大数据时代
[英] 维克托 · 迈尔 — 舍恩伯格 肯尼斯 · 库克耶 ◎ 著 盛杨燕 周涛◎译
《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”，他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。
舍恩伯格最具洞见之处在于，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。
—— 网络
读后感
引言
在一开始作者举例在流感中之所以谷歌可以预测冬季流感的传播。 就是因为谷歌保存了每天来自全球的30亿条搜索指令。奥伦 · 埃奇奥尼通过大数据解释了为什么季节影响飞机票的价格，他把这个发现命名为 “哈姆雷特”。于是他收购了Farecast公司，这时的预测准确率已经高达75%， 平均每张机票节省50美元。
天文学，信息爆炸的起源
信息爆炸的起源可以追溯到多个领域的发展，而天文学是其中的一个重要领域。随着计算机技术的全面融入和社会的发展，天文学在数据收集和处理方面取得了巨大的进步。在这个过程中，天文学家们积累了大量的观测数据，这些数据主要依赖于观测电磁辐射获得。这些数据的增长速度非常快，远超过了传统数据处理和分析的能力，从而形成了信息爆炸的现象。
具体来说，天文学作为信息爆炸的起源之一，主要体现在以下几个方面：
- 观测技术的进步：随着望远镜和探测器技术的不断改进，天文学家能够观测到更远的星系、更暗的天体和更精细的结构。这些观测技术的进步使得数据量迅速增长，为信息爆炸提供了丰富的原始素材。
- 数据处理技术的发展：随着计算机技术的不断进步，数据处理和分析能力得到了极大的提升。这使得天文学家能够更高效地处理和分析大量的观测数据，从而发现更多的天文现象和规律。
- 跨学科的合作与交流：天文学与其他学科的交叉融合，如物理学、数学、计算机科学等，为信息爆炸提供了更多的可能性。这些跨学科的合作与交流促进了数据共享和资源整合，进一步推动了信息爆炸的发展。
——网络
国际单位制前缀&字节
在书中多次提到国际单位制（SI）前缀：
- 千（kilo）：10³ 或者1000
- 百万（mega）：10⁶ 或者1,000,000
- 十亿（giga）：10⁹ 或者1,000,000,000
- 兆（tera）：10¹² 或者1,000,000,000,000
- 拍（peta）：10¹⁵ 或者1,000,000,000,000,000
- 艾（exa）：10¹⁸ 或者1,000,000,000,000,000,000
- 泽（zetta）：10²¹ 或者1,000,000,000,000,000,000,000
- 尧（yotta）：10²⁴ 或者1,000,000,000,000,000,000,000,000
- 毫（milli）：10⁻³ 或者0.001
- 微（micro）：10⁻⁶ 或者0.000001
- 纳（nano）：10⁻⁹ 或者0.000000001
- 皮（pico）：10⁻¹² 或者0.000000000001
- 飞（femto）：10⁻¹⁵ 或者0.000000000000001
- 厄（atto）：10⁻¹⁸ 或者0.000000000000000001
- 兹（Zepto）：10⁻²¹ 或者0.000000000000000000001
- 幺（Yocto）：10⁻²⁴ 或者0.000000000000000000000001
据了解人类在2007年就储存了300艾字节
字节 Byte：
1Byte = 8bit, 俗称1大B = 1小b。
Byte进制是1024,艾字节到泽字节的进位就是1024 = 2¹⁰。
模拟数据&数字数据
众所周知使用东西是一般分为获取数据——传输数据——处理数据——发挥作用。
模拟数据和数字数据是两种主要的数据类型，它们在表示、传输和处理数据时有显著的不同。
模拟数据（Analog Data）是指连续变化的数据，它们可以取任意值，并且在时间和幅度上都是连续的。例如，温度、压力、声音、图像等都属于模拟数据。模拟数据的特点是可以平滑地变化，没有固定的量化级别。这种类型的数据通常通过模拟信号进行传输，如电话线中的语音信号或电视广播中的图像信号。
数字数据（Digital Data）则是以离散的数值形式表示的数据。在计算机科学中，数字数据通常是用二进制代码（0和1）表示的。这种数据类型只能取特定的、离散的数值。0表示恒定的负电压，1表示恒定的正电压。
作者一直强调量变 = 质变，全数据模式 样本 = 总体这是很正确的， 作者在书中举例一个图片和一个视频有什么区别(量变 = 质变)。
我推荐大家看一下这本书：
文章来源：https://www.toymoban.com/news/detail-834685.html
谢谢大家，欢迎点赞， 收藏，关注。文章来源地址https://www.toymoban.com/news/detail-834685.html
到了这里，关于BIG DATA —— 大数据时代的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
