大數據時代讀後感精選多篇

大數據時代讀後感精選多篇

《大數據時代》是一本值得大家閲讀的好書。讀完大數據時代這本書之後，我相信大家都會對這個時代有不同的看法。下文是大數據時代讀後感精選多篇，歡迎閲讀。

篇一：

讀了《大數據時代》後，感覺到一個大變革的時代將要來臨。雖然還不怎麼明瞭到底要徹底改變哪些思維和操作方式，但顯然作者想要“終結”或顛覆一些傳統上作為我們思維和生存基本理論、方法和方式。在這樣的想法面前，我的思想被強烈震撼，不禁戰慄起來。

“在小數據時代，我們會假象世界是怎樣運作的，然後通過收集和分析數據來驗證這種假想。”“隨着由假想時代到數據時代的過渡，我們也很可能認為我們不在需要理論了。”書中幾乎肯定要顛覆統計學的理論和方法，也試圖通過引用《連線》雜誌主編安德森的話“量子物理學的理論已經脱離實際”來“終結”量子力學。對此我很高興，因為統計學和量子力學都是我在大學學習時學到抽筋都不能及格的課目。但這兩個理論實在太大，太權威，太基本了，我想我不可能靠一本書就能擺脱這兩個讓我頭疼一輩子的東西。作者其實也不敢旗幟鮮明地提出要顛覆它們的論點，畢竟還是在前面加上了“很可能認為”這樣的保護傘。

近幾十年，我們總是在遇到各種各樣的新思維。在新思維面前我們首先應該做到的就是要破和立，要改變自己的傳統，跟上時代的腳步。即使腦子還跟不上，嘴巴上也必須跟上，否則可能會被扣上思想僵化甚至阻礙世界發展的大帽子。既然大數據是“通往未來的必然改變”，那我就必須“不受限於傳統的思維模式和特定領域裏隱含的固有偏見”，跟作者一起先把統計學和量子力學否定掉再説。反正我也不喜歡、也學不會它們。

當我們人類的數據收集和處理能力達到拍字節甚至更大之後，我們可以把樣本變成全部，再加上有能力正視混雜性而忽視精確性後，似乎真的可以拋棄以抽樣調查為基礎的統計學了。但是由統計學和量子力學以及其他很多“我們也很可能認為我們不再需要的”理論上溯，它們幾乎都基於一個共同的基礎——邏輯。要是不小心把邏輯或者邏輯思維或者邏輯推理一起給“不再需要”的話，就讓我很擔心了!

《大數據時代》第16頁“大數據的核心就是預測”。邏輯是——描述時空信息“類”與“類”之間長時間有效不變的先後變化關係規則。兩者似乎是做同一件事。可大數據要的“不是因果關係，而是相關關係”，“知道是什麼就夠了，沒必要知道為什麼”，而邏輯學四大基本定律(同一律、矛盾律、排中律和充足理由律)中的充足理由律又“明確規定”任何事物都有其存在的充足理由。且邏輯推理三部分——歸納邏輯、溯因邏輯和演繹邏輯都是基於因果關係。兩者好像又是對立的。在同一件事上兩種方法對立，應該只有一個結果，就是要否定掉其中之一。這就是讓我很擔心的原因。

可我卻不能拭目以待，像旁觀者一樣等着哪一個“脱穎而出”，因為我身處其中。問題不解決，我就沒法思考和工作，自然就沒法活了!更何況還有兩個更可怕的事情。

其一：量子力學搞了一百多年，為了處理好混雜性問題，把質量和速度結合到能量上去了，為了調和量子力學與相對論的矛盾，又搞出一個量子場論，再七搞八搞又有了蟲洞和羅森橋，最後把四維的時空彎曲成允許時間旅行的樣子，恨不得馬上造成那可怕的時間旅行機器。唯一阻止那些“愛因斯坦”們“瞎胡鬧”的就是因果關係，因為爸爸就是爸爸，兒子就是兒子。那麼大數據會不會通過正視混雜性，放棄因果關係最後反而搞出時間機器，讓爸爸不再是爸爸，兒子不再是兒子了呢?其二：人和機器的根本區別在於人有邏輯思維而機器沒有。《大數據時代》也擔心“最後做出決策的將是機器而不是人”。如果真的那一天因為放棄邏輯思維而出現科幻電影上描述的機器主宰世界消滅人類的結果，那我還不如現在就趁早跳樓。

