大数据时代(生活工作与思维的大变革) 舍恩伯格维克托著 国外大数据系统研究的先河之作 央视纪录片互联网时代荐 管理书籍正版 下载 pdf 电子版 epub 免费 txt 2025

《大数据时代》是国外大数据研究的先河之作，本书作者维克托•迈尔•舍恩伯格被誉为“大数据商业应用第一人”，拥有在哈佛大学、牛津大学、耶鲁大学和新加坡国立大学等多个互联网研究重镇任教的经历，早在2010年就在《经济学人》上发布了长达14页对大数据应用的前瞻性研究。

维克托•迈尔•舍恩伯格在书中前瞻性地指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型，并用三个部分讲述了大数据时代的思维变革、商业变革和管理变革。

维克托最具洞见之处在于，他明确指出，大数据时代最大的转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。这就颠覆了千百年来人类的思维惯例，对人类的认知和与世界交流的方式提出了全新的挑战。

本书认为大数据的核心就是预测。大数据将为人类的生活创造前所未有的可量化的维度。大数据已经成为了新发明和新服务的源泉，而更多的改变正蓄势待发。书中展示了谷歌、微软、亚马逊、IBM、苹果、facebook、twitter、VISA等大数据先锋们最具价值的应用案例。

引言 正在发生的生活、工作与思维的大变革

第一部分 大数据时代的思维变革

第1章 更多：不是随机样本，而是所有数据

第2章 更杂：不是精确性，而是混杂性

第3章 更好：不是因果关系，而是相关关系

第二部分 大数据时代的商业变革

第4章 数据化：一切皆可“量化”

第5章 价值：“取之不尽，用之不竭”的数据创新

第6章 角色定位： 数据、技术与思维的三足鼎立

第三部分 大数据时代的管理变革

第7章 风险：让数据主宰一切的隐忧

第8章 掌控：自由与责任并举的数据管理

结语 已经发生的未来

他是十余年潜心研究数据科学的技术权威，他是最早洞见大数据时代发展趋势的数据科学家之一，也是最受人尊敬的权威发言人之一。他曾先后任教于世界最著名的几大互联网研究学府。现任牛津大学网络学院互联网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，哈佛国家电子商务研究中网络监管项目负责人；曾任新加坡国立大学李光耀学院信息与创新策略研究中心主任。并担任耶鲁大学、芝加哥大学、弗吉尼亚大学、圣地亚哥大学、维也纳大学的客座教授。

他的学术成果斐然，有一百多篇论文公开发表在《科学》《自然》等著名学术期刊上，他同时也是哈佛大学出版社、麻省理工出版社、通信政策期刊、美国社会学期刊等多家出版机构的特约评论员。

他是备受众多世界知名企业信赖的信息权威与顾问。他的咨询客户包括微软、惠普和IBM等全球顶级企业；而他自己早在1986年与1995年就担任两家软件公司的总裁兼CEO，由他的公司开发的病毒通用程序，成为当时奥地利最畅销的软件产品。1991年跻身奥地利软件企业家前5名之列，2000年 被评为奥地利萨尔斯堡州的年度人物。

他也是众多机构和国家政府高层的信息政策智囊。他一直专注于信息安全与信息政策与战略的研究，是欧盟专家之一，也是世界经济论坛、马歇尔计划基金会等重要机构的咨询顾问，同时他以大数据的全球视野，熟悉亚洲信息产业的发展与战略布局，先后担任新加坡商务部高层、文莱国防部高层、科威特商务部高层、迪拜及中东政府高层的咨询顾问。

