心得体会有助于我们更好地应对未来的挑战，为了向他人发表自身的看法，我们都要写好心得，品读360小编今天就为您带来了《大数据时代》读书心得6篇，相信一定会对你有所帮助。
《大数据时代》读书心得篇1
世界的本质就是数据，当你掌握了数据，你便掌控了世界—你可以轻而易举地通过数据中的相关关系预测事物的发展，将一切不利因素扼杀于摇篮之中—这远胜于"防患于未然"。
?大数据时代》一书，让我们在观念上有了三大转变：要全体不要抽样，要效率不要绝对精确，要相关不要因果。全书介绍了 "大数据"时代三种大的变革：思维变革，商业变革和管理变革。在这些巨大变革如洪水一般的"冲击"之下，现代社会的运作方式必将有重大的改变，若不顺应这种变革的潮流，就像古中国固步自封，最终被坚船利炮打开国门而自己还用着长钩铁戟抗争一样，不可避免被掠夺，被落于世界进程之后，所以我们必须转变我们的思想。
"我们不再热衷于寻找因果关系，而应该寻找事物间的相关关系"，我想这句话是本书的核心思想。大数据时代，信息与数据已成为了一切的本源，我们生活在各种数据构成的海洋之中，如果从另一种视角看，就好像无数条"看不见的线"将我们与这些数据联系到一起，这是我们以前从未有过、从未想过的。大数据改变了我们以前的通过因果关系了解世界的方法，而提供了几种新的途径，因为，在大数据时代，我们可以分析更多数据，有时甚至可以处理和某个特别现象相关的所有数据，也就是：样本=总体；而且，当研究数据如此之多时，我们已不热衷于"精确"，而是"混乱"，若不接受"混乱"，那么有95%的非结构化数据无法利用，这将无法使我们构建完整的数据世界，在分析更多、更全面的数据之后，我们就可以从这些数据之中发掘它们的相关关系，即以"是什么"而不是"为什么"的角度看待数据，不用管其从何而来，只要分析其如何影响其他事物既可，即"让数据自己发声"，这些，彻底推翻了人类以前探索数据的方法，展现了一个全新的世界。
这种观念以惊人的力量给现知识状况带来了巨大的冲击，通过对海量数据的分析，获得巨大价值的产品和服务，或深刻的洞见。比如谷歌公司，2009年h1n1流行之时，通过检测检索词条，处理34。5亿个不同的数据模型，通过预测并与2007、2008年的美国疾控中心记录的实际流感病例进行对比后，确定了45条检索词条组合，并将其用于一个特定的数学模型后，预测结果与官方数据相关系数高达97%，这种大数据技术，以前所未有的方式，通过海量数据分析得出流感所传播的范围，为预测流感提供了一种更快速、高效的工具。
同时，虽然大数据可为人类造福、对抗病症，但这仅限于掌握这门技术而言，若不重视这种技术，当我们的对手早于我们一步构建这种数据网络之时，便是我们的灾难，想想，大数据虽核心的在于预测，当敌人通过这种手段预测我方下一步的行动，将是可怕的—比如你的导弹将从何处发射，将飞往哪，你的军队动向、目标，总之所有一切"未来"将掌控于敌手，敌方甚至可以借此发现那些将来有"大作为"的人，从而进行渗透或扼杀，这对我们的发展无疑是致命的，所以，尽快加速大数据系统的构建进程是必须的。
对于我们国防生，也必须顺应这种发展趋势，未来的时代必将是数据极易获取，数据网络共享化的时代，通过这些数据，建立数据模型，可以准确分析并给出适合每一个人的计划，如运动量、训练强度，可以"先知、先觉"，及时发现一个人的负面情绪前及时疏导，这些必将成为现实，我们必须跟进时代，做好准备，去应对大数据时代的一切!
《大数据时代》读书心得篇2
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——舍恩佰格的《大数据时代》。维克托·迈尔舍恩伯格何许人也？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，才能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：
一、更多：不是随机样本，而是全体数据。
二、更杂：不是精确性，而是混杂性。
三、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，不要因囫囵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，我们就会继续向更深层次研究的因果关系，找出背后的‘为什么’。“[i]由此可见，他说的全体数据和相关关系都在特定语境下的，是在数据挖掘中的选项。
大数据研究的一大驱动力就是商用，舍恩伯格在第二部分里讨论了大数据时代的商业变革。舍恩伯格认为数据化就是一切皆可”量化“，大数据的定量分析有力地回答”是什么“这一问题，但仍然无法完全回答”为什么“。因此，我认为并不能排除定性分析和质化研究。数据创新可以创造价值，这是毫无疑问的。舍恩伯格在讨论大数据的角色定位时仍把它置于数据应用的商业系统中，而没有把它置于整个社会系统里，但他在第二部分大数据时代的管理变革中讨论了这个问题。
在风险社会中信息安全问题日趋凸显。如何摆脱大数据的困境？舍恩伯格在最后一节”掌控“中试图回答，但基本上属于老生常谈。我想，或许凯文·凯利的《失控》可以帮助我们解答这个问题？至少可以提供更多的思考维度。正如舍恩伯格在结语中所道：”大数据
...
