“大数据+”继续教育：继续教育如何拥抱大数据时代
摘 要：通过调研继续教育目前的现状和问题，分析大数据技术对继续教育教学产生的影响，探索继续教育在大数据时代应如何创新教学模式，实现个性化教育管理与服务，提升继续教育的核心竞争力。
关键词：大数据;继续教育;个性化;学习评价
党的十八大以来，习近平总书记多次强调中国要坚定实施科教兴国战略，创新教育方法，努力发展全民教育、终身教育，建设学习型社会。高校积极搭建继续教育平台，探索形式各异的继续教育模式。伴随云计算、移动通讯、物联网等新一代信息技术的高速发展，大数据的获取保存成为可能，这将为社会各个领域带来深刻影响，与国家终身教育息息相关的继续教育更是站在了大数据时代的风口浪尖。在这种形势下，继续教育只有创新教育方法，顺应时代发展，才能摆脱僵化被动的状态，张开双臂拥抱大数据时代。
一、继续教育目前的现状和问题
(一)教学内容与教学方法单一
目前我国继续教育普遍依附于传统的普通高等教育，仍以学历教育为主，没有根据职业化需求突出岗位培训、成人教育的特色，体现出实践性、技能性、行业性优势，学生虽然在学历上有所提高，但实践技能并无太大长进。检验继续教育效果的方式也是以“普教化”为标准，没有在发展中形成自己的特色。
在专业设置和教学内容上，缺乏现代教育意识与通识教育观念，教学设置单调、陈旧、脱离实际，缺乏活力和吸引力。在教学方法上，面授教学是全日制课堂教学的压缩版;使用的教材基本套用高职全日制;教学计划、考试形式等没有脱离普通高等教育的教育模式，没有体现在职人员学习的特点。日常教学也只是传统意义上的说教式教学，缺乏现代意义的柔性服务，不能因材施教。
(二)教学互动反馈机制缺失
对于教学而言最为关键的就是教与学之间的互动，互动效果如何直接影响着教学效果。远程继续教育把传统课堂的教学内容平行搬移到互联网上，属于以知识传递为中心的接受认知，是单向的课程资源共享平台，老师无须组织教学活动，仅提供数字化教学资源即可。教学形式为单一的线性教学方式，学生在网上点播老师的授课录像，遇到问题时无法与教师或其他同学互动交流，不能及时解决学习中遇到的难题，老师也了解不到学生具体的学习情况和学习进度，不能及时辅导，缺乏师生互动，生生互动，因此大部分继续教育的网络教学效果并不是很好。
(三)教育评价机制单一
教育评价是根据一定的教育价值观或教育目标，运用有效的评价技术和手段，通过系统地搜集信息资料和分析整理，对教育活动满足教育主體需要的程度作出的价值判断活动。
我国目前的继续教育基本上是只抓招生和发证两头，限于数据来源和评价信息的数量规模，难以获取量化的数据支持。教学评价更多是基于学生考试成绩、作业成绩和平时课堂表现进行的结果性评价与经验性评价，并未形成发展性教育评价观，从学生的需要出发，重视学习过程、学习体验和师生交流，量身定制学习方案，更好地达成学习目标。
(四)专业课程设置与市场需求不符
继续教育的目的或是提高学生的任职能力，或是为跳槽、转岗后的个人发展提供支撑。明确的目标指向决定了高校继续教育在内容上既要有针对性，也要有层次性，必须贴合企业实际和市场需求，做到“实际需要什么，就教授什么”。
然而目前我国各高校继续教育在专业开设、课程设置、教学方式和手段等方面办学同质化严重，依旧是传统的课程内容和教学方法，与市场需求脱节。在培养模式上仍以应试教育为主，缺少顺应时代发展的非学历教育，不能很好地适应市场和社会对人才的需求。
二、“大数据+”继续教育
20世纪90年代，印度著名的教育学家苏伽特?米特拉在做过大量实证试验后提出“学习是一种自组织行为”。大数据时代是建立在通过互联网、物联网等现代网络渠道广泛大量数据资源收集基础上的数据存储、价值提炼、智能处理和展示的信息时代，更是充分演绎了新时期自组织的个性化学习过程。大数据时代的到来，促使传统的“经验式”教学模式向“数据服务”教学模式转变。通过对学生相关数据进行分析，关注每个学习者的微观表现，有针对性地调整教学方案，发展优势潜能，实现个性化教育管理和服务。
(一)教育评价的客观性
发展性教育评价观需要及时有效地把握学生日常学习过程中的表现、所取得的成绩以及所反映出的情感、态度、策略等方面的发展，但如何获取产生于课堂、作业、师生或生生互动过程中的相关信息是一大难题。
大数据时代以云计算、物联网作为载体，在后台默默记录学生整个学习过程中产生的不同层面数据和信息，以全面的大数据为基础依托于相关的评价模型进行分析，全方位了解学生的过程性学习信息。大数据有能力关注每一个学生每时每刻的学习活动中产生的微观表现，如记录提问的教学内容、重复审题和修正答案的次数、视线停留在教师身上的时间、合作学习讨论的频率等等。更为可贵的是，这些数据的记录是悄然进行的，学生不愿在实验情境下表现出来的行为也能得到完整的呈现，因此数据也更为真实自然。大数据的应用使我们可以更多地关注学习过程， 了解是哪些因素影响了学业水平并找出这些因素间的关系，从而提高教育评价的客观性。
(二)教育方式的个性化
国际个性化教育协会将个性化教育定义为：为受教育者量身定制教育目标、教育计划、教育培训方法、辅导方案并加以执行，组织相关专业人员为受教育者提供学习管理策略、知识管理技术以及整合有效的教育资源，帮助受教育者突破生存限制，实现自我成长、自我实现和自我超越。个性化教育要求施教者必须了解学生已有的知识储备、学习能力以及兴趣特长等，尽管过去我们也强调因材施教，但真正做到这一点并非易事，大数据时代为这一切提供了可能。
在大数据时代，继续教育学习者可以按照自己的偏好，不固定时间地点，灵活地进行个性化学习。在线学习平台会自动留存学习者的学习行为数据，系统后台根据不断更新的行为数据进行分析预测，评估学生的优缺点，分析学生的思考习惯，创建心理测量图，并根据学生的学习进展实时调整之后的学习内容和重点，从而实现对学习者的学习行为及时自动提示、引导和评价。在大数据的支撑下，面对同样的教学内容，每个学生的不同表现和反馈内容被传送到后台，系统可以对学生进行分门别类，总结出各类的特点和相应最优的学习方法。通过对大量教学数据的归纳分析，也可以起到预测效果，什么样的学习内容、什么类型的教学方法更适合当前学习的学生，结合对市场数据的分析，能够明晰当下的市场需求，有助于为学生按需推荐课程内容，真正做到继续教育课程内容与市场需求同步化。
三、继续教育如何拥抱大数据时代
(一)改变教学模式，提高教育质量
1.改变教学模式，实现混合式教学
大数据时代，教师在固定的场所以一对多的教学模式对学生进行单向灌输式教学，必将变为翻转课堂与在线学习互动相结合的混合式教学模式。与按部就班、限定时间空间的传统课堂教学模式相比，在线学习能为学生提供更加自主的学习空间，10分钟左右的交互式短视频配套相应的测试学习模式，能有效减少在线学习过程中产生的视觉疲劳，促进学生集中注意力。
在线学习平台会留下宝贵的学习行为数据资料，比如鼠标的点击情况，在视频某处的重复观看和暂停，答错的题目是否会回顾复习等等。当数据量积累到一定程度，继续教育者通过对群体的学习行为模式进行数据挖掘，就会得出学习规律，判定出哪些知识点需要重点强调，有针对性地开展教学和指导。通过大规模教学数据与课程资源的反复检验和改进，进一步提高在线教学资源的优质性。这种在线学习与课堂教学相结合的混合式教学模式，可以使参加继续教育的学生更加合理地安排学习时间，用课堂上的探究式学习巩固在学习平台上的学习效果，最大程度地提高继续教育教学质量。
2.优化教学互动，提升教学效果
