《大数据时代》的读后感范文4篇当赏读完一本名著后，你有什么领悟呢？此时需要认真思考读 后感如何写了哦那么你真的会写读后感吗？以下是整理的《大数 据时代》的读后感范文，欢迎大家借鉴与参考，希望对大家有所帮 助《大数据时代》的读后感1世界正迈入大数据、云计算的时代，人类朝着数据化、数字化 的方向发足狂奔，我们原有的科学、技术、工作和生活方式正在被 信息技术所改写，很多科学领域会被大数据技术所替代，也会崛起 很多新兴科学家和职业，譬如数据科学家、数据中间商等大数据 会颠覆很多的产业和行业，甚至一夜之间就能变换运营模式，因为 在大数据面前，人类不会再向以前那样追寻着“为什么"，更多的 是在样本和概率面前做着商业决策的调整，“快”和“实用"更能 满足大众的需求数据之大，漫无边际，无穷无尽，包含着我们人类的一呼一吸, 一举一动处在大数据帝国的前夜，眺望星空，这是个最好的时代, 因为数据时代转折的重要性，不亚于黑猩猩站立起来行走划时代， 很多科幻片里的场景会出现在我们的日常；这也会是个最坏的时代, 因为人类最终会为此走向哪里，只有苍穹能知道！当我们拥有海量数据时，绝对的精准不再是我们追求的主要目 标，我们乐于接受数据的纷繁复杂，也只有接受不精确性，我们才 能打开一扇从未涉足的世界的窗户。
一一《大数据时代》小数据时代，我们在数据的精准性上花费很多，包括规则和准 则、复式记账的平衡规则、信息系统等等，数据闭环，所以数据具 有结构性，所以可以找根寻踪，找寻问题的根源，寻求解决方案大数据时代来临，因为数据量的庞大，以及数据背后的繁杂性, 以及处理数据的知识IT工程师和计算者，别忘了，拥有数据的是政 府和独角兽商人，所以，他们很难对数据进行深度分析，这样也会 催生各个领域的数据分析业务，数据生态链核心就清晰了起来大数据会取代小数据吗？这是不可能的事，大数据和中小数据 之间的防火墙更会高筑！大数据都是基于样本的非结构性数据，推 送到我们面前的数据指引，都已经经过了各种算法的粗加工，融入 了计算者的各种算法，算法会因人而异，利用我们过去的电子痕迹, 预测我们的现在和未来，一花一世界初期的一大一小，数据的交 融，像极了海上的渔网，具有强关联性数据就像是一个神奇的钻 石矿，在其首要价值被发觉后，仍能不断创造价值大数据拥有者 依赖技术专家挖掘数据的价值，但技术专家（数据武士）并没有想 象中那么耀眼，他们在大数据中淘金，发现了金银珠宝，可最后却 要把这些财富拱手让给大数据拥有者一一《大数据时代》当恐龙消失，人类慢慢成为了动物界的主人。
数据是我们工作、 生活中的点滴记录，它真实、朴实无华，它们也会有声音，只是需 要有慧眼和思维才能驾驭我们只有跨过数据化、数字化的长河，才能开启AI时代，路途 遥远，主人！这是一本好书，值得推荐《大数据时代》的读后感2这么多年来，看了很多东西，如今回过头来发现，好像什么都 忘了，真是悲剧，所谓读书破万卷，下笔如有神或许是不对的，还 是需要下笔勤快，所以决定从这里开始这些年对于技术的发展，我是没有跟上，如今发现即便是对于 投资，技术对于我们生活的改变太大，而自己身在这个技术浪潮的 前沿，还是需要跟上步伐大数据这个概念已经提了很久，我也一直疏忽了对于它的理解 看完《大数据时代》，再结合如果工作上对于大数据的理解，顿时 发现数据的重要性，以前在这方面的确没有足够的思想意识整本书来说，我觉得最关键的三个点是前面几个章节：1、 要总体，不要随机样本：从小对于统计学相关的.学习，基 本都是从样本出发，理论的基础在于如何随机的足够分散的选取样 本，这可是技术活加直觉而对于大数据来说，要的就是总体，本 质上来说，总体样本的确更能准确找到结果但是对于统计来说， 总体的分析增加了数据分析的难度，不仅数据核对不好进行，一旦 出现数据污染，准确度就会大打折扣，而且进行数据回溯的时候， 也无法准确确认问题，而这一点也是后面相关性上问题；2、 要混乱，而不是精确：这里主要想说明的是希望数据的多样 性，尽量将相关数据都收集起来，不管是结构化的还是非结构化的。
这样就不可避免的最终结果的不准确性大数据更多的是从一个总 体数据中说明以后概率事件，既然是概率，也就可以理解无法精确 这里有个点的说明，我觉得需要提一下，大数据算法更倾向于“简 单”，而不是复杂，这个倒是出乎我的意外3、 要相关性，而不是因果：从我对于知识获取的过程来说，我 是不同意这个观点，从人体对于知识的理解，还是要从因果论出发, 没有因果论，就会变成瞎子而作者的观点上来说，原因可能还是 从大数据本身的非准确性，一旦找到合适的算法，找到相关性，向 上追述原因本身就很难但是从举的示例上看，相关性的确认是一 个非常大的工程，基本就是使用排举法，一个一个试所以，对于 大数据来说，最重要的三点是：1、 数据一一得到更多数据；2、 算法一一建立更快的算法体系；3、 思维一一寻找数据间更多的相关性对于数据最终的走向，我同意书中所提到的政府管理的观点， 既然都是以“石油”的标准来看待数据，政府统一管理也就是必然 的了而且对于政府来说，掌握更多数据也有利于其管理及维护社 会的稳定性而对于社会道德方面的论述，我不想多说什么，时代 发展是不会被道德绑架的所以最后，想要建立对于大数据的思维，《大数据时代》还是 值得一读，里面的很多示例也非常不错。
如人际关系这一块，也是 出乎我的意料《大数据时代》的读后感3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-一巨量的数据，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最大的不同，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最大的，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《大数据时代》的读后感4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 的经典著作一一舍恩佰格的《大数据时代》维克托•迈尔一一舍 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等全球顶级企业，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，如果能做足功课又具备相应的理论 功底，就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：1、 更多：不是随机样本，而是全体数据；2、 更杂：不是精确性，而是混杂性；3、 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，不要因团囹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。