《大数据时代读书心得体会优秀5篇》

《大数据时代》是由英国作者维克托麦尔〃舍恩伯格等所著，主要描述的是大数据时代到临人们生活、工作与思维各方面所遇到的重大变革。这次漂亮的小编为您带来了大数据时代读书心得体会优秀5篇，您的肯定与分享是对小编最大的鼓励。

大数据时代读书心得体会 篇1

信息时代的到来，我们感受到的是技术变化日新月异，随之而来的是生活方式的转变我们这样评论着的信息时代已经变为曾经。如今，大数据时代成为炙手可热的话题。笔者在这说明信息和数据，只是试图首先说明信息、数据的关系和不同，也试图说明，为什么信息时代转变为了大数据时代？大数据时代带给了我们什么？

信息和数据的定义。维基百科解释：信息，又称资讯，是一个高度概括抽象概念，是一个发展中的动态范畴，是进行互相交换的内容和名称，信息的界定没有统一的定义，但是信息具备客观、动态、传递、共享、经济等特性却是大家的共识。数据：或称资料，指描述事物的符号记录，是可定义为意义的实体，它涉及到事物的存在形式。它是关于事件之一组离散且客观的事实描述，是构成信息和知识的原始材料。数据可分为模拟数据和数字数据两大类。数据指计算机加工的“原料”，如图形、声音、文字、数、字符和符号等。从定义看来，数据是原始的处女地，需要耕耘。信息则是已经处理过的可以传播的资讯。信息时代依赖于数据的爆发，只是当数据爆发到无法驾驭的状态，大数据时代应运而生。这是否是《大数据时代》一书所未曾阐述的背景材料？

在《大数据时代》一书中，大数据时代与小数据时代的区别：

1、思维惯例。大数据时代区别与转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。作者语言绝对，却反思其本质区别。数据的更多、更杂，导致应用主意只能尽量观察，而不是倾其所有进行推理？这也是明智之举。

2、使用用途。小数据停留在说明过去，大数据用驱动过去来预测未来。笔者认为数据的用途意在何为，与数据本身无关，而与数据的解读者有关，而相关关系更有利于预测未来。

3、结构。大数据更多的体现在海量非结构化数据本身与处理方法的整合。大数据更像是理论与现实齐头并进，理论来创立处理非结构化数据的方法，处理结果与未来进行验证。

4、分析基础。大数据是在互联网背景下数据从量变到质变的过程。笔者认为，小数据时代也即是信息时代，是大数据时代的前提，大数据时代是升华和进化，本质是相辅相成，而并非相离互斥。

数据未来的故事。数据的发展，给我们带来什么预期和启示？银行业天然有大数据的潜质。客户数据、交易数据、管理数据等海量数据不断增长，海量机遇和挑战也随之而来，适应变革，适者生存。我们可以有更广阔的业务发展空间、可以有更精准的决策判断能力、可以有更优秀的经营管理能力可以这些都基于数据的收集、整理、驾驭、分析能力，基于脱颖而出的创新思维和执行。因此，建设“数据仓库”，培养“数据思维”，养成“数据治理”，创造“数据融合”，实现“数据应用”才能拥抱“大数据”时代，从数据中攫取价值，笑看风云变换，稳健赢取未来。

大数据时代读书心得体会 篇2

去年的“云计算”炒得热火朝天的，今年的“大数据”又突袭而来。仿佛一夜间，各厂商都纷纷改旗换帜，推起“大数据”来了。于是乎，各企业的CIO也将热度纷纷转向关注“大数据”来了。有一张来自《程序员》微博的漫画很形象。我觉得这张图，很真实地反映了现实中小企业云计算，大数据的现状。