還好我知道自己對什麼統計學、量子力學、邏輯學和大數據來説都是門外漢，也許上面一大篇都是在胡説八道，所謂的擔心根本不存在。但問題出現了，還是解決的好，不然沒法睡着覺。自己解決不了就只能依靠專家來指點迷津。

所以想向《大數據時代》的作者提一個合理化建議：把這本書繼續寫下去，至少加一個第四部分——大數據時代的邏輯思維。

篇二：

這本書裏主要介紹的是大數據在現代商業運作上的應用，以及它對現代商業運作的影響。

《大數據時代》這本書的結構框架遵從了學術性書籍的普遍方式。也既，從現象入手，繼而通過對現象的解剖提出對這一現象的解釋。然後在通過解釋在對未來進行預測，並對未來可能出現的問題提出自己看法與對策。

下面來重點介紹《大數據時代》這本書的主要內容。

《大數據時代》開篇就講了Google通過人們在搜索引擎上搜索關鍵字留下的數據提前成功的預測了20XX年美國的H1N1的爆發地與傳播方向以及可能的潛在患者的事情。Google的預測比政府提前將近一個月，相比之下政府只能夠在流感爆發一兩個周之後才可以弄到相關的數據。同時Google的預測與政府數據的相關性高達97%，這也就意味着Google預測數據的置信區間為3%，這個數字遠遠小於傳統統計學上的常規置信區間5%!而這個數字就是大數據時代預測結果的相對準確性與事件的可預測性的最好證明!通過這一事以及其他的案例，維克托提出了在大數據時代“樣本=總體”的思想。我們都知道當樣本無限趨近於總體的時候，通過計算得到的描述性數據將無限的趨近於事件本身的性質。而之前採取的“樣本<總體”的做法很大程度上無法做到更進一步的描述事物，因為之前的時代數據的獲取與存儲處理本身有很大的難度只導致人們採取抽樣的方式來測量事物。而互聯網終端與計算機的出現使數據的獲取、存儲與處理難度大大降低，因而相對準確性更高的“樣本=總體”的測算方式將成為大數據時代的主流，同時大數據時代本身也是建立在大批量數據的存儲與處理的基礎之上的。

接下來，維克多又通過了IBM追求高精確性的電腦翻譯計劃的失敗與Google只是將所有出現過的相應的文字語句掃描並儲存在詞庫中，所以無論需要翻譯什麼，只要有聯繫Google詞庫就會出現翻譯，雖然有的時候的翻譯很無厘頭，但是大多數時候還是正確的，所以Google的電腦翻譯的計劃的成功，表明大數據時代對準確性的追求並不是特別明顯，但是相反大數據時代是建立在大數據的基礎住上的，所以大數據時代追求的是全方位覆蓋的數字測度而不管其準確性到底有多高，因為大量的數據會湮埋少數有問題的數據所帶來的影響。同時大量的數據也會無限的逼近事物的原貌。

之後，維克托又預測了一個在大數據時代催生的重要職業——數據科學家，這是一羣數學家、統計學與編程家的綜合體，這一羣人將能夠從獲取的數據中得到任何他們想要的結果。換言之，只要數據充足我們的一切外在的與內在的我們不想讓他人知道的東西都見會在這一羣傢伙的面前展現得淋漓盡致。所以為了避免個人隱私在大數據時代被這一羣人利用，維克托建議將這一羣人分為兩部分，一部分使用數據為商業部門服務，而另一羣人則負責審查這一些人是否合法的獲得與應用數據，是否侵犯了個人隱私。

無論如何，大數據時代將會到來，不管我們接受還是不接受!

我覺得《大數據時代》這本書寫的很好，很值得一讀。因為會給我們很多啟發，比如你在相關的社交網站發表的言論或者照片都很有可能被“數據科學家”們利用，從而再將相關數據賣給各大網店。不過，事實就是我們將會成為被預測被引誘的對象。所以説，小心你在網上留下的痕跡。