继续教育开放的在线学习平台为生生、师生、师师搭建良好的交流途径，鼓励学生协同学习、发表观点、交流看法，培养互相学习的氛围，在探讨中提出问题，在相互质疑与论证中得出正确的结论，共同进步。这样的互动过程也有助于老师掌握学生的学习情况，便于老师对学生有针对性地答疑解惑，解决其学习过程中的问题。此外，老师之间也可以通过交流平台对课程的教学重点、难点进行分析探讨，以促进产生新的更加科学合理的教学方式。
教师可以通过大数据技术对学生学习行为、学习爱好等非结构化数据进行分析及挖掘，做出预测并及时做出决策调整，规划出最有效的学习路径，设计弹性的教学运作机制，使教育更具特色和个性。学生可以借助大数据，更好地了解、总结自己的学习状况，不断调整学习策略，有针对性开展自主学习，大大提高自己的学习效率。
(二)建立资源共享机制，实现教学资源互通
我国继续教育应逐步实现资源共享机制，可以借鉴MOOC的发展模式。目前MOOC在线教育模式已经从原来的课程展示与免费学习阶段迈向学分认证阶段，这也是MOOC可持续发展的关键，美国三大MOOC平台已经先后推出了学习成果认证机制。继续教育也应推进学历教育与非学历教育的协调发展，推进教育资源共享。参考MOOC平台的运营模式，建立教育资源共享机制。首先，建立标准统一、形式多样、满足经济社会发展和适应各类人群教育需求的办学模式。利用高校多种教育形式并举的优势，实现校内各种资源的共享使用，避免重复建设造成浪费。其次，适当引进MOOC平台课程，选取合适的课程进入课程体系，鼓励学生进行选修或作为专业课的教学辅助。高校应挖掘内在优势，理顺管理体制和运行机制，打破各形式独立办学的堡垒，提高教学资源的共建共享力度。
(三)结合数据分析，实现按需定制
1.以市场需求为导向制定培训计划
高校继续教育以满足市场需求为人才培养的目标，因此继续教育人才培养制度要以市场需求为导向。
大数据时代的到来，使高校可以在广泛大量数据资源的收集基础上，进行数据挖掘分析，掌握市场需求情况，从而在政策引导下，紧密围绕需求制定培训计划，准确定位，充分调研，开发能够满足各种需求的培训项目。在发挥高校学科、行业优势的基础上开展继续教育办学，利用学校优势学科形成的产学研平台和教学资源，将前沿理论与实践应用紧密结合，为行业企业提供订单式的形式丰富的继续教育服务。
2.实现个性化课程定制
建立于基础教育之上的继续教育要进一步遵循个性化教育理念，通过对被教育对象进行综合调查、研究分析，根据学生的潜质特征和自我价值倾向，制定出符合其目标与要求的培养方案。
与基础教育不同，参加继续教育的学生大多已经积累了一定的行业知识技能，有了相对丰富的工作经验，参加再教育的目的或是希望解决工作中的难题，或是接受新领域新知识，或是进行学历提升。继续教育者应当根据学生不同的需求实现个性化课程定制，在较短时间内使学生在专业知识、行业技能、工作方法、学习观念等方面获得突破性进展，并具备更强的独立创新能力。
(四)成果互认，实现多方位教育衔接
多方位教育衔接包括不同学历层次、不同学习形式、学历教育与非学历教育的衔接，学历教育与职业资格认证的衔接，相近专业课程衔接等，关键点在于成果互认的学习评价制度。
通过设立以学分互认为标志的学分银行制度，有计划地推进不同类型继续教育之间的学分互认。学生可在“学分银行”中开户，自主调节学习进度、学习年限，将获得的学分存入“银行”积累起來且终身有效，达到一定学分后即可获得学位或进入相应层级的高校进修，也可与就职条件相关联。完善配套的学分政策及继续教育质量保障政策，践行教育起点、过程及结果的平等，必将显著增强大数据时代下的继续教育吸引力。
四、结语
继续教育作为我国构建学习型社会终身教育大体系的重要部分，目前受限于资源与技术，存在教学内容与评价机制单一，缺少教学互动反馈机制，专业课程设置脱离市场需求等问题。大数据时代的到来为继续教育破解困境提供了一把利刃，使传统的“经验式”教学模式向“数据服务”教学模式转变有了可能。借助大数据时代的东风，继续教育必将抓住机遇在新形势下迎来一轮新的大发展。
参考文献
[1]陈炜煜.MOOC为继续教育战略转型带来的新契机[J].成人教育， 2015(2).
[2]黎志华.教师教育评价研究[D].上海：华东师范大学，2011.
[3]张燕南，赵中建.大数据时代思维方式对教育的启示[J].教育发展研究，2013(21).
[4]朱建平，李秋雅.大数据对大学教学的影响[J].中国大学教学， 2014(9).
[5]赵灿，贾伟， 王世燕. 基于MOOC的高校继续教育改革探析[J].继续教育，2016(1).
[6]刘丽莹.MOOC视域下普通高校继续教育发展改革的探讨[J].继续教育，2015(3).
[7]祖静.构建创新型继续教育模式的探讨[J].继续教育研究， 2014(2).
作者：郜盼盼 贾伟 马凤涛
一方面是大数据时代的来临及各种数据开发应用实践，另一方面是客户隐私面临着前所未有的风险与担忧，客户管理工作者面前的挑战足够艰巨。
目前许多如日中天的互联网企业的巨大价值大都和拥有海量客户信息有关，新的商业模式也日益和基于客户洞察基础上的商业行为有关。在客户服务领域，个性化的精准服务在大数据时代也日益成为可能。最近APP商店上的一款新应用Placeme号称能记住使用者的每一条路径和到达过的每个地方，其强大的学习和分析功能可以帮助使用者在合适的时候（比如下班时）启动导航软件分析路况、遭遇车祸时自动呼叫救援、在适当的加油站附近提醒加油。这样的个人助理需要收集存储大量的个人数据，而智能手机今后就是这样的一个个人信息收集器，其背后的云计算服务器义不容辞地永久存储着海量的个人信息。可以想象基于这样的技术基础和逻辑框架，在服务领域的创新仅仅是打开了一个门缝而已。
对个人信息被泄漏的担忧引起的消费者保护性立法在世界各国也成趋势。前不久，荷兰的《网络中立法》获得通过，其确定运营商不得对网络流量采取歧视性限制之后，还规定未经用户许可，不得利用目前流行的DPI（“深口袋检视技术”）提取任何客户个人信息。
在中国，客户信息的不正当使用较之国际上多数国家都更为严峻。一方面企业创新乏力，利用客户信息进行客户关怀和维系的努力除了短信问候生日之外真正能建模分析的不多；另一方面，非法出售、使用个人信息在市面上又屡见不鲜。这几天网上传出某些淘宝商户为了要客户删除差评，居然利用所谓追讨公司用公布个人信息、组织个人攻击来要挟。而大企业中员工偷偷将企业拥有的客户个人资料出售牟利的例子我们也屡闻不鲜。企业面临着两难的选择，像中国移动那样几年前被315晚会批评后一直坚持“五不”政策，在利用短信进行营销创新和新业务拓展方面甚至在客户洞察利用方面几乎无任何作为。
企业面对数据海量爆发的时代，一定需要突破一些固有思维。
首先，数据是企业能够使之不断增值的巨大潜在财富，大量的创新将建立在此基础上，任何企业很难再一味忽视或拒绝。
其次，大数据时代的数据决不仅仅限于客户个人资料，大量的应用、社会环境数据同样是整个数据海洋的重要内容。大量的客户洞察并不需要涉及或者影响用户的个人隐私，完全可以为客户资料进行完整的保护保密。
再者，建立良好的客户关系与品牌声望，确保给客户带来价值。研究表明，大多数客户是愿意让渡部分隐私损益的。今后，改善客户生活工作的一系列新型应用一定是建立在客户行为洞察基础上，客户的“个人云”托管不是要不要有的问题，而是交给哪家企业更加放心的问题。最近海外一些国家的一项调查表明客户对谷歌、苹果的个人信息信任度比电信运营商为高，在中国的倾向我们依然不得而知。
最后，数据管理是一个专业性的工作，设立岗位、建立流程、投资平台、并且改善文化都是题中应有之义。