所著《大数据》一书是开国外大数据系统研究的先河之作，而在这之前，他已经在《经济学人》上和数据编辑肯尼斯.尼尔-库克耶一起，发表了长达14页的大数据专题文章，成为最早洞见大数据时代趋势的数据科学家之一。而他的《删除》一书，同样被认为是关于数据的开创性作品，并且创造了“被遗忘的权利”的概念而在媒体圈和法律圈得到广泛运用。该书获得美国政治科学协会颁发的唐•K•普赖斯奖，以及媒介环境学会颁发的马歇尔•麦克卢汉奖。同时受到《连线》、《自然》《华尔街日报》《纽约时报》等各大权威媒体广泛好评。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：大数据时代(生活工作与思维的大变革) 舍恩伯格维克托著 国外大数据系统研究的先河之作 央视纪录片互联网时代荐 管理书籍正版在线阅读

在线听书地址：大数据时代(生活工作与思维的大变革) 舍恩伯格维克托著 国外大数据系统研究的先河之作 央视纪录片互联网时代荐 管理书籍正版在线收听

在线购买地址：大数据时代(生活工作与思维的大变革) 舍恩伯格维克托著 国外大数据系统研究的先河之作 央视纪录片互联网时代荐 管理书籍正版在线购买

Google：系统唯一关注的就是特定检索词条的频繁使用与流感在时间和空间上的传播关系之间的联系。

社会新能力：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，与深刻洞见。

Oren Erzioni：Harvard CS 1st(1986 grad)

飞机票价格预测

到2012年为止，Farecast系统用了将近十万一条价格记录来帮助预测美国国内航班的票价。准确度高达75%。

社会需要放弃它对因果关系的渴求，而今需关注相关关系，只要知道是什么，不需要知道为什么。

硅谷技术成熟度曲线：经过新闻媒体和学术会议的宣传后，新技术趋势一下子跌到谷底。

【大数据先锋】：天文学，信息爆炸的起源

人类存储信息量的增长速度比世界经济的增长速度快4倍，而计算机数据处理能力的增长速度比世界经济增长速度快9倍。

量变导致质变，当我们改变规模时，事物的状态有时也会发生改变。

纳米技术！

大数据是把数学算法用到海量的数据上来预测事情发生的可能性。

大数据【我们分析信息时的三个转变】：

1.我们可以分析更多数据，甚至处理和某个特别现象相关的所有数据，而不依赖与随机采样。

2.研究数据如此之多，以至于我们不再热衷于追求精确度。只要掌握大题的发展方向就好。

3.不再热衷于寻找因果关系，二是相关关系。

大数据对个人的影响是惊人的，使专业性不那么重要了。

【马其诺防线？】

！对我们而言，危险不再是隐私的泄露，而是被预知的可能性。

【IBM资深大数据专家】：Jeff Jonas：要让数据说话。

【大数据与三个重大的思维转变有关】：

1.要分析于某事物相关的所有数据，而不是依靠分析少量的数据样本。

2.乐于接受数据的纷繁复杂，而不再追求精确性。

3.不再探求因果，而是相关。

当样本数量达到了某个之后，我们从新个体身上得到的信息会越来越少，就如同经济学中的边...

危险不再是隐私的泄露，而是被预知的可能性

数据正成为巨大的经济资产，成为新世纪的矿产与石油，将带来全新的创业方向，商业模式和投资机会。

本书的译者周涛教授是我国最年轻有为的大数据专家。这位27岁的天才型教授，数年来一直带领我国学术界在大数据研究上向国际一流看齐。更可贵的是，他不仅做研究，也关注着研究成果的商业化及传播。这部译著就是他这种努力得一个成果。

大数据的出现，是的通过数据分析获得知识，商机和社会服务的能力从以往局限于少数象牙塔之中的学术精英圈子扩大到了普通的机构，企业和政府部门。门槛的降低直接到这了数据的容错率的提高和成本的降低。正如维克托所强调的，最重要的是人们可以再很大程度上从对于因果关系的追求中解脱出来，转而将注意力放在相关关系的发现和使用上。只要发现了两个现象之间存在显著的相关性，就可以创造巨大的经济或社会效益，而弄清二者为什么可以相关可以留待学者们慢慢研究。大数据之所以可能成为一个“时代”，在很大程度上是因为这是一个可以由社会各界广泛参与，八面出击，处处结果的社会运动，而不仅仅是少数专家学者的研究对象。

