- 相關推薦
《大數據時代》讀后感范文（通用16篇）
認真讀完一本名著后，相信大家的收獲肯定不少，需要回過頭來寫一寫讀后感了。那么你會寫讀后感嗎？以下是小編為大家整理的《大數據時代》讀后感范文，僅供參考，大家一起來看看吧。
《大數據時代》讀后感 1
去年的"云計算"炒得熱火朝天的，今年的"大數據"又突襲而來。仿佛一夜間，各廠商都紛紛改旗換幟，推起"大數據"來了。于是乎，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云計算，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，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�？催^此書后，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：著眼于數據關聯性，而非數據精確性，或許才是大數據與現時BI最大的不同，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，更多的傾向于數據的精確性。看完此書，我心中的一些問題。
1、什么是大數據？
查了查百度百科，是這樣定義的：大數據，或稱巨量資料，指的是所涉及的資料量規模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并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、大數據適合什么樣的企業？
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，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，你甚至都沒有做好準備，你都要開始迎接它所給你帶來的影響了。經過物聯網，云計算的推波助瀾下，大數據開始登場了。但它到底給我們帶來了什么呢？
(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。影響最大的，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。
《大數據時代》讀后感 2
如今說起新媒體和互聯網，必提大數據，似乎不這樣說就OUT了。而且人云亦云的居多，不少談論者甚至還沒有認真讀過這方面的經典著作——舍恩佰格的《大數據時代》。維克托·邁爾——舍恩伯格何許人也？他現任牛津大學網絡學院互聯網研究所治理與監管專業教授，曾任哈佛大學肯尼迪學院信息監管科研項目負責人。他的咨詢客戶包括微軟、惠普和IBM等全球頂級企業，他是歐盟互聯網官方政策背后真正的制定者和參與者，他還先后擔任多國政府高層的智囊。這位被譽為：大數據時代的預言家"的牛津教授真牛！那么，這位大師說的都是金科玉律嗎？并不一定，讀大師的作品一定要做些功課才好讀懂，如果能做足功課又具備相應的理論功底，就能與之進行一場思想上的對話。
舍恩伯格分三部分來討論大數據，即思維變革、商業變革和管理變革。在第一部分"大數據時代的思維變革"中，舍恩伯格旗幟鮮明的亮出他的三個觀點：
一、更多：不是隨機樣本，而是全體數據；
二、更雜：不是精確性，而是混雜性；
三、更好：不是因果關系，而是相關關系。
對于第一個觀點，我不敢茍同。一方面是對全體數據進行處理，在技術和設備上有相當高的難度。另一方面是不是都有此必要，對于簡單事實進行判斷的數據分析難道也要采集全體數據嗎？我曾與香港城市大學的祝建華教授討論過。祝教授是傳播學研究方法和數據分析的專家，他認為一定可以找到一種數理統計方法來進行分析，并不一定需要全部數據。聯系到舍恩伯格第二個觀點中所說的相關關系，我理解他說的全體數據不是指數量而是指范圍，即大數據的隨機樣本不限于目標數據，還包括目標以外的'所有數據。我認為大數據分析不能排除隨機抽樣，只是抽樣的方法和范圍要加以拓展。
我同意舍恩伯格的第二觀點，我認為這是對他第一個觀點很好的補充，這也是對精準傳播和精準營銷的一種反思。"大數據的簡單算法比小數據的復雜算法更有效。"更具有宏觀視野和東方哲學思維。對于舍恩伯格的第三個觀點，我也不能完全贊同。"不是因果關系，而是相關關系。"不需要知道"為什么"，只需要知道"是什么"。傳播即數據，數據即關系。在小數據時代人們只關心因果關系，對相關關系認識不足，大數據時代相關關系舉足輕重，如何強調都不為過，但不應該完全排斥它。大數據從何而來？為何而用？如果我們完全忽略因果關系，不知道大數據產生的前因后果，也就消解了大數據的人文價值。如今不少學者為了闡述和傳播其觀點往往語出驚人，對舊有觀念進行徹底的否定。
世間萬物的復雜性多樣化并非非此即彼那么簡單，舍恩伯格也是這種二元對立的幼稚思維嗎？其實不然，讀者在閱讀時一定要看清楚他是在什么語境下說的，不要因囫圇吞棗的淺讀而陷入斷章取義的誤讀。比如說舍恩伯格在提出"不是因果關系，而是相關關系。"這一論斷時，他在書中還說道："在大多數情況下，一旦我們完成了對大數據的相關關系分析，而又不再滿足于僅僅知道“是什么”時，我們就會繼續向更深層次研究的因果關系，找出背后的“為什么”。"由此可見，他說的全體數據和相關關系都在特定語境下的，是在數據挖掘中的選項。
