6671米。

6、全世界60亿人口。

7、珠穆朗玛峰8848米。

大数量的特点

1、容量（Volume），数据的大小决定所考虑的数据的价值的和潜在的信息。

2、种类（Variety），数据类型的多样性。

3、速度（Velocity），指获得数据的速度。

4、可变性（Variability），妨碍了处理和有效地管理数据的过程。

5、真实性（Veracity），数据的质量。

6、复杂性（Complexity），数据量巨大，来源多渠道。

『肆』 目前大数据在哪些行业有案例或者说应用

大数据应用的关键，也是其必要条件，就在于"IT"与"经营"的融合，当然，这里的经营的内涵可以非常广泛，小至一个零售门店的经营，大至一个城市的经营。以下是关于各行各业，不同的组织机构在大数据方面的应用的案例，在此申明，以下案例均来源于网络，本文仅作引用，并在此基础上作简单的梳理和分类。
大数据应用案例之：医疗行业
Seton Healthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。
在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。
它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类App。也许未来数年后，它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药。
大数据应用案例之：能源行业
智能电网现在欧洲已经做到了终端，也就是所谓的智能电表。在德国，为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来。通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测客户的用电习惯等，从而推断出在未来2~3个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。
维斯塔斯风力系统，依靠的是BigInsights软件和IBM超级计算机，然后对气象数据进行分析，找出安装风力涡轮机和整个风电场最佳的地点。利用大数据，以往需要数周的分析工作，现在仅需要不足1小时便可完成。
大数据应用案例之：通信行业
XO Communications通过使用IBM SPSS预测分析软件，减少了将近一半的客户流失率。XO现在可以预测客户的行为，发现行为趋势，并找出存在缺陷的环节，从而帮助公司及时采取措施，保留客户。此外，IBM新的Netezza网络分析加速器，将通过提供单个端到端网络、服务、客户分析视图的可扩展平台，帮助通信企业制定更科学、合理决策。
电信业者透过数以千万计的客户资料，能分析出多种使用者行为和趋势，卖给需要的企业，这是全新的资料经济。
中国移动通过大数据分析，对企业运营的全业务进行针对性的监控、预警、跟踪。系统在第一时间自动捕捉市场变化，再以最快捷的方式推送给指定负责人，使他在最短时间内获知市场行情。
NTT docomo把手机位置信息和互联网上的信息结合起来，为顾客提供附近的餐饮店信息，接近末班车时间时，提供末班车信息服务。
大数据应用案例之：零售业
"我们的某个客户，是一家领先的专业时装零售商，通过当地的百货商店、网络及其邮购目录业务为客户提供服务。公司希望向客户提供差异化服务，如何定位公司的差异化，他们通过从 Twitter 和 Facebook 上收集社交信息，更深入的理解化妆品的营销模式，随后他们认识到必须保留两类有价值的客户：高消费者和高影响者。希望通过接受免费化妆服务，让用户进行口碑宣传，这是交易数据与交互数据的完美结合，为业务挑战提供了解决方案。"Informatica的技术帮助这家零售商用社交平台上的数据充实了客户主数据，使他的业务服务更具有目标性。
零售企业也监控客户的店内走动情况以及与商品的互动。它们将这些数据与交易记录相结合来展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助某领先零售企业减少了17%的存货，同时在保持市场份额的前提下，增加了高利润率自有品牌商品的比例。

『伍』 什么是大数据，大数据的典型案例有哪些

随着大数据时代的到来，大数据早已被逐步的运用在我们生活中的方方面面，那么除了之前众所周知的大数据杀熟事件，对于大数据你还了解多少呢？科学运用案例你又知道多少?今天就跟随千锋小编一起来看看。
洛杉矶警察局和加利福尼亚大学合作利用大数据预测犯罪的发生。
google流感趋势(Google Flu Trends)利用搜索关键词预测禽流感的散布。
统计学家内特.西尔弗(Nate Silver)利用大数据预测2012美国选举结果。
麻省理工学院利用手机定位数据和交通数据建立城市规划。
梅西百货的实时定价机制，根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。
……
种种的案例实在是太多，或许我们永远说不完一样，所以我们就来看一看大数据被科学运用的一个经典案例：

