如何考察一个是否具有大数据的思维

[大数据分析和大数据研发的区别]大数据分析和大数据研发的区别？大数据分析和大数据研发二者的区别简单点说就是一个是发掘数据，一个是产生数据；下面我来具体从二者主要是做什么的来说一下区别： 01 大数据分析...+阅读

如何考察一个是否具有大数据的思维

所谓大数据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、并整理成为帮助客户决策更积极目的的资讯；维克托在《大数据时代》中指出，大数据时代的来临使人类第一次有机会和条件，在非常多的领域和非常深入的层次获得和使用全面数据、完整数据和系统数据，获取过去不可能获取的知识。大数据有三个不同于先前的理念——“关联思考、全体数据、混杂思维”，即大数据不拘泥因果思考而重视关联思考，它也不侧重随机个案而是注意全体数据，其思维也是看重混杂思维而不看重精准思维。当前对干部信息的收集和评价重样本、重来源、重精确度，渠道比较单一，信息量少，得出的结果往往不能全面的反映出一个干部的情况，导致干部“带病提拔”或是不胜任本职工作的情况偶有发生。

个人认为，可以运用大数据理念和现代信息化手段，建立全方位考察考核干部的信息收集和评价使用体系，也就是因果思考与关联思考要并驾齐驱，对随机样本的关注与对全体数据的发现使用要统筹兼顾，既要习惯用精细思维也要习惯用混沌思维。如今不管是在学术界还是IT圈，人们一直都在讨论大数据，然而，大数据分析、大数据营销等等也才刚刚起步，为什么说大数据对我们很重要呢？企业组织利用相关数据和分析可以帮助它们降低成本、提高效率、开发新产品、做出更明智的业务决策等等。例如，通过结合大数据和高性能的分析，下面这些对企业有益的情况都可能会发生：及时解析故障、问题和缺陷的根源，每年可能为企业节省数十亿美元。为成千上万的快递车辆规划实时交通路线，躲避拥堵。

分析所有SKU，以利润最大化为目标来定价和清理库存。根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。从大量客户中快速识别出金牌客户。使用点击流分析和数据挖掘来规避欺诈行为。总之，大数据对企业精细运营起到的价值是非常巨大的，可以让企业在社交平台上的运营更加完善，尽量让企业能有一个理想的口碑，并对一些不良的言论做舆情监测等等，然后根据数据进行产品改进，并且利用大数据还能更好的驱动用户体验，促进企业运营目标朝着正确的方向前进，这都是大数据为企业带来的价值。最早提出大数据概念的学科是天文学和基因学，这两个学科从诞生之日起就依赖于基于海量数据的分析方法。大数据可以说是计算机和互联网结合的产物，计算机实现了数据的数字化；互联网实现了数据的网络化；两者结合才赋予了大数据生命力！随着互联网如同空气、水、电一样无处不在地渗透入我们的工作和生活，加上移动互联网、物联网、可穿戴联网设备的普及，新的数据正在以指数级别的加速度产生。

据说目前世界上90%的数据是互联网出现以后迅速产生的。不过，抛开数据的海量化生产和存储这种表面现象，我们更加要关注的是由数据量变带来的质变，这种质变表现在以下3个方面：大数据时代带给我们的是一种全新的思维方式，思维方式的改变在下一代成为社会生产中流砥柱的时候就会带来产业的颠覆性变革！- 重视数据的复杂性，弱化精确性；- 关注数据的相关性，而非因果关系。历来的商业变革都是由思维方式的转变开始的，旧的经济体制和传统的商业理念面临新的商业思维逻辑的时候，如果大脑不能与时俱进，吸收并转变为顺应潮流的新思维，通过新思维重新组织企业组织的战略、结构、文化和各种策略，那么貌似强大的体魄反而变成了企业前进的累赘。这种新思维颠覆巨头的案例最先发生在信息技术的传统领域，然后渗透到传统的商业领域：黑莓（Blackberry）、摩托罗拉、诺基亚、柯达、雅虎。