大數據研究的一大驅動力就是商用，舍恩伯格在第二部分里討論了大數據時代的商業變革。舍恩伯格認為數據化就是一切皆可"量化"，大數據的定量分析有力地回答"是什么"這一問題，但仍然無法完全回答"為什么"。因此，我認為并不能排除定性分析和質化研究。數據創新可以創造價值，這是毫無疑問的。舍恩伯格在討論大數據的角色定位時仍把它置于數據應用的商業系統中，而沒有把它置于整個社會系統里，但他在第二部分大數據時代的管理變革中討論了這個問題。在風險社會中信息安全問題日趨凸顯，數據獨裁與隱私保護成為一對矛盾。
如何擺脫大數據的困境？舍恩伯格在最后一節"掌控"中試圖回答，但基本上屬于老生常談。我想，或許凱文·凱利的《失控》可以幫助我們解答這個問題？至少可以提供更多的思考維度。正如舍恩伯格在結語中所道："大數據并不是一個充斥著算法和機器的冰冷世界，人類的作用依然無法被完全替代。大數據為我們提供的不是最終答案，只是參考答案，幫助是暫時的，而更好的方法和答案還在不久的未來。"謝謝舍恩伯格！讓大數據討論從自然科學回到人文社科。由此推斷，《大數據時代》不是最終答案，也不是標準答案，只是參考答案。
此外，在閱讀此書之前還必須具備一些數據科學的基本知識和基本概念，比如說什么叫數據？什么叫大數據？數據分析與數據挖掘的區別，數字化與數據化有什么不同？讀前做些功課讀起來就比較好懂了。
《大數據時代》讀后感 3
舍恩伯格的《大數據時代》，讓我重新審視了"大數據"這個在信息時代異軍突起的熱點詞匯，作為信息安全專業的我，對大數據這個詞本身有著更多的熱忱。
在百度上搜索到的解釋是："大數據"，或稱巨量資料，指的是所涉及的資料量規模巨大到無法通過目前主流軟件工具工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊。特點：數量、速度、品種、真實性。
而舍恩伯格認為，大數據并不能定義一個確切的概念。他提到"大數據是人們獲得新的認知，創造新的價值的源泉；大數據還是改變市場、組織機構，以及政府和公民關系的方法。"這是一種更具有人文色彩和社會意義的詮釋。
本書中，主要從三個方面論述，即思維變革、商業變革和管理變革。而舍恩伯格更是著重闡明三大觀點：
一、更多：不是隨機樣本，而是全體數據。
二、更雜：不是精確性，而是混雜性。
三、更好：不是因果關系，而是相關關系。
對于觀點一，我不敢茍同，畢竟大數據的實現需要一定的技術支持，而顯然，現在這種技術還不夠成熟，同時一些簡單的事情運用大數據反倒是問題更加復雜化，因此這種大叔據的繁雜處理方式更適用于一些特定的情況，比如商業預測，人類dna的研究等。
而對第二種觀點，我是十分贊同舍恩伯格所說的"大數據的簡單算法比小數據的簡單算法有效"。在計算機行業迅速發展中，一種新的簡單可行的算法的出現，遠沒有計算機在運算速度和存儲容量的發展快，而大數據算法似乎更能迎合這種大趨勢。
觀點三中提到的相關關系在大數據中可是重量級的，它能較快找到事物規律和對應的解決措施，當然，也不能完全忽視因果關系，畢竟人們在思維上更能夠接受因果關系分析出的結果，而大數據預測的需要人們慢慢的適應才能接受。當我們完成相關關系的分析而又不滿足于只知道"是什么"的時候，我們就可以轉而研究"為什么"了，畢竟問題的根本在于因果。而舍恩伯格的`全體數據和相關關系是大數據時代下的一種捷徑。
但是在信息時代，信息安全問題的日趨凸顯，數據獨裁與隱私保護之間的矛盾更是立于風口浪尖，成為眾矢之的，舍恩伯格在本書的最后章節曾試圖尋找一種解決方式來擺脫這一種困境，但最終沒能做到，但是他提出"大數據并不是一個充斥著算法的和機器的冰冷世界，人類的作用仍無法被完全代替。"這里表明人在數據時代同樣的重要，數據是為人類服務的，也就該人類驅使下完成相應的目的。
在這樣的大環境下，常引起我更多的思考和擔憂。
大數據時代對于我們同是機遇與挑戰，一些國家已開始步入大數據時代的行列，并在各個領域開始研究和使用。而對于我國龐大的人口，以及較大的領土面積，都可以在大數據時代為我們提供數據的保障，而能否面臨挑戰，在大國之間的新一輪角色角逐間嶄露頭角，我們更需要解決技術等方面的問題，更應在政策上逐步開放各領域的數據，保證數據來源、權限等問題得到解決，不斷學習先進的計算機技術，縮小與其他國家的差距。
工業化、信息化，我們都向世界交出了一份讓世界不能小覷的答案；大數據時代的數據化我們又將怎樣在新的風暴中所向披靡，如果大數據時代是一種必然趨勢，那這就是我們這一代人的責任，是我們新的戰場！
《大數據時代》讀后感 4
“除了上帝，任何人都必須用數據來說話�！薄@是《《大數據時代》》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，對于有些人來說，數據無意義，而對于有些人來說，數據，即真相。
美國是《《大數據時代》》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》背后的隱情、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。