我喜歡這本書是因為它給我展現了一個新的世界。

篇三：

如今説起新媒體和互聯網，必提大數據，似乎不這樣説就OUT了。而且人云亦云的居多，不少談論者甚至還沒有認真讀過這方面的經典著作——舍恩佰格的《大數據時代》。維克托·邁爾——舍恩伯格何許人也?他現任牛津大學網絡學院互聯網研究所治理與監管專業教授，曾任哈佛大學肯尼迪學院信息監管科研項目負責人。他的諮詢客户包括微軟、惠普和IBM等全球頂級企業，他是歐盟互聯網官方政策背後真正的制定者和參與者，他還先後擔任多國政府高層的智囊。這位被譽為：大數據時代的預言家“的牛津教授真牛!那麼，這位大師説的都是金科玉律嗎?並不一定，讀大師的作品一定要做些功課才好讀懂，如果能做足功課又具備相應的理論功底，就能與之進行一場思想上的對話。

一讀

舍恩伯格分三部分來討論大數據，即思維變革、商業變革和管理變革。在第一部分“大數據時代的思維變革”中，舍恩伯格旗幟鮮明的亮出他的三個觀點：一、更多：不是隨機樣本，而是全體數據;二、更雜：不是精確性，而是混雜性;三、更好：不是因果關係，而是相關關係。對於第一個觀點，我不敢苟同。一方面是對全體數據進行處理，在技術和設備上有相當高的難度。另一方面是不是都有此必要，對於簡單事實進行判斷的數據分析難道也要採集全體數據嗎?我曾與香港城市大學的祝建華教授討論過。祝教授是傳播學研究方法和數據分析的專家，他認為一定可以找到一種數理統計方法來進行分析，並不一定需要全部數據。聯繫到舍恩伯格第二個觀點中所説的相關關係，我理解他説的全體數據不是指數量而是指範圍，即大數據的隨機樣本不限於目標數據，還包括目標以外的所有數據。我認為大數據分析不能排除隨機抽樣，只是抽樣的方法和範圍要加以拓展。

我同意舍恩伯格的第二觀點，我認為這是對他第一個觀點很好的補充，這也是對精準傳播和精準營銷的一種反思。“大數據的簡單算法比小數據的複雜算法更有效。”更具有宏觀視野和東方哲學思維。對於舍恩伯格的第三個觀點，我也不能完全贊同。“不是因果關係，而是相關關係。”不需要知道“為什麼”，只需要知道“是什麼”。傳播即數據，數據即關係。在小數據時代人們只關心因果關係，對相關關係認識不足，大數據時代相關關係舉足輕重，如何強調都不為過，但不應該完全排斥它。大數據從何而來?為何而用?如果我們完全忽略因果關係，不知道大數據產生的前因後果，也就消解了大數據的人文價值。如今不少學者為了闡述和傳播其觀點往往語出驚人，對舊有觀念進行徹底的否定。

世間萬物的複雜性多樣化並非非此即彼那麼簡單，舍恩伯格也是這種二元對立的幼稚思維嗎?其實不然，讀者在閲讀時一定要看清楚他是在什麼語境下説的，不要因囫圇吞棗的淺讀而陷入斷章取義的誤讀。比如説舍恩伯格在提出“不是因果關係，而是相關關係。”這一論斷時，他在書中還説道：“在大多數情況下，一旦我們完成了對大數據的相關關係分析，而又不再滿足於僅僅知道‘是什麼’時，我們就會繼續向更深層次研究的因果關係，找出背後的‘為什麼’。”[i]由此可見，他説的全體數據和相關關係都在特定語境下的，是在數據挖掘中的選項。

大數據研究的一大驅動力就是商用，舍恩伯格在第二部分裏討論了大數據時代的商業變革。舍恩伯格認為數據化就是一切皆可“量化”，大數據的定量分析有力地回答“是什麼”這一問題，但仍然無法完全回答“為什麼”。因此，我認為並不能排除定性分析和質化研究。數據創新可以創造價值，這是毫無疑問的。舍恩伯格在討論大數據的角色定位時仍把它置於數據應用的商業系統中，而沒有把它置於整個社會系統裏，但他在第二部分大數據時代的管理變革中討論了這個問題。在風險社會中信息安全問題日趨凸顯，數據獨裁與隱私保護成為一對矛盾。如何擺脱大數據的困境?舍恩伯格在最後一節“掌控”中試圖回答，但基本上屬於老生常談。我想，或許凱文·凱利的《失控》可以幫助我們解答這個問題?至少可以提供更多的思考維度。正如舍恩伯格在結語中所道：“大數據並不是一個充斥着算法和機器的冰冷世界，人類的作用依然無法被完全替代。大數據為我們提供的不是最終答案，只是參考答案，幫助是暫時的，而更好的方法和答案還在不久的未來。”謝謝舍恩伯格!讓大數據討論從自然科學回到人文社科。由此推斷，《大數據時代》不是最終答案，也不是標準答案，只是參考答案。