摘要：随着云计算、大数据、物联网、人工智能逐步发展，大数据时代的到来離不开信息的大量采集，本文从电信号、光信号和无线信号的传输种类和技术特点进行总结分析，深入解析网络OSI开放系统互联参考模型的七层协议用途和数据传输的特点，并对数据传输的发展和未来的应用情景进行展望。
关键词：大数据 数据传输 协议 网桥 光缆 5G GPRS WiFi
近年来，云计算、大数据、物联网、人工智能逐步发展，信息量呈几何级数的增长直接造就了大数据概念的出现。大数据时代的到来离不开信息的大量采集，就数字信息的采集技术而言，目前的数字信息采集方法已经完善，文字、图片、音频、视频等多维度的数字信息的采集手段和技术基本完备，数据的采集越来越实时化，随处可见实时音频直播和视频直播。可以说信息的采集环节已经基本实现实时化，但在信息传输和处理还有较大的开拓和发展空间。
数据传输就是按一定规则把数据从数据源传输到数据终端，实现点与点之间的信息传输与交换。需要传输的数据根据协议被分解成一个一个数据包（其中包括本地机和目的机的地址），通过网线传输给目的机。
以早期电话线上网为例，接到用户的请求后，数字信号从Internet上下载，通过ISP接入用户所在区域的交换机，通过D/A变换变成模拟信号，传到调制解调器，再经A/D变换，还原成计算机可接受的数字信号。
数据通过信号进行传输，包括电信号和光信号，电信号又分为模拟信号和数字信号，模拟信号是指随着时间连续变化的电压或电流等;数字信号是指自变量和因变量都离散的信号;光信号就是电磁波谱中的可见光。
把数字信号转换成模拟信号，即调制;把模拟信号恢复成数字信号，即解调。负责这两项功能的调制解调器（Modem），就是常说的“猫”。
在OSI开放系统互联参考模型中，网络从上至下分为七层：物理层、数据链路层、网络层、传输层、会晤层、表示层、应用层。每一层都有各自需要遵守的规则，称为“协议”。
1、物理层（Phisical Layer）：是OSI的最底层，实现系统与通信介质的接口功能，为实现链路实体之间透明地传输比特流提供服务。
2、数据链路层（Data Link Layer）：在相邻两系统的网络实体之间，建立、维持和释放数据链路连接，实现透明的可靠的信息传输服务，数据传输的基本单位是帧（frame）
3、网络层（Net Work Layer）：网络层主要涉及通信子网及与主机的接口，以实现两个端系统中传输实体间的通信，传输的基本单位是组（packet）。
4、传输层（Transport layer）：为不同系统内的会晤实体间建立端-端的透明可靠的数据传输，执行顺序和流量控制，管理多路复用等，数据传输的基本单位是报文（message）。
5、会晤层（Session layer）：为不同系统内应用进程之间建立会晤连接，提供一个能满足多方面要求的会晤连接服务。
6、表示层（Presentation Layer）：向应用进程提供信息表示方式，对不同系统的表示方式进行转换、通信，提供标准的应用接口和通信服务，如数据加密，正文压缩等。
7、应用层（Application Layer）是OSI最高层，为应用进程访问OSI环境提供手段，其他各层都通过应用层的应用进程提供服务。
OSI参考模型层次划分及数据流动原则：
1、网络中各主机都具有相同的层次
2、不同主机的同等层具有相同的功能
3、同一主机内相邻层之间通过接口通信
4、每层可以使用下层提供的服务，并向其上层提供服务
5、不同主机的同等层协议来实现同等层之间的通信。
TCP/IP协议就是一组最常用的网络协议。主要包括五层，将会晤层、表示层、和应用层三层合在一起作为应用层，即物理层、链路层、网络层、运输层、应用层，上下层、同等层之间也通过协议进行通信.
数据传输物理层主要由网线（双绞线、光缆）、网卡、路由器、交换机等硬件构成;网关则在网络层以上实现复杂的网络互连功能。
网卡：网卡和计算机之间的通信通过I/O总线以并行传输方式进行，网卡的ROM由销售商分配唯一的MAC（48位串行号）地址，安装网卡后用户可以通过电缆或无线连接计算机与外界局域网。网卡驱动程序会告知网卡应该把局域网传送过来的数据存储在什么位置。网卡上传数据时发出中断请求把收到的帧交给协议栈中的网络层，由协议栈向下交给网卡发送到局域网。
双绞线：网线的压接通过RJ-45接头完成。它里面有8个铜片可以和网线中的4对双绞（8根）线对应连接。1、2线是传送数据的，3、6线是接收数据的。1、2，3、6之间是一对差分信号，波形一样，相位差180度，同一时刻的电压幅度互为正负。这样可以使信号可以传递的更远，提高抗干扰能力。
光缆和光猫：利用光导纤维传递光脉冲来进行通信，光纤传输的是光信号，需要通过光模块、光猫进行转换才能被电脑CPU读入。光模块的作用就是光电转换，发送端把电信号转换成光信号，通过光纤传送后，接收端再把光信号转换成电信号。光猫负责将光信号转换成标准的互联网以太网协议信号。
数据的有线传输发展的同时，无线数据传输的技术近年来发展迅猛。
常见无线传输方式有两种：近距离无线通信技术和远距离无线传输技术。近距离无线通信技术是指通信双方通过无线电波传输数据，并且传输距离较近。常用的近距离无线通信标准有：Zig-Bee、蓝牙（Bluetooth）、无线宽带（Wi-Fi）、超宽带（UWB）和近场通信（NFC）。目前广泛应用的WiFi技术与蓝牙技术一样，属于在办公室和家庭中使用的短距离无线技术。
远距离无线传输技术：广泛应用的无线通讯技术主要有GPRS/CDMA、数传电台、扩频微波、无线网桥及卫星通信、短波通信技术等，可以在较远、有污染或环境恶劣区域等。
（1） GPRS/CDMA无线传输：
GPRS（General Packet Radio Service）是一种以全球手机系统（GSM）为基础的数据传输技术，是GSM的延续。GPRS和以往连续在频道传输的方式不同，是以封包（Packet）式来传输，GRRS的分组交换技术具有实时在线"按量计费"高速传输等优点。
5G网络指的就是在移动通信网络发展中的第五代网络，其峰值理论传输速度可达20Gbps，合2.5GB每秒，比4G网络的传输速度快10倍以上。一部1G的电影可在4秒之内下载完成。
CDMA是中国电信运行的一种基于码分技术和多址技术的新的无线通信系统，其原理基于扩频技术。
（2） 数据传输电台：
数传电台采用数字信號处理、数字调制解调、具有前向纠错、均衡软判决等功能的一种无线数据传输电台。在航空航天、铁路、电力、石油、气象、地震遥感、遥测领域得到广泛应用。
（3） 无线网桥：
无线网桥是无线射频技术和有线网桥技术相结合的技术。无线网桥是为使用无线（微波）进行远距离数据传输的点对点网间互联而设计，在数据链路层实现LAN互联的存储转发设备。
（4）卫星通信：
卫星通信是利用人造地球卫星作为中继站来转发无线电信号，从而实现在多个地面站之间通信的。卫星通信系统通常由卫星端和地面站二部分组成。
目前以GPS全球定位系统、北斗定位系统已经达到非常精确的程度，海底电缆、移动通信和全球定位系统三大信息技术的发展，迎来了互联网时代海量的数据产生，任何一秒钟产生的共享数据量都是惊人的，每一位终端用户都是独立的个体，并不断更新和活跃着。
在大数据的时代，通过信息和数据的有效传输和处理，将大大提高沟通的效率、促进人类科技和文化交流的繁荣，全面提高人类的生活质量。
参考书目：
[1]孟宪伟，许桂秋.大数据导论[M].北京：人民邮电出版社，2019：3-11.
[2]谢希仁.计算机网络[M].北京：电子工业出版社，2017：46-63.