通過全書，一個立體的美國及美國人民的思想呈現在我們面前——美國人民執著于個人隱私的保護，卻又不遺余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，那么，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于教學的鮮活案例。
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……
《大數據時代》讀后感 5
讀完《《大數據時代》》，我才意識到這并不是一本枯燥無味的書籍。作者運用案例和講故事的方式，把美國數據開放、收集、使用背后的立法故事、公民故事、技術故事、商業故事娓娓道來，引人入勝，令我大開眼界。
我在想，大數據概念對于教育來說會產生什么樣的實用價值呢？一直以來，中國教育在研究教育的數字化，比如數字化校園，這個思路就是把我們教育的內容進行數字化，其結果指向的就是電子教材的研發或者是教學過程的數字化。美其名曰，這是教育技術的重要內涵。
在教學過程中，學生的行為表現都可以被數據化，而這項研究不是任何一個專業可以深入下去的，它的專業性太強，所以我才會想到，所謂教育技術與其研究教育的.數字化，不如研究教育的數據化來得實在，來的有意義。長期以來，我們并不了解教育對一個人的影響具體會如何表現，我們有的只是一個輪廓，我們也并不確定一個教師的行為對學生具體產生了哪些影響。所以，人們對教育一直有一個深深的質疑，它是不是科學的？大數據概念至少提出了關注“是什么”比“為什么”要有實際意義得多。而我們的教育恰好需要把注意力從“為什么”轉移到“是什么”上面來，只有如此，才能把教育從為什么發展成“可能成為什么”上來，這會是一次思想上的革命。而對于現在地位岌岌可危的教育技術來說，把研究的重點從數字化轉移到數據化上面，這才是它的出路。
如何將數據融入教學，教育者首先通過標準化全科教學處方，實現了教師授課模板和教學內容的標準化，保證每個教學過程和內容是可控的，然后結合每天的教學內容，處理好面對的數據，處理好數據，自然也就處理好了課堂的反饋，最終形成了既注重教學體驗又以教學結果為導向的教學體系。
與此同時，不僅要注重課上的學生資源，在課后還要對這些資源進行跟蹤處理。這與過去的教育教學顯然是不同的，面對大數據時代的到來，教學有所改變是必然的。所以，無論環境怎么變換，數據如何復雜，我們都不能不去改變自己的教學去迎合將來的這個大數據時代。
《大數據時代》讀后感 6
對于暢銷書刊、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，鐘情于務虛的觀點；新奇的產品于我無緣，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。由于工作的原因，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，以及大數據時代對于個人隱私保護、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，勝于對因果關系的探索�！笆鞘裁础北取盀槭裁础敝匾�。
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、看似毫不相干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。
《大數據時代》讀后感 7
這本書比我預想的可讀性強多了……
深入簡出，以簡明扼要的概括性觀點和國外各種著名的事例解釋，讓外行人一眼明白大數據時代是什么，做什么，對未來生活有何益處，有何副作用。
首先改變我的認知的是，大數據的特點不是大，而是全。一改傳統的抽樣數據屬性（因為以前的計算機無法存儲運算收集這么龐大的數據），用整體的數據形成了一個更宏觀的上帝視角，進而發現更多意想不到的結論。
其二是分析的思路由因果關系發展到關聯關系。因果關系容易理解，因為人們去醫院檢查出了感染病所以要對這個人隔離治療，對周圍的人隔離檢查，這個地域可能是重要爆發點。然而關聯關系則是更加意想不到，比如谷歌公司利用人們的搜索關鍵字預測出感染病的爆發，這便不是因果，不是搜索了流感就一定患了病，這只是有關聯，只有當拿到全面的數據，關聯性才能形成一個結論。
應該說，大數據的時代會帶來新一波思想的沖擊，不再是按部就班地推導式邏輯，而是由現象直接得出結論的跳躍式思維，以海量數據的比對和驗證顯示出的新的關聯。
大數據時代的分析與預測會達到前所未有的準確和預見性，會讓人們更容易得出最優解，選擇不再變得那么糾結，廣告更知道給什么人投，新聞更知道哪一類人愛看哪一個，地塊更知道是需要住宅還是辦公，區域更知道是適合作為經濟現代化的中心還是環境優美宜居的景區。
然而，大數據時代帶來的問題也令人細思極恐。
其一，最直觀的就是隱私泄密問題。信息時代的今天，幾乎沒有人是脫離網絡通信生存的。而我們的無數信息也無時無刻不在沿著網絡線傳輸到看不見的地方。這是十分可怕的，因為你搜索到每個關鍵詞，點擊的每個頁面、看過的每個圖片甚至和別人交談的每一句話都暴露在開發者眼中。這些信息被記錄下來，聯系起來就可以勾勒出一個完整的個人檔案，可能比你自己填寫的.還要準確。如果只是作為記錄還好，如果被別人，比如說你家附近的小偷利用這分析哪家有錢又經常不在家比較好偷…