“啤酒与尿布”的故事产生于20世纪90年代的美国沃尔玛超市中，沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中，这种独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上。
如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而到另一家商店，直到可以一次同时买到啤酒与尿布为止。沃尔玛发现了这一独特的现象，开始在卖场尝试将啤酒与尿布摆放在相同的区域，让年轻的父亲可以同时找到这两件商品，并很快地完成购物;而沃尔玛超市也可以让这些客户一次购买两件商品、而不是一件，从而获得了很好的商品销售收入，这就是“啤酒与尿布” 故事的由来。
当然“啤酒与尿布”的故事必须具有技术方面的支持。1993年美国学者Agrawal提出通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出客户的购买行为。艾格拉沃从数学及计算机算法角度提 出了商品关联关系的计算方法——Aprior算法。沃尔玛从上个世纪 90 年代尝试将 Aprior 算法引入到 POS机数据分析中，并获得了成功，于是产生了“啤酒与尿布”的故事。
其实大数据，其影响除了以上列举的方面外，它同时也能在经济、政治、文化等方面产生深远的影响，大数据可以帮助人们开启循“数”管理的模式，也是我们当下“大社会”的集中体现，三分技术，七分数据，得数据者得天下。

『陆』 小数据时代随机采样案例分析有哪些

如下：

第一个经典的例子是预测女孩怀孕“大数据”，2012年2月16日《纽约时报》刊登了一篇题为《这些公司是如何知道您的秘密的》报道。

文中介绍了这样一个故事：一天一位男性顾客怒气冲冲地来到一家折扣连锁店“塔吉特”这是一家仅次于沃尔玛的全美第二大零售商向经理投诉因为该店竟然给他还在读高中的的女儿邮寄婴儿服装和孕妇服装的优惠券。但随后这位父亲与女儿进一步沟通发现自己女儿真的已经怀孕了。

于是致电塔吉特道歉说他误解商店了女儿的预产期确实是8月份。这里用到的就是大数据“关联规则+预测推荐”技术。

第二个是经典的“啤酒和尿布”的例子，这个例子比较早，讲的是基于关联规则分析来预测超市里面顾客购买行为规律。

20世纪90年代美国沃尔玛超市中，超市管理人员分析销售数据时发现了一个令人难以理解的现象：

在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中，这种独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上。

在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻的父亲去超市买尿布。父亲在购买尿布的同时，往往会顺便为自己购买啤酒。

如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而去另一家可以一次同时买到啤酒与尿布的商店。

由此，沃尔玛发现了这一独特的现象，开始在卖场尝试将啤酒与尿布摆放在相同区域，让年轻的父亲可以同时找到这两件商品，并很快地完成购物，从而获得了很好的商品销售收入。

第三个案例是近年来才炒得比较火热的例子“谷歌预测流感”，是谷歌通过搜索引擎里面的关键词检索日志的时间序列数据成功预测了流感爆发的时间和规模。人们输入的搜索关键词代表了他们的即时需要，反映出用户情况。

为便于建立关联，设计人员编入“一揽子”流感关键词，包括温度计、流感症状、肌肉疼痛、胸闷等。只要用户输入这些关键词，系统就会展开跟踪分析，创建地区流感图表和流感地图。

为验证“谷歌流感趋势”预警系统的正确性，谷歌多次把测试结果与美国疾病控制和预防中心的报告做比对，证实两者结论存在很大相关性。

第一个例子背后是基于精准营销，是大数据针对个人级别的应用，第二个例子能够有效预测零售商需求，属于企业级别应用，而第三个例子则是地区级别和国家级别的应用。由此可看出，当大数据真正走进生活、走进社会，其施展能量的力度越来越大，越来越强。

所以国家、教育部和企业越来越重视大数据和人工智能的开发和应用，让我们跟随趣学人工智能一起学习它吧！更多内容请关注趣学人工智能公众号，微信搜索趣学人工智能里面有更多视频、音频和文字内容。

