2023年项目大数据心得体会范文(实用8篇)

心得体会是对自己在学习和工作生活中的体验和领悟的总结。要写一篇完美的心得体会，可以适当借鉴一些优秀的范文进行参考。通过阅读一些优秀的心得体会范文，我们可以拓宽自己的思路和视野。

项目大数据心得体会篇一

第一段：引言（150字）。

数据挖掘是当今信息时代的热门话题，随着大数据时代的到来，数据挖掘的应用也越来越广泛。作为一名数据分析师，我有幸参与了一个数据挖掘项目。在这个项目中，我学到了许多关于数据挖掘的知识，并且积累了宝贵的经验。在这篇文章中，我将分享我在这个项目中的心得体会。

第二段：数据收集与准备（250字）。

每个数据挖掘项目的第一步是数据收集与准备。这个阶段虽然看似简单，但却决定着后续分析的质量。数据的质量和完整性对于数据挖掘的结果至关重要。在我们的项目中，我们首先收集了相关的数据源，并进行了初步的数据清洗。我们发现，数据的质量经常不高，缺失值和异常值的存在使得数据处理变得困难。通过识别并处理这些问题，我们能够确保后续的挖掘结果更加准确可靠。

第三段：特征选择与降维（300字）。

接下来的阶段是特征选择与降维。在实际的数据挖掘项目中，我们常常会面临数据特征过多的问题。过多的特征不仅增加了计算的复杂性，也可能会引入一些无用的信息。因此，我们需要选择出最具有预测能力的特征子集。在我们的项目中，我们尝试了多种特征选择的方法，如相关系数分析和卡方检验。通过这些方法，我们成功地选择出了最相关的特征，并降低了维度，以提高模型训练的效率和准确性。

第四段：模型构建与评估（300字）。

在特征选择与降维完成后，我们进入了模型构建与评估阶段。在这个阶段，我们通过尝试不同的算法和模型来构建预测模型，并进行优化和调整。我们使用了常见的分类算法，如决策树、支持向量机和随机森林等。通过交叉验证和网格搜索等方法，我们找到了最佳的模型参数组合，并得到了令人满意的预测结果。在评估阶段，我们使用了准确率、召回率和F1值等指标来评估模型的性能，确保模型的稳定与可靠。

第五段：总结与展望（200字）。

通过这个数据挖掘项目，我获得了许多宝贵的经验和知识。首先，我学会了如何收集和准备数据，以确保数据质量和完整性。其次，我了解了特征选择和降维的方法，以选择出对模型预测最有用的特征。最后，我熟悉了不同的算法和模型，并学会了如何通过参数优化和调整来提高模型性能。然而，我也意识到数据挖掘是一个持续学习和改进的过程。在将来的项目中，我希望能够进一步提高自己的能力，尝试更多新的方法和技术，以提高数据挖掘的效果。

总结：在这个数据挖掘项目中，我积累了许多宝贵的经验和知识。通过数据收集与准备、特征选择与降维以及模型构建与评估等阶段的工作，我学会了如何高效地进行数据挖掘分析，并获得了令人满意的结果。然而，我也明白数据挖掘是一个不断学习和改进的过程，我将不断进一步提升自己的能力，以应对未来更复杂的数据挖掘项目。

项目大数据心得体会篇二

随着信息技术的飞速发展，现代社会中产生了大量的数据，而这些数据需要被正确的收集、处理以及存储。这就是大数据数据预处理的主要任务。数据预处理是数据分析、数据挖掘以及机器学习的第一步，这也就意味着它对于最终的数据分析结果至关重要。

第二段：数据质量问题。

在进行数据预处理的过程中，数据质量问题是非常常见的。比如说，可能会存在数据重复、格式不统一、空值、异常值等等问题。这些问题将极大影响到数据的可靠性、准确性以及可用性。因此，在进行数据预处理时，我们必须对这些问题进行全面的识别、分析及处理。

第三段：数据筛选。

在进行数据预处理时，数据筛选是必不可少的一步。这一步的目的是选择出有价值的数据，并剔除无用的数据。这样可以减小数据集的大小，并且提高数据分析的效率。在进行数据筛选时，需要充分考虑到维度、时间和规模等方面因素，以确保所选的数据具有合适的代表性。