——田溯宁

世界的本质就是数据。因此，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。

对生活在发展中国家，社会现代化程度尚且有限的读者来说，书中描述的许多已经发生的事例可能更像是神话。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离奇，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。

——谢文

书籍介绍

《大数据时代》是国外大数据研究的先河之作，本书作者维克托•迈尔•舍恩伯格被誉为“大数据商业应用第一人”，拥有在哈佛大学、牛津大学、耶鲁大学和新加坡国立大学等多个互联网研究重镇任教的经历，早在2010年就在《经济学人》上发布了长达14页对大数据应用的前瞻性研究。

维克托•迈尔•舍恩伯格在书中前瞻性地指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型，并用三个部分讲述了大数据时代的思维变革、商业变革和管理变革。

维克托最具洞见之处在于，他明确指出，大数据时代最大的转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。这就颠覆了千百年来人类的思维惯例，对人类的认知和与世界交流的方式提出了全新的挑战。

本书认为大数据的核心就是预测。大数据将为人类的生活创造前所未有的可量化的维度。大数据已经成为了新发明和新服务的源泉，而更多的改变正蓄势待发。书中展示了谷歌、微软、亚马逊、IBM、苹果、facebook、twitter、VISA等大数据先锋们最具价值的应用案例。

• 作者：方方土君 发布时间：2013-08-14 14:53:14

  20130814读完。自从这本书出了就在各种场合各种人的嘴里听到“大数据”这三个字，我真的很怀疑究竟有几个人真的研究过，更别提那种把大数据当做金科玉律奉为神明的人。还是作者很实在，写了厚厚一本书，最终在246页之后，交底：大数据只是一种资源与工具，它告知信息但不解释，它指导人们去理解，也会引起误解。它只不过是过去的现实投影——洞穴里的古老壁画，而且还只是对过去残缺不全的信息统计，用这些信息推出的预测跟猜在概率上区别不大。大数据绝对不是答案，只是参考，在国内估计更多的用来事前忽悠、事后吹嘘、搞砸后推卸责任。数据不会说谎，但人性复杂。

• 作者：A 发布时间：2013-04-17 17:19:11

  这本书的内容 用20页的PPT 完全就可以讲完了。。。。。。。。。。。

• 作者：7酱™ 发布时间：2013-12-30 08:11:49

  不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。

• 作者：蝌蚪往人 发布时间：2015-04-20 17:18:10

  在诺兰的努力下，这本漫画的光辉已经黯淡下来。但是依然是精雕细琢的杰作，配得上一页两块钱的高价，甚至有了更精美的版本我还会再买一遍。本作其实在故事方面并无超长之处，却用画面勾画出如此鲜明的的小丑形象。以前看介绍，说是小丑逼疯蝙蝠侠，但是实际上，结局还是很开放的。而附带的“刺杀蝙蝠侠”的漫画也相当有趣，人性之恶，无法战胜，也无法逃避。

• 作者：回忆大师毛香菇 发布时间：2013-09-24 12:10:58

  这类书，真是废话颇多

• 作者：穿风衣的猫 发布时间：2013-04-30 00:04:23

  两篇论文就能说清楚的事，活生生拉成一本书。单从互联网行为而言，清晰的因果关系转向模糊的相关性，因为人的行为是矛盾、复杂和不协调的，不存在心性，只有相对环境下的习性，习性的痕迹汇总，就是人际行为的大数据。第7、8章对大数据风险的评估始终没有触及数据的产权和租用，以及信息的非消耗性和泄露无法挽回的问题，显得隔靴搔痒。今晚，阿里战略投资新浪微博，这是其搭建数据平台的关键一步。

• 大数据时代的金融投资

  作者：eric 发布时间：2013-02-13 15:18:04

  大数据时代的金融投资思维

  金融数量化投资由于其巨大收益，是大数据最早应用的领域，而其也符合大数据最重要的三大思维变革：

  1)