数据时代为适应不同类型、不同发展阶段企业或者个人的上网要求，提供有包括域名注册、主机、企业邮局、系统集成在内的完整的网络平台服务。

构建有自己的电子商务寄放平台；网络系统均以高速独享带宽连接在骨干网上，服务器托管在电信品质的数据中心内，全面的备份系统、防火墙系统、负载平衡系统，专业人员全天候监控、维护，保证网站快速、可靠、稳定地运行。

数据时代秉承客户至上、服务至上的经营理念，以卓越的网络服务品质、专业的技术服务实力、职业的客户服务团队保障您在21世纪的信息高速路上驰骋。

又以稳固与发展、求实与创新的精神，尊重人才、注重技术，使用户在享受信息科技发展最新成果的同时不断获得最大的收益，为推动中国信息产业的发展、促进知识经济的崛起作出最大的贡献。

『柒』 AI 育儿笔记(六)：用AI大数据挑选故事

长年从事人工智慧自然语言（NLP）的工作，我发现孩子在学习语言的过程跟训练电脑很像，或者反过来讲，其实是科学家在观察了孩子学习语言过程后，将之转换成人工智慧演算法，而电脑是由大数据采集开始，孩子则是从听故事开始的。

孩子借由听故事来了解故事的内容，引用清大幼教系周育如主任的观点，可拆解为五个步骤： 1. 文字的解码 2. 语意的提取 3. 知识的提取 4. 逻辑的处理 5. 情绪的投入 。

听故事的时候，孩子会对故事里的文字或熟悉的词汇进行一些解析，提取他可能理解的语意，接着把当中好奇与陌生的部分记住，并进行一些处理、分离。他会将最重要的词汇记忆起来，在这过程中会运用上天赋予给他的第六感，进而明确感知其中的情绪，尤其会对有危险的情绪表现感觉更为强烈，这也是为何孩子对于危险讯息的察觉往往比成人灵敏许多。

除了上述的五部曲外，我认为故事的「正向情绪」感染力也是很重要的一部分。

身为AI时代的科技人，帅爸决定用自己的专业，来过滤筛选好故事。不论故事是网路找的、自己写的，还是绘本出处的，都先用以下步骤，加以分析过滤。

词汇量分析

将故事文稿进行「断句断词」的处理，借此将故事中的词汇提取出来。类似的工具，网路上有很多开源码可以利用，例如，结巴分词等......都可以解决中文分词的问题。分词过后，我们就能得知故事的词汇数量，再将拆解出来的词汇放入3~5岁适合的词汇库中进行筛选，太艰涩的词汇此时会被挑选出来，但整篇故事我还是容许可出现5个以内的新词汇，这些词汇可以用来教导孩子新的用词。

每篇故事的词汇数量到手之后，就可按照自己想要教给宝贝的进度，先作一个系统规划，按照宝贝能吸取的进度，扣除复习的时间，然后自己排出一套学习小目标，重复一些不常用的词汇，减去一大批常用词汇、家中常用词汇等等......

当然，这年纪的宝贝其实很聪明，常常一学就会，不必「考试」来检测他们的吸收量。根据我家帅帅的经验，宝贝能快速吸取词汇，然后很快拿来用，啼笑皆非的尝试他所学到的词汇，这是因为宝贝能够用大人理解的方式把句子讲出来，他自己也会很有成就感！成就感是人类存在与进步的重要动力。

宝贝感觉他能表达自己的意思，而且大人也能听懂，那种成就感是非常自豪的。宝贝就会开始不乱哭或耍赖，因为他开始会运用人类文明的工具「沟通」，这是作为爸爸妈妈非常值得高兴的一个里程碑。

当然，也需要对故事的情绪作一些分析，我认为，这比吸收词汇还重要！圣经中反复提到要说「造就人的话语」，佛教大师们也都常告诫「说好话」的影响，除了本身的意思，还有一些心理上或形而上主义、灵魂上的影响，这影响非常巨大！ 据说连植物也能被话语影响，话语无非就是词汇，也就是故事中用到的词语，那当然要来弄清楚。