此外，在閲讀此書之前還必須具備一些數據科學的基本知識和基本概念，比如説什麼叫數據?什麼叫大數據?數據分析與數據挖掘的區別，數字化與數據化有什麼不同?讀前做些功課讀起來就比較好懂了。

再讀

概念是研究的邏輯起點，“大數據”到底是什麼?在百度上搜索到的解釋是，“大數據(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟件工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。”大數據的4V特點：數量(Volume)、速度(Velocity)、品種(Variety)和真實性(Veracity)。但舍恩伯格認為大數據並非一個確切的概念。他在書中的一段詮釋更具人文色彩和社會意義：“大數據是人們獲得新的認知、創造新的價值的源泉;大數據還是改變市場、組織機構，以及政府與公民關係的方法。”[ii]其實，概念的界定要看研究者從哪個角度來研究它而定。

科學家的治學態度是嚴謹的，而人文學家更具有想象力。一些對大數據不甚瞭然的人往往誇大了它的作用，甚至把它神化。舍恩伯格認為大數據的核心是預測。“大數據不是要教機器像人一樣思考。相反，把數學算法運用到海量的數據上來預期事情發生的可能性。”[iii]舍恩伯格甚至不迴避大數據所產生的負面影響，他在第七章裏談到讓數據主宰一切的隱憂。我覺得這是實事求是的科學態度。在量子力學裏有一個測不準原理：一個微觀粒子的某些物理量(如位置和動量，或方位角與動量矩，還有時間和能量等)，不可能同時具有確定的數值，其中一個量越確定，另一個量的不確定程度就越大。它是解釋微觀世界的物理現象，信息社會中的大數據會不會也有類似情況呢?如果我們再把凱文·凱利的《失控》對比來讀的話就更有意思了，這樣我們對整個物質世界及至人類社會就有了更全面更深刻的洞察，從物理王國到生物世界，再到信息社會。從公共衞生到商業應用，從個人隱私到政府管理，大數據無處不在。與此同時，從哪個角度探討用什麼方法研究，舍恩伯格都不會忘記大數據服務人類造福人類的終極目的和價值所在。“大數據並不是一個充斥着運算法則和機器的冰冷世界，其中仍需要人類扮演重要角色。人類獨有的弱點、錯覺、錯誤都是十分必要的，因為這些特性的另一頭牽着的是人類的創造力、直覺和天賦。偶爾也會帶來屈辱或固執的同樣混亂的大腦運作，也能帶來成功，或在偶然間促成我們的偉大。這提示我們應該樂於接受類似的不準確，因為不準確正是我們之所以為人的特徵之一。”[iv]用中國話來説就是“人無完人”，人類在收穫大數據帶來的紅利的同時也要承受它帶來的危害。這不是對立統一的辯證唯物主義?我把它看作帶着歐洲批判學派色彩的科學發展觀。

問題是研究的價值基點，“大數據”不是舍恩伯格研究的問題，而是研究對象，他研究的是數據處理和信息管理問題，同時也討論信息安全和網絡倫理問題，還引發哲學上的思考，哲學史上爭論不休的世界可知論和不可知論轉變為實證科學中的具體問題。可知性是絕對的，不可知性是相對的。“大數據”之所以為大是因它引發人類生活、工作和思維的大變革，從這個意義上來看，《大數據時代》的意義不僅在於它討論了若干重大問題，而且對研究者開出了一個問題清單，從而引發更多人來探討這些有趣的問題。

《大數據時代》實際上主要是一本討論數據挖掘的書，數據挖掘與數據分析是不同的概念，數據挖掘一般是指從大量的數據中自動搜索隱藏於其中的有着特殊關係性的信息的過程。數據挖掘通常與計算機科學有關，並通過統計、在線分析處理、情報檢索、機器學習、專家系統(依靠過去的經驗法則)和模式識別等諸多方法來實現上述目標。而數據分析的目的是把隱沒在一大批看來雜亂無章的數據中的信息集中、萃取和提煉出來，以找出所研究對象的內在規律。數據挖掘主要運用計算機來進行處理，而數據分析既要用計算機也要人工分析，是計算機科學與人文價值判斷的統一結合。換言之，《大數據時代》並不是一本討論大數據所有問題的書。

