大数据时代

lucy12345678

作者: [美] 维克托•迈尔•舍恩伯格（Viktor Mayer-Sch鰊berger）著
出版社: 浙江人民出版社
副标题: 生活、工作与思维的大变革
原作名: Big Data:A Revolution That Will Transform How We Live, Work, and Think
译者: 周涛 译
出版年: 2012-12
页数: 261
定价: 49.90元
装帧: 平装
ISBN: 9787213052545

http://pan.baidu.com/share/link?shareid=375742&uk=2469386347
http://pan.baidu.com/share/link?shareid=478536&uk=3104835179
http://bbs.weiphone.com/read-htm-tid-6534737.html


据说最近与IT有关的热门话题之一就是大数据。查看了一下亚马逊中国图书销售情况，大数据时代 最具人气。咱泥腿子也来跟着时髦一把，紧跟形势翻阅学习一下，顺便摘录一些段落。

目录

推荐序一 拥抱“大数据时代”
推荐序二 实实在在大数据
译者序 在路上·晃晃悠悠
引言 一场生活、工作与思维的大变革
大数据，变革公共卫生
大数据，变革商业
大数据，变革思维
大数据，开启重大的时代转型
预测，大数据的核心
大数据，大挑战
第一部分 大数据时代的思维变革
01 更多：不是随机样本，而是全体数据
让数据“发声”
小数据时代的随机采样，最少的数据获得最多的信息
全数据模式，样本=总体
02 更杂：不是精确性，而是混杂性
允许不精确
大数据的简单算法比小数据的复杂算法更有效
纷繁的数据越多越好
混杂性，不是竭力避免，而是标准途径
新的数据库设计的诞生
03 更好：不是因果关系，而是相关关系
关联物，预测的关键
“是什么”，而不是“为什么”
改变，从操作方式开始
大数据，改变人类探索世界的方法
第二部分 大数据时代的商业变革
04 数据化：一切皆可“量化”
数据，从最不可能的地方提取出来
数据化，不是数字化
量化一切，数据化的核心
当文字变成数据
当方位变成数据
当沟通变成数据
世间万物的数据化
05 价值：“取之不尽，用之不竭”的数据创新
数据创新1：数据的再利用
数据创新2：重组数据
数据创新3：可扩展数据
数据创新4：数据的折旧值
数据创新5：数据废气
数据创新6：开放数据
给数据估值
06 角色定位：数据、技术与思维的三足鼎立
大数据价值链的3大构成
大数据掌控公司
大数据技术公司
大数据思维公司和个人
全新的数据中间商
专家的消亡与数据科学家的崛起
大数据，决定企业竞争力
第三部分 大数据时代的管理变革
07 风险：让数据主宰一切的隐忧
无处不在的“第三只眼”
我们的隐私被二次利用了
预测与惩罚，不是因为“所做”，而是因为“将做”
数据独裁
挣脱大数据的困境
08 掌控：责任与自由并举的信息管理
管理变革1：个人隐私保护，从个人许可到让数据使用者承担责任
管理变革2：个人动因VS预测分析
管理变革3：击碎黑盒子，大数据算法师的崛起
管理变革4：反数据垄断大亨
结语 正在发生的未来
参考文献

wxw786

谢谢分享

lucy12345678

推荐序一 拥抱 “大数据时代 ”

lucy12345678

推荐序二 实实在在大数据
中国互联网发展的重要参与者，知名IT评论人 谢文


此书的一大贡献就是在大数据方兴未艾、众说纷纭的时刻，进一步阐述和厘清了大数据的 基本概念和特点，这对许多以为大数据就是“数据大”的人来说很有帮助。

大数据时代的来临使人类第一次有机会和条件，在非常多的领域和非 常深入的层次获得和使用全面数据、完整数据和系统数据，深入探索现实世界的规律，获取过 去不可能获取的知识，得到过去无法企及的商机。

大数据将逐渐成为现代社会基础设施的一部分，不会因为人们 的使用而折旧和贬值。

大数据时代的经济学、政治 学、社会学和许多科学门类都会发生巨大甚至是本质上的变化和发展，进而影响人类的价值体 系、知识体系和生活方式。哲学史上争论不休的世界可知论和不可知论将会转变为实证科学中 的具体问题。可知性是绝对的，无事无物不可知；不可知性是相对的，是尚未知道的意思。

对于不从事网络业、IT业以及数据分析和使用的读者，本书的一大好处就是通俗易懂，通 过具体实例说明问题，有助于人们的理解和联想。

没有市场经济制度和法治体系作为 基础支撑，大数据很可能成为发达国家在下一轮全球化竞争中的利器，而发展中国家依然处于 被动依附的状态之中。整个世界可能被割裂为大数据时代、小数据时代和无数据时代。

