第2周:扫盲大数据 | 一年读书300本

用一小时时间速读,用一生时间精读,这是郦无悔在2017年阅读的第7~9本书

第2周关键词:大数据
大数据只会越来越火爆,没有第二种可能

2017 第2周

大数据时代 - 生活,工作与思维的大变革
Big Data: A Revolution That Will Transform How We Live, Work, and Think
维克托·迈尔-舍恩伯格/肯尼思·库克耶(作者)
浙江人民出版社

大数据,大变革。好像是突然之间,发现身处在一个满是数据的世界。

作者是一位学术界的大牛,现任牛津大学网络学院互联网治理与监管专业教授,是最早洞见大数据时代发展趋势的数据科学家之一。作者虽然是学术中人,但<大数据时代>的文字却并不晦涩难懂,反正我这个绝对的门外汉是可以看得明白的。

对书中提及的思维转变印象很深:

实际上,大数据与三个重大的思维转变有关,这三个转变是相互联系和相互作用的。

首先,要分析与某带我相关的所有数据,而不是依靠分析少量的数据样本。
其次,我们乐于接受数据的纷繁复杂,而不再追求精确性
最后,我们的思想发生了转变,不再探求难以捉摸的因果关系,转而关注事物的相关关系

不禁想起了制药圈至少十多年前开始兴起的PAT技术,PAT是"过程分析技术"的简称。以前在制造过程中取样检查,都是抽一些样品,PAT就不是了,在线直接过程分析结果当场可见。这么看来,用的就是"所有数据"的思维。现在也有制药厂商,在片剂成片后,在线直接对每一片进行含量分析,合格的过,不合格的当场剔除。同样的,是"所有数据"的思维。

书中后面的章节还提到了一些风险与担心。与所有技术一样,能力越强,责任越大。文末,作者言:

大数据提供的不是最终答案,只是参考答案,为我们提供暂时的帮助,以便等待更好的方法和答案出现。这也提醒我们在使用这个工具的时候,应当怀有谦恭之心,铭记人性之本。

~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~

颠覆医疗 - 大数据时代的个人健康革命
The Creative Destruction of Medicine
埃里克·托普 (作者)
电子工业出版社

书中上来就拿全球重磅多年的产品立普妥和波力维来说事,这本说医疗的书也是离不开要聊药品的呀。

书中列出了许多在生理监控、基因组学、解剖成像方面可获取的医疗数据类型,血压血糖心率心电图脑电波等等等等,还用了一章的篇幅来介绍与电子病历与医疗信息技术有关的数据捕获。比较有意思的是,书中给了一个思路,就是以上各种医疗大数据方向的排列组合。一直有关注公众号“动脉网” (ID:vcbeat),报道的热点新兴医疗公司,大多数都与以上提到的这些方面有关。

看了“个体科学”这一部分之后,更加坚定地认为,未来的医疗趋势一定是个体化的。

"原发性(idiopathic)"这个医学术语,在医学界被用来形容不知如何诊断或不了解疾病原因的情况。这个词汇源自希腊文"idios",意为“个人的”、“分离的”或与"众不同的"。

随着“个体组”的发展,我们似乎正在回归到idios的最初内涵上:我们正在努力了解每一个人的独特性,越来越有可能为个体疾病给出诊断,找出根源。

会在什么时候,新药研发的理念会发生颠覆性大范围的变化,我在拭目以待。因为人与人之间是不同的,就算我们得了同样一种病,我们的身体状况也是不同的。我需要的是对“我”有效的药物,不是那种只能平均后对“我们”有效的药物。

看来,对看病吃药“不将就”、“不凑合”的时代已经走在路上了!

~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~

大数据预测 - 告诉你谁会点击, 购买, 死去或撒谎
Predictive Analytics:The power topredict who will click, buy, lie, or die
埃里克·西格尔 (作者)
中信出版社

第一眼看标题,觉得挺吓人的。想象一下,未来某天,Iphone 15上的某个APP突然蹦出来一个满屏提示:预测你将在2050年2月5日死去,该预测的依据为balabala~~~ 不被吓死也得被吓个半死。

这本书重点放在了"预测"上,列举了N多预测的案例:

这些案例涉及股票价格、风险、事故、销售、捐赠、点击率、取消率、健康问题、医院入诊、欺诈、逃税、故障、油量、电力中断、政府福利许可、思想、动机、答案、观点、谎言、等级、退出率、友谊、爱情、怀孕、离婚、工作、离职、赢取投票。。。

拿出来哪一项都是嗷嗷吸引眼球的呀!股票预测估计很多人喜欢,可以去找这本书来翻翻看,: P

大数据最吸引人的地方,是它给予了人们一个已经望得见的希望:一个一直一直以来都想达成的妄想,那就是预见未来。未来太不可知了,如果我能提早知道,我就一定可以避免,我就一定可以争取到,等等。想到了<穷查理宝典>一书中芒格的话:

我只想知道将来我会死在什么地方,这样我就永远不去那儿了

但是人们不可能只是预测自己,更想去洞悉更广泛的事物。以前是只要你做了,总会为人所知。当大数据发展得足够发达时,那就是只要你想了,总会为人所知。比如书中特意举了惠普用大数据来分析哪些人可能会离职的例子。

大数据自然也是把双刃剑。

翻看此书时,总是想到漫威的电影,应该是美国队长2吧?(老了~~ 记不清了 ~~ T_T) 巨大的航空母舰运行的超级大数据算法,会从人们的过往所有数据中分析进而得出结论,这个人是该留下还是该死掉,也是电子数据化的希特勒。当然那些结论是要死掉的成百上千万的人们,最终还是被超级英雄拯救了。不禁感慨,有些科幻,是在预见未来。

好吧,就当是为了以后跟孩子能说得上话,多了解些大数据吧

这是QUOTES的分割线


The best way to predict your future is to create it.
― Abraham Lincoln (林肯)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,456评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,370评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,337评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,583评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,596评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,572评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,936评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,595评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,850评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,601评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,685评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,371评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,951评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,934评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,167评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,636评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,411评论 2 342

推荐阅读更多精彩内容