其二，大數據分析通過分析人們的喜好選擇，得出人們最偏愛的選項，對人們選擇產生影響……如此其實會產生一層問題，人們會知道他們想知道的而還有很多他們應該知道的被過濾掉了。人們會越來越分裂越來越偏執以自我為中心。也就是說過度的迎合市場不見得會一直長盛不衰。
其三也是最最可怕的，和電影里動漫里的幻想那樣，利用大數據對人是否有犯罪動機進行評判與預測…那么對數據預測的即將犯罪的人我們應不應該逮捕呢？說逮捕，其并未造成犯罪事實，說不逮捕，可能就無法阻止一場慘劇……
大數據帶來沖擊帶來革命也帶不安……但是就像法律上有律師來填補漏洞或者說為人們辯護，也許未來真的會有算法師成為大數據時代中新一代維護秩序的職業。
辯證地，準備迎接更加普及化的大數據時代吧。
《大數據時代》讀后感 8
這么多年來，看了很多東西，如今回過頭來發現，好像什么都忘了，真是悲劇，所謂讀書破萬卷，下筆如有神或許是不對的，還是需要下筆勤快，所以決定從這里開始。
這些年對于技術的發展，我是沒有跟上，如今發現即便是對于投資，技術對于我們生活的改變太大，而自己身在這個技術浪潮的前沿，還是需要跟上步伐。——前言
大數據這個概念已經提了很久，我也一直疏忽了對于它的理解。看完《大數據時代》，再結合如果工作上對于大數據的理解，頓時發現數據的重要性，以前在這方面的確沒有足夠的思想意識。
整本書來說，我覺得最關鍵的三個點是前面幾個章節：
1、要總體，不要隨機樣本：從小對于統計學相關的學習，基本都是從樣本出發，理論的基礎在于如何隨機的.足夠分散的選取樣本，這可是技術活加直覺。而對于大數據來說，要的就是總體，本質上來說，總體樣本的確更能準確找到結果。但是對于統計來說，總體的分析增加了數據分析的難度，不僅數據核對不好進行，一旦出現數據污染，準確度就會大打折扣，而且進行數據回溯的時候，也無法準確確認問題，而這一點也是后面相關性上問題；
2、要混亂，而不是精確：這里主要想說明的是希望數據的多樣性，盡量將相關數據都收集起來，不管是結構化的還是非結構化的。這樣就不可避免的最終結果的不準確性。大數據更多的是從一個總體數據中說明以后概率事件，既然是概率，也就可以理解無法精確。這里有個點的說明，我覺得需要提一下，大數據算法更傾向于“簡單”，而不是復雜，這個倒是出乎我的意外。
3、要相關性，而不是因果：從我對于知識獲取的過程來說，我是不同意這個觀點，從人體對于知識的理解，還是要從因果論出發，沒有因果論，就會變成瞎子。而作者的觀點上來說，原因可能還是從大數據本身的非準確性，一旦找到合適的算法，找到相關性，向上追述原因本身就很難。但是從舉的示例上看，相關性的確認是一個非常大的工程，基本就是使用排舉法，一個一個試。
所以，對于大數據來說，最重要的三點是：1、數據——得到更多數據；2、算法——建立更快的算法體系；3、思維——尋找數據間更多的相關性。
對于數據最終的走向，我同意書中所提到的政府管理的觀點，既然都是以“石油”的標準來看待數據，政府統一管理也就是必然的了。而且對于政府來說，掌握更多數據也有利于其管理及維護社會的穩定性。而對于社會道德方面的論述，我不想多說什么，時代發展是不會被道德綁架的。
所以最后，想要建立對于大數據的思維，《大數據時代》還是值得一讀，里面的很多示例也非常不錯。如人際關系這一塊，也是出乎我的意料。
《大數據時代》讀后感 9
大數據這個詞一直存在但我們很少在這個時代前能有所耳聞，在我讀了維克托寫的大數據之后，我明白了在更早的年代之所以不流行這個詞是因為人們喜歡感性的思考而不是拿數據理性的分析。究其原因，一方面是數據量小，另一方面是人們的思想落后。然而隨著信息時代的到來和云技術的`發展，大數據逐漸成為一個可靠的參考標準，以及大數據在諸多領域做出的貢獻足以證明他在這個時代的重要地位。
維克托在書中例舉了大量有關美國在這半個世紀信息開發技術創新的典型案例，從側面向我們闡述了大數據在諸多領域的不同作用，例舉其在醫學方面的作用，在不久之前，你也許可能還會聽到兩個醫生對于一個醫學問題爭論的喋喋不休，……公說公有理婆說婆有理……，但怎么說都是建立在“我認為”的主觀臆斷之上，幸運地是，大數據的出現給幫助醫生在問題上給予一個正確的指向，通過云端和千千萬萬的數據，可以更清楚還原問題的直觀事實。
這樣的例子在生活中也數不勝數，其力量存在于人們無形的生活中，卻有形的幫助人們解決了在經濟，科學，人文方面的各種問題，通過整合混沌的信息，分析加工我們就能很好的了解自己所處的世界并駕馭在時代的前沿。
《大數據時代》讀后感 10
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并對其進行分析。
第二就是相關性與因果性同樣重要。相關性說明了什么事情與什么什么事情有關系，如商場周圍車流量的增多與商場銷售額的相關性，因果性說明什么是什么的原因，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，由于數據量巨大，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，來處理加工數據并出售。
《大數據時代》讀后感 11