  不是随机样本，而是全数据。 根据作者的定义， 大数据是指不用随机分析，而采用所有数据的方法。 主要原因有二，一是当前的技术能力让人类可以处理海量的数据， 二是随机样本无法获取某些有用的信息，比如跨境汇款中的异常交易。

  量化投资与图表派技术分析不同，用全数据进行分析，了解指标或信号在整个数据集上的统计优势，比如我们建立交易策略时就是用了10年所有股票的日内数据。

  2)

  不是精确性，而是混杂性

  大数据时代精确不可能实现，反之用概率说话，混杂性变成了一种标准途径。 对一个交易策略，只要透过全数据分析，在概率上他是能够长期稳定盈利的，即可被投资者考虑采纳。 而到底哪笔交易赚钱，哪笔交易赔钱，虽然投资者很好奇，但交易策略无法给出精确的答案，从某种程度上讲也是无意义的。

  3)

  不是因果，而是相关性

  在大数据时代，是什么比为什么更重要。 虽然这违背了人类好奇和探索的天性，但知道是什么对决策的帮助确实有限。

  比如，策略预测某个模式出现后该股票有很大概率上涨，如果执迷于探究股价上涨背后的基本面缘由，则成本过高，也确实无法得出准确的原因。

  大数据时代对交易策略的研发提出了几大要求。

  1)

  量化非结构的数据(unstructured data)。 比如国外的对冲基金和我们自己都曾尝试量化财经新闻，用情感度的变化帮助决策。 但至今为止，我们也没发现某个基于情感分析的策略能够带来稳定明显的收益。

  2)

  数据的再利用。 Amazon利用用户的购书记录推荐新书，我们是否可以利用用户的观点和交易记录做协助学习(collaborative filtering)，帮助策略作出更好的选择？

  3)

  数据的重组。 把多个数据集的总和重组在一起往往能提高单个数据的价值。 这就好像除了利用股价信息，加上从财务报表提取的因子能提升预测水平一样。做好多因子分析也是我们今年重点研发的方向。

  大数据时代与金融投资的未来

  1)

  投资者的扁平化。 随着互联网和移动互联网带来的信息化革命， 个人投资者将能够轻松使用有大数据实证支持，低风险交易策略，投资能力将大幅提升。

  2)

  金融市场更加高效。大数据时代令有盈利能力的交易策略能够被更快的发现，验证和应用，金融市场也会变得变得更加有效，起到更好的分配财富作用。

  3) 平庸的基金公司将消亡。大数据让科技公司第一次有机会能够挑战传统的金融分析师和交易员，利用对各种全体数据的量化，重组和整合，低成本的建立针对各个市场，面向不同用户的交易策略，让投资者能够科学稳定的在全球市场投资。 实际上，管理1200亿资产，全球最大的对冲基金Bridge Water已经很接近这一点，他们搜集了近百年的金融数据建立交易模型，覆盖全球外汇，债券，衍生品和股票市场，其99%的交易都由电脑决策作出。不远的将来，普通的共同基金将被根据大数据分析提供交易策略的公司所取代，留下的基金公司将是那些能够提供独特优势(alpha)的对冲基金和自营基金(如高频基金和统计套利型基金)。

  因此，大数据时代对金融投资的革命不仅仅是未来的趋势，而是正在实现的现实，谁能做到这一点，谁就能引领金融投资的未来。

  大数据时代的挑战

  让普通人接受大数据时代的思维。 这是最难也是最容易被忽略的部分。 普通投资大众，习惯关注每只股票的输赢，关注购买每只股票背后的原因和故事。 现在，需要他们忽视这些，转而关注概率和相关性， 关注交易策略的整体表现， 这就需要金融大数据分析的公司帮助投资者完成信念的飞跃，强调量化投资在解决普通人投资不确定性问题上带来的好处：