《大數據時代》也是一本討論互聯網發展的書，從數字化到數據化，同時有濃厚的未來學色彩。當文字變成數據，我們進入了互聯網;當方位變成數據，我們進入了物聯網;當溝通變成數據，我們進入了下一代互聯網。一切可量化，萬物皆數據，正是當今互聯網世界的真實寫照。面對於這樣的世界及世界的未來，在《大數據時代》出現最多的詞是“思維”和“方法”，因此也可以把這本書視為思維科學應用研究的書。

此外，在閲讀此書之前還必須具備一些數據科學的基本知識和基本概念，比如説什麼叫數據?什麼叫大數據?數據分析與數據挖掘的區別，數字化與數據化有什麼不同?讀前做些功課讀起來就比較好懂了。

三讀

今年國慶節前一天，中共中央政治局們來到中關村搞集體學習，調研、講解、討論創新驅動發展戰略。包括、在內的七位全部出動來到中關村，這是歷史上沒有過的，百度、聯想和小米的負責人，有了一次直面最高層彙報工作的機會。雷軍和柳傳志，講解的都是本公司的各種情況，李彥宏則沒有講百度的廣告業務發展得如何好，而是講起了大數據。在講解中，李彥宏認為大數據有兩個重要價值，一是促進信息消費，加快經濟轉型升級;二是關注社會民生，帶動社會管理創新。這些價值也是目前黨和國家領導人最為重視的，可見《大數據時代》既有理論價值也有現實意義。

當今大數據正在影響着新聞傳媒業，大數據新聞、大數據營銷、輿情分析、受眾(用户)研究……數據分析師變身新聞編輯，大數據正改變新聞生產流程、大數據在創造傳媒新業態。“不妨想象一下，隨着數據的進一步增加，坐擁用户資源的新媒體們完全有能力通過數據挖掘，分析用户癖好，向電視台定製一部電視劇甚至向好萊塢定製一部電影。到那個時候，電視台一如那些家電廠商們，曾經產業鏈的上游‘王者’，將徹底成為一個產業鏈最低端的內容代工廠。”[v]然而，情形也遠沒有人們想象的那麼樂觀，李彥宏指出目前多數所謂的大數據公司其實還是空殼子，因為數據還沒有完全開放。他認為必須在政府層面上推動才能真正實現大數據的開發與利用。我在討論大數據時代的輿情監測與預警時説道：“經典自由主義傳播學説對媒體的定位：秉持公正、客觀立場的媒體被稱為代表公眾監督政府行為的‘看門狗’。其實，媒體既是公眾利益也是國家利益的‘看門狗’。要看好門就要瞭望、洞察社情民意，傳統媒體信息反饋渠道單一，視野、人力十分有限。而開放互動的新媒體平台卻大有可為。作為公共信息發佈平台的微博可以成為政府及時瞭解社情民意，從而選擇正確治理路徑的‘導盲犬’。”[vi]遺憾的是目前我國的數據平台還沒有完全開放，真正的大數據時代還沒有到來。

與國內不少教科書寫法的專著相比，國外的書寫得更有趣，尤其是大學者寫的，不僅視野開闊，而且能夠深入淺出。《大數據時代》不到22萬字，卻有上百個學術和商業的實例，豐富翔實的例子讓讀者感到通俗易懂，深奧的理論看起來也不費勁。這恐怕與舍恩伯格既是學者也是專家，既有理論又有實踐有關。反觀我們些學者故弄玄虛而示高明，實際上是把讀者拒之門外。我覺得優秀的科學家也應該是一個科普作家，優秀的學者也應該是一個不錯的傳播者。當然國外學術著作也有一個翻譯問題，這本書譯得還不錯。此外，《大數據時代》還附有不少IT界名流的推薦意見，雖是出版商的發行所為，對解讀此書也不無益處。

除了《大數據時代》，舍恩伯格還有一本《刪除》也值得一讀。要研究大數據不能只讀一本書，該書譯者周濤教授還推薦了三部國內出版的大數據方面的專著：《證析》、《大數據》、《個性化：商業的未來》。相比《大數據時代》的宏大視野，這些書就大數據某一局部問題給出深刻的介紹和洞見。我也推薦讀一讀中國工程院李國傑院士和中科院計算所副總工程學旗合寫的文章《大數據研究：未來科技及經濟社會發展的重大戰略領域——大數據的研究現狀與科學思考》。