词性分析

将词汇进行词性分析。

用图表来说明，会很清楚，这张表把词汇进行了词性分析， 这是AI判读很重要的步骤，想像一下，AI机器人会在这个阶段将各词汇进行拆解与组合。只要断词正确，就能分析每个词的词性，AI理解词性后，AI就能「读懂」 故事到底在讲什么！

句法分析

故事的陈述句要尽量符合孩子可理解的方式，例如，这段话「老虎觉得很有自信，他认为自己的武功最厉害，任何小动物都比不上他」就不会写成「老虎自视甚高，认为自己的拳法攻无不克，任何小动物都无法匹敌」。孩子版与大人版的差别这样一比较就秒懂了。

在分析的过程当中，发现有孩子无法理解的叙述句时，就会改成孩子能理解的版本。

情绪分析

这是参考了著名学者，David Hawkins的情绪振动频率理论，简单来说，他认为人类的情绪都有相对应的能量产出，我将他的人类能量等级修改成15个等级(可以参考下表)变身成「故事情绪等级表」。再将故事中出现的情绪用语辅以这张表加以对照，正向的词汇为加项，负向词汇为减项，最后会得出一个故事情绪总分，当故事情绪总分出现负分时，我会对故事内容进行修改，目标是让整个故事趋向正向情绪，让孩子听好、听满、不会伤心难过觉得冷。

范例：快乐王子有点伤心(-80)，因为在不远的阁楼里，住着一位优秀(+80)的作家。他家徒四壁，很久没有好好的吃一顿饭，所以，他的头发像稻草一样干燥，身体瘦得跟纸片一样，但只要谈到写作，一双眼睛便张得很大，相当有精神：这个年轻作家，正在完成一本伟大的书。燕子知道后，问快乐王子说：这么努力(+50)的年轻人，要不要送一颗红宝石给他呢？

上面这小段落经由故事情绪分析计算后，得分为50分。

注：对此议题有兴趣的人可参考David Hawkins大师的著作， Power VS. Force: The Hidden Determinants of Human Behavior