[3]汤小丹等.计算机操作系统[M].西安：西安电子科技大学出版社，2014：350-368
作者简介：
刘增文 1969年出生，男，汉族，山东省诸城市人，大学本科，高级工程师，研究方向为农业装备与汽车、工程机械、数控机床维修与技术改造、工业互联网技术等。
作者：刘增文
褚宝福 鲍静 摘 要：大数据时代提高学生解读数据能力是我们提升教学有效性的新课题。面对《经济生活》教材中的众多经济数据，我们不能止步于浅层次的文本阅读，还需要将它们从“知识”“情感”和“思想”三个维度上进行解读，使其融入知识、能力及情感态度价值观“三维”目标之中，为拓宽学生知识视域、提升学习能力、培育正性情感、树立正确价值观服务。 关键词：经济数据 知识性解读 能力性解读 思想性解读 褚宝福，男，浙江省嘉善高级中学，中学高级教师;鲍静，女，浙江省嘉善高级中学，中学一级教师。 大数据时代，学会正确解读数据已成为人们应具备的重要技能之一。因此，培养和提升学生解读数据能力就成为我们提升教学有效性的新课题。普通高中思想政治课教科书中设置了大量的数据，仅人民教育出版社2014年3月第6版普通高中必修
一、经济数据的知识性解读 所谓知识性解读，指的是教师在教学时，能够从纵横两个视角引导学生对《经济生活》中的数据进行解读，让学生获取相关的经济学知识，以达成思想政治课的知识目标。 1.基于纵向视角的知识性解读。从纵向视角对经济数据进行知识性解读，强调的是对一定的经济数据进行历史性考察，并据此解读出相应的经济学知识。如对教科书第10页“2010年4月8日人民币对美元的汇率中间价为682. 59，2013年4月8日人民币对美元的汇率中间价为626.5”这一数据，我们的历史性考察分两步：首先是选择四个典型的历史时期来考察汇率情况。一是1953年到1972年，国家实行计划经济，实行严格管制和固定不变的汇率政策，使人民币对美元的汇率基准价长期稳定在246.1上。二是1981年至1993年，国家实行对外开放，发展社会主义市场经济，为扶持出口，增加外汇收入，人民币对美元的汇率基准价控制在149和195.8之间。其中1985年至1993年国家为平衡国际收支，实行官方牌价与外汇调剂价格并存的政策，使人民币对美元的汇率基准价由293.6逐渐上升到576.2。三是1994年至2005年，为进一步完善发展社会主义市场经济体制，国家逐步形成了以市场供求为基础的、单一的、有管理的浮动汇率制。人民币对美元的汇率基准价保持在835与819间浮动。四是2005年7月21日起至今，实行以市场供求为基础的、参考一蓝子货币进行调节、有管理的浮动汇率制度。人民币对美元的汇率基准价水平由797上升到619，并呈稳中有升的特点。其次，在上述四个时期考察的基础上，我们可引导学生解读出这样一些基本的经济学知识：一是我国的汇率政策是为适应并促进不同时期经济社会发展的需要而制定的，期间经历一个由严格管制向市场逐渐过渡的历史过程，并呈日趋市场化开放化的发展趋势。二是汇率是以另一国货币来表示的本国货币的价格，其高低最终由外汇市场决定，但同时也会受到国家政策等因素的影响;三是一国汇率数据的变动会对该国经济发展和居民生活带来一定的影响。我国人民币汇率总体呈上升趋势，这对我国经济发展和人民生活既有利也有弊，需要我国防范汇率风险等。 2.基于横向视角的知识性解读。从横向视角对经济数据进行知识性解读，强调的是对经济数据横向间的各类关系进行分析，并解读出其中所蕴涵的经济学知识。如对教材第66页“财政收入”这一数据，我们的知识性解读也分两步进行：首先将教材上“2012年财政收入”来源项目细化，并选择典型项目进行横向分析。一是分析财政收入、税收收入、非税收收入的数量及关系：2012年财政收入117210亿元(不含债务收入)，税收收入100601亿元，非税收收入16639. 24亿元，分别占全部财政收入的85. 83%和14. 20%。二是分析税收中几个主要税种的数量及关系：国内增值税26415.5亿元、国内消费税7875. 58亿元、营业税15747. 64亿元、企业所得税19654亿元、个人所得税5820. 28亿元、关税103.5亿元等，其中国内增值税已成为我国目前税收的主要来源，企业所得税次之，营业税居第三，然后是国内消费税和个人所得税，关税数量较少。三是分析非税收收入中主要项目数量及关系：行政事业性收费4579. 54亿元、国有企业利润1154. 02亿元、罚没1559. 81亿元等，其中行政事业性收费最多位居第一，而国有企业上交利润相对比较少，低于各类罚没收入。四是几类主要国有企业利润数量及关系：烟草企业252. 64亿元、石油化工企业308.
45、电力企业76. 74亿元、煤炭企业106. 54亿元、电信企业106. 90亿元、电子企业1. 65亿元、金融企业0.33亿元、转制科研企业1.88亿元等，其中石油化工、煤炭、电力等资源类国有企业利润占总利润的42. 61%，而科技为主的国有企业利润只占总利润的9.5%。其次在上述分析的基础上，我们可引导学生解读出这样一些基本经济学知识：一是税收是依法取得财政收入的基本形式，是财政收入的主要来源。二是增值税、营业税、企业所得税等是国家收入的主要来源，但也直接影响企业的生存和发展。当前的税收改革特别是“营改增”，对国家税收总量及企业发展与竞争力影响甚大。三是非税收收入中行政事业性收费太多，而国有企业上交利润偏低，与国有经济的性质、地位及作用不匹配。四是国有企业利润结构不合理，其中资源类国有企业的利润占利润总量过高而科技类国有企业利润偏低，这表明我国仍需要大力推进经济发展方式的转型升级。
二、经济数据的能力性解读 所谓能力性解读，指的是教师在教学时，能够引导学生运用比较、综合两种方法对《经济生活》中的经济数据进行解读，提升学生分析数据和概括数据的能力，以达成思想政治课的能力目标。 1.基于比较方法的能力性解读。运用比较方法对经济数据进行能力性解读，强调的是对不同的经济数据，依据一定的标准进行相应的比较，以培养和提升学生分析数据的能力。如对教材第82页虚线框中的“农村居民人均纯收入”和“城镇居民人均可支配收入”数据的能力性解读，可分下述两种情况：首先，对同一经济主体在不同时间点上的数据进行纵向比较性解读，以培养学生纵向分析数据的能力。如可将教材82页上“农村居民”和“城镇居民”两类经济主体的经济数据，分别补充上2013年和2014年的最新数据，形成下述比较表格： 依据上述表格数据，引导学生分别分析从2009年至2014年农村居民人均纯收入和城镇居民人均可支配收入数据变动的特点：城乡居民人均收入逐年增加，但农村居民收入增长速度快于城镇等。其次，对同一时间点上不同经济主体的数据进行横向比较性解读，以培养学生横向分析数据的能力。我们同样可依据上述表格，引导学生分析我国在2009年至2014年期间，每年农村居民和城镇居民人均收入数据的差异情形：城镇居民收入高于农村居民，绝对差距数据在拉大等。 2.基于综合方法的能力性解读。运用综合方法对经济数据进行解读，强调的是在一定的范围内对不同经济主体的经济数据进行相应的综合，以培养学生的数据概括能力。一般我们可选择两种主要范围展开综合性解读：首先就同一教学单元中的经济数据进行综合性解读，以培养学生从单元经济数据中概括出相应结论的能力。如对第二单元“生产、劳动与经营”中的主要数据，我们按照因果联系的逻辑原则，将“我国主要产品产量居世界位次”、“城乡居民储蓄存款余额”、“储蓄存款利息和股票价格”、“投资理财的分配数额”、“保险理赔数额”等数据进行综合，形成下述数据体系：依据上述体系，引导学生对①②③④四组原因结果关系进行概括，可得到这样的结论：随着我国我国经济不断发展、经济实力不断增强，居民储蓄余额不断增加，同时由于国家经济的发展和居民储蓄余额的增加，会引起居民投资理财途径的多样，而这会进一步提高了居民的储蓄余额和国家经济的发展，由此在居民投资与国家经济发展间形成了相互促进的良性互动。总之，一国经济的发展与投资间存在着密切的关系，需要我们正确地处理。其次对教材中不同单元中经济数据进行综合性解读，以培养学生从不同单元经济数据中概括出相应结论的能力。如对第二单元“生产、劳动与经营”和第三单元“收入与分配”中的众多数据，我们同样可依照因果联系的逻辑原则，进行综合，形成下述综合体系： 依据上述体系，引导学生对①②③④⑤⑥六组原因结果关系进行概括，可得到这样的结论：第一，随着我国经济的发展，不仅带来居民投资增多和日趋多样，而且还促使国家财政收入、企业收入和居民收入不断提升及财政支出数量的增加。第二，我国居民投资和财政投资的增加，必然促进我国经济的发展。第三，国家财政收入的增加、企业利润、居民收入的不断提升，也必将推动我国经济的发展。第四，在国家财富一定情况下，投资的增加会引起收入的减少，而收入的增加会引起投资的减少，两者存在此消彼长的关系。第五，国家、企业和个人之间收入分配结构的变化会影响国家经济的发展，同样国家投资结构和居民投资变动也会影响国家经济的发展。总之，一国经济的发展既需要投资的作用，也需要消费的作用，因此必须协调好投资与消费的关系，实现经济的转型与持续发展。