“除了上帝，任何人都必須用數據來說話�！薄@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，對于有些人來說，數據無意義，而對于有些人來說，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，以別開生面的經典案例——設“前所未有的開放政府”的雄心、公共財政透明的曲折、《數據質量法》背后的隱情、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，以及云計算、Facebook和推特等社交媒體、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——美國人民執著于個人隱私的保護，卻又不遺余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，那么，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于教學的鮮活案例。
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……
《大數據時代》讀后感 12
時代變了，人們的思維方式也會變。
當量子力學的不確定性原理被公諸于眾時，大多數人都無法接受，因為如果世界真的不確定，人類對因果關系的信念就會崩潰，愛因斯坦對此的回應是“上帝不擲骰子”。
在過去，我們一直認為，世界上的一切都不是隨機發生和存在的。當一件事發生時，它一定是由另一件事或之前發生的幾件事引起的。但不確定性原理的出現使一切不是必然，則深刻改變了人類的思維方式和認知方式。
時至今日，這種深刻的意識形態變革仍在繼續蔓延，而大數據帶來的因果關系挑戰正是這種意識形態變革的延續。
從不確定原理開始，人類已經認識到自己智慧的極限。在過去，我們試圖準確地描述一切，用嚴格的因果邏輯順序描述我們對世界的感知。
但在認識到事物的不確定性之后，我們開始以一種不同的方式構建我們的認知——概率。
在物理學中，我們不再試圖知道每個量子如何運動，這是我們不能或需要做的，但我們可以確切地知道量子如何運動，這就是概率的力量。一旦數字達到一定的`水平，單個量子所產生的不確定性就會消失。
從這個意義上說，大數據時代已經到來。今天我們所談論的大數據只是一個從實驗室里傳播開來的理念，從科學家的頭腦中傳播開來，并正在逐漸改變我們所知道的世界和所有人的認知。
正如書中所說，當我們放棄一定的精確性和因果關系時，我們會收獲更多。
但這并不意味著我們將完全放棄因果關系。自古以來，人類社會的進步就依賴于因果規律，依賴于我們不斷追問原因。書中所稱的相關性而非因果關系，是當今技術的妥協，是對探索更好用途的暫時退讓。但如果每個人都習慣了相互性而不去尋找因果關系，社會就永遠不會進步。
《大數據時代》讀后感 13
《大數據時代》是由英國作者維克托麥爾·舍恩伯格等所著，由勝楊燕和周濤翻譯。這本書主要描述的是大數據時代到臨人們生活、工作與思維各方面所遇到的重大變革。本書作者舍恩伯格在大數據領域是最受人尊敬的權威發言人之一。他二十多年來一直致力于網絡經濟、信息與創新、信息監管、網絡規范與戰略管理方面的研究，從維也納大學到哈佛大學，從新加坡國立大學到牛津大學，世界上最著名的互聯網研究學府都留下了他的足跡。開闊的學術視野與系統的學術造詣，更讓他不斷為企業與商業應用提供強大的理論支持。他的咨詢客戶包括微軟、惠普、IBM、亞馬遜、facebook、twitter、VISA等大數據先鋒們，所以在《大數據時代》一書中，他將掌握的最前沿的大數據應用案例給予充分的分析，并對大數據的價值鏈與角色定位給予清晰的預見。
文中作者清晰的闡述了大數據的基本概念和特點，并列出明確的觀點。不管對于產業實踐者，還是對于政府和公眾機構，都非常具有價值。作者將本書分為3個部分。第一部分提出了大數據時代處理數據理念上的三大轉變：抽樣=全體；要效率不要絕對精確；要相關不要因果；第二部分作者從萬事萬物數據化和數據交叉復用的巨大價值兩個方面，講述驅動大數據戰車在材質和智力方面向前滾動的最根本動力；最后一部分，作者描繪了大數據帝國前夜的脆弱和不安，包括產業生態環境、數據安全隱私、信息公正公開等問題。
本書觀點擲地有聲，作者觀念高屋建瓴，從很多實例和經驗中萃取普適性觀念。例子詳實豐富，囊括了進百個學術和商業實例。
引言提出了大數據將給生活、工作于思維帶來重大的變革。一個例子是2009年H1N1流行病毒背景下谷歌通過檢測檢索詞條，處理了4.5億個不同的數據模型，通過預測并與2007年、2008年美國疾控中心記錄的實際流感病例進行對比后，確定了45條檢索詞條組合，并將其用于一個特定的數學模型后，預測的結果與官方數據的相關系數高達97%。按照傳統的信息返回流程，通告新流感病毒病例將有一到兩周的延遲。對于飛速傳播的疾病，信息滯后兩周是致命的。而谷歌運用大數據技術，以前所未有的方式，通過海量數據分析得出流感所傳播的范圍，為世界預測流感提供了一種更快捷的預測工具。此外，我聯想到原淘寶董事長馬云通過大量數據分析得出2008年經濟疲弱，為其商家提前做好迎接經濟危機提供了時間緩沖。（補充并清晰描述詳細）關于大數據在商業領域的應用，Farecast公司是一個成功的典型范例。該公司由奧倫·埃齊奧尼創辦，利用機票的銷售數據來預測未來的機票價格，旨在幫助用戶在購買機票方面做出預測，并對機票價格走勢預測的可信度標示出來供消費者查考。Farecast系統利用近十萬億條價格記錄預測的準確度達75%，使得使用Farecast票價預測工具購買機票的旅客，平均每張機票節約50美元。而處理如此多的數據離開了大數據技術將無法進行。