当然，也许有爸爸妈妈会问，「情绪分析过后的正向故事，都适合给孩子听吗?」

这个问题很好！

每篇故事所得到的情绪分数还得再经过比较、排序，排序较前面，正向情绪分数高的故事，才会正式启动录音工作，在夜深人静的晚上，对着麦克风录音，制作给宝贝听。

经过这一连串浩大工程所作出来的故事，爸爸妈妈们是否觉得，相较以前随意在网路上找来给孩子听的故事，安心一点点。帅爸讲的故事，放在这里，欢迎有需要的家长聆听使用。

最终科技能做的有限，在「陪伴」这一环，还是得由爸爸妈妈们亲自操刀才行喔！

『捌』 大数据时代 “孟母三迁”的故事已OUT了

大数据时代 “孟母三迁”的故事已OUT了
“孟母三迁”的故事，相信很多人都知道，这是每个孩子在童年时代都听过的故事，也是每位母亲都熟悉的教子素材。
孟母择邻来自汉代刘向《列女传·邹孟轲母》：“邹孟轲之母也，号孟母。其舍近墓，孟子之少也，嬉游为墓间之事，踊跃筑埋。孟母曰：‘此非吾所以居处子。’乃去。舍市傍，其嬉戏为贾人炫卖之事。孟母又曰：‘此非吾所以居处子也。’复徙舍学宫之傍。其嬉游乃设俎豆揖让进退。孟母曰：‘真可以居吾子矣。’遂居之。及孟子长，学六艺，卒成大儒之名。”后来这个故事编入《三字经》：“昔孟母，择邻处。”以此赞赏圣人成长的道路——但稍懂得孔孟成长经历的人都知道，孔子和孟子的经历是差不多的，都是3岁丧父，母仪教诲。
从孟子的第一个居处来看，正是孔子在父亲去世后居住的环境，当时，孔子的母亲颜征在抱着年幼的他搬出孔门，移居贫贱者的聚居区“阙里”，这是个包括祭祀、脚夫等五行八作俱全的杂居之所。正是在这里，孔子学着大人祭天祭祖，“为儿嬉戏，常陈俎豆，设礼容”。孔子在母亲教导下，努力学习做人与生活的本领，故孔子自述：“吾少也贱，故多能鄙事。”孔子也曾做过丧礼上为死者执绋吹打的吹鼓手，逐渐学会主持丧礼。先秦将执办丧礼的司仪称为傧相。傧相在《周礼》中称为“胥”。“胥”又作“需”，“需”“儒”相通。正是这种环境滋生了孔子的少年理想，向着儒家学说励志勤学。
再看孟母第二次搬家到闹市区，孟子“嬉戏为贾人炫卖之事”。且莫说孟子并非商贾，即便是，与学习儒家经典也不是冲突的。子贡就是卫国商人，后来成为孔门贤人。往近的说，沈阳五爱市场是国际上出名的商业基地，但择校到七中去的学生源源不断，这似乎与孟母的主张相悖。
孟母最后安居之处，似乎重复着孔子的童年兴趣，而与国子之学“礼坏乐崩”大相径庭。
看来，孟子成才与孟母择邻似乎关系不大。而按照孟母择邻的逻辑，范仲淹应成为僧侣——他从小就在醴泉寺寄宿读书。
话说回来，世异则事异，事异则备变。如今已是大数据时代，“云”（网络）所引发的教育革命已悄然到来，锋芒所向，直接针对工业文明时代的传统教育。传统学校映射的是机器批量生产模式：固定学制、班级、秧田式的课桌椅、统一的教材、按课表编排的教学进程、铃声、教师评语、考试选拔（淘汰）制。而如今的教育将强调个性化教育，使择校得不偿失。
——少把精力搭在路上，为了走更远的路。
大数据背景下的学习解放了人们原有的天分，使原本处于基因状态的学习能力，在云计算的生境下生长出来。越来越少的课堂，越来越多的云资源；越来越少的讲授，越来越多的交互……云教育资源极其丰富，学习可以在任何场合发生。通过对大数据技术的应用，将有利于个性化学习，标准化的学习内容由学习者自组织学习取而代之，学校和教育者更多是关注学习者个性化培养，教学由知识灌输转变为启发助学。
——少在班级和年部攀比，为了登攀更高的山峰。
学习是由他组织到自组织的行为，但作为由学习决定的学校教育全然成为他组织行为，将学习者引向囧途。比尔·盖茨曾预言，在21世纪，“我们可以在互联网上找到质量最佳的授课内容，这些内容比任何单一的学校都要强。无论公众接受的教育程度如何，都应对互联网的各种资源加以利用。”
——少对学校有更多的依赖，为了对自己有更大的信心。
几千年来，教育者试图花费巨大的时间和精力所做的工作是：将提炼过的教师的思维逻辑或者书本的思维逻辑连同知识容量一起拷贝到学生的大脑中。这种标准化、规范化的教育，只能保证濡化，即代际的文化传承，而丢弃了涵化，即横向的交流。而在云计算的今天，教育的真谛不是技术方法的教化，而是对学习者的支持与服务。而云服务乃是学习的最大资源。
在当前的大数据时代下，“孟母三迁”的故事已经OUT了，这是因为，大数据正在推动教育向个性化、高层次方向发展，其全部奥秘只不过是学习、教学、教育、学生、教师、学校等概念的重构而已。就是说，当父母的要在大数据面前反思自己，将择校变成择教，稳妥地引领孩子多种能力和智慧的发展，这是家庭教育成功的关键。向孟母那种教育方式，已经不适合现代的孩子了。

『玖』 大数据在生活中对人们有什么具体的帮助

你可以通过商家的来推送来源逆向思考你自己关注的东西，如果你经常收到一些乱七八糟的信息，或者各种游戏、无聊低级趣味的推荐，这说明你最近一段时间的关注点是在这些方面的，如果你经常收到一些专业书籍、会议邀请、知识推荐之类的信息，这反映的是另外一种信息。