第四段：数据清洗。

数据清洗是数据预处理的核心环节之一，它可以帮助我们发现和排除未知数据，从而让数据集变得更加干净、可靠和可用。其中，数据清洗涉及到很多的技巧和方法，比如数据标准化、数据归一化、数据变换等等。在进行数据清洗时，需要根据具体情况采取不同的方法，以确保数据质量的稳定和准确性。

第五段：数据集成和变换。

数据预处理的最后一步是数据集成和变换。数据集成是为了将不同来源的数据融合为一个更综合、完整的数据集合。数据变换，则是为了更好的展示、分析和挖掘数据的潜在价值。这些数据变换需要根据具体的研究目标进行设计和执行，以达到更好的结果。

总结：

数据预处理是数据分析、数据挖掘和机器学习的基础。在进行预处理时，需要充分考虑到数据质量问题、数据筛选、数据清洗以及数据集成和变换等方面。只有通过这些环节的处理，才能得到满足精度、可靠性、准确性和可用性等要求的数据集合。

项目大数据心得体会篇三

数据挖掘是一种通过发掘大数据中的模式、关联和趋势来获得有价值信息的技术。在实际的项目中，我们经常需要运用数据挖掘来解决各种问题。在接触数据挖掘项目后的一系列实践中，我深刻认识到了数据挖掘的重要性和挑战，也从中获取了不少宝贵的经验。以下是我对这次数据挖掘项目的心得体会。

首先，数据挖掘项目的第一步是明确问题目标。在开始之前，我们要对项目的需求和目标进行详细的了解和讨论，明确问题的背景和意义。这有助于我们更好地思考和确定数据挖掘的方向和方法。在这次项目中，我们明确了要通过数据挖掘来了解用户购买行为，以便优化商品推荐策略。这个明确的目标让我们更加有针对性地进行数据的收集和分析。

其次，数据的收集和清洗是数据挖掘项目的重要环节。在数据挖掘之前，我们需要从各种渠道收集数据，并对数据进行清洗和预处理，确保数据的质量和准确性。这个过程需要耐心和细心，同时也需要一定的技术能力。在项目中，我们利用网站和APP的数据收集用户的购物行为数据，并采用了数据清洗和处理的方法，整理出了准备用于数据挖掘的数据集。

然后，选择合适的数据挖掘方法和工具是决定项目成败的关键。不同的问题需要采用不同的数据挖掘方法，而选择合适的工具也能够提高工作效率。在我们的项目中，我们采用了关联规则分析和聚类分析这两种常用的数据挖掘方法。在工具的选择方面，我们使用了Python的数据挖掘库和可视化工具，这些工具在处理大数据集和分析结果上具有很大的优势。采用了合适的方法和工具，我们能够更好地挖掘数据中的潜在信息和价值。

此外，数据挖掘项目中的结果分析和解释是非常关键的一步。通过数据挖掘，我们可以得到丰富的信息，但这些信息需要进一步分析和解释才能发挥作用。在我们的项目中，我们通过挖掘用户购买行为数据，发现了一些用户购买的模式和喜好。这些结果需要结合业务理解和经验来解读，进而为提供个性化的商品推荐策略提供依据。结果的分析和解释能够帮助我们更好地理解数据的内在规律和趋势，为决策提供支持。

最后，数据挖掘项目的最终成果应该体现在实际应用中。通过数据挖掘得到的结论和模型应该能够在实际业务中得到应用，带来实际的效益。在我们的项目中，我们通过优化商品推荐算法，提高了用户的购物体验和购买率。这个实际的效果是检验数据挖掘项目成功与否的重要标准。只有将数据挖掘的成果应用到实际中，才能真正发挥数据挖掘的价值。

综上所述，通过这次数据挖掘项目的实践，我深刻认识到了数据挖掘的重要性和挑战。明确问题目标、数据的收集和清洗、选择合适的方法和工具、结果的分析和解释以及最终的实际应用都是项目取得成功的关键步骤。只有在不断实践和总结中，我们才能不断改进和提高自己的数据挖掘能力，为解决实际问题提供更好的帮助。

项目大数据心得体会篇四

近年来，随着信息技术的迅猛发展，大数据已逐渐成为人们生活中的一个热门话题。而《大数据》这本书，作为一部关于大数据的权威著作，让我对大数据有了更深入的认识与理解。通过阅读这本书，我不仅对大数据的概念有了一定的了解，更发现了大数据在各个领域中的应用与挑战，并对个人隐私保护等问题产生了思考。

