2023年初新冠肺炎病毒爆發，在這次戰「疫」過程中，除了醫護工作者和全國人民的共同努力，還離不開網際網路技術的應用，大資料分析技術在密切接觸者追蹤、疫情**等方面產生了至關重要的作用，大大提公升了疫情防控和復工復產的效率。 今天，我想要給大家推薦的這本書叫《大資料時代》。推薦這本書有幾個原因，除了對這本書的喜愛之外，還有乙個重要的原因是：這本書的開篇引言《大資料，變革公共衛生》中講到谷歌在2023年h1n1流感爆發的時候，利用檢索詞條的資料分析，**了流感的傳播範圍。對比今年的新冠病毒，我們可以看到大資料分析發展的更加成熟完善，應用更加的廣泛，這不僅依賴於資訊處理能力的增加，更依賴於現如今一部手機搞定一切，資料被蒐集分析的**更多也更加全面。
本書的作者是維克托·邁爾-捨恩伯格，被譽為「大資料時代的預言家」。 本書從三個維度介紹了大資料給我們的生活帶來的巨大變革。
傳統的資料分析會採取隨機取樣的方式，利用最少的資料獲取最多的資訊，這種資料統計無法容忍錯誤的資料的出現，儘量減少錯誤資料帶來模型構建和推論的偏差。現如今大資料時代，隨著資訊科技的發展以及資訊處理能力的增強，大資料分析可以接收更多更雜的資料進行分析，更加強調資料的完整性和混雜性，從更大更全的角度來理解事物。同時，更加注重資料之間的相關關係，而非因果關係。
比如，沃爾瑪公司，通過大資料的分析，每當在季節性颶風來臨之前，不僅手電筒銷售量增加，蛋撻的銷量也增加了。因此，當季節性風暴來臨時，沃爾瑪會將庫存的蛋撻放在靠近颶風用品的位置，以方便行色匆匆的顧客從而增加銷量。
過去，我們常常通過因果關係來理解世界，而這種快速思維模式很容易引起偏見，比如天冷沒戴帽子感冒了，在外面吃飯拉肚子等等。其實，感冒的原因可能很多，拉肚子的原因也可能會很多，但是問題發生的那一刻，我們習慣性會將沒戴帽子和在外面吃飯與感冒和拉肚子產生因果聯絡。而相關關係給我們提供了新的思考方式，即天冷沒戴帽子和感冒兩者之間的相關關係。
大資料讓一切變得可以量化。微博朋友圈將情緒變成資料；脈脈將人際關係變成資料；地圖、gps將方位變成資料;支付寶、美團更是讓我們的生活離不開資料……
大資料時代資料即價值，如何利用工具和創造力釋放資料的商業價值，實現資料創新，是企業發展的核心競爭力。合理利用「資料的再利用」、「重組資料」、「可擴充套件資料」、「資料的折舊值」、「資料廢氣」和「開放資料」等資料創新。 谷歌擁有世界上最完整的拼寫檢查器，基本上涵蓋了世界上的每一種語言。 正是因為谷歌合理的利用了那些搜尋框裡使用者搜尋的「不合標準」、「不正確」或「有缺陷」的資料，並通過搜尋結果框頂部出現「你要找的是不是：xx」,與使用者互動，進行乙個巧妙的反饋迴圈，使得使用者即便拼寫有誤也可以找到想要的結果，同時谷歌的拼寫檢查器也在不斷的互動中逐漸完善。
大資料提供了我們便利，同時也帶來著新的隱患和威脅。無時無刻被採集資訊，隱私被二次利用，保護隱私的法律手段失去了應有的效力。大資料**，對我們的未來想法而非實際行動採取懲罰措施，這否認了自由意志並傷害了人類尊嚴。過分依賴大資料，而忽略其侷限性。
大資料在改變人類基本的生活和思考方式的同時，也早已在推動人類資訊管理準則的重新定位。 一系列的管理變革也在發生：從個人許可到資料使用者承擔責任，拓寬對公正的理解保護個人動因，利用反壟斷法促進大資料的良性競爭等等。
最後，我以本書的結語作為文章的結尾。
正在發生的未來 大資料並不是乙個充斥著演算法和機器的冰冷世界，人類的作用依然無法被完全替代。大資料為我們提供的不是最終答案，只是參***，幫助是暫時的，而更好的方法和答案還在不久的未來。
希望我的推薦和解讀，能讓您對大資料時代有一定的了解，也推薦您親自讀一讀《大資料時代》這本書，通過書中的故事，來更加真實的感受它給我們這個時代帶來的變革和發展。
5000字 大資料時代讀書筆記 大資料時代讀書筆記
大資料時代讀書筆記 篇一 大資料時代讀書筆記 大資料時代 讀書筆記 一 引論 1.大資料時代的三個轉變 1.隨機取樣 2.不熱衷於精確度 3.不熱衷與尋找因果關係 2.習慣 用來決策的資訊必須是少量而精確的。實際 資料量變大，資料處理速度變快，資料不在精確 3.危險 不是隱私的洩露而是未來行動的預判...
《大資料時代》讀書筆記
大資料時代 英國人viktor mayer schonberger的著作。最重要的一點是介紹了一種思維模式的變化。主要觀點 大資料是指獲取全部資料樣本，分析全部資料，而不是只做抽樣分析。大資料分析更關注相關性分析，不能做到因果分析 當然會有助於找到原因 不是去找到精確答案，而是要得到事物的聯絡。大資...
讀書筆記 《大資料時代 BIG DATA》
大資料時代 big data 維克托.邁爾 捨恩伯格 肯尼思.庫克耶 著 2014年讀到的一本書，溫故而求知新 大資料，量變到質變。4v volume 大量 variety 多樣 velocity 高速 資料產生的速度 value 價值 單個資料的代價值 樣本 總體 精度不在重要，隨機性更重要 線性...