如今适逢世界走向数据化，迈入大数据时代的时刻，无论对个人、企业还是对社会和国家，都有 认真理解、严肃决策的必要性和紧迫性。哪怕仅从这一点考虑，读一读这本书也是很值得的。

lucy12345678

译者序
在路上 ·晃晃悠悠
电子科技大学教授，互联网科学中心主任 周涛



接下翻译这本《大数据时代》的任务时，我的目标是做到110%的好。很遗憾，我们最终只做到了90%。如果再给我一个月的时间，就可以达 到我预想的110%甚至120%。

为什么现在把这个版本呈现给诸位呢？一是因为我们的努力使得本书中译本的出版和英文 原版完全同步，单从获取知识的角度讲，我们一点儿不比美国的读者慢！二是我相信作者在书 中的一个重要观点，就是大数据时代，要允许一点点的错误和不完美，因为效率可能更加重 要！留下一些可供提高的地方，也使得我们的每一次印刷，都能够与以前有所不同。亲，这不 是建议你等到某个更好的版本才去购买，而是说，其实你应该每个版本都买一本。

《大数据时代》这本书是200%的好，因此90%的译本也绝对值得一读。首先，作者抛出了 大数据时代处理数据理念上的三大转变：要全体不要抽样，要效率不要绝对精确，要相关不要 因果；接着，从万事万物数据化和数据交叉复用的巨大价值两个方面，讲述驱动大数据战车在 材质和智力方面向前滚动的最根本动力；最后，作者冷静描绘了大数据帝国前夜的脆弱和不 安，包括产业生态环境、数据安全隐私、信息公正公开等问题。

这本书好在三个地方：
一是观点掷地有声
二是观念高屋建瓴
三是例子丰富翔实

三点近乎完美地结合起来，所以说，这本书绝对不是一堆枯燥的纲要，更不是一本巨 厚的杂志。

我在这里拼命叫好，是为了这本书卖得更多。

希望《大数据时代》给予各位的是一些实实在在的知识和思考，并且唤起各位安静思索相 关问题的心境。大数据是一个很重要的概念，代表了很重要的趋势。

lucy12345678

引言 一场生活、工作与思维的大变革

大数据开启了一次重大的时代转型。就像望远镜让我们能够感受宇宙，显微镜让我们能够观测微生物一样，大数据正在改变我们的生活以及理解世界的方式，成为新发明和新服务的源泉，而更多的改变正蓄势待发……




大数据，变革公共卫生

2009年出现了一种新的流感病毒。这种甲型H1N1流感结合了导致禽流感和猪流感的病毒的 特点，在短短几周之内迅速传播开来。全球的公共卫生机构都担心一场致命的流行病即将来 袭。

在甲型H1N1流感爆发的几周前，互联网巨头谷歌公司的工程师们在《自然》杂志上发表了 一篇引人注目的论文。它令公共卫生官员们和计算机科学家们感到震惊。文中解释了谷歌为什 么能够预测冬季流感的传播：不仅是全美范围的传播，而且可以具体到特定的地区和州。谷歌 通过观察人们在网上的搜索记录来完成这个预测，而这种方法以前一直是被忽略的。

他们设立的这个系统唯一关注的就是 特定检索词条的使用频率与流感在时间和空间上的传播之间的联系。谷歌公司为了测试这些检 索词条，总共处理了4.5亿个不同的数学模型。在将得出的预测与2007年、2008年美国疾控中心 记录的实际流感病例进行对比后，谷歌公司发现，他们的软件发现了45条检索词条的组合，将 它们用于一个特定的数学模型后，他们的预测与官方数据的相关性高达97%。和疾控中心一 样，他们也能判断出流感是从哪里传播出来的，而且判断非常及时，不会像疾控中心一样要在 流感爆发一两周之后才可以做到。

所以，2009年甲型H1N1流感爆发的时候，与习惯性滞后的官方数据相比，谷歌成为了一个 更有效、更及时的指示标。它是建立在大数据的基础之上的。这是 当今社会所独有的一种新型能力：以一种前所未有的方式，通过对海量数据进行分析，获得 有巨大价值的产品和服务，或深刻的洞见。 基于这样的技术理念和数据储备，下一次流感来 袭的时候，世界将会拥有一种更好的预测工具，以预防流感的传播。



大数据，变革商业

lucy12345678

第一部分 大数据时代的思维变革
01 更多：不是随机样本，而是全体数据


让数据“发声”