不过话又还得说回来，《大数据时代》是本好书。

当然，很多IT知名人士也大力推荐，写了好多读后感来表述对这本书的喜欢没看此书之前，对所谓大数据的概念基本上是一头雾水，虽则有了解关注过现在也比较火热的BI，觉得也差不多，可能就是更多的数据，更细致的数据分析与数据挖掘。看过此书后，感觉到之前的想法，只能算是中了一小半吧—。巨量的数据，而另一前：着眼于数据关联性，而非数据精确性，或许才是大数据与现时BI的不同，不仅仅是方法，更多的时思想方法。不过坦白讲，到底是数据的关联性重佳，还是数据的精确性更好，还真的需要时间来检验一下，至少从现在的数据分析方法来论，更多的倾向于数据的精确性。

看完此书，我心中的一些问题：

1、什么是大数据？

查了查百度百科，是这样定义的：大数据（bigdata），或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据的4V特点：Volume、Velocity、Variety、Veracity这个好像是IBM的定义吧。

以个人的观点来看：数据海量，存储海量都是大数据的基本原型吧。

2、大数据适合什么样的企业？

诚然，大数据的前提是海量的数据，只有拥有巨量的数据资源，方能从中查找出数据的关联性，才可以让通过专业化的处理，让其为企业产生价值。针对电信运营，互联网应用这样海量用户的数据的大企业，也是在应用大数据的道路上拥有得天独厚的条件，但是针对中小企业呢？销售订单数据？若非百年老店，估计数据也是少得可怜，能用的可能只有消费者数据了吧。貌似大多数厂商，用来举例的也就是消费都购买行为分析为最多。

同样，在公共事业类的政府机构，大数据的作用也许也能很好的发挥。反而感觉在大多数中小型企业应用大数据，似乎有点大题小作。书中说：大数据是企业竞争力。诚然，数据是一个企业的核心无形资源（利用得好的话），但是否所有的数据，或都换则方式说：所有的企业都以大数据为竞争力，是否真的合适么？是否在中小企业中，会显示得小题大做呢？

3、大数据带来的影响

当一波又一波的IT技术热潮源源不断地向我们铺面而来的时候，你甚至都没有做好准备，你都要开始迎接它所给你带来的影响了。经过物联网，云计算的推波助澜下，大数据开始登场了。但它到底给我们带来了什么呢？

1）预测未来书中以Google成功预测了未来可能发生流感的案例来开篇，表明通过大数据的应用，可以为我们的生活起一个保驾护航的指向标。实质很简单，技术改变世界。

2）变革商业大数据所带来的商机，同时会衍生出一系列与大数据相关的商业机遇与商业模式，数据的潜在价值会源源不断地发挥作用可以容易想到的是未来有专门的数据收集，数据分析，数据生成的一条数据产业链产生。影响的，当然是IT公司

3）变革思维书中所说：因为有海量的数据作基础，未来，我们可能更关注数据的相关，而非精细度。对这条，本人还是持保留意见的。

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’。“[i]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。

大数据时代读书心得体会 篇3

“除了上帝，任何人都必须用数据来说话。”——这是《大数据》中出现的让人印象深刻的一句话，也是全书力图传递的信息。在数字信息时代，数据和空气一样遍布生活，对于有些人来说，数据无意义，而对于有些人来说，数据，即真相。

美国是《大数据》的主角，全书通过讲述美国半个多世纪信息开放、技术创新的历史，以别开生面的经典案例——设“前所未有的开放政府”的雄心、公共财政透明的曲折、《数据质量法》背后的隐情、全民医改法案的波澜、统一身份证的百年纠结、街头警察的创新传奇、美国矿难的悲情历史、商务智能的前世今生、数据开放运动的全球兴起，以及云计算、Facebook和推特等社交媒体、Web3·0与下一代互联网的未来图景等等，为读者一一细解数据创新给公民、政府、社会带来的种种挑战和变革。

