《大数据时代》- 读后导图

蓝色为自己补充部分

一，大数据的思维变革

         思维变革非常重要， 谈及大数据，必定要做到思维模式的刷新。

1.更多~不是随机样本，而是全部数据，     要分析与某事物相关的所有数据，而不是依靠少量采样。

   受限于技术现成本或者使分析更简便， “抽样”是我们经常采取的手段。 但是采样分析的成功依赖于采样的绝对随机性，但是现实中采样很难做到随机性。一旦采样过程中存在任何偏见，分析结果就相距甚远。

   而且采样分析需要严格的安排和执行，去验证事先设计好的结果。并不能帮忙发现新的问题。

   当前的数据采样、存储成本(传感器，交互，log日志无时无刻不在产生数据)，以及计算能力(Hadoop,Hbase)大幅提高，在可行的基础上，最好的做法就是使用“所有数据”。

2.更杂~不是精确，而是混杂性， 我们要乐于接受数据的纷繁复杂。

   如果测量一个葡萄园的温度， 1个精确的温度计  vs 100个分布在各区的温度计，  即使100个温度计中掺杂了混乱，其可靠性和精度依旧要远远优先。

  这要求我们做出三个方面的变革：

    1.使用非结构化的数据存储。 因为非常多混乱的数据是独立于精心设计的DB模型。

    2.容忍数据的“不精准性”“混杂性”

    3.大数据的简单算法比小数据的复杂算法更有效。

   从技术上来讲， 5%的数据是结构化的，而95%是非结构化数据。 新的计算方法和框架的突破，开启了全量数据分析的时代。 http://drill.apache.org/ 是一个非常有意思的项目，其描述就是“Query any non-relational datastore (well, almost...)”    , 在所有非结构化的数据上进行sql查询。。

3.更好~不是因果关系，而是相关关系 。 我们思维转变，不再探求难以琢磨的因果关系，转而关注事物的相关联系。

    好了，请把蛋挞放在飓风用品的旁边。 

   有了更多的大数据，我们可以轻易探寻到事物之间的联系，从而轻松的反推原因。而在早先的“因果模型”中，我们需找到原因才能分析结果，比如要求证数学难题去推导结果。

二，商业变革及价值

  1，数据化，从最不可能的地方提取数据

        日本人越水中城团队在汽车座椅下部安装了360个传感器以测量人堆椅子施加的压力。 把人体屁股特征转化成了数据。这样就产生独属于每个乘坐人的精确数据资料。

     这个系统可以98%精准的识别乘坐人的身份。

       数据化：把现象转化成可以制表分析的量化形式的过程。量化一切就是数据化的核心！

  2，数据的再利用性，创新

        旧数据维度挖掘、交叉授权使用 等等

  3，数据应用的定位： 数据公司、技术公司、思维公司

三，信息安全风险及掌控

    略过