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。
第三篇：《大數據時代》讀后感3000字
未來的十年，將是大數據引領下的智慧科技時代。不管你是否意識到它的存在，大數據都將越來越快地改變我們這個時代，包括我們的生活方式。
維克托·邁爾-舍恩伯格是最早洞見大數據時代發展趨勢的數據科學家之一。他通過一個大家熟知的事例，來幫助我們理解“大數據”的潛在影響力，那就是四個世紀之前望遠鏡和顯微鏡的發明。望遠鏡能夠讓我們感受宇宙，顯微鏡能夠讓我們觀測微生物，它們都是收集海量數據的新工具，因為這種工具的發明，人們同步更新了分析數據的技術和方法，促進了人們對世界更好的理解。如果說望遠鏡和顯微鏡是測量領域中的一場革命，那么今天的數據測量就相當于是現代版的望遠鏡、顯微鏡。隨著社交網絡的逐漸成熟，移動帶寬迅速提升，云計算、物聯網應用更加豐富，以及更多的傳感設備、移動終端接入到網絡，由此產生的數據及數據的增長速度比歷史上的任何時期都要多、都要快。一個大數據的時代，不經意間順理成章地翩然而至。
一、什么是大數據?
大數據是當前最熱門的話題之一。但什么是大數據，人們尚未給出確切的定義。首先，“大數據”是相對過去小的、局部性的數據而言的;其次，利用大數據進行分析和工作時，所依據的關于此事盡可能完整的數據，從而“一覽眾山小”，而不是采用局部的小數據，從局部推斷整體。
維克托也并未直接給出大數據的定義。不過，他用三大轉變描述了大數據的特性：
轉變之一：在大數據時代，我們可以分析更多的數據，有時候甚至可以處理和某個特別現象相關的所有數據，而不再依賴于隨機采樣。例如一項針對相撲比賽中非法操縱比賽結果的研究對64000場比賽進行了分析，這算不上一個很大的數字，但由于這是過去十年所有的比賽，所以它是大數據。
轉變之二：由于有了更多的數據，我們可以接受更多的混雜、更多數據上的不精確。如果我們對于一個事物只有50個數據點，那么每一個數據點都必須非常精確，因為每個數據點都是有用的;但是如果我們有5000萬個，去掉10個，甚至去掉1000個都沒有太大的問題。
轉變之三：不再探求難以捉摸的因果關系，轉而關注事物的相關關系。分析大數據主要為了預測未來“是什么”，而不是“為什么”。因為很多時候我們以為我們找到了事情背后的原因，實際上卻沒有找到。更多時候知道了“是什么”就足夠了。例如知道流感將會擴散到哪里就足夠了，我不需要知道為什么;知道什么時候在網上購買機票能夠獲得最優惠的價格就足夠了，我不需要知道為什么此時價格最低。
二、大數據帶來的變化
大數據從根本上改變我們認識世界和改變世界的方式。很多傳統的習慣將被顛覆，很多舊的制度將面臨挑戰。舉例來說：
第一，科學探究的思路和方式受到挑戰
探究是新課程改革中的一個熱詞，是促進學校教學與科學研究相融合的實踐舉措。科學探究的基本路徑是：發現問題，提出假設，制定方案，實踐探究，分析數據，得出結論。之所以會梳理出這樣一個探究的路徑，與我們對問題知曉的信息過少有關。換句話說，對所要研究的事物，我們知道的數據很少，需要從這些很小的數據出發，通過猜想和假設，進行試探性的研究，如果研究得出的結果和自己的假想是一致的，則說明我們的假說是正確的，這些假說會上升為對該事物描述的知識，我們掌握該事物的數據也隨之增加。
利用測量所獲得的點滴數據，從一個局部來推測世界是怎樣的，這是科學探究的基本思路和方式。長期以來，我們總是通過這樣的方式來認識世界，對其有宗教般的信仰。盡管我們知道，決策者總是先有了想法，才會提出假設。如果決策者自身對所研究的事情存在著偏見，所提出的假設就很難得到實證的支持，這往往會導致探究花費了很長的時間、很大的物力和財力，也常常勞而無功。但科學研究者還是堅定不移地沿著這條道路前行，學校在教學中也將其作為科學研究的基本規范來傳授。
在大數據時代，這樣的研究方式收到了極大的挑戰。先舉個事例來說吧。手機輻射是否能夠致癌?關于這個問題，無論我們的假設如何，實驗的設計都很難進行。首先，樣本選擇過少，沒有統計學上的意義;其次，不能拿人做研究對象;第三，短時間的研究很難觀察到變化。有了大數據之后，這樣的難題就可以迎刃而解了。前段時間，丹麥就進行了這樣的研究。丹麥擁有1985年手機推出以來所有手機用戶的數據庫。他們從這個數據庫中分析了1990年至2007年擁有手機的所用用戶的數據，同時，他們還收集了這一期間醫院收集的所有癌癥患者的數據，然后分析手機用戶是否比非手機用戶有更高的癌癥發病率。這兩個數據庫本身是完全獨立的，在作分析之前從來沒有想過可以做這樣的研究。結果表明，使用移動用戶和癌癥風險增加之間不存在任何關系。2011年10月，這一研究的結果發表在《英國醫學雜志》上。
上述的案例告訴我們，在獲得了大量的數據，能夠對事物的整體進行全面的認識之后，假想就沒有意義了，我們可以直接根據全面的數據做出結論。
第二，傳統的思維習慣受到挑戰
因果關系思維，是人們生活中最為普遍的一種思維方式。既是看上去沒有關系的事情，人們也總是從因果的角度去理解他。比如說，1885年7月6日，巴斯德接診了一個被帶有狂犬病毒的狗咬傷的孩子，他把自己剛研制出來的狂犬疫苗給孩子注射，結果孩子活下來了。巴斯德的這一舉措，使得狂犬疫苗和孩子的生存之間建立起了一個因果關系。但事實上，人被狂犬病狗咬傷后換上狂犬病的概率是只有七分之一，就算沒有狂犬疫苗，這個孩子活下來的幾率還是有85%。