讀書日
大數據(新版):「數位革命」之後,「資料革命」登場: 巨量資料掀起生活、工作和思考方式的全面革新

大數據(新版):「數位革命」之後,「資料革命」登場: 巨量資料掀起生活、工作和思考方式的全面革新

Big Data: A Revolution That Will Transform How We Live, Work, and Think

  • 定價:400
  • 優惠價:79316
  • 優惠期限:2024年04月09日止
  • 運送方式:
  • 臺灣與離島
  • 海外
  • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
  • 可取貨點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
  • 台北、新北、基隆宅配快速到貨(除外地區)
載入中...
  • 分享
 

內容簡介

亞馬遜「資訊管理」暢銷書第一名
亞馬遜「電腦文化」暢銷書第一名

 
  元智大學校長、資訊工業策進會董事長  張進福
  趨勢科技董事長 張明正
  《Wired》雜誌中文版總編輯  程九如
  熱烈推薦

  每十年,總是有極少數的書,能改變你看待一切的方式。
  《大數據》正是這樣的書。
  —— 萊斯格(Lawrence Lessig),哈佛法學院網路智慧財產權教授

  汽車烤漆的顏色能告訴你,這輛二手車的故障率高低嗎?
  市政府要怎樣清查,才能迅速找出有致命危險的人孔蓋?
  從谷歌的搜尋字眼,怎麼預測流感疫情的蔓延?
  要回答這些問題,關鍵就在於巨量資料(俗稱大數據)。

  「巨量資料分析」是一門新興科技,能夠解讀和預測無數的現象,包括預測機票的價格、好萊塢新片的票房、你家裡的青少年是否未婚懷孕!

  也能協助診斷早產兒的健康情況,探查收入高低與幸福快樂的相關程度,幫忙規劃快遞的送貨路線、電動車的充電站應該設置在哪裡,還能用來發展自動導航的無人駕駛汽車、以及「從駕駛人的臀部形態判斷是否為車主」的防盜系統,也能夠快速進行多種語文的互譯……

  兩位最頂尖的大數據專家,真正掌握到巨量資料思維的精髓,在這本書裡,清晰曉暢的解釋了巨量資料是什麼,它將如何改變我們的生活,對經濟、社會和科學會帶來什麼影響,我們又能夠做些什麼,趕搭上這波新潮流,同時也懂得保護自己,避免個人資料和隱私受到侵害。
 
  《大數據》開闢了新境界,告訴我們巨量資料如何從根本上,轉變我們對世界的基本理解……這本書清楚說明了,企業如何釋放潛藏的價值,決策者如何因應新局,以及每個人的認知模式需要如何改變。—— 伊藤穰一(Joi Ito),麻省理工學院媒體實驗室主任

  任何人如果想要保持領先地位,確定未來的商業發展趨勢,都必須閱讀《大數據》。—— 貝尼奧夫(Marc Benioff),salesforce.com董事長兼執行長

  《大數據》很樂觀而務實的看待巨量資料革命——你只要伸頭看看周遭發生的大變化,就會明白這場革命已然開始了,更大的變化即將衝擊而來。—— 多克托羅(Cory Doctorow),boingboing.com

  我們敢肯定的是,《大數據》將是在討論這方面的未來時,一言九鼎的文本。—— 富比士網站

  有太多書籍在頌揚資訊社會的技術奇蹟,但是唯有這本《大數據》對資訊的本質,進行了原創的分析。——《柯克斯書評》(Kirkus Reviews)

  這本書充滿了偉大的見解、駕馭資訊的新途徑,並且對於未來趨勢,提供了很有說服力的願景,這是任何使用巨量資料的人、或受到巨量資料影響的人,都不可或缺的讀物。—— 喬納斯(Jeff Jonas),IBM首席科學家

  這本出色耀眼的書,撥開了圍繞在巨量資料周邊的迷霧。不論你從事的是商業、資訊科技、公共行政、教育、醫療,或者你只是單純對未來趨勢感到好奇,都必須閱讀這本《大數據》。—— 布朗(John Seely Brown),全錄帕羅奧圖研究中心主任

  正如水是濕滑的,然而單個水分子卻不是;巨量資料也能顯現個別資料無法揭露的訊息。作者向我們展示了龐大、複雜、凌亂的資料,若是集合起來,竟能用來預測購物行為、流感爆發……的一切模式,真是令人驚駭。—— 薛奇(Clay Shirky),社會媒體理論家

  作者讓「巨量資料」這個名詞的內涵變得非常清晰,重要性也遠遠超過矽谷的其他流行語彙……沒有哪一本書能夠提供了這樣的可讀性和平衡報導,告訴我們繼續迷戀數據和資料的諸多好處及缺點。——《華爾街日報》

  「巨量資料」是企業管理階層、技術官僚的流行語之一,如果你想知道他們都在談論些什麼,那麼《大數據》正是為你而寫的。這本書深入淺出、而且很意思的切入這個大題目……——《波士頓環球報》
 