三、经济数据的思想性解读 所谓思想性解读，指的是教师在教学时，能够引导学生从现象和原因两个层面对《经济生活》中众多经济数据进行解读，让学生接受情感熏陶和价值观教育，以达成思想政治课的情感态度价值观目标。 1.基于现象层面的思想性解读。经济数据本身较为抽象枯燥，缺乏情感，但与数据形成、变动相关的经济现象却是具体、丰富的。教学时，我们可借助这些现象进行情感性解读，让学生接受情感熏陶、培养学生积极向上的正性情感。如对教材89页中的“投资和消费对经济增长的贡献率”数据，我们在教学时可分两种情形进行：首先选择与“投资对gdp增长贡献率”的经济现象进行解读，如列举各省市县政府投巨资建设“美丽乡村”，培养学生热爱乡村的情感。其次，我们选择与“消费对gdp增长贡献率”数据相关的经济现象进行解读，如例举因书香社会建设而形成的“阅读消费”现象培养学生热爱读书的情感喜好。 2.基于原因层面的思想性解读。经济数据本身反映的是一种客观事实，显得呆板和冷漠，缺乏生动的教育性。但数据产生及变动背后的原因，却值得人深入思考。教学时借助这些数据背后的原因，我们可以让学生了解党和政府所做出的各种努力和探索，进而借此进行价值观教育，以帮助学生树立正确的价值观。如对教材89页中的“投资和消费对经济增长的贡献率”数据，我们可以对其进行补充扩展并形成下述表格，然后分两种情形进行解读。 首先选择“投资对gdp增长贡献率”数据进行原因性解读。我国2000年至2014年“投资对gdp增长贡献率”呈现由低到高、再由高到低的变动特点，主要原因有二：一是我国投资政策由偏向追求发展速度转向追求发展质量与效益，二是投资结构由偏重经济建设转向民生发展。这样的解读，不仅可使学生认识到我们党和政府立足经济发展的实际，制定和实施科学的投资政策，实现了经济的平稳运行，而且还能体会到政府在制定和实施投资政策时始终坚持“以人为本、以民为本”的出发点和落脚点，从而有利于学生树立乐于为国家、为民众奉献的正确价值观。其次选择“消费对gdp增长贡献率”数据进行原因性解析。自2010年后我国“消费对gdp增长贡献率”保持持续增长态势，其背后的重要原因是政府贯彻落实科学发展观，扩大内需、提高城乡居民生活水平，努力实现经济发展方式的转型。这样的原因解读，不仅让学生认识到政府根据经济发展的客观规律，充分发挥消费对经济的拉动作用，实现经济发展方式的转型，而且还能真正体会到政府在制定和实施消费政策时同样始终坚持提升人民生活水平、满足人民需要这一社会主义生产的本质与目的，从而有利于学生树立以人民利益为最高的价值标准和价值追求。 学会筛选、分析、解读数据，是大数据时代生存发展的必备技能。普通高中教科书中的数据，作为一种教学资源，不应该只停留于浅显的阅读文本层次上。我们需要站在培养学生适应时代发展要求的新高度来解读，将知识、能力、情感态度价值观等目标融入经济数据的教学之中，让枯燥的、抽象的，甚至是呆板的、冷漠的经济数据富有灵性，充满情感。 (责任编辑：刘丹)
近年来，随着互联网、移动互联网、智能手机及传感器等的普及，信息流量有了爆发性的增长，两会以后，互联网里最热的词汇，就是李克强总理在政府工作在报告里面提到的“互联网+”，大数据将会更广泛的被运用到各个领域，越来越多的业内人士开始谈论“大数据”，如何利用大数据，成为政府和众多企业关心的热点?
互联网+《大数据》紧紧围绕这些问题展开，帮您如何利用大数据为企业从战略上面进行指导挖掘和预测，从战术上进行营销服务和安全措施，精彩我们共同期待。
第一篇大数据很热，大数据不神秘(趋势) 有人说，如果你不知道大数据，你就OUT了 --大数据到底有多热 什么样的数据算是大数据 --大数据的特点和概念辨析 乱我心者，大数据之事多烦忧 --大数据并不象你想象的那样神秘 身边的大数据
--大数据就在你我身边
案例分析：淘宝是如何利用大数据淘宝的 小结：不管你愿不愿意，大数据已经在那里 电话：010---59002742 010--59004371 第二篇：认识大数据 1.什么是大数据 2.大数据应用的意义
3.大数据在企业经营中应用的意义 4.对大数据的认识误区 案例分析
第三篇：大数据时代变革 1：大数据时代的思维变革 2：大数据时代的商业变革 3：大数据时代的管理变革
第四篇：大数据在营销中的运用 大数据精准营销 1.什么是精确营销 2.精确营销的方法 实操教学+案例分析
第五篇：在技术中应用 数据挖掘
大数据的核心价值——挖掘 1.什么是数据挖掘? 2.数据挖掘的流程 3.数据挖掘解决的问题 结合现场实操教学+案例分析
第六篇：预测
大数据的核心价值——预测 1：如何预测? 案例分析
第七篇：大数据与云计算 1：什么是云计算
2：大数据与云计算的关系
第八篇：大数据的安全问题
大数据给信息安全带来新的挑战和机遇 大数据存储安全策略 大数据应用安全策略 大数据管理安全策略
“大”数据时代 众所周知，数据本身就蕴藏着价值，但是将有用的数据与没有价值的数据进行区分看起来可能是一个棘手的问题。
显然，您所掌握的人员情况、工资表和客户记录对于企业的运转至关重要，但是其他数据也拥有转化为价值的力量。一段记录人们如何在您的商店浏览购物的视频、人们在购买您的服务前后的所作所为、如何通过社交网络联系您的客户、是什么吸引合作伙伴加盟、客户如何付款以及供应商喜欢的收款方式……所有这些场景都提供了很多指向，将它们抽丝剥茧，透过特殊的棱镜观察，将其与其他数据集对照，或者以与众不同的方式分析解剖，就能让您的行事方式发生天翻地覆的转变。
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通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”这个术语最早期的引用可追溯到apache org的开源项目Nutch。当时，大数据用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。随着谷歌MapReduce和Google File System (GFS)的发布，大数据不再仅用来描述大量的数据，还涵盖了处理数据的速度。
早在1980年，著名未来学家阿尔文·托夫勒便在《第三次浪潮》一书中，将大数据热情地赞颂为“第三次浪 潮的华彩乐章”。不过，大约从2009年开始，“163大数据”才成为互联网信息技术行业的流行词汇。美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据是最近几年才产生的。此外，数据又并非单纯指人们在互联网上发布的信息，全世界的工业设备、汽车、电表上有着无数的数码传感器，随时测量和传递着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化，也产生了海量的数据信息。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
大数据就是互联网发展到现今阶段的一种表象或特征而已，没有必要神话它或对它保持敬畏之心，在以云计算为代表的技术创新大幕的衬托下，这些原本很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。
——应用改错本做个小数据
兴仁县城南街道三昧塘小学 姓名：杨栋先 电话：13984672598 联系地址：贵州省兴仁县城南街道三昧塘小学 邮编：562300
大数据时代做个小数据，《道德经》里的第六十三章有这样一句话，“天下大事必作于细，天下难事必作于易”。其意思是天下所有的大事都必须从“细”、从“小”做起，天下所有的难事都必须从从“易”、从“简”做起。对于这句话我有很深刻的体会，把它用到我的教育教学这件大事中来，应该同样可以从小事做起。
在教育教学中，大部分老师对如何轻松教会学生知识感到头疼，尤其是那些自觉性较差的学生，大脑里没有学习的概念，作业强迫做，而且有些还是为了应付差事而乱做，这是为什么呢?本人认为原因有二:一是作业量大;二是作业次数频繁。记得我孩子读小学时，有些题目做了七八遍还要做，我给孩子说会做的就不要做了，只做模糊的题目就行了，可孩子说这是老师要求做的，说是为了巩固，这都是分等惹的祸。其实学生学习知识，如果会的就永远会了，要积累的是那不懂的部分。
