大数据分析的道与术读后感摘抄

《大数据分析的道与术》是一本由毕然著作，电子工业出版社出版的平装图书，本书定价：45，页数：342，特精心收集的读后感，希望对大家能有帮助。

《大数据分析的道与术》读后感(一)：对我而言很合适的一本书

个人:

1. 做过三年的通用后端编程

2. 做过两年的大数据处理

3. 机器学习方面入门水平, 实际中刚有过应用的 case

这本书解了我很多的疑惑, 让我对整个行业都有了更深一些的理解. 觉得:

1. 看完这本书, 不会那么容易被数据分析和报表忽悠

2. 书中几乎没有什么废话

3. Remind 之前 leader 一直教导的: 写邮件要先写结论

4. 文字虽然很密, 看起来却一点都不累

《大数据分析的道与术》读后感(二)：呵呵

哈哈，我的一小领导看了点，然后今天就在微信群里指点工作了。我看他发的东西，恰好我在图书馆，呵呵，就找来看了。好吧，佩服作者。完全能把不懂的人忽悠住，让人看完后觉得自己懂了。当然对我们这些懂的人，呵呵，觉的作者什么也没写，就是把概念重组了下。比如趋势分布。哥，那个是专门应用在时间序列的好不好，改个名字叫趋势分布。实际就是时间序列分析。如果不懂的乱套模型，天啊，怎么办？关键这些不懂的还是小领导，我们怎么办，奥多凯？？？今天，我作为旁观者已经看到了。。。奥多凯！！！我们心里咒骂着小领导，嘴上还得说领导懂的真多。。。。。

《大数据分析的道与术》读后感(三)：轻松浅显的入门书籍（更新中）

2月起开始负责整组数据的相关工作，刚刚接触这个工作时很是抗拒，觉得自己对数学毫无天赋，不愿意接下这个工作。同组的同学却很积极的想接下这份工作，和老板面聊，老板说觉得我这方面很薄弱，希望我能锻炼下。于是硬着头皮接下了这份工作。

硕哥推荐我读这本书，断断续续读了几个月，还是只读到三分之一。这期间看完的小说起码有10本。

记录下阅读的一些感悟，不枉读过。

“数据分析如写诗一样，写好诗的关键不在于修辞技巧，而在于对生活的观察和领悟。做好数据分析的关键不在于统计技术的应用，而在于对业务的思考和分析。”

《大数据分析的道与术》读后感(四)：互联网实践者写书负面样本解析之一

为了展示自己的学识渊博而引入大量的无关知识，浪费已知者的时间，增加未知者学习无关知识的成本，这是以互联网实践者身份写书的人的偏好，从知识传播的角度而言，这种旁征博引的浅薄可能吸引知识贫乏者的喝彩，却无意于关键知识的传播。

作者希望展示业务需求分析驱动数据统计分析的思路是对的，但引入大量社会热点相关的案例作为概念佐证的方式却随着案例之间的无关性增加了信息传递的熵。除了陷入对大量无关知识背景的学习后，对学习的统计相关的概念和知识点帮助了了，而作者洒脱的以面向普通读者普及统计学知识的非专业术语多以概念解释的汇集独立作为参考，看起来颇为让人窝火。

概念解释不清，数据处理和分析如何做、怎么做掠过不提，只剩下五花八门业务的领域产品经理分析，道和术从何谈起？和大数据也只有百度百科的引用关系。捏着鼻子看完，可惜不能退货。

《大数据分析的道与术》读后感(五)：理解大数据时代的数据分析思想

很多朋友读书不喜欢看序言。还有一些朋友看书喜欢先看最后。我觉得，如果一本书有序、有前言，看书还是要先看序、看前言。作者自己写的前言，多半总结了自己写这本书最重要的心得体会，能够让读者先了解作者写书的思路。而如果是其他人写的序言，则写序之人，多半已经认真读过，也可以算是为作者的作品所做的背书了。《大数据分析的道与术》，曾经在百度与作者毕然做过同事的李湛先生为毕然老师写序。李湛先生如此评价作者和这本书：“如何去提升对大数据的判断力？本书就是最好的途径。细细读下来，感觉本书有以下几个特点。

第一，重根本。本书不堆砌概念，不讲求大而全，甚至不讲求论述的严谨性和行文上的优美，但善于从原理讲起，重在剖析根本。“知其所以然”是最好的理解和记忆。

第二，娓娓道来。本书的话题其实严肃甚至深奥，但作者把自己学习、思考的过程分享出来，从容而自然，让读者有很强的代入感。学习可以是教科书式的枯燥，也可以是娓娓道来的轻松，考验的就是作者的功力。

第三，重实战。作者在广告大数据领域浸润多年，书中到处可见实战而来的经验或者示例，鲜活而深刻。

在轻轻松松中学习，理解其本质，辅以实战的案例，阅读本书的过程，愉快而又受益。“

这本书，对于在互联网企业从事数据分析的新人来说，这是一本雪中送炭的书。这本书并不涉及具体的数据处理方法，而是从数据分析的角度讲述相关知识。从分析方法上，数据分析不分“大”“小”，核心工作都是人对数据指标的分析、思考和解读，人脑所能承载的数据量是极其有限的。所以，无论是“传统数据分析”，还是“大数据分析”，均需要将原始数据按照分析思路进行统计处理，得到概要性的统计结果供人分析。这两者在这个过程中是类似的，区别只是原始数据量大小所导致处理方式的不同。因此，更重要的是分析的思路。如果思路错了，方法和结论也必然是错的。在本书第一章，通过多个生活中的例子谈到了数据分析师们经常犯的“思想错误”。

而另外一方面，在对统计学知识的使用重心上，“大数据分析”又有其新的特点。“传统数据分析”使用的统计知识主要围绕“能否通过少量的抽样数据来推测真实世界”的主题展开，比如衡量一次抽样统计的置信性（能否从统计概率的角度相信）等。在大数据时代，由于互联网和长尾经济的兴起，涌现出大量的个性化匹配场景（如购物网站的推荐系统）。这些场景一方面可供划分的特征非常多（如用户的特征、商品的特征、场景的特征），另一方面又累积了大量的历史样本，使得“大数据分析”的主题转变成“如何设计统计方案，可得到兼具细致和置信的统计结论”。基于此，在数据分析之术的部分，第3章“我们能否够相信统计？”重点讲述了这些内容。

本书作者，非常强调从生活中、从各种学科中总结数据分析的思想和方法，这使得这本书比市面上其他数据分析的书更加具有可读性。即使你不做数据分析，书中介绍的案例和思维方式，也会令人受到很大的启发。在某一章结束的时候，作者写到：忘记我说的话，只要记住思想。

在书的最后，作者还分享和总结了他对于大数据分析行业的职业发展、团队建设等方面的宝贵经验。

很多IT技术书过于重视细到软件使用方法，很多IT人文书飘在云端只讲概念。这本书，很好地探索了两者的结合。

书里有很多彩插