  1) 执行上的绝对确定性。 虽然无法告诉投资者每笔投资背后深层次的原因，但至少可以清楚的让他们了解买卖规则，在执行层面行为简单一致，节省时间。

  2) 表现上的相对确定性。 虽然无法保证每笔交易盈利，但至少可以透过历史表现让他们了解使用该方法的预期胜率，盈亏比和收益，增加安全感。

  简而言之，大数据时代承认金融市场的噪音和随机性，但透过量化和数据资料为投资者找出大概率的交易规律，从而增加操作的确定性和收益的稳定性。

  大数据 VS. 理论

  最后， 不得不说说最有争议的理论与大数据的关系。 连线主编Anderson关于“理论已死”的观点我不太认同，理论可以在交易策略研发的数据选择，建立和应用假想中起到重大帮助。毕竟，再好的大数据分析也无法替代人类创造性的思维和理解。

  例如，在Hedge fund market wizards一书中Jaffray Woodriff描述了数据驱动的大数据分析法。基本想法是尝试千亿种适合不同市场的二次变量组合(如价格的方向和波动率)，找出能预测市场位置的统计模型。 但是，即使利用此方法，其实也使用了金融的理论创建如波动率这样的关联物，同时也选择了架构合适的时间周期作为搜索的基础(Jaffray使用的是每日数据)。

  如果只关注数据，忽视了未来不等于过去的现实，就容易犯长期资本管理公司(LTCM)当年的错误，给自己甚至整个行业造成巨大的损失。因此，在从事大数据研究时，一定要注意对找出的相关性模式进行逻辑分析和样本外测试(out of sample testing)，最好是发现的相关性模式不仅在样本外表现稳定，而且又具备理论上的合理性，毕竟同把尿片和啤酒放在一起不同，在金融行业使用无效模式的后果是相当严重的。

• 故作惊人语的《大数据时代》

  作者：阿九 发布时间：2013-08-01 18:31:21

  花了三天的零碎时间大致看完了舍恩伯格的《大数据时代：生活、工作、思维的大变革》。我看推荐说这是“迄今为止最好的一本大数据专著”。目前公司在搞Hadoop、大数据应用，外面各类零碎的资料也非常多，那么想我应该去看一下这“最好”的专著吧。

  买回来看完的感觉是平平而已。个人看法，在五分制下，大概也就是最多打三分。这本书可以买来看看，写得比较完整全面，案例比较多，有一定的参考意义，写PPT吹牛用得上，但是有什么巨大的意义就谈不上了。很多观点不能同意。

  一、主要观点上可以探讨的地方

  作者提出了关于大数据的“掷地有声”的三个原则。这三个原则凡讲大数据必被提及，很多人奉为圭臬。但是我觉得每一点都值得探讨。这三点分别是：不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。

  看完之后感觉都有点不是那么回事。

  1.不是随机样本，而是全体数据

  这个说得好像人类从来就不知道使用全体数据可以得到更全面的结论，而非要去煞费苦心发展出一套抽样技术一样。人类早就知道处理全量数据的好处，而之所以要进行抽样分析，原因不外乎两点：一是处理能力跟不上，二是数据收集能力跟不上。作者认为人类之前主要受限于数据的处理能力而不去处理全量数据，但在目前机器处理能力有了巨大的提升的时代，限制绝大多数应用的瓶颈不是计算能力而是数据采集能力（不要去提那些极少数需要超级计算机的场合，那个和多数人无关、和本书的商业主题也无关）。但是即便如此，抽样所要针对的很多应用场景是不太可能收集全量数据的情况。比如人口普查，无论计算机力量如何强大，当前很多数据还是要人工去收集，所以这个普查还是要用抽样的方式。有意思的是，作者用人口普查是抽样分析来说明非“全量”时代我们被迫采用了抽样，而最终也没法说我们是否已经可以用全量数据来做人口普查了。实际上至少在目前，对于人口普查，抽样还是必然的选择（嗯，你可以设想，以后人人都装一块芯片，你可以在你的PPT里讲给你的客户和老板听）。再比如我们统计里的经典问题：怎么估算一批零件的使用寿命？怎么去分析一批奶品里的三聚氰胺？以前我们不可能去做全量测试，因为这意味着这批零件就废了，这批奶也全部用于测试了，这样测出结果也没啥意义了（嗯，你也可以说：我我们去收集历史上所有此类零件的使用情况来进行分析吧.....嗯，加油吧，雄心勃勃的骚年）。现在呢，还是必须依赖抽样。