。。案例比比皆是！当然，这些企业的没落并不是因为没有数据思维，但他们都是被新互联网思维淘汰的昔日巨人。数据思维是最新的思想，其影响力还没有发展到导致巨头轰然倒塌。但是，如果不给予足够的重视，下一波没落王国的名单中，可能就会有你！大数据时代，我们需要更加全面的数据来提高分析（预测）的准确度，因此我们就需要更多廉价、便捷、自动的数据生产工具。除了我们在互联网虚拟世界使用浏览器、软件有意或者无意留下的各种个人信息数据之外，我们正在用手机、智能手表、智能手环、智能项链等各种可穿戴数码产品生产数据；我们家里的路由器、电视机、空调、冰箱、饮水机、吸尘器、智能玩具等也开始越来越智能并且具备了联网功能，这些家用电器在更好地服务我们的同时，也在生产大量的数据；甚至我们出去逛街，商户的路由器，运营商的WLAN和3G，无处不在的摄像头电子眼，百货大楼的自助屏幕，银行的ATM，加油站以及遍布各个便利店的刷卡机都在收集和生产数据。

在互联网领域，我们喜欢说入口这个词，入口对应的直接意义是流量，而流量在互联网领域就意味着金钱，这种流量变现可能是广告，可能是游戏，也可能是电商。在大数据时代，入口这个词还有更深刻的意义，那就是数据生产的源头，用户通过某个APP或者硬件产品满足某种需的同事，也会留下一系列相关的数据，这些数据的合理使用可以让拥有这部分数据的企业获得更大的商业利益！所以，...

最早提出数学方法来描述和处理逻辑问题的是谁

数学是一门工具性很强的科学，它与别的科学比较起来还具有较高的抽象性等特征。起初是计算机科学工作者离不开数学，而数学工作者认为计算机对他们可有可无，但是现在是互相都离不开对方了，计算机也提高了数学工作者在人们心目中的地位，大部分的数学工作者开始认识到计算机的重要性，并越来越多地进入到计算机领域发挥作用。但是随着人工智能、GPS（全球定位系统）等飞速的发展和计算机运算性能飞跃性的提升，计算机的优势越来越深入到思维领域，于是计算机将高深的数学理论用到实际中来，十分有效地解决了许多实际问题，例如著名难题四色问题就是被计算机证明的。问题的解过程中有许多具有实用价值的数学分支如分析几何、小波分析、离散数学、仿生计算、数值计算中的有限单元方法等。它让人们知道计算机程序设计结合的就是数学知识和数学思想。软件编程是基于数学模型的基础上面的，所以，数学是计算机科学的主要基础，以离散数学为代表的应用数学是描述学科理论、方法和技术的主要工具。软件编程中不仅许多理论是用数学描述的，而且许多技术也是用数学描述的。从计算机各种应用的程序设计方面考察，任何一个可在存储程序式电子数字计算机上运行的程序，其对应的计算方法首先都必须是构造性的，数据表示必须离散化，计算操作必须使用逻辑或代数的方法进行，这些都应体现在算法和程序之中。此外，到现在为止，算法的正确性、程序的语义及其正确性的理论基础仍然是数理逻辑，或进一步的模型论。真正的程序语义是模型论意义上的语义。于是软件编程思想运行的严密性、学科理论方法与实现技术的高度一致是计算机科学与技术学科同数学学科密切相关的根本原因。从学科特点和学科方法论的角度考察，软件编程的主要基础思想是数学思维，特别是数学中以代数、逻辑为代表的离散数学，而程序技术和电子技术仅仅只是计算机科学与技术学科产品或实现的一种技术表现形式。