那么，怎样才能使学生在这激烈的社会竞争中既做得少，成绩又能脱颖而出呢?从多年来的教学经验，我找到了一条捷径——应用改错本。
2016年12月在清华大学学习期间，刘茗教授给我们讲座讲到了教师专业水平的成长时，其中一条是“不要小看改错本，必须充分利用改错本。”此时的我非常高兴，非常激动，因为我一直都在要求学生利用改错本，但是效果不是很显著。现在想来，主要原因是不会应用，我的改错本只是为了改错，为了积累，可在学生的脑海中，要把错的改正过来，应该是印象深刻了才能改正，才能真正记住。
为此，怎样才能让学生记忆深刻呢?通过最近学习了国家公务员公需科考试的大数据的应用以后，我忽然茅塞顿开，大数据的作用那么大，我们做不了大数据，但我们可以做小数据呀!正如全国十大金口才之一的周士渊老师在讲《习惯学》的其中一条就是习惯养成的三字诀——易、少、小。也就是说，我们培养学生良好的学习习惯，可以从应用改错本这个小习惯作眼。
在大数据广泛应用的时代，我深受启发，我对学生应用改错本进行初步研究，而研究的方法主要是从小数据入手。首先，一个单元结束后收集学生的错误知识点，然后对学生的错误进行分类，找出错因，挖掘错误知识之间的联系。我是语文教师，我主要研究语文，所以，学生的错误大概可以分成:字、词、句、段、章五类，要求学生准备不同的改错本，分别记下不同的错误知识。如字词类，教师先将学生错误的字词作为数据资源库，找出错因，看看学生是对哪个类型结构、或者偏旁、或者从分类的错字较多，这样可以分类统计，然后进行归纳总结，针对错误再找出行之有效的教法。例如：
一、错误的知识可以要求学生参与分析，分析的过程实际是学生再学习、再认识、再总结和再提高的过程，这样学生对字的认识理解更深刻、掌握更牢固、运用更灵活。
二、老师再要求学生把特易错的字结合课文内容变成一个个小故事，这样，呆板的字就变活了，学生肯定容易记住。然后再把单元与单元之间联系起来逐于归类处理，到最后学生对字的认识就会形成一个知识链数据库。
其他知识也可以利用类似的方法进行数据统计，必须强调的是数据不是简单的数字，而是有根据的数字，最精确的事实，是深入挖掘的语言和载体，所以教师收集的数据必须是学生真实的错误知识点，将这些知识点进行统计、分析，再找出教法，教会学生正确知识点，这样收集的数据才有用。
专家在讲大数据时谈到:数据可以说明过去，也可以驱动今天，更可以决定未来。是的，当我们在收集学生错字的资源库里找到了学生的错因，再根据错因找到了一条条的教学规律时，我们可以把每个年级的规律装订成册，作为校本教材来使用，这不就是利用国家教材开发校本教材吗?如果老师把这些规律掌握了时，应用这些规律进行教学，学生一旦都会了，还可能布置很多作业(如反复抄写生词)吗?还会把考试当作枷锁吗?
这样一来，我们今后的教学就会教得轻松，学生也会学得容易。因此，我决定在大数据时代做个小数据——对学生改错本进行数据统计再研究。
生活，工作以及思维的大变革
——读《大数据时代》有感及所思
读了《大数据时代》后，感觉到一个大变革的时代将要来临。虽然还不怎么明了到底要彻底改变哪些思维和操作方式，但显然作者想要“终结”或颠覆一些传统上作为我们思维和生存基本理论、方法和方式。在这样的想法面前，我的思想被强烈震撼，不禁战栗起来。
本书从思维、商业、管理三个方面阐述了在大数据时代在下的变革，这些变革涉及到我们生活的方方面面，几乎其影响程度可以与两次工业革命相媲美。作者在第一部分提出了三个比较令人震惊的观点，也就是大数据的精髓在于我们分析信息时的三个转变，这三个转变将改变我们的理解和组建社会的方法。并且作者将生活，工作思维的大变革和这几个方面紧紧联系在一起。
第一个转变是，在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样。也就是说样本等于总体;第二个转变是对研究数据不会追求精度，而且追求混杂性，小数据时代下，追求精确度是合理的，因为我们收集的数据很少，所以要越精确越好，包括如今仍然也在使用这种办法;但是在某些时代，尤其是在大数据时代背景下，快速获得一个大概轮廓和发展脉络，要比精确性重要得多，既然选择了整体性，肯定要忽视细节和确定性;第三个改变是不是因果关系而是相关关系，在大数据时代，我们更需要了解一个东西是什么，而不是为什么，要找到关联无，通过一个良好的关联物的相关关系可以帮助我们捕捉预测未来。
这三个方面是大数据时代所给我们带来的思维上的改变，所谓思路决定出路，思路有了创新，有了拓展，相应的社会也就会有很大的变化。紧接着第二部分作者从万事万物数据化和数据交叉复用的巨大价值两个方面，讲述驱动大数据战车在材质和智力方面向前滚动的最根本动力。第三部分则是阐述了大数据时代下的弊端以及在管理上的措施。个人认为本书的精髓部分是第一部分，第一部分的三个观点涉及的面很广，包括统计学、逻辑学、哲学等。后两个部分都是以第一部分这三个观点为基础展开阐述的。
这本书给我感触最深的就是这三个转变，或者说是三个观点，可以说是哲学上说的世界观，因为世界观决定方法论，所以这三个观点对传统看法的颠覆，就会导致各种变革的发生。首先是第一个，作者认为在抽样研究时期，由于研究条件的欠缺，只能以少量的数据获取最大的信息，而在大数据时代，我们可以获得海量的数据，抽样自然就失去它的意义了。放弃了随机分析法这种捷径，采用所有的数据。作者用大数据与乔布斯的癌症治疗例子说明了使用全部数据而非样本的意义，列举了日本“相扑”等来证明使用全体数据的重要性。这个观点足以引起统计学乃至社会文明的变革，因为统计抽样和几何学定理、万有引力一样被看做文明得以建立牢固的基石。我对这个观点还是比较认同的，如果真能收集到整体的数据而且分析数据的工具也足够先进，自然是全体数据研究得出的结果更令人信服。但是这个观点也过于绝对，就算是在大数据时代要想收集到全体数据还是不太可能实现的，因为收集全体数据要付出的代价有时会很大。比如说，你要检测食品中致癌物质是否超标，你不可能每一件食品你都检测一遍吧。
第二，要效率不要绝对的精确。作者说，执迷于精确性是信息缺乏时代和模拟时代的产物，只有5%的数据是结构化且能适用于传统数据库的。如果不接受混乱，剩下95%的非结构化数据都无法被利用。作者是基于数据不可能百分之百正确的考虑而做出这样的判断的，如果采用小数据一个数据的错误就会导致结
1 果的误差很大，但是如果数据足够多、数据足够杂那得出的结果就越靠近正确答案。大数据时代要求我们重新审视精确性的优劣，甚至还说到大数据不仅让我们不再期待精确性，也让我们无法实现精确性。谷歌翻译的成功很好地证明了这一点，谷歌的翻译系统不像Candide那样精确地翻译每一句话，它谷歌翻译之所以优于IBM的Candide系统并不是因为它拥有更好的算法机制，和微软的班科和布里尔一样，谷歌翻译增加了各种各样的数据，并且接受了有错误的数据。
而在阅读这本书时，发现这本书中争议最大的一个观点，不仅是读者，就算是本书的译者也在序言中明确地说到他不认同“相关关系比因果关系更重要”的观点。作者觉得相关关系对于预测一些事情已经足够了，不用花大力气去研究他们的因果关系。作者用林登的亚马逊推荐系统的成功，证实了大数据在分析相关性方面的优势以及在销售中获得的成功。沃尔玛也是充分利用并挖掘各类数据信息的代表，从啤酒和尿布的案例，以及作者举的有关蛋挞和飓风天气的案例，都说明了掌握了相关关系对于他们策略的帮助。一句话，知道是什么就够了，不用知道为什么。很明显作者所举的例子都是属于商业领域的，但是对于其他领域来说这个观点就值得商榷了。比如说，在科学研究领域，你需要知其然也需要知道其所以然，找到事件发生的原理。用文中的一个例子说明，乔布斯测出整个基因图谱来治疗癌症，但是你治疗癌症你必须知道癌症发病的原理，知道哪一段基因导致了这种疾病，不可能只是说收集各种数据，然后利用其相关性来判断哪里出现了问题。
过度依赖所带来的后果。也用《少数派的报告》这部电影来说明如果痴迷于数据会导致我们将生活在一个没有独立选择和自由意志的社会，如果一切变为现实，我们将被禁锢在大数据的可能性之中。所以书中提出了几种解决方法，一种是使用数据时征询数据所有个人的知晓和授权。第二个技术途径就是匿名化。毫无疑问，大数据将会给社会管理带来巨大的变革。
在这个信息爆炸的时代，大数据给人类社会的方方面面带来了巨大的变革，这是社会发展的潮流，不可逆转，我们只有顺应这种潮流，把握住大数据时代变革的思想，才能在时代潮流中成为佼佼者，在思维上思路上略高一筹，才能在行动中占得先机!