  即便不提这些例子，仅从逻辑而言：收集、处理数据的行为本身也在不断产生着新的数据。我们又怎么证明这些数据不是你需要的“全量”的一部分呢？

  作者的行文中，关于什么是“全量”，处于不断的摇摆之中。有时指“我们需要的所有数据”，有时指“我们能收集到的所有数据”。作者举了人口普查的例子，这个全量显然指前者。而在很多商业案例中，又显然指后者。我们有能力处理越来越多的、在以前不敢想象的大量数据，但是至少目前看，我们还没不可能说我们处理了“全量”。我们最多可以说我们能处理我们能搜集到的“全量”，但如果据此产生了我们已经没有遗漏数据了的感觉，认为所有数据尽在掌握了，那我认为是一种很可能导致错误的错觉。

  2.不是精确性，而是混杂性

  这个么，说得好像以前的人类在使用“抽样”数据时竟然都认为取到的数据是“精确”的一样。在使用抽样数据的时候，我们就知道要容忍一定的误差。我们甚至知道在就算取得了“全样”数据的时候，也可能因为有各种原因而导致的不精确，统计实践中对此有相当多的案例。人类从未奢望过我们通过数据分析取得的多数结论是精确的。我们从来都要在信息混杂的情况下做出大多数的决策。

  3.不是因果关系，而是相关关系

  这是很多人（包括作者）认为最有价值、最重大的发现，而实际上却也是最收到批评的一个观点。连译者周涛教授在序言里都表示看不下去了，他至于认为如果放弃对因果关系的分析，是人类的堕落。我不说这么高的哲学层面，只从逻辑和技术上讨论一下。

  计算机能够提供给我们的结论（到目前为止以及在可见的未来），都是相关性。计算机从未提供过明确的因果关系给人类。是否因果关系，是人类在数据基础上，进行的人为判断。一直有相当多的应用，也是只考虑相关性，不考虑因果关系的：确定因果关系，是需要更大的精力、更多的投入的。所以只看相关性而不看因果性也不是什么新的结论（实际上已经是个很旧的结论了）。而这个相关性是不是可以作为决策的基础呢？这个一样离不开人的判断。有一个这样的故事：通过大量的数据分析，慈善组织得出结论：一个国家、地区的电视机的普及率与发达富裕程度很有关系（冰箱、洗衣机、空调、高跟鞋、牛仔裤，etc.，也会和发达程度有这样的相关性），于是他们就向贫困国家赠送了很多电视，认为此举可以促进改过的经济发展。你可以鬼扯电视的普及与经济文化的密切相关，但是实际上最终发现更可能是经济发展导致了电视的普及，而不是反过来。所以，我们真的不需要因果分析吗？说得玩笑一点：这个世界真的不需要脑子了吗？

  作者举了一个例子：谷歌分析搜索关键字来确定哪里可能发生了流行病。认为这就是利用了相关性而不是因果性。这是没有利用因果判断吗？现在在投入巨大的机器资源进行分析之前，分析师已经预计了得病的症状可能会导致人们去网上进行相关搜索（影响了搜索行为）。谷歌存储的用户上网信息肯定远远不止一个搜索关键字，分析师为何不开足马力把“全量”数据、各个指标都分析一遍呢？比如用户上网地点？上网时间？上网频率？上网语言？浏览器版本？客户端操作系统？etc...为何会像导弹一样精确地将机器资源投放到了关键字上呢？