（一）数学在计算机领域的发展如今形形色色的软件，都与数学有必然的联系，它们相互相成。例如，逻辑学在学科中的应用从早期的数理逻辑发展到今天的程序设计模型论；数学在学科中的应用从早期的抽象代数发展到今天的图形学、工程问题方面；几何学的应用从早期的二维平面计算机绘图发展到今天的三维动画软件系统，并在与复分析的结合中产生了分形理论与技术；在游戏、图形软件开发中引用了线性代数中大量的坐标变换，矩阵运算；在数据压缩与还原、信息安全方面引入了小波理论、代数编码理论等。

（二）软件编程的思维定式软件编程的思维定式决定了一个人编程的水平，在编程过程中，数学思维清晰，编写出来的程序让人耳目一新。结合教学，通过调查分析，了解到超过85%的学生，他们在编程时是根据语法而编写程序，完全脱离了软件编程的思维，这种思维定式使得他们编写的程序相当糟糕，没有一点逻辑。之所以造成这种软件编程的思维，是因为他们平时对数学思维的培养不够重视。很多学计算机的学生想：学高数，这有什么用？学线性代数有什么用？学离散数学，有什么用？于是他们很少去上这些课，马马虎虎，整天闷在寝室里，玩玩游戏，装装软件，看看C语言。只知道概率问题和矩阵知识在其它课程上起到了互补作用，学的不是很深。但是当他们看到时，感到其中的内容对他们而言感觉相当的艰涩难懂，这时他们就隐约感觉到了数学思维的作用了。在此之前，他们不仅荒废了大学的高等数学，连初中的初等数学也忘的好多，当他们进行高抽象思维时，确实感觉自己的思维已经很迟钝了。学计算机的学生之所以觉得《数据结构》这门课程很难，就是因为他们的数学思维锻炼的不够！其实生活中有很多这样的例子：对于一个刚毕业的，编应用软件的大学生，在编程中用到《线性代数》的矩阵时，恐怕便会想，在大学把线性代数学好就好了；当在程序中用到动态链表、树时，恐怕也会想“在大学时花点时间去学《数据结构》，会多么的有意义”；当学数据结构时，恐怕也会想“学《离散数学》时为什么要逃那么多的课，要不然学离散的时候就会很轻松”。所以数学思维不够，在软件编程会有很多的疑虑，显的有点缩手缩尾，而且写的程序也不够健全，缺乏逻辑。

（三）软件编程与数学思维的融合很多专业人士觉得数学和软件编程能力就像太极和拳击，软件编程能力很强就好比出拳速度很快很重，能直接给人以重击；数学很好的话就好像一个太极高手，表面上看没有太大的力量但是内在的能量是更强大的，但是好的拳击手是越年轻越好，而太极大师都是资历越深越厉害。所以数学是成就大师的必备能力，虽然很多学生看上去感觉没有什么用途，但是到了一定的水平之后就会体会它的力量了。

java软件开发对数学能力要高吗

1、最最简单的程序员，写PHP,java，面向对象，不考虑硬件，这种程序员数学，英语都无要，会开机就能学，所以提升门槛不高，这种程序员也是数量最多，纯粹的码农，无所谓数学。

2、面向偏软件的算法与应用层面。比如javaScript，这种程序员对数学就有要了，大专是至少的学历，高数微积分都得会，对逻辑思维的需比较大，自然工资不低。

这种就需要很高的逻辑思维，数学必不可少。

3、接近硬件的底层开发。比如搞电路的，机械电子，电气工程，单片机嵌入式，这种需要了解的知识体系异常庞大，需要对硬件有巨大兴趣，并且都是在工厂，估计没多少人有兴趣。主要跟硬件打交道，画电路图，这种对数学要不高，但是一定得有巨大动手能力，很枯燥。

4、这种是纯专家了，搞编译器的，专门写算法的，学历要最高，硕士研究生是基本的，数学系的博士最好，工资逆天。

这种对数学要高的很，线性代数，离散数学，微积分都是基本功，这个难度很大，不精的话没多少提升空间。总之，数学对软件开发有优势，但是还是看个人有无兴趣。...