透过全书，一个立体的美国及美国人民的思想呈现在我们面前——美国人民执著于个人隐私的保护，却又不遗余力地推动着政府信息的透明与公开。

读完此书，对生活中的数据及数据处理突然有了很大的兴趣。如果有一天，处处以数据说话，那么，政治、制度、生活将更加清明，事故将降到最低点。

作为信息技术教师，是有必要阅读此书的！有慧根的教师将能从书中挖掘出信息技术特有的文化以及能用于教学的鲜活案例。

每天能用来阅读的时间很少，总是要等到夜深疲倦时才有空打开书本，总是在眼睛极不舒服的情况下坚持阅读，《大数据》就这样在坚持中溶入我的思想……

大数据时代读书心得体会 篇4

大数据这个词一直存在但我们很少在这个时代前能有所耳闻，在我读了维克托写的大数据之后，我明白了在更早的年代之所以不流行这个词是因为人们喜欢感性的思考而不是拿数据理性的分析。究其原因，一方面是数据量小，另一方面是人们的思想落后。然而随着信息时代的到来和云技术的发展，大数据逐渐成为一个可靠的参考标准，以及大数据在诸多领域做出的贡献足以证明他在这个时代的重要地位。

维克托在书中例举了大量有关美国在这半个世纪信息开发技术创新的典型案例，从侧面向我们阐述了大数据在诸多领域的不同作用，例举其在医学方面的作用，在不久之前，你也许可能还会听到两个医生对于一个医学问题争论的喋喋不休，……公说公有理婆说婆有理……，但怎么说都是建立在“我认为”的主观臆断之上，幸运地是，大数据的出现给帮助医生在问题上给予一个正确的指向，通过云端和千千万万的数据，可以更清楚还原问题的直观事实。

这样的例子在生活中也数不胜数，其力量存在于人们无形的生活中，却有形的帮助人们解决了在经济，科学，人文方面的各种问题，通过整合混沌的信息，分析加工我们就能很好的了解自己所处的世界并驾驭在时代的前沿。

大数据时代读书心得体会 篇5

未来的十年，将是大数据引领下的智慧科技时代。不管你是否意识到它的存在，大数据都将越来越快地改变我们这个时代，包括我们的生活方式。

维克托·迈尔-舍恩伯格是最早洞见大数据时代发展趋势的数据科学家之一。他通过一个大家熟知的事例，来帮助我们理解“大数据”的潜在影响力，那就是四个世纪之前望远镜和显微镜的发明。望远镜能够让我们感受宇宙，显微镜能够让我们观测微生物，它们都是收集海量数据的新工具，因为这种工具的发明，人们同步更新了分析数据的技术和方法，促进了人们对世界更好的理解。如果说望远镜和显微镜是测量领域中的一场革命，那么今天的数据测量就相当于是现代版的望远镜、显微镜。随着社交网络的逐渐成熟，移动带宽迅速提升，云计算、物联网应用更加丰富，以及更多的传感设备、移动终端接入到网络，由此产生的数据及数据的增长速度比历史上的任何时期都要多、都要快。一个大数据的时代，不经意间顺理成章地翩然而至。

一、什么是大数据？

大数据是当前最热门的话题之一。但什么是大数据，人们尚未给出确切的定义。首先，“大数据”是相对过去小的、局部性的数据而言的；其次，利用大数据进行分析和工作时，所依据的关于此事尽可能完整的数据，从而“一览众山小”，而不是采用局部的小数据，从局部推断整体。

维克托也并未直接给出大数据的定义。不过，他用三大转变描述了大数据的特性：

转变之一：在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样。例如一项针对相扑比赛中非法操纵比赛结果的研究对64000场比赛进行了分析，这算不上一个很大的数字，但由于这是过去十年所有的比赛，所以它是大数据。

转变之二：由于有了更多的数据，我们可以接受更多的混杂、更多数据上的不精确。如果我们对于一个事物只有50个数据点，那么每一个数据点都必须非常精确，因为每个数据点都是有用的；但是如果我们有5000万个，去掉10个，甚至去掉1000个都没有太大的问题。