也正是由于我們進入了一個前所未有的信息化時代，人們擁有了如此多的數據，才提供給我們利用大數據的分析處理手段，創造新的價值。也許有人以為我們大數據時代的還未來臨。其實大數據技術早已滲透到我們中間，它被應用在垃圾郵件的過濾，新浪微博技術平臺，谷歌翻譯以及輸入文字的自動糾錯等。
文中提出的一個觀點是，預測是大數據的核心。其實從過去的時代人們就利用掌握的數據進行各種分析，從而對經濟等各方面進行預測、矯正。只是進入了大數據時代人們掌握的數據爆炸性的速度在增長，從而數據的存儲和分析數據分方法成了釋放大數據能量的關鍵。
關于不是隨機樣本而是整體數據中。作者指出了隨機取樣是小數據時代用最少的數據獲取最大價值的做法。作者用大數據與喬布斯的癌癥治療例子說明了使用全部數據而非樣本的意義。喬布斯成為世界上第一個對自身所有DNA和腫瘤DNA進行排序的人。喬布斯曾開玩笑說“我要么是第一個通過這種方式戰勝癌癥的人，要么就是最后一個因為這種方式死于癌癥的人”。雖然最后難免死于癌癥但這種獲得所有數據而不是僅樣本的方法將他的生命延長了幾年。同樣，從事跨境匯款業務的Xoom公司偵破一起犯罪集團的詐騙也是由于使用了整體數據。初此之外，他還列舉了日本“相撲”等來證明使用全體數據的重要性。
作者同時也指出隨著數據使用的越來越多，其得出的結果并一定能越來越精確，畢竟數據不能保證百分之百的正確，特別是大數據時代各種結構化與非結構化類型的數據聚集在一起難免導致結果的不太精確。大數據時代要求我們重新審視精確性的優劣。作者特別舉了谷歌翻譯成功的例子。谷歌翻譯之所以優于IBM的Candide系統并不是因為它擁有更好的算法機制。和微軟的班科和布里爾一樣，谷歌翻譯增加了各種各樣的數據，并且接受了有錯誤的數據。（其語庫來自于未經過濾的網頁內容，會包含一些不完整的句子、拼寫錯誤、語法錯誤以及其他各種錯誤）
在不是因果關系，而是相關關系的篇章中。作者指出在大數據時代往往知道是什么要比知道為什么來的更實在。作者列舉了林登的亞馬遜推薦系統的成功，證實了大數據在分析相關性方面的優勢以及在銷售中獲得的成功。沃爾瑪也是充分利用并挖掘各類數據信息的先鋒和代表，從以前廣為人事的啤酒和尿布的案例，以及作者舉的有關蛋撻和颶風天氣的案例，都說明了掌握了相關關系對于其策略的幫助。建立在相關關系分析法基礎上的預測是大數據的核心。Aviva保險公司利用幾百種生活方式的數據，如愛好、長瀏覽網頁等間接的預測出哪些人更可能患高血壓、糖尿病和抑郁癥。UPS國家快遞公司通過使用預測性分析檢測其全美6萬輛車隊。進行防御性的修理，節約巨大得的成本。這些都充分顯示了大數據在預測方面的優勢。
本書第二部分講的是大數據時代的商業變革。
作者用莫里繪制導航圖的例子告訴我們，遠在信息數字化之前，對數據的運用就已經開始了。莫里利用大量的`人力去分析多年保存的航海記錄，他從這些大量的數據中獲取到新的利用價值。繪制的圖表幫助商人節約一大筆錢，使年輕的海員們間接獲取了成千上萬名經驗豐富的航海家的指導。日本先進工業技術研究所越水重臣教授通過安裝壓力傳感器將人屁股特征數據化，進而形成對乘客身份的特征識別。這項技術為汽車防盜系統提供了方案。Decide.com公司，致力于為顧客預測商品的價格，通過收集處理海量的價格信息，預測準確率高達77%，幫助顧客在購買一個產品時節約了大約100美元。MasterCardd.Advisor部門通過分析來自210個國家的15億信用卡用戶的650億條交易記錄，分析得出商業發展和客戶消費趨勢，如通過分析發現如果一個人下午四點左右給汽車加油的話，他很可能在接下來的一個小時內去購物或者去餐館吃飯，且在這一小時里大約花費35到40美元。商家正可以利用這個分析結果，在加油的小票背面附加上附近商店的優惠券。
這些例子都證明了大數據蘊藏著巨大的商業價值。根據提供價值的不同來源，大數據價值鏈包括三大構成部分。包括第一種是基于數據本身的公司。這些公司擁有大量數據或者至少可以收集到大量數據，卻不一定有從數據中提取價值或者用數據催生創新思想的技能。第二種是基于技能的公司。它們通常是咨詢公司、技術供應商或者分析公司。它們掌握了專業技能但并不一定擁有數據或者提出數據創性用途的才能。比如說，沃爾瑪和Pop—Tarts這兩個零售商就是借助天睿公司的分析來獲得營銷點子，天睿就是一家大數據分析公司。第三種是基于思維的公司。皮特。華登，Jetpac的聯合創始人，就是通過想法獲得價值的一個例子，他通過用戶分享到網上的旅行照片來為人們推薦下一次旅行目的地。對于某些公司來說，數據和技能并不是成功的關鍵。挖掘數據的新價值的創新思維才是這些公司脫穎而出的優勢所在。
