大數據讀后感想首先，本書大體上都是在講美國政府在各社會團體不斷“爭取”權利、三權分立制度的制衡下，一步步將信息公開的歷程。以及數據對美國政治所產生的影響，美國政府如何保護公民隱私等等。其實真正涉及到企業如何變得更加“智能”，唯有第四章講得非常詳細。先來看一下完整的商務智能流程：1、 通過各種來源的關系型數據庫，使用ELT（提取、轉換、加載）工具，對來自不同系統的數據以統一格式進行清洗、轉換、集成進入到數據倉庫。2、 鎖定目標數據后進行聯機分析。通過不同的分析角度進行多維分析，這樣用戶可以隨時創建自己需要的報表，開發人員只要在后臺為用戶創建構建多維的數據立方體模型，用戶就可以直接在前端的各個維度之間進行切換，從不同的維度對數據進行分析。從而獲得更加全面的、動態的的分析結果。3、進行數據挖掘。就是從海量數據中，挖掘出具有價值的數據。通過對數據的挖掘其一、可以發現數據的歷史規律，對過去進行總結。其二、可以根據數據對未來進行預測。企業可以根據預測對未來行情趨勢做出預判，并作出相關決策。4、數據可視化，我想任何人看到一推數據，就會感到很頭疼。當然也很不直觀，到底企業的各項指標相比往年是好是壞去做對比也會很麻煩。使用各種圖表、三維地圖、動態模擬以及相關的動畫技術是原本枯燥乏味的數據，變得生動起來。數據可視化把數據以更加直觀的形態展現出來，使人們對相關數據做到一目了然。5、通過上面幾步我們就把原先毫無價值的數據，變成了信息，最后演變為知識。其次，我們寧波微動天下應該考慮的：1、 是否有必要建立數據倉庫？當然我這個問題我也在線上向IBM數據倉庫的人員詢問過。要考慮的有兩個因素: 其一、數據量的級別， 其二、對數據挖掘的程度。1、 數據量。采集器實時都對新聞、論壇、博客、微博在進行采集，當然如果說一年的數據量不算大的話，亦或者寧波本地的數據量也沒那么大的話。公司假設幾年后、幾十年后業務量增大了，做到了浙江省乃至全國的時候。那個時候的數據量我想應該是非常的龐大了。2、 對數據挖掘的程度，當然有關公司涉及的更多。不過有時候那些公司做得僅僅是從采集的數據那里通過篩選，將相關信息發送給相關的客戶。個人覺得這個價值應該被放大，通過對相關數據的挖掘對過去的規律進行總結，對未來的趨勢做出預測。如固特異輪胎，根據往年的數據總結出某款輪胎某地以及在哪個時間段銷量最大，然后第二年可以根據這個數據，制造商可以提前對該型號輪胎進行大量備貨以備不時之需。通過挖掘在特定的時間段，哪幾種商品捆綁銷售會得到更好的銷量等等。當然數據倉庫是面向主題的數據集合，用于支持管理中的決策制定。個人覺得對公司領導層做出正確決策有很大的指導作用。2、 公司應該加大數據挖掘能力。公司在招聘往里面招聘的所謂數據分析師，只不過是用來數據監測的。真正意義上面的數據分析師很是匱乏。現在客戶大多希望的是能夠給本企業決策有指導性意義的報告、或者建議。這就需要我們通過數據挖掘預測出未來趨勢，即預測性分析。這樣無論在產品推廣，以及在本品牌忠誠度上都會有一定的保障。3、是否能通過聯機分析處理將數據從各個角度、不同緯度展現出來。例如對銷售數據的分析，時間周期是一個維度，產品類別、分銷渠道、地理分布、客戶群類也分別是一個維度。一旦多維數據模型建立完成，用戶可以快速地從各個分析角度獲取數據，也能動態的在各個角度之間切換或者進行多角度綜合分析。4、數據可視化設計上需要強化。相關系統是直接給客戶進行操作使用的，但我們所生成報告里面的統計圖、走勢圖還不能很直觀的展現給