转变之三：不再探求难以捉摸的因果关系，转而关注事物的相关关系。分析大数据主要为了预测未来“是什么”，而不是“为什么”。因为很多时候我们以为我们找到了事情背后的原因，实际上却没有找到。更多时候知道了“是什么”就足够了。例如知道流感将会扩散到哪里就足够了，我不需要知道为什么；知道什么时候在网上购买机票能够获得最优惠的价格就足够了，我不需要知道为什么此时价格最低。

二、大数据带来的变化

大数据从根本上改变我们认识世界和改变世界的方式。很多传统的习惯将被颠覆，很多旧的制度将面临挑战。举例来说：

第一，科学探究的思路和方式受到挑战

探究是新课程改革中的一个热词，是促进学校教学与科学研究相融合的实践举措。科学探究的基本路径是：发现问题，提出假设，制定方案，实践探究，分析数据，得出结论。之所以会梳理出这样一个探究的路径，与我们对问题知晓的信息过少有关。换句话说，对所要研究的事物，我们知道的数据很少，需要从这些很小的数据出发，通过猜想和假设，进行试探性的研究，如果研究得出的结果和自己的假想是一致的，则说明我们的假说是正确的，这些假说会上升为对该事物描述的知识，我们掌握该事物的数据也随之增加。

利用测量所获得的点滴数据，从一个局部来推测世界是怎样的，这是科学探究的基本思路和方式。长期以来，我们总是通过这样的方式来认识世界，对其有宗教般的信仰。尽管我们知道，决策者总是先有了想法，才会提出假设。如果决策者自身对所研究的事情存在着偏见，所提出的假设就很难得到实证的支持，这往往会导致探究花费了很长的时间、很大的物力和财力，也常常劳而无功。但科学研究者还是坚定不移地沿着这条道路前行，学校在教学中也将其作为科学研究的基本规范来传授。

在大数据时代，这样的研究方式收到了极大的挑战。先举个事例来说吧。手机辐射是否能够致癌？关于这个问题，无论我们的假设如何，实验的设计都很难进行。首先，样本选择过少，没有统计学上的意义；其次，不能拿人做研究对象；第三，短时间的研究很难观察到变化。有了大数据之后，这样的难题就可以迎刃而解了。前段时间，丹麦就进行了这样的研究。丹麦拥有1985年手机推出以来所有手机用户的数据库。他们从这个数据库中分析了1990年至20__年拥有手机的所用用户的数据，同时，他们还收集了这一期间医院收集的所有癌症患者的数据，然后分析手机用户是否比非手机用户有更高的癌症发病率。这两个数据库本身是完全独立的，在作分析之前从来没有想过可以做这样的研究。结果表明，使用移动用户和癌症风险增加之间不存在任何关系。20__年10月，这一研究的结果发表在《英国医学杂志》上。

上述的案例告诉我们，在获得了大量的数据，能够对事物的整体进行全面的认识之后，假想就没有意义了，我们可以直接根据全面的数据做出结论。

第二，传统的思维习惯受到挑战

因果关系思维，是人们生活中最为普遍的一种思维方式。既是看上去没有关系的事情，人们也总是从因果的角度去理解他。比如说，1885年7月6日，巴斯德接诊了一个被带有狂犬病毒的狗咬伤的孩子，他把自己刚研制出来的狂犬疫苗给孩子注射，结果孩子活下来了。巴斯德的这一举措，使得狂犬疫苗和孩子的生存之间建立起了一个因果关系。但事实上，人被狂犬病狗咬伤后换上狂犬病的概率是只有七分之一，就算没有狂犬疫苗，这个孩子活下来的几率还是有85%。