首先，本书对大数据的概念进行了详尽的阐述。大数据并不只是指数量庞大的数据，更重要的是指利用这些数据进行分析、挖掘和应用的过程。这本书通过实际案例和统计数据，将数据的价值和潜力展示给读者。它告诉我们，大数据的处理能力和分析能力将会显著地提升人类社会的效率和智能化水平。

其次，本书探讨了大数据在各个领域中的应用与挑战。在商业领域，大数据的应用已经为企业带来了更多的商机和竞争优势。通过分析消费者的购买记录、兴趣爱好以及社交媒体的内容，企业能够更准确地把握用户的需求，为用户提供个性化的服务。然而，由于大数据的处理涉及到海量的数据、复杂的算法以及庞大的计算能力，公司需要具备相关技能和资源才能有效地利用大数据。在政府领域，大数据也能够帮助政府提供更高效的公共服务，更好地理解民众的需求。然而，大数据的应用也引发了隐私保护和数据安全等问题，需要政府制定相关法律法规来保护个人隐私和数据安全。

再次，本书对大数据对个人隐私保护的问题进行了探讨。随着大数据的发展，人们的个人信息被不断收集、分析和应用，我们的隐私已经受到了严重的侵犯。而大数据的应用具有隐私泄露的潜在风险，人们需要保护自己的个人隐私。为了解决这一问题，政府和企业需要共同努力，加强信息安全和隐私保护的技术手段。同时，人们也应该提高自己的信息安全意识，合理使用网络和社交媒体，避免个人信息的泄露。

最后，本书还介绍了大数据对社会的影响。大数据的广泛应用，改变了人们的生活方式和工作方式。我们的社会变得更加数字化、智能化。例如，在医疗领域，大数据的应用使得医生可以更准确地进行病情诊断和治疗方案选择。在城市规划方面，大数据的应用使城市更加智能化，提高了公共交通的运营效率和人们的生活质量。然而，大数据的应用也带来了一些问题，如信息不对称和社会不平等等。对于这些问题，我们需要进一步研究和探索，以找到解决之道。

综上所述，《大数据》这本书给我留下了深刻的印象。通过阅读这本书，我对大数据有了更深入的认识与理解，了解到了大数据的概念、应用与挑战，并开始思考大数据对于个人隐私保护和社会的影响。我相信，随着大数据技术的不断发展，大数据将进一步改变我们的生活和工作方式，为我们带来更多的便利和创新。我们需要不断学习和探索，以适应这个数字化时代的要求。

项目大数据心得体会篇五

随着互联网的蓬勃发展，现代社会已经进入了一个信息爆炸的时代。海量的数据通过各种渠道不断产生，这使得人们面临处理和分析数据的新挑战。大数据监督作为一个关键的环节，起着保护数据安全和隐私的重要作用。在过去的几年中，我有幸参与了大数据监督工作，并获得了一些宝贵的经验和体会。

首先，我认为大数据监督的关键是保护数据的隐私和安全。在处理大数据的过程中，我们经常需要处理涉及个人隐私和商业机密的数据。因此，我们必须意识到确保数据不被滥用和泄露的重要性。为此，我们需要建立健全的数据访问控制机制，加密敏感信息，并制定相应的安全政策。只有这样，我们才能确保大数据的合法使用和保护用户的隐私。

其次，大数据监督需要合理运用技术手段和工具。随着大数据技术的不断发展，我们可以利用人工智能、机器学习和数据挖掘等工具来分析和监控大数据。这些技术可以帮助我们发现数据中的异常或错误，并提供有价值的信息。例如，通过使用机器学习算法，我们可以识别未经授权访问的数据，并及时采取措施来阻止恶意行为。因此，合理运用技术手段和工具是提高大数据监督效果的重要一步。

第三，大数据监督需要注意数据的完整性和准确性。在进行大数据分析之前，我们必须确保数据的完整性和准确性。否则，分析结果可能不准确甚至误导决策。为此，我们需要建立数据质量控制的机制，包括数据清洗、数据验证和数据校对等步骤。只有确保了数据的完整性和准确性，我们才能更好地进行大数据分析，并提供有价值的信息。

第四，大数据监督需要遵守法律和伦理规范。在处理大数据的过程中，我们必须严守法律和伦理规范，包括个人隐私保护法和数据保护法等。我们不能将数据滥用于违法活动或盗窃商业机密。此外，我们还应该尊重用户的权益和隐私，不得擅自公开或出售用户的个人信息。只有遵守法律和伦理规范，我们才能建立一个安全可信的大数据监督系统。