  总之，对于这些原则，作者为了显出新意，说得过于绝对。而排除掉绝对的成分后，这些观点也就不显得是创新了。作者把三个数据分析人员一直秉持的原则，当做全新的东西讲了出来。时代在变化，我们或许应该经常重新审视这些原则，来确认自己的思想是不是僵化了、是不是过时了。我赞同作者重新审视这些看法，但是我觉得没必要讲得这么极端。

  二、细节论据上可以探讨的地方

  除了三个大原则不足以令人完全信服，在一些细节上，作者的引证也不是很严谨。

  如第51页，对于拼写检查的算法的优化。作者提到，通过输入大量的数据，4种常见语法检查算法的准确率提高了很多，以此说明大数据发挥了作用。这确实是个很有启发性的例子，可以去做更深入的分析和研究，但是.....仅仅4个例子，够得出很有力的结论吗？4个算法，作者没注意到这是一个非常小的样本吗？不能因为这是4个用了大数据的采样，就认为这是一个支持大数据的有力结论了吧。（顺便我很想问问他们：为什么不测试个几十上百的算法呢？是不是面对如此“大量”的计算，也只好折中选择了一个抽样的小样本呢？甚至连样本数量是否合格都不顾上了吗？）

  三、这本书有什么用处？

  对于这样的一本书，我不明白周涛教授在译序里为什么要建议大家（以后）每个版本都应该买一本。为什么要买？难道作者理清自己脑子的过程很值得我们关注吗？

  译序里说：“作者渴求立言立说的野心”，但是我恐怕作者是达不到这个目标的。关于作者的简介为：“《大数据时代》是国外大数据系统研究的先河之作，本书作者维克托·迈尔·舍恩伯格被誉为‘大数据商业应用第一人’，....早在2010年就在《经济学人》上发布了长达14页对大数据应用的前瞻性研究。”

  总体感觉是作者有很多想法，见识过很多案例（这些案例都丰富地体现在书中了，也很有参考价值）。但并非是一个曾经和数据真正绞尽脑汁搏斗过的人（这是我瞎猜的，没有考证过他的经历。考据者请不要告诉他做过什么咨询案例，这离真正体会数据的折磨还很远。）。

  第183页说道：“...执行官们信任自己的直觉，所以由着它做决定。但是，随着管理决策越来越受预测性分析和大数据分析的影响和控制，依靠直觉做决定的情况将会被彻底改变。..."真的会么？如果你面对某一家企业做咨询，那可以这样讲。一种新技术的采用很有可能大幅提升企业的战斗力，并超越竞争对手。但是作者是期望对行业立言的人，面对整个社会我们这样讲就不严谨了。引用一个例子：中国棋院的一次训练会后，总教头马晓春对隔天要去各自的母队参加围甲的棋手们说：祝大家周末取胜。棋手们笑了：我们只有一半的人能赢啊。同样，如果大家都采用了大数据技术，那么也总有企业要在竞争中落于下风。而既然我们实际上无法真正分析“全量”数据，那CEO们还是会有很大的决策空间，哪怕很多决策实际上“不科学”。最起码，他们需要决定将有限的企业资源投入到对什么样的大数据进行分析，并如何应用分析出来的结果。嗯....我认为，这多少还是要依赖一些直觉的。

  那么大家是否应该看一下这本书呢？我的答案是应该看一看。既然大数据是当前的潮流、相关的研究/商务活动层出不穷，那么做IT工作、数据工作的人对于“最好的”专著无论如何都必须看一下。书中集中展示了很多案例，值得作为参考和启发思维。此外，为了作为谈资、为了在写大数据PPT时有所依据，大家也得看看这本书。根据场合不同，可以对里面的内容复制粘贴、理解重写。这些内容，我相信买一版也就够了。需要提醒PPT人员的是，演示前请想清楚如何回答可能被提及的质疑。如果你对这本书的观点都深信不疑，那么你将会遇到很多的质疑。

  对于下载网络版本担心没有图的朋友，请不用担心丢失信息：除掉湛庐特别制作的一张本书思维导图的彩页。这本书没有图。是的，一张都没有。大数据，大概太大了，大到作者无法用任何图来阐明了。