“大数据”全在于发现和理解信息内容及信息与信息之间的关系，IBM的资深“大数据”专家杰夫·乔纳斯（Jeff Jonas）提出要让数据“说话”。

大数据与三个重大的思维转变有关，这三个转变是相互联系和相互作用的。
●首先，要分析与某事物相关的所有数据，而不是依靠分析少量的数据样本。
●其次，我们乐于接受数据的纷繁复杂，而不再追求精确性。
●最后，我们的思想发生了转变，不再探求难以捉摸的因果关系，转而关注事物的相关关系。

统计学的一个目的就是用尽可能少的数据来证实尽可能重大的发现。

小数据时代的随机采样，最少的数据获得最多的信息。

采样分析的精确性随着采样随机性的增加而大幅提高，但与样本数量的增加关系不大。

随机采样取得了巨大的成功，成为现代社会、现代测量领域的主心骨。但这只是一条捷径，是在不可收集和分析全部数据的情况下的选择，它本身存在许多固有的缺陷。

当人们想了解更深层次的细分领域的情况时，随机采样的方法就不可取了。在宏观领域起作用的方法在微观领域失去了作用。随机采样就像是模拟照片打印，远看很不错，但是一旦聚焦某个点，就会变得模糊不清。

随机采样也需要严密的安排和执行。人们只能从采样数据中得出事先设计好的问题的结果——千万不要奢求采样的数据还能回答你突然意识到的问题。所以虽说随机采样是一条捷径，但它也只是一条捷径。随机采样方法并不适用于一切情况，因为这种调查结果缺乏延展性，即调查得出的数据不可以重新分析以实现计划之外的目的。


全数据模式，样本=总体

在信息处理能力受限的时代，世界需要数据分析，却缺少用来分析所收集数据的工具，因此随机采样应运而生，它也可以被视为那个时代的产物。

采样的目的就是用最少的数据得到最多的信息。当我们可以获得海量数据的时候，它就没有什么意义了。

采样一直有一个被我们广泛承认却又总有意避开的缺陷，现在这个缺陷越来越难以忽视了。采样忽视了细节考察。虽然我们别无选择，只能利用采样分析法来进行考察，但是在很多领域，从收集部分数据到收集尽可能多的数据的转变已经发生了。如果可能的话，我们会收集所有的数据，即“样本=总体”。

“样本=总体”是指我们能对数据进行深度探讨，而采样几乎无法达到这样的效果。

生活中真正有趣的事情经常藏匿在细节之中，而采样分析法却无法捕捉到这些细节。

所以，我们现在经常会放弃样本分析这条捷径，选择收集全面而完整的数据。我们需要足够的数据处理和存储能力，也需要最先进的分析技术。同时，简单廉价的数据收集方法也很重要。过去，这些问题中的任何一个都很棘手。在一个资源有限的时代，要解决这些问题需要付出很高的代价。但是现在，解决这些难题已经变得简单容易得多。曾经只有大公司才能做到的事情，现在绝大部分的公司都可以做到了。

通过使用所有的数据，我们可以发现如若不然则将会在大量数据中淹没掉的情况

使用所有的数据并不代表这是一项艰巨的任务。大数据中的“大”不是绝对意义上的大，虽然在大多数情况下是这个意思。大数据是指不用随机分析法这样的捷径，而采用所有数据的方法。

很长一段时间内，随机采样都是一条好的捷径，它使得数字时代之前的大量数据分析变得可能。

同理，因为大数据是建立在掌握所有数据，至少是尽可能多的数据的基础上的，所以我们就可以正确地考察细节并进行新的分析。在任何细微的层面，我们都可以用大数据去论证新的假设。

社会科学是被“样本=总体”撼动得最厉害的学科。随着大数据分析取代了样本分析，社会科学不再单纯依赖于分析实证数据。

在大数据时代进行抽样分析就像是在汽车时代骑马一样。在某些特定的情况下，我们依然可以使用样本分析法，但这不再是我们分析数据的主要方式。慢慢地，我们会完全抛弃样本分析。

newpageone

这本书值得研究

ydy81

我买了这本书 顺便看下自己的资料

fzwwppoo

很多资料表明，你不说，并不等于别人不知道，你以为隐秘的事情，也许被人早就看破了。

worldfan

最近很火的一本书，谢谢分享

bodelphi

非常感兴趣，等着下完了马上看，呵呵

统计

谢谢分享，下载看看，最近对这也比较感兴趣

不过大数据这些概念说来说去，有与BI类似的感觉。

icespace

一直不是很怎么理解“大数据”的含义，不过最近一直在热议，好好学学看看。

sadyu

感谢分享，学习学习……

bianhua

一直不是很怎么理解“大数据”的含义，现在有这书可以参考学习下

zouchu

谢谢分享

opwite

谢谢长篇分享！与时俱进看看新事物。

lnzzy

谢谢分享

leilei789

这书不错，准备买纸式的看看。。。