最后，大数据监督需要与各方合作共建。大数据监督不是一个人或一个组织可以完成的任务，而是需要各方的共同努力。政府、企业和用户都应承担起自己的责任，共同建立一个有效的大数据监督体系。政府应加强监管力度，制定更加严格的数据保护法；企业应加强自律，强化内部数据安全管理；用户应提高安全意识，避免泄露个人信息。只有通过各方的合作和努力，我们才能建立一个安全、高效的大数据监督系统。

综上所述，大数据监督是保障数据安全和隐私的重要环节。通过保护数据隐私和安全、合理运用技术手段和工具、关注数据的完整性和准确性、遵守法律和伦理规范、与各方合作共建等五个方面的努力，我们可以更好地进行大数据监督工作，并为社会提供有价值的信息服务。在不断发展的信息社会中，我们应该认识到大数据监督的重要性，并积极推动其发展，为数据安全和隐私保护做出自己的贡献。

项目大数据心得体会篇六

近年来，随着大数据时代的到来，数据挖掘技术逐渐成为人们解决实际问题的重要工具。在我参与的数据挖掘项目中，我亲身体会到了数据挖掘技术的强大力量和无尽潜力。在此，我将结合我在项目中的经历，总结出以下的心得体会。

首先，数据挖掘项目的前期准备工作必不可少。在开始数据挖掘项目之前，我们需要仔细地考虑和确定项目的目标、数据的来源和可行性，以及具体的挖掘方法和技术工具。在进行项目前的这个阶段，我深感对于数据挖掘技术的了解和掌握是至关重要的。只有掌握了合适的挖掘方法和技术工具，才能确保项目的顺利进行和取得良好的结果。

其次，数据的预处理是数据挖掘项目中不可忽视的一部分。在现实应用中，往往会遇到数据质量不高、数据噪声、数据缺失等问题。因此，我们需要在进行挖掘之前对数据进行清洗、去噪声处理和填充缺失值。在项目中，我注意到预处理工作的重要性，并根据具体情况采取了适当的数据处理方法，如使用平均值填补缺失值、删除重复数据、通过聚类方法去除异常值等。通过预处理，我们可以获得高质量的数据集，为后续的挖掘工作打下良好的基础。

此外，特征选择对于数据挖掘项目的成功也至关重要。由于现实中的数据往往维度很高，在特征选择过程中，我们需要根据问题的需求和实际情况选择最具代表性和相关性的特征。在项目中，我运用了相关性分析、信息增益和主成分分析等方法来进行特征选择。通过精心选择特征，我们可以降低数据维度，提高挖掘的效率，并且往往可以得到更好结果。

此外，模型的选取和优化也是数据挖掘项目的重要环节。在项目中，我们使用了多个模型，如决策树、神经网络和支持向量机等。不同的模型适用于不同的问题需求和数据特点，因此，我们需要根据具体情况选择最合适的模型。同时，在模型的优化过程中，我们需要不断调整模型的参数和算法，使其能够更好地适应数据并取得更好的预测和分类结果。通过不断优化模型，我们可以提高模型的准确性和稳定性。

最后，数据挖掘项目的结果分析与呈现对于项目的最终价值也具有不可或缺的作用。在挖掘结果分析中，我们需要对挖掘得到的模式、规则和趋势进行解释，并将这些解释与实际应用场景进行结合，形成有价值的分析报告。在我的项目中，我采用了可视化的方法，如绘制柱状图、散点图和热力图等，以更直观和易懂的方式来展示数据挖掘结果。通过分析和呈现，我们可以将数据挖掘的结果转化为实际应用中的决策和行动，为实际问题的解决提供有力支持。

总结而言，数据挖掘项目的过程中需要进行前期准备、数据的预处理、特征选择、模型选取和优化、结果分析与呈现等环节。感谢我参与的数据挖掘项目的历练，我更加深刻地理解了数据挖掘技术的应用和价值。在未来的数据挖掘项目中，我会继续提升自己的技术水平和实践能力，为实际问题的解决贡献更多的力量。