大數據成為許多公司競爭力的來源，未來可能整個行業的結構會發生改變，大公司和小公司最有可能成為贏家。如今的核心競爭力在于快速而廉價地進行大量的數據存儲和處理。當然公司要根據自己的情況進行調整。大數據向小數據時代的贏家以及那些線下大公司（如沃爾瑪、聯邦快遞、寶潔公司、雀巢公司、波音公司）提出了挑戰。同時，大數據也為小公司帶來了機遇。大數據也將會影響國家競爭力。當制造業已經大幅轉向發展中國家，而大家都爭相發展創新行業的時候，工業化國家因為掌握了數據以及大數據技術，所以仍然在全球競爭中占據優勢，但這個優勢很難持續。隨著技術的發展，西方世界在大數據技術的優勢將會慢慢消失。對于大公司而言，好消息是大數據技術可以加劇優勝劣汰。一旦公司掌握了大數據，它不但可能超過對手還可能遙遙領先。
文章第三部分講了大數據帶來無數好處的同時帶來的不良影響以及如何面對這些影響。包括如數據的收益的處理問題以及數據中用戶資料的隱私和決策過程帶來的影響。作者在保護個人隱私方面提出了幾種想法。一種是使用數據時征詢數據所有個人的知曉和授權。第二個技術途徑就是匿名化。作者同時也指出了這兩種方式的難度。一方面收集到的數據可能會被后續的多次利用。另一方面，匿名化會在數據收集越來越多和數據的相互結合關聯使用時變得無效。作者列列舉電影《少數派報告》的情節說明越來越依賴數據時，大數據可能將我們禁錮在可能性之中。當然通過分析犯罪的常發地與常發時間，合理安排警力會對治安防范提供不小的幫助。作者還指出不能盡信數據的分析結果，因為不能保證獲取分析結果來源的數據準確性。大數據在給我們生活提供便利的同時，也讓隱私保護的法律手段失去了作用。我們必須杜絕對數據的過分依賴。
在高速邁進大數據時代的同時，人類信息管理準則需要重新定位，這將帶動社會核心價值觀的轉變。大數據時代，對原有規范的修修補補已經不足以抑制大數據帶來的風險。保護個人隱私就需要對個人數據處理器對其政策和行為承擔更多責任。同時必須重新定義公正的概念，以確保人類行為的自由。作者提出了解決這些問題的方向。如個人隱私保護方面，可以讓使用者承擔更多的社會責任。將責任從民眾轉移到數據使用者有很多意義，也有充分的理由。因為他們更清楚將如何使用數據且是數據應用最大的受益者。關于公正方面簡單的講就是個人可以并應為他們的行為而非傾向負責。就像公司有內部會計和外部審計人員一樣，大數據時代，公司將設置專門的人員——內部和外部算法師對大數據活動進行監督。還有可能出現第三方的機構對大數據行為進行監督和衡量。作者甚至考慮到對大數據存在的壟斷情況進行分析并在反壟斷反面給了建議。最后結語中作者提出大數據提供給人們的只是參考答案，提醒我們在利用這個工具時要銘記人類的作用是無法完全替代的。
大數據時代是信息化社會發展必然趨勢，我們只有緊緊跟隨時代發展的潮流，在技術上、制度上、價值觀念上做出迅速調整并牢牢跟進，才能在接下來新一輪的國際競爭中擺脫受制于人的弱勢境地，才能把握發展的方向，沖破與西方國家的差距。對于一個國家如此，對于一個企業亦是如此。在如此快速的到來的大數據時代，我們還有很多知識需要學習，許多思維需要轉變，許多技術需要研究。公司的規劃中，也需充分考慮到大數據對于公司的未來發展所帶來的機遇和挑戰。對于掌握大量數據的公司，需要考慮有多少數字化的數據，又有哪些可以通過大數據的分析處理而帶來有價值的用途？比如國內目前的社交網站，購物網站等都掌握了用戶的大量的數據信息。對于沒有掌握數據的小公司來說，在大數據時代制勝的良藥也許是創新的點子，也許可以利用外部的數據，通過多維化、多層面的分析給其他企業或個人帶來價值。從國家層面來講，要做好各方面的規劃和政策調整的準備。如對隱私的保護等需新的法律法規進行規范。
《大數據時代》讀后感 14
在這個即將到來的大數據時代里，我們應該摒棄傳統還是推陳出新，因為大數據時代里的一些思想相矛盾，在這個信息化的時代里，大數據才是人們獲取新知識和創造新價值的源泉。
讀書先讀引言，引言是這本書的眼睛，反復閱讀會受益良多。
第一個能力，洞察力，我先來解釋一下洞察力吧，洞察力是指觀察事物的能力，能從見到的事物中先知先覺，覺察到問題的所在，洞察力指心靈對事物的穿透力，感覺力，洞察事物的能力，簡單說，洞察力就是人們對個人認知情感，行動的動機與相關關系的透徹分析，再言簡意賅，洞察力就是一個人對外界信息的獲取能力，比如《神探夏洛克》中，夏洛克能從外界事物中提取一些他想要的信息，當然電視上的'難免有點夸張，不過這種能力以后無論是在生活中還是部隊建設中都是很有價值的
大數據時代不再要求每個數據都必須準確無誤，因為大數據時代，當很多數據在一起尋求某種規律或是個數學關系時，錯誤的數據很快就會被發現，因為偏移太大，因此大數據時代是用概率說話的，而不需要每個數據都是確鑿無疑的。
相關關系在大數據時代顯得尤其重要，甚至比我們傳統的因果關系更重要，因為大數據的核心是預測，而預測是建立在相關關系分析法基礎上的，有一個美國公司曾經揚言，可以預測一個人第二天會做什么事，雖然說這個說法很荒謬，但是如果我們現在以大數據的思維去想，我們不管他真的是否能預測，或是他預測的方法是什么，我們要考慮的是如果這中說法是真的，那么我們該怎么去應對，這就是大數據時代的相關關系，我更覺得，相關關系更像是一個哲學問題。
我們應該把我們所掌握的知識和理解的用于部隊，我們應該大力搜索數據而不是抽取，因為我們現在具備處理數據的能力，并用來預測敵軍的動向。
一旦世界被數據化了，只有你想不到的，沒有信息做不到的，我們要做的就是利用信息去做有利于我們的事，我們必須擁有分析的工具（統計學和算法）以及必需的設備（信息處理器和存儲器），那么我們就要培養統計學家和算法師。