2
一、引论
1. 大数据时代的三个转变：
1. 可以分析更多的数据，处理和某个现象相关的所有数据，而不是随机采样
2. 不热衷于精确度
3. 不热衷与寻找因果关系
2. 习惯：用来决策的信息必须是少量而精确的。实际：数据量变大，数据处理速度变快，
数据不在精确
3. 危险：不是隐私的泄露而是未来行动的预判
二、大数据时代的思维变革
1. 原因：没有意识到处理大规模数据的能力，假设信息匮乏，发展一些使用少量信息的技
术(随机采样)
1. 1086年 末日审判书 英国对人的记载
2. 约翰·格朗特：统计学，采样分析精确性随着采样随机性上升而大幅上升，与样本数
量关系不大
3. 1890年，穿孔卡片制表机，人口普查
4. 随机采样有固有的缺陷
1. 采样过程中存在偏差
2. 采样不适合考察子类别
3. 只能得出实现设计好的问题的结果
4. 忽视了细节考察
2. 全数据模式：样本=总体
1. 通过异常量判断信用卡诈骗
2. 大数据分析：不用随机抽样，而是采用所有数据。不是绝对意义而是相对意义。
(Xroom信用卡诈骗，日本相扑比赛)
3. 多样性的价值(社区外联系很多》社区内联系很多)
3. 混杂性而非精确性
1. 葡萄树温度测量：数据变多，虽然可能有错误数据，但总体而言会更加精确。
2. 包容错误有更大好处
3.word语法检查：语料库》算法发展
4.google翻译：让计算机自己估算对应关系，寻找成千上万对译
结论：大数据的简单算法好过小数据的复杂算法
5. 大数据让我们不执著于也无法执着于精确
6. MIT的通货紧缩软件：即时的大数据
7. 标签：不精确
8. 想要获得大规模数据的好处，混乱是一种标准途经
9. 新的数据库：大部分数据是非结构化的，无法被利用
10. Hadoop：与mapreduce系统相对的开源式分布系统，输出结果不精确，但是非常快 结论：相比于依赖小数据和精确性的时代，大数据因为更强调数据的完整性和混杂性，帮助我们进一步接近事情的真相。“部分”和”确切“的吸引力是可以理解的。但是当我们的视野局限在我们可以分析和确定的数据上时，我们对世界的整体影响就会产生偏差和错误。不仅失去了尽力收集一切数据和活力，也失去了从不同角度观察时间的权利。
三、不是因果是相关
1. 知道是什么就够了，不需要知道为什么。
1. 亚马逊放弃书评组，使用大数据预测人们的未来购书需求
2.
2. 在小数据世界，相关关系有用，但是大数据背景，相关关系大放异彩。通过找关联
物，相关关系可以帮助我们捕捉现在和预测未来
1. A和B经常一起发生，那么A发生时可以预测B发生
2. 例子：沃尔玛把飓风用具和蛋挞放在一起
3. 过时的寻找关联物的方法
a) 原因：数据少且收集花时间
b) 在建立，应用假想和选择关联物时容易犯错误
c) 结论：我们不需要人工选择关联物
3. 大数据的相关分析法更准确，更快
1. 例子：FICO我们知道你明天会做什么
2. 伊百丽：根据个人信用卡交易记录预测个人收入，防止逃税
3. Aviva：根据生活方式数据预测疾病
4. 美国零售商target：通过购买习惯预测是否怀孕
4.通过找出新种类数据的相互联系解决日常需要：找到关联物并监控，我们可以预知未来
1. 例子：UPS与汽车修理预测
2. 新生儿健康监测：肉眼看不到，但是计算机能看到
5. 当收集分析和储存数据的成本较高时，应当适当丢弃一些数据
6. 数据的非线性关系
1. 幸福的非线性关系
7. 快速思维模式使人们偏向于用因果关系看待周围的一切，因此经常对世界产生错误认识。这也使大脑为了避免辛苦思考而产生的捷径。大数据会经常被用来证明我们习惯的思维方式是错误的。
8. 证明因果关系的实验开销大，难于操作;相关关系很有用，不仅是因为能为我们提供新的视角，而且提供的视角都很清晰。一旦我们考虑因果关系，这些视角会被蒙蔽。
9. 大数据并非是理论消亡的时代。
四、一切皆可量化
1. 莫里的信息交换计划：总结所有船只的航海日志已获得好的航线，为第一根大西洋电缆奠定基础
2. 坐姿研究与汽车防盗系统
3. 数据化
1. 把现象转变成可指标分析的量化形式的过程
2. 计量和记录促成了数据：
1. 阿拉伯数字
2. 计数板
3. 复式记账法
3. 数字化与数据化的区别
1. 例子：google的数字图书馆：开始使用扫描-》数字化，进而光学识别-》数
据化。Google借此改进自己的翻译
2. 文化组学：定量分析揭示人类行为
4. 文字变成数据：人可以阅读，机器可以分析
5. 方位变成数据：需要一套标准的标记系统和收集，记录数据的工具。
1. 始于古希腊
2.1884年，国际子午线会议
3.1978年，全球定位系统
4.英国汽车保险
5. UPS的最佳行车路线：减少左转
6.收集用户地理位置数据，以便进行忠诚度计划。或者可以预测交通情况
6. 现实挖掘
1. 处理大量手机数据，发现并预测人类的行为。
2. 例子：预测流感隔离区域
3. 例子：通过非洲预付费用户的位置信息和他们账户的资金，发现贫民窟是
经济繁荣的跳板
7. 沟通变成数据
1.FaceBook：社交关系数据化
2. 推特：情绪数据化。对冲基金正在分析微博的文本，以作为股市投资的信
号。新推特频率可以预测电影票房
3. 例子：微博与疫苗：人们对于疫苗的态度与他们实际注射预防流感药物的
可能性呈现正相关
8. 万物数据化
1. 触觉地板：适时开关灯，确定身份，某人摔倒之后是否站起来
2. 人体传感器：监控健康状态
4. 结论：世界的本质是信息和数据，大数据提供新视角。
五、大数据的潜在价值
1. 例子：captcha(验证码，全自动区分人类和电脑的图灵测试)与数据再利用。作者使用了新的验证码recaptcha，人们从计算机光学字符识别程序无法识别的文本扫面项目中读入单词并输出，知道他们都输出正确后才确定(用来破译数字化文本中不清楚的单词)
2. 大数据时代，所有的数据都是有价值的。现在，我们能够以较低成本获取并存储数据。数据的真实价值就像漂浮在海洋中的冰山，绝大部分隐藏在表面之下。
3. 不同于物质性的东西，数据的价值不会随它的使用而减少，而且可不断被处理。意味着数据的最终价值远远大于它的最初价值。在基本用途完成后，数据的价值仍然存在，数据的价值是其所有可能用途的总和。
4. 例子：IBM与电力汽车动力系统的优化预测：大数据预测模型，甚至考虑天气预报
5. 数据再利用：
1. 搜索关键词，搜索结果预测夏天流行色
2.google保存语音翻译记录，开发自己的语音识别技术
3.移动运营商长期使用大数据微调网络性能