雖説開卷有益，但是由於每個人的時間精力有限，對於一個研究者來説，不讀什麼書甚至比讀什麼書更重要。我認為書有三種：有用的書，主要是應用類的專業書;無用的書，主要是形而上的思想類;無字的書，人間百態，社會現實。可偏重但不應偏廢。對於學生來講這三類“書”都該讀一些，對於研究者則要讀哪些解決關鍵問題的書，《大數據時代》就是這樣一部書。當然，並非第一個讀者都是研究大數據的，但進入大數據時代，還有什麼東西與數據完全沒有關係呢?麥肯錫全球研究機構認為，未來十年裏有12項對經濟發展產生重大影響的技術，其中包括三項新媒體技術：移動互聯網、物聯網和雲計算。這三項新媒體技術都與大數據密切相關，而這些新媒體新技術的發展都影響着當今的新聞傳播業。閲讀此書至少給我們研究新聞傳播學帶來一些啟迪。我覺得一本書的價值不在於讓你頂禮膜拜，而是引發廣泛而深入的討論。

“凡是過去，皆為序曲。”讀完此書，我們對大數據的認識才剛剛開始。

篇四：

信息時代的到來，我們感受到的是技術變化日新月異，隨之而來的是生活方式的轉變„„我們這樣評論着的信息時代已經變為曾經。如今，大數據時代成為炙手可熱的話題。筆者在這説明信息和數據，只是試圖首先説明信息、數據的關係和不同，也試圖説明，為什麼信息時代轉變為了大數據時代?大數據時代帶給了我們什麼?

信息和數據的定義。維基百科解釋：信息，又稱資訊，是一個高度概括抽象概念，是一個發展中的動態範疇，是進行互相交換的內容和名稱，信息的界定沒有統一的定義，但是信息具備客觀、動態、傳遞、共享、經濟等特性卻是大家的共識。數據：或稱資料，指描述事物的符號記錄，是可定義為意義的實體，它涉及到事物的存在形式。它是關於事件之一組離散且客觀的事實描述，是構成信息和知識的原始材料。數據可分為模擬數據和數字數據兩大類。數據指計算機加工的“原料”，如圖形、聲音、文字、數、字符和符號等。從定義看來，數據是原始的處女地，需要耕耘。信息則是已經處理過的可以傳播的資訊。信息時代依賴於數據的爆發，只是當數據爆發到無法駕馭的狀態，大數據時代應運而生。這是否是《大數據時代》一書所未曾闡述的背景材料?

在《大數據時代》一書中，大數據時代與小數據時代的區別：1、思維慣例。大數據時代區別與轉變就是，放棄對因果關係的渴求，而取而代之關注相關關係。也就是説只要知道“是什麼”，而不需要知道“為什麼”。作者語言絕對，卻反思其本質區別。數據的更多、更雜，導致應用主意只能儘量觀察，而不是傾其所有進行推理?這也是明智之舉2、使用用途。小數據停留在説明過去，大數據用驅動過去來預測未來。筆者認為數據的用途意在何為，與數據本身無關，而與數據的解讀者有關，而相關關係更有利於預測未來。3、結構。大數據更多的體現在海量非結構化數據本身與處理方法的整合。大數據更像是理論與現實齊頭並進，理論來創立處理非結構化數據的方法，處理結果與未來進行驗證。4、分析基礎。大數據是在互聯網背景下數據從量變到質變的過程。筆者認為，小數據時代也即是信息時代，是大數據時代的前提，大數據時代是昇華和進化，本質是相輔相成，而並非相離互斥。

數據未來的故事。數據的發展，給我們帶來什麼預期和啟示?銀行業天然有大數據的潛質。客户數據、交易數據、管理數據等海量數據不斷增長，海量機遇和挑戰也隨之而來，適應變革，適者生存。我們可以有更廣闊的業務發展空間、可以有更精準的決策判斷能力、可以有更優秀的經營管理能力„„可以這些都基於數據的收集、整理、駕馭、分析能力，基於脱穎而出的創新思維和執行。因此，建設“數據倉庫”，培養“數據思維”，養成“數據治理”，創造“數據融合”，實現“數據應用”才能擁抱“大數據”時代，從數據中攫取價值，笑看風雲變換，穩健贏取未來。