在哲学界，关于因果关系的争论已经持续了几个世纪。争论的焦点在于：如果因果关系是普遍存在的，每一个果都有一个因和他相对应，世界上的所有事情都有因果的话，我们就没有决定任何事情的自由了。尽管哲学领域的争论很热烈，但并不耽误人们在日常生活中通过因果关系来思考问题。不仅如此，由于掌握的数据过少，人们还容易从线性关系的角度找寻事物之间的因果关系。在物理学中，有一种处理数据的方式之一就是“化曲为直”，设法找到两个变量之间的线性因果关系，从而进行定量的描述。事实上，由于很多事情之间的关系是很复杂的，简单的线性处理容易导致人们对事物本质属性的误解。

在大数据时代，相关关系比因果关系重要。20__年甲型H1N1流感发生之后，美国的卫生系统极力想从因果关系上来找到流感的源头，但信息反馈的速度太慢，让专家们束手无策。谷歌公司做出了快速反应，把5000万条美国人最频繁检索的词条和美国疾控中心在20__年至20__年间季节性流感传播时期的数据进行比较，研究特定检索词条的频繁使用与流感在时间和空间上的传播之间的联系，很快就确定了流感是从哪个地方传播出来的。谷歌采取的就是相关关系分析的方法，而不是因果关系分析的方法。这是大数据时代，对数据进行处理的一种典型方法。

第三，数据化比数字化更加重要

数字化是将模拟数据转化成0和1的二进制码，以便电脑进行数据处理的过程。过去的很长时间，我们所做的事情，就是对文本进行数字化。很多书籍包括教材，通过PDF等格式，变成了数字形态的资料，存入了电脑或者网路之中。

但是，这些数字化的资料要查询起来并不方便。首先你要知道所需的资料在那本书中，其次你还要仔细地去翻阅这些数字化的资源，以便找到你所需要的信息。这和到书本里去找没有本质的区别。

如果这些数字文本能够被数据化，文本中的字、词和段落能够一一被识别，利用搜索殷勤加以检索就会方便很多。所谓数据化就是将一种现象转化为可以制表分析的可量化的过程，量化，是数据化的核心。信息只能被数据化，其巨大的潜在价值才有可能被释放出来。

数字化带来了数据化，但数字化不能替代数据化。今天，很多学校都在进行“电子书包”的课程教学实践，但有不少实践者认为，所为电子书包，就是将纸质的课本和教辅资料数字化，装入电脑中让学生上课中使用，这其实是对电子书包最大的误解。电子书包的核心在于数据化，要通过对学生学习过程所记录的大数据分析，把握学生的个性化学习特征，以便给予更有针对性的指导。

三、需要关注的一些问题

从教育的角度看，大数据时代的来临，对教育的变革将带来巨大的影响。

首先是教育内容要进行革新。大数据使得传统的因果思维方式、科学研究方式不再是生活、工作起主导地位的方式，这必然要求我们在教学中要将这些变化和学生讲清楚，以便他们能够在今后走上社会的时候有足够的能力迎接挑战。

其次是教学方式要进行革新。过去的教学，因为没有大量数据的支撑，该教什么全凭教师自己跟着感觉走。今天，我们可以将教师的教学视频挂在晚上，通过深度分析学生在观看视频的过程中在哪些地方停顿或者重放的频次比较高，来找出学生不明确或者课程吸引人的地方，帮助教师改进教学、确定教学重点。这必然导致教师教学方式的变革。

第三是学习路径会发生变化。在过去，如果你想成为一个优秀的生物学家，一定要认识很多生物学家。今天，要解决一个生物难题，可能与天体物理学家或者数据视图设计师联系就可以实现。

第四是要防止对数据的痴迷。一方面，我们要研究学校长期以来储存下来的大量数据，同时积累学校每天的教育数据，为进入大数据时代做好充分的思想准备；另一方面，要唤醒学校里沉睡的数据，让其在学校管理和教师教学中发挥更大的作用；再一方面，也要防止出现另一个极端，那就是对数据的痴迷。能仅仅为了收集数据而收集数据，要让数据在如何全面反映一个学生的能力、全面反映教师的教育质量等方面做出实践和探索。