數據創新當然是接下來時間內我們要做的和研究的主要對象。
大數據也有不利影響，這不是大數據本身的缺陷，而是我們濫用的結果，就像我們無法去逮捕一個將要犯罪的人，因為我們無法對將要發生的事情負責。
大數據時代，一個名副其實的信息社會，我們要提高自己的能力，做新，做多，做好，做快，讓它真真正正的為我們服務。
《大數據時代》讀后感 15
我們生活在一個“概念”紛飛的年代，先前只有IBM熟諳的招數，如今已經“飛入平常百姓家”�！耙苿踊ヂ摼W”、“云計算”的概念剛剛消停，業界的專家又送來了“大數據”的概念，一時間似乎人人都變成了“大數據”專家，見面要是不提“大數據”都不好意思跟人打招呼！
玩笑歸玩笑，當我們的存儲能力、計算能力和網絡帶寬變得充裕之后，我們先前對待數據，尤其是原始數據的態度和思維方式，將面臨著很大的改變！
其實，作者的主要觀點，已經在翻譯者的譯者序中進行了總結：“大數據時代處理數據理念上的三大轉變：要全體不要抽樣，要效率不要絕對精確，要相關不要因果”。
如作者所言，“采樣分析是信息缺乏時代和信息流通受限制的模擬數據時代的產物”。如果可以，我們當然會使用“全體數據”而不是“抽樣數據”。讀到這里，我估計大學里正在絞盡腦汁設計樣本抽樣方法的學生、教授們，連哭的心都有！
數據分析的及時性，在很多情況下比精確性更加重要，尤其是在商業領域。想想看，如果需要兩周時間才能計算出明天某個航班的滿座率，那還有什么意義？大數據計算技術，適用的不是像衛星發射、開具銀行賬戶這樣的工作，而是不要求極端精確的情況，其核心是“預測趨勢”，況且原始數據也可能出現差錯。
過往千年，探究因果關系幾乎是所有科學研究的原動力。甚至，這已經通過語言，融入我們的思維方式和哲學思想：“因為……所以……”，凡事都要問“為什么”。但是，在大數據的范疇里，關注的卻是相關性，而不是因果關系，或者其次才是因果關系。超市只用關心把啤酒和尿不濕放在一起，會幫助提高銷售額，而不用關心其中的奧秘。如果說原因，可能很多都是人們的習慣、方便，甚至是人性，例如奶爸們習慣買尿不濕的時候給自己捎上幾罐啤酒。
在此，也有一些自己的思考：如果說搜索引擎所解決的`問題表面上是幫助用戶找到需要的信息，而實質是幫助企業找到擁有某項需求的客戶，深層次講是解決了《第三次浪潮》中提出的消費者和生產者分離的根本矛盾，如果再加上3D打印技術，就可以完成由消費者主導的“個性化”生產過程；而大數據所解決的是，通過對所有用戶的數據進行分析，可以預測用戶群整體的需求變化趨勢，從而完成批量產品生產、銷售的調整問題，其奇妙之處就在于無需用戶“開口”說出她想要什么？一個解決的“個體需求”，一個解決的是“群體需求”。
本書除了提出上述三項基本觀點，其它的內容大多是舉例說明，多少有些空泛。但是，其實大數據時代才剛剛開始，對大數據的應用也只是停留在比較淺的層面上，作者能提出這三項基本觀點已屬難能可貴！
《大數據時代》讀后感 16
《大數據時代》，作者是被譽為“大數據時代的預言家”維克托·邁爾-舍恩伯教授和肯尼思·庫克耶。此書是在大數據方興未艾、眾說紛紜的時刻，進一步闡述和厘清大數據的基本概念和特點。
人類歷史長河中，即使是在現代社會日新月異的發展中，人們還主要依賴抽樣數據、局部數據和片面數據，甚至在無法獲得實證數據的時候純粹依賴經驗、理論、假設和價值觀去發現未知領域的規律。因此，人們對世界的認識往往是表面的、膚淺的、簡單的、扭曲的或者是無知的。維克托指出，大數據時代的來臨使人類第一次有機會和條件，在非常多的領域和非常深入的層次獲得和使用全面數據、完整數據和系統數據，深入探索現實世界的規律，獲取過去不可能獲取的知識，得到過去無法企及的商機。
本書從思維變革、商業變革及管理變革三部分闡述大數據時代已經來臨;列舉了眾多在公共衛生、商業服務領域大數據變革的'例子。比如：在思維變革部分，以UPS與汽車修理預測為例，證明知道“是什么”就夠了，沒必要知道“為什么”;在大數據時代，我們不必非得知道現象背后的原因，而是要讓大數據自己“發聲”：UPS國際快遞公司從2000年就開始使用預測性分析來檢測自己全美60000輛車規模的車隊，這樣就能及時的進行防御性的修理。之前UPS每兩三年就會對車輛的零件進行定時更換，但這種方法不太有效，因為有的零件并沒有什么毛病就被換掉了。通過檢測車輛的各個部位，UPS如今只需要更換需要更換的零件，從而節省了好幾百萬美元，這就是通過找出新種類數據之間的相互聯系來解決日常需要。這種方式完成可以應用于我們石油石化行業，我們的大量生產裝置及設備，在建立日常的關鍵部位檢測機制基礎上，形成大量的數據信息，通過對這些數據的科學分析，判斷出需要檢修或更換的零件，從而有效降低運營成本。
當我們一旦“不再追求精確度，不再追求因果關系，而是承認混雜性，探索相關關系”，“思維轉變過來，數據就能巧妙的用來激發新產品和新型服務”。數據正成為巨大的經濟資產，成為新世紀的礦產與石油，將帶來全新的創業方向、商業模式和投資機會。
近年來，伴隨著經濟社會快速發展、深度調整，石油石化產業變革加劇，面臨的四大革命中其中一項就是“數字革命”。因此我們必須牢牢把握數字革命發展大勢，加強數據治理和大數據分析應用，提高企業生產運行與管理水平，擁抱大數據時代的來臨。