1、在事实上，就是因为不受限于传统的思维模式和特定领域里隐含的固有偏见，大数据才能为我们提供如此多新的深刻洞见。所以这就是大数据舍弃因果关系的原因。但是需要给大家说明白的是，大数据时代绝对不是一个理论消亡的时代， 相反地，理论贯穿于大数据分析的方方面面。
2、看过大数据时代吧，里边说的还比较清楚了，大数据的一个优势就是从数据之间的相关关系直接得到我们想要的结论，而不必去追求原因和结果间的复杂因果关系。
3、严格的说，应该是因果和相关的区别和联系。它们之间，区别有个本质的地方，因果必然是相关，但相关未必是因果。
1、维克托迈尔舍恩伯格《大数据时代》读后感 篇1 对于畅销书刊、热点话题、时尚科技，始终不太感兴趣。书刊，喜欢有一定年份的。话题，钟情于务虚的观点。新奇的产品于我无缘，习惯使用成熟的科技产品。既不清高，也非冷漠，就是要与现实保持一定的距离，给自己留一点思考的空间。这一习惯最近破了例。
2、大数据时代读后感（一） 我们不再热衷于寻找因果关系，而应该寻找事物之间的相关关系。这个命题是我读这本书最大的感触。个人认为也是这本书最核心的思想。
3、《大数据时代》的读后感1 对于畅销书刊、热点话题、时尚科技，始终不太感兴趣。书刊，喜欢有一定年份的。话题，钟情于务虚的观点。新奇的产品于我无缘，习惯使用成熟的科技产品。既不清高，也非冷漠，就是要与现实保持一定的距离，给自己留一点思考的空间。这一习惯最近破了例。
4、首先，作者站在理论的制高点上，条理清楚地阐述了大数据对人类的工作、生活、思维带来的革新，大数据时代的三种典型的商业模式，以及大数据时代对于个人隐私保护、公共安全提出的挑战。其次，文中的事例贴近现实生活，贴近时代，令读者既印象深刻，又感同身受。此外，作者没有使用大量的专业术语，没有假装一副专业的面孔。
5、在第一部分xxx大数据时代的思维变革xxx中，舍恩伯格旗帜鲜明的亮出他的三个观点：更多：不是随机样本，而是全体数据；更杂：不是精确性，而是混杂性；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。
1、大数据促进了商业模式的创新，帮助企业创造新产品和服务，改善现有产品和服务，发明全新的业务模式。 大数据让每个人更加有个性，为个人提供个性化的医疗服务、教育、购物等。 大数据在社会治理方面也发挥了重要作用，如智慧城市建设、犯罪预防和交通管理等。
2、大数据的核心价值，从业务角度出发，主要有如下的3点：a.数据辅助决策：为企业提供基础的数据统计报表分析服务。
3、大数据最核心的价值就是预测。大数据的本质是解决问题，大数据的核心价值就在于预测。它通常被视为人工智能的一部分，或者更确切地说，被视为一种机器学习。但是这种定义是有误导性的，大数据不是要教机器像人一样思考。相反，它是把数学算法运用到海量的数据上来预测事情发生的可能性。
4、预测是大数据的核心价值 大数据的本质是解决问题，大数据的核心价值就在于预测，而企业经营的核心也是基于预测而做出正确判断。在谈论大数据应用时，最常见的应用案例便是“预测股市”“预测流感”“预测消费者行为”等。 大数据预测则是基于大数据和预测模型去预测未来某件事情的概率。
5、为企业提供基础的数据统计报表分析服务。分析师能够轻易获取数据产出分析报告指导产品和运营，产品经理能够通过统计数据完善产品功能和改善用户体验，运营人员可以通过数据发现运营问题并确定运营的策略和方向，管理层可以通过数据掌握公司业务运营状况，从而进行一些战略决策。
6、大数据的核心在于处理和分析大量分布式数据，以提取价值信息、支持决策和推动创新。大数据技术涉及数据采集、存储、处理、分析和应用等多个方面。以下是大数据核心领域的几个关键方面：数据采集：大数据来源于各种渠道，包括结构化数据、非结构化数据和实时数据等。
大数据思维是一种综合性思维，需要在数据、技术、业务等多个方面兼顾，从而达到更好的数据利用和决策支持。
大数据思维是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据与“小数据”的根本区别在于大数据采用全样思维方式，小数据强调抽样。
大数据思维指的是一种处理庞大数据集的方式，它依赖于先进的计算机技术和算法，以及高效的数据存储和管理机制。这种思维方式强调从数据中获取洞见和价值，而不仅仅是对数据集进行分析和处理。在大数据时代，这种思维方式越来越重要，因为数据已经成为我们生活和工作的重要组成部分。
大数据实际上是营销的科学导向的自然演化。大数据思维有三个纬度——定量思维、相关思维、实验思维。第一，定量思维，即提供更多描述性的信息，其原则是一切皆可测。
大数据清洗、关联与数据真实性之间存在密切的关系。数据清洗有助于提高数据质量，确保数据的准确性和一致性；数据关联则能够揭示不同数据集之间的联系，为数据分析提供更丰富的视角；而数据真实性则是数据清洗和关联的前提和基础，保证了数据分析结果的可靠性和有效性。
数据的真实性对于大数据分析起关键作用。捕获的数据的质量可能会有显著的不同，这反过来会影响数据分析的可靠性和清晰度。必须使用高级工具来处理此信息，以发现任何有意义或可理解的信息。
数据的价值密度相对较低：大数据中充斥着大量的冗余、噪声和无用信息，与传统数据相比，其价值密度较低。因此，需要通过有效的数据清洗、处理和分析来提炼出有价值和意义的信息。
大数据的预处理环节主要包括数据清理、数据集成、数据归约与数据转换等内容，可以大大提高大数据的总体质量，是大数据过程质量的体现。
大数据的四个核心特征，通常被称为4V，包括数据的大量性、高速性、多样性和价值性。大量性（Volume）指的是数据量的巨大。随着信息技术的进步，我们产生的数据量已经超出了传统存储和处理能力的范围，数据规模从GB到PB、EB甚至ZB不等。高速性（Velocity）指的是数据生成的速度快。
大数据的特征有数据价值密度低、数据种类多、数据产生和处理速度快、数据量大、真实。数据价值密度低 大数据的价值密度低，即数据价值与数据总量大小成反比。这使得大数据在信息爆炸时代具有更深的意义。数据种类多 大数据的特征之一是数据种类多，包括结构化、半结构化和非结构化数据。
多样化 大数据的特征之一是多样化，包括数据类型多样化，如传统的数字、文字，还有更加复杂的语音、图像、视频等。大数据的计量单位也逐渐发展，如今对大数据的计量已达到EB。此外，大数据的计量单位还包括结构化数据、非结构化数据和半结构化数据，这些数据都属于半结构化的数据。
评论