项目大数据心得体会篇七

信息时代的到来，我们感受到的是技术变化日新月异，随之而来的是生活方式的转变，我们这样评论着的信息时代已经变为曾经。如今，大数据时代成为炙手可热的话题。

信息和数据的定义。维基百科解释：信息，又称资讯，是一个高度概括抽象概念，是一个发展中的动态范畴，是进行互相交换的内容和名称，信息的界定没有统一的定义，但是信息具备客观、动态、传递、共享、经济等特性却是大家的共识。数据：或称资料，指描述事物的符号记录，是可定义为意义的实体，它涉及到事物的存在形式。它是关于事件之一组离散且客观的事实描述，是构成信息和知识的原始材料。数据可分为模拟数据和数字数据两大类。数据指计算机加工的“原料”，如图形、声音、文字、数、字符和符号等。从定义看来，数据是原始的处女地，需要耕耘。信息则是已经处理过的可以传播的资讯。信息时代依赖于数据的爆发，只是当数据爆发到无法驾驭的状态，大数据时代应运而生。

在大数据时代，大数据时代区别与转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。数据的更多、更杂，导致应用主意只能尽量观察，而不是倾其所有进行推理。小数据停留在说明过去，大数据用驱动过去来预测未来。数据的用途意在何为，与数据本身无关，而与数据的解读者有关，而相关关系更有利于预测未来。大数据更多的体现在海量非结构化数据本身与处理方法的整合。大数据更像是理论与现实齐头并进，理论来创立处理非结构化数据的方法，处理结果与未来进行验证。大数据是在互联网背景下数据从量变到质变的过程。小数据时代也即是信息时代，是大数据时代的前提，大数据时代是升华和进化，本质是相辅相成，而并非相离互斥。

数据未来的故事。数据的发展，给我们带来什么预期和启示？金融业业天然有大数据的潜质。客户数据、交易数据、管理数据等海量数据不断增长，海量机遇和挑战也随之而来，适应变革，适者生存。我们可以有更广阔的学习空间、可以有更精准的决策判断能力这些都基于数据的收集、整理、驾驭、分析能力，基于脱颖而出的创新思维和执行。因此，建设“数据仓库”，培养“数据思维”，养成“数据治理”，创造“数据融合”，实现“数据应用”才能拥抱“大数据”时代，从数据中攫取价值，笑看风云变换，稳健赢取未来。

一部似乎还没有写完的书。

——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。“在小数据时代，我们会假象世界是怎样运作的，然后通过收集和分析数据来验证这种假想。”“随着由假想时代到数据时代的过渡，我们也很可能认为我们不在需要理论了。”书中几乎肯定要颠覆统计学的理论和方法，也试图通过引用《连线》杂志主编安德森的话“量子物理学的理论已经脱离实际”来“终结”量子力学。对此我很高兴，因为统计学和量子力学都是我在大学学习时学到抽筋都不能及格的课目。但这两个理论实在太大，太权威，太基本了，我想我不可能靠一本书就能摆脱这两个让我头疼一辈子的东西。作者其实也不敢旗帜鲜明地提出要颠覆它们的论点，毕竟还是在前面加上了“很可能认为”这样的保护伞。

有偏见”，跟作者一起先把统计学和量子力学否定掉再说。反正我也不喜欢、也学不会它们。

当我们人类的数据收集和处理能力达到拍字节甚至更大之后，我们可以把样本变成全部，再加上有能力正视混杂性而忽视精确性后，似乎真的可以抛弃以抽样调查为基础的统计学了。但是由统计学和量子力学以及其他很多“我们也很可能认为我们不再需要的”理论上溯，它们几乎都基于一个共同的基础——逻辑。要是不小心把逻辑或者逻辑思维或者逻辑推理一起给“不再需要”的话，就让我很担心了！《大数据时代》第16页“大数据的核心就是预测”。逻辑是——描述时空信息“类”与“类”之间长时间有效不变的先后变化关系规则。两者似乎是做同一件事。可大数据要的“不是因果关系，而是相关关系”，“知道是什么就够了，没必要知道为什么”，而逻辑学四大基本定律（同一律、矛盾律、排中律和充足理由律）中的充足理由律又“明确规定”任何事物都有其存在的充足理由。且逻辑推理三部分——归纳逻辑、溯因逻辑和演绎逻辑都是基于因果关系。两者好像又是对立的。在同一件事上两种方法对立，应该只有一个结果，就是要否定掉其中之一。这就是让我很担心的原因。

可我却不能拭目以待，像旁观者一样等着哪一个“脱颖而出”，因为我身处其中。问题不解决，我就没法思考和工作，自然就没法活了！

更何况还有两个更可怕的事情。

其二：人和机器的根本区别在于人有逻辑思维而机器没有。《大数据时代》也担心“最后做出决策的将是机器而不是人”。如果真的那一天因为放弃逻辑思维而出现科幻电影上描述的机器主宰世界消灭人类的结果，那我还不如现在就趁早跳楼。