4. 有些公司可能会收集到大量的数据，但是他们并不急需使用，也不擅长使用数据，但是别的公司可以借此探寻数据的潜在价值
8. 重组数据
1. 例子：丹麦癌症协会与手机致癌调查：使用所有的手机用户信息和所有的中枢神经系统肿瘤信息。
随着大数据的出现，数据的总和比部分更有价值，当我们将多个数据集的总和重组在一起，重组总和本身的价值也比单个总和更大
9. 可拓展数据
1. Google街景和GPS采集，不仅将其用于基本用途，而且进行了大量的二次利用。例如，对Google自动驾驶汽车的运作
10.数据的折旧值
1. 随着时间的推移，大多数数据都会失去一部分基础用途，不应用此破坏新数据
2. 挑战：如何得知某些数据不再有价值
3. 并非所有数据都会贬值。例子：Google希望得到每年的同比数据
结论：组织机构应收集尽可能多的使用数据并保存尽可能长的时间。同时也应该与第三方分享数据
11. 数据废气：用户在线交互的副产品，包括浏览哪些页面，停留多久，输入信息等
1. 数据再利用的方式很隐蔽
2. 例子：Google的拼写检查：搜集每天处理的查询中数据搜索框的错误拼写
3. 例子：Google的过滤噪音技术：如果用户点击搜索结果靠后的链接，说明这个结果更加有相关性，Google会把这个页面的排名相应提升。
4. 当用户指出了各种自动化程序的错误，实际上是训练了系统
5. 例子：巴诺与数据快照，电子书阅读器捕捉人们阅读书籍的习惯
6. 例子：Coursera通过捕捉学生犯的错误来提示未来犯错误者
结论：数据废气可以成为公司的巨大竞争优势，和对手的强大进入堡垒
12. 开放数据
1. 最大的数据收集者：政府，可以强迫人们提供信息，但是信息利用效率低下。最好允许私人运营部门和社会大众访问
2. 例子：FlyOnTime网站，通过开放的数据分析航班延误可能性。
3. 给数据估值：从数据持有人在价值提取上所采取的不同策略入手，将数据授权给第三方
三、角色定位：数据，技术与思维
1. 例子：decide.com广泛收集数据，用来发现不正常，不合理的价格高峰。
2. 思维转变的重要性
3. 三种大数据公司
1. 基于数据本身的公司：twitter
大数据最值钱的是他本身，所以应该优先考虑数据拥有者
例子：机票预订系统ITA不直接使用数据：担心暴露利润
例子：MasterCard通过大数据预测客户的消费习惯
2. 基于技能的公司：咨询公司，技术供应商或者分析公司：Teradata
例子：埃森哲公司利用大数据检测汽车零件并节省费用
例子：微软分析公司利用大数据降低病人的再入院率
3. 基于思维的公司：创新思维
例子：FlightCaster飞机晚点预测
例子：prismatic分析新闻并排序
4. 大数据先驱者一般有跨学科的知识
5. 例子：google和amazon三者兼备
6. 全新的数据中间商：从各个地方搜集数据，提取有用的信息进行利用，并不威胁数据拥有者的利益
1. 社会需要定向广告
例子：Inrix：分析各种汽车制造者的数据和用户的数据，提供卫星导航服务
汽车制造商们本身数据量不够，自身也没有技术利用大数据，也并不介意数据会被中间商利用。同时可以提供失业率等相关数据
例子：Quantcast：收集用户访问信息来测评用户年龄等，之后发定向广告
例子：HCCI收集医疗保单，分析美国医疗费用上涨是否合理
结论：
1. 数据价值的转移：从技术到数据本身和大数据思维
2. 传统商业模式颠覆：交易数据而不是交易技术
3. 传统专家的光芒会被统计和数据学家取代，因为后者只关心数据
1. 例子：谷歌翻译团队的工程师都不会说出翻译的语言
2. 真正的专家不会消亡，但是主导地位会改变
3. 专业技能只适用于小数据时代，因为那是需要依靠直觉和经验指导，但是
遭遇海量数据时，可以通过数据挖掘得到更多
4. 数据和统计学知识将成为现代工厂的基础，人类的价值体现在交流上，以进行广泛而深刻的传播
1. 例子：交互式游戏，会根据用户来改良，以数据为基础运作
2. 例子：The-numbers.com通过大数据来预测电影票房
5. 大数据决定企业核心竞争力
1. 数据规模决定价值
2. 例子：劳斯莱斯通过大数据监测引擎，预测可能出问题的引擎
3. 例子：苹果进军手机
4. 大数据为小公司带来了机遇：能享受非固有资产规模的好处，低成本传播
创新结果，只需要创新思维
5. 大数据拥有者会想办法增加数据存储量
6. 消费者成为数据拥有者并与中间商交易
7. 大数据对中等规模的公司帮助不大：既没有灵活性也没有规模效应
6.大数据撼动国家竞争力：西方世界优势减少
四、大数据时代的管理
1. 大数据会带来很多危险，因为其核心思想是用规模剧增来改变现状。
2. 滥用大数据的力量会伤害人身安全
3. 大数据的二次利用颠覆了隐私保护法：无法征得个人同意
4. 如果所有人的信息在数据库里，有意识地避免就是此地无银三百两
5. 匿名化：交叉检验会检验出来
6. 大数据预测：罪责判定基于对个人未来行为的预测。大数据可能会否定人的自由意志
7. 数据有其局限性，数据的质量可能会很差，有误导性。
8. 卓越的才华并不依赖数据：Apple乔布斯的才能
五、掌握大数据
1. 个人隐私保护：从个人许可到让数据使用者承担责任，因为将责任从民众转移到数据使用者很有意义因为数据使用者比其他人更明白他们想怎么样使用数据，也因为他们是最大利益获得者：监管机制可以决定不同种类的个人数据必须删除的时间
2. 信息模糊处理
3. 个人应该为他们的行动而非倾向负责
4. 打破大数据的黑盒子：大数据算法师：评估数据源，分析数据工具，解读运算结果
1. 外部算法师：审计大数据的准确程度和有效性
2. 内部算法师：监督大数据的运转
5. 反数据垄断
六、结语
没有什么是上天注定的，因为我们总能就手中的信息制定出相应的对策。大数据的预测结果也并非铁定而只是一种可能性，也就是说，只要我们愿意，结果可以改写，我们可以判定出迎接未来的最佳方式，也无需理解宇宙的奥秘或者神的存在，因为大数据帮我们做好了。 更大的数据来源于人本身，大数据所不能预测的，正是人类的直觉，勇气，探索精神和独创性。使用大数据的时候，我们应该怀有谦卑之心，铭记人性之本
推荐阅读：
数据大数据时代05-25
解析大数据时代05-25
大数据时代简介09-01
大数据时代背景下05-30
数字时代与大数据时代（精选9篇）12-05
大数据时代经管专业学生的数据素养教育05-11
浅议大数据时代经济普查数据分析09-11
浅析大数据时代数据所有权归属问题09-13
大数据时代下数据分析理念的辨析01-20
