《大數據時(shí)代》的讀后感1000字
我主要讀了第一部分和第三部分。
第一部分是大數據的思維變革，作者舍恩伯格提出了三個(gè)觀(guān)點(diǎn)，一是＂不是隨機樣本，而是全體數據＂，二是＂不是精確性，而是混雜性＂，三是＂不是因果關(guān)系，而是相關(guān)關(guān)系＂，作者被譽(yù)為＂大數據時(shí)代的預言家＂，拋出的觀(guān)點(diǎn)是擲地有聲的，下面我將談?wù)勎覍@三點(diǎn)的理解。
對于一，我們必須承認我們以往做的處理抽樣數據得到結果的方法，是省時(shí)省力省錢(qián)的，而且判斷結果是相對高精準的，如人口普查這一案例，如果采用全體數據進(jìn)行統計分析的話(huà)，工作難度是相當大的，最后的結果也不會(huì )很滿(mǎn)意，這是得不償失的。但是隨著(zhù)數據處理技術(shù)的飛速發(fā)展，我們已經(jīng)具備了處理大量數據的能力，如果在數據分析過(guò)程中采用全體數據，就能避免抽樣數據可能由于選取偏見(jiàn)帶來(lái)的非隨機性，處理全體數據也必將成為一種趨勢。用在國防生管理工作中，就是管理層要對每個(gè)個(gè)體都給予充分的關(guān)心與互動(dòng)，對于優(yōu)秀的固然要偏愛(ài)，但是對于較差的也要保持＂不拋棄不放棄＂的態(tài)度，讓每一個(gè)個(gè)體都找到自己的定位與價(jià)值。
對于二，作者強調通過(guò)掌握更多的數據，暫時(shí)犧牲精確性，關(guān)注更多容易被忽略的細節，來(lái)做更多的.事，得到更多的結果，也就是說(shuō)我們要有一定的包容錯誤的能力。我們在收集數據時(shí)，要主動(dòng)獲取更多的數據，少加一些限制性條件，然后應用我們處理大數據的能力，或許會(huì )獲得意想不到的結果。作者舉了一個(gè)谷歌翻譯系統的例子，通過(guò)英語(yǔ)作為中轉，進(jìn)行各語(yǔ)言之間的轉換。此處的啟發(fā)就是用我們最擅長(cháng)的途徑，不拘泥于特定規則，來(lái)達到我們的目的，也就是說(shuō)我們要先認清自己，不去刻意的模仿，找出最適合自己的一套方法。
對于三，作者指出知道＂是什么＂就夠了，沒(méi)必要知道＂為什么＂，乍一看這個(gè)觀(guān)點(diǎn)覺(jué)得有點(diǎn)無(wú)腦，但是結合第二點(diǎn)就合理了，降低對精確性及原因結果的要求，通過(guò)對相關(guān)數據的廣泛分析，進(jìn)而得到更豐富更多元的結果。如購物時(shí)，系統的購物推薦，并不是肯定你會(huì )購買(mǎi)，僅僅是你感興趣進(jìn)而可能會(huì )買(mǎi)就足夠了。其實(shí)作者對＂相關(guān)關(guān)系＂的強調，主要是大數據強大的預測能力，而且這種預測性能還是相當精確的。以上只是我用作者的觀(guān)點(diǎn)佐證他自己的觀(guān)點(diǎn)，證明其一定的合理性，但是我是不完全認同的，在航天領(lǐng)域，我們對成功率的要求是極高的，尤其是載人航天領(lǐng)域，我們必須做到萬(wàn)無(wú)一失，我們對每一個(gè)結果都會(huì )深究其根，找出原因。對于國防生體能成績(jì)的分析也是如此，結果只是我們的一個(gè)評價(jià)機制，而最重要的還是產(chǎn)生這一結果的原因及過(guò)程。
第三部分是大數據的管理變革，本來(lái)以為作者會(huì )講點(diǎn)如何通過(guò)大數據來(lái)改革管理機制和提高管理效率，沒(méi)想到作者只是講了大數據其實(shí)就是我們的隱私的暴露，提出了要讓數據采集管理公司對數據的使用負起責任的解決途徑。個(gè)人感覺(jué)，一是我們在平時(shí)要意識到個(gè)人隱私的保護，而是相關(guān)法律政策的完善，真正的讓大數據服務(wù)我們的工作生活，而不是一種變相的威脅。
【《大數據時(shí)代》的讀后感1000字】相關(guān)文章：
《大數據時(shí)代》讀后感06-23
大數據時(shí)代讀后感精選05-24
大數據時(shí)代讀后感04-09
《大數據時(shí)代》讀后感09-01
大數據時(shí)代讀后感范文05-24
《大數據時(shí)代》讀后感范文04-01
《大數據時(shí)代》的讀后感范文01-08
《大數據時(shí)代》讀后感1500字06-27