都是在胡说八道，所谓的担心根本不存在。但问题出现了，还是解决的好，不然没法睡着觉。自己解决不了就只能依靠专家来指点迷津。

所以想向《大数据时代》的作者提一个合理化建议：把这本书继续写下去，至少加一个第四部分——大数据时代的逻辑思维。

合纤部车民。

2013年11月10日。

一、学习总结。

采用某些技术，从技术中获得洞察力，也就是bi或者分析，通过分析和优化实现。

对企业未来运营的预测。

在如此快速的到来的大数据革命时代，我们还有很多知识需要学习，许多思维需要转变，许多技术需要研究。职业规划中，也需充分考虑到大数据对于自身职业的未来发展所带来的机遇和挑战。当我们掌握大量数据，需要考虑有多少数字化的数据，又有哪些可以通过大数据的分析处理而带来有价值的用途？在大数据时代制胜的良药也许是创新的点子，也许可以利用外部的数据，通过多维化、多层面的分析给我们日后创业带来价值。借力，顺势，合作共赢。

项目大数据心得体会篇八

近年来，“大数据”这个概念突然火爆起来，成为业界人士舌尖上滚烫的话题。所谓“大数据”，是指数据规模巨大，大到难以用我们传统信息处理技术合理撷取、管理、处理、整理。“大数据”概念是“信息”概念的3.0版，主要是对新媒体语境下信息爆炸情境的生动描述。

我们一直有这样的成见：信息是个好东西。对于人类社会而言，信息应该多多益善。这种想法是信息稀缺时代的产物。由于我们曾吃尽信息贫困和蒙昧的苦头，于是就拼命追逐信息、占有信息。我们甚至还固执地认为，占有的信息越多，就越好，越有力量。但是，在“大数据’时代，信息不再稀缺，这种成见就会受到冲击。信息的失速繁衍造成信息的严重过剩。当超载的信息逼近人们所能承受的极限值时，就会成为一种负担，我们会不堪重负。

信息的超速繁殖源自于信息技术的升级换代。以互联网为代表的新媒体技术打开了信息所罗门的瓶子，数字化的信息失速狂奔，使人类主宰信息的能力远远落在后面。美国互联网数据中心指出，互联网上的数据每两年翻一番，目前世界上的90%以上数据是近几年才产生的。，数字存储信息占全球数据量的四分之一，另外四分之三的信息都存储在报纸、胶片、黑胶唱片和盒式磁带这类媒介上。，只有7%是存储在报纸、书籍、图片等媒介上的模拟数据，其余都是数字数据。到，世界上存储的数据中，数字数据超过98%。面对数字数据的大量扩容，我们只能望洋兴叹。

“大数据”时代对人类社会的影响是全方位的。这种影响究竟有多大，我们现在还无法预料。哈佛大学定量社会学研究所主任盖瑞·金则以“一场革命”来形容大数据技术给学术、商业和政府管理等带来的变化，认为“大数据”时代会引爆一场“哥白尼式革命”：它改变的不仅仅是信息生产力，更是信息生产关系;不仅是知识生产和传播的内容，更是其生产与传播方式。

我们此前的知识生产是印刷时代的产物。它是15世纪古登堡时代的延续。印刷革命引爆了人类社会知识生产与传播的“哥白尼式革命”，它使得知识的生产和传播突破了精英、贵族的垄断，开启了知识传播的大众时代，同时，也确立了“机械复制时代”的知识生产与传播方式。与印刷时代相比，互联网新媒体开启的“大数据”时代，则是一场更为深广的革命。在“大数据”时代，信息的生产与传播往往是呈几何级数式增长、病毒式传播。以互联网为代表的媒介技术颠覆了印刷时代的知识生产与传播方式。新媒体遍地开花，打破了传统知识主体对知识生产与传播的垄断。新媒体技术改写了静态、单向、线性的知识生产格局，改变了自上而下的知识传播模式，将知识的生产与传播抛入空前的不确定之中。在“大数据”时代，我们的知识生产若再固守印刷时代的知识生产理念，沿袭此前的知识生产方式，就会被远远地甩在时代后面。

(节选自2013.2.22《文汇读书周报》，有删改)。