大数据学习总结.docVIP

《大数据时代》读后感 学习总结 关于作者 维克托·迈尔-舍恩伯格（Viktor Mayer-Sch?nberger），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。 关于大数据 大数据是什么 大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据的4V特点：Volume（大量）、Velocity（（高）速率）、Variety（多样性）、Veracity（真实）。大数据可分成大数据技术、大数据工程、大数据科学和大数据应用等领域。 大数据的来源 所谓的“Big Data”是由IBM和Gartner分析师提出的概念，我们比较时髦的称其为大数据。 大数据现状、应用 通过分析和优化企业数据实现一种对未来的企业运营的精准的预测能力。采用一系列的技术，从技术中获得洞察力，也就是BI或者分析；另外一个是分析路径，寻找关键绩效指标，从仪表盘这样的工具进行数据分析，实现预测性工作。 大数据未来 Fayyad曾被视为数据挖掘领域的No.1，他用下图向我们解释了为什么说分析是大数据未来的发展方向。 关于大数据时代 思维变革 更多：不是随机样本，而是全体数据；“样本=总体”。 更杂：不是精确性，而是混杂性；允许不精确，最大化利用全体数据。 更好：不是因果关系，而是相关关系；“是什么”，而不是“为什么”。 商业变革 数据化：一切皆可“量化”；关注信息本身。 价值：发现、利用数据的价值。 角色定位：大数据掌控、大数据技术、大数据思维的三足鼎立。 管理变革 责任：数据来源有效性、数据存储安全性、数据使用合法性。 自由：反对数据垄断大亨。 读后感 大数据时代，是名符其实的“信息社会” 经历了口口相传、纸媒传播，到现在的网络技术，我们可以获得比以前更多的信息并进行分析，可以从更多的维度诠释世界。 通讯技术的发展，促进了个人/组织在信息获取上的平等发展，数据不再是限制我们努力的因素了。数据的的爆炸式产生，促使我们必须从海量的信息中做出选择、掌握数据挖掘技术和筛选工具。 大数据技术支持预测工作 大数据的4V特点，及对相对关系的发掘，改变了传统的基于少量样本的预测思维。思维的转变，将会在各行各业中爆发出更多的预测技术和工具，进而支撑预测工作的大力发展。 大数据技术越完善，我们越能更快更全面的获得更多的有效数据，预测则越准确。 知识管理迫在眉睫 大数据的未来是数据分析，而分析的目的是转化为经验、规律、总结……，它们的集合就是知识。知识是个人/组织成长的直接推动因素。 知识管理要遵循积累原则（知识积累是实施知识的管理基础）、共享原则（一个组织内部的信息和知识要尽可能公开，使每一个员工都能接触和使用公司的知识和信息）、交流原则（知识管理的核心就是要在公司内部建立一个有利于交流的组织结构和文化气氛，使员工之间的交流毫无障碍）。这三原则不正是大数据技术的组织基础吗？ 在工作中的而应用 关注运作工作向数据管理方向的转化 在仓储工作中，为物品对象（仓库、货物、设备、员工等）、流程对象（如作业、异常处理、管理等）建立属性列表，关注数据积累。 同时，关注仓储数据与运输、客服、园区等各方面环境数据的对应。 重视数据挖掘，提高数据分析能力 根据运作问题和目标，通过数据挖掘和分析，寻找有效的数据指标。通过对关键指标的趋势预测，发现潜在风险、发掘改善途径。 推动数据转化，促进建立知识管理系统 在实际工作中，重视对裸数据、经验、执行文件的管理，引导各项目的知识转化。建立从数据积累、知识转化（数据到知识、隐性知识到显性知识、个体知识到组织知识等）、知识共享的知识管理体系，形成仓储管理知识体系及其良性循环。 （正文结束）