作者介紹

作者簡介

麥爾荀伯格 Viktor Mayer-Schönberger

  牛津大學網路研究所教授,並擔任微軟、世界經濟論壇等大公司和組織的顧問,是大數據(巨量資料)領域公認的權威,寫過八本書以及上百篇專論。

庫基耶 Kenneth Cukier

  《經濟學人》雜誌資料編輯,巨量資料思潮評論員,經常於《紐約時報》、《金融時報》、以及《外交事務》期刊發表財經文章。

譯者簡介

林俊宏


  師範大學翻譯研究所碩士。喜好電影、音樂、閱讀、閒晃,覺得把話講清楚比什麼都重要。譯有《英語的秘密家譜》、《建築為何重要》、《大科學》、《群的智慧》、《天空的女兒》等書。現就讀於師大譯研所博士班。
 

目錄

第1章  現在
                該讓巨量資料說話了

第2章  更多資料
    「樣本=母體」的時代來臨

第3章  雜亂
                擁抱不精確,宏觀新世界

第4章  相關性
                不再拘泥於因果關係

第5章  資料化
       當一切成為資料,用途無窮無盡

第6章  價值
                不在乎擁有,只在乎充分運用

第7章  蘊涵
          資料價值鏈的三個環節

第8章  風險
                巨量資料也有黑暗面

第9章  管控
                打破巨量資料的黑盒子

第10章  未來
                巨量資料只是工具,勿忘謙卑與人性

資料來源
延伸閱讀
謝辭
 

詳細資料

  • ISBN:9789863201915
  • 叢書系列:科學文化
  • 規格:軟精裝 / 318頁 / 21 x 14.8 x 1.59 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣
 

內容連載

第1章
現在:該讓巨量資料說話了

2009年又冒出了一種新的流感病毒,稱為H1N1。這種新菌株結合了禽流感和豬流感病毒,迅速蔓延。短短幾星期內,全球的公共衛生機構都憂心忡忡,擔心即將爆發流感大流行。有些人發出警訊,認為這次爆發可能與1918年的西班牙流感不相上下,當時感染人數達到五億人,最後奪走數千萬人的性命。雪上加霜的是,面對流感可能爆發,卻還沒有能派上用場的疫苗,公共衛生當局唯一能努力的,就是減緩其蔓延的速度。為了達到這項目的,必須先知道當前流行感染的範圍及程度。

在美國,疾病管制局(CDC)要求醫生一碰到新流感病例,就必須立刻通報。即使如此,通報的速度仍然總是慢了病毒一步,大約是慢上一到兩星期。畢竟,民眾覺得身體不舒服之後,通常還是會過個幾天才就醫,而層層通報回到疾管局也需要時間,更別提疾管局要每星期才整理一次通報來的資料。但是面對迅速蔓延的疫情,拖個兩星期簡直就像是拖了一個世紀,會在最關鍵的時刻,讓公共衛生當局完全無法掌握真實情況。

會員評鑑

4.5
9人評分
|
9則書評
|
立即評分
user-img
4.5
|
2024/02/01

訓練AI大模型必讀

多年來,我一直忽略閱讀《大數據》,但最近AI的快速發展, 利用大量的資料去訓練AI, 使得我不得不開始重視大數據這一塊領域, 感到必須深入研究。這本書清晰區分了大數據分析與傳統統計方法,特別強調了樣本抽樣的重要性。在當今數據濫觴的年代,使用母體數據進行分析變得更加現實。書中明確指出,大數據分析不再像以往一樣依賴嚴格的抽樣技巧,而更注重利用相關性。這本書為理解大數據提供了實用的視角,令人受益匪淺。
展開
user-img
5
|
2024/01/30

好酒越陳越香,好書也是~

從2015年開始接觸Hadoop平台以來,一直專職在大數據應用和電商推薦系統。有趣的是,一路上我一直沒看過這本幾乎被視為巨量資料聖經的大數據,理由挺傲嬌的,那時心想「如果看了這本書,作法說不定會被引導,而走不出自己的路…」。而為什麼在2024年的今天會動心起念想看這本大數據?原因是經過這些年在大數據的專研與實務經驗,中間遇到許多困難與挑戰,累積自身對這個資訊應用領域的觀點與看法。這時來吸收業界先進的思維與方針,才不會一味的照單全收,更能淬鍊出書中的真知灼見,滿載而歸。

不知你有沒有發現,在新聞報導裡只要有用到數據分析的情況,一律要說是大數據分析。然而怎麼樣的資料才能叫大數據?GB?TB?PB?用單純的資料容量大小適合嗎?答案當然是NO。樣本=母體,在巨量資料的三大特質中,這是最具體能區分傳統的統計分析和巨量資料分析的差異。書中明確的指出,在過去,資料搜集、儲存、處理成本相對高昂,抽樣是一門相當重要的學問,能有效地將分析成本壓低到最小,讓數據分析可以充分應用在各個社會科學和商業領域。以抽象的理論為起點,針對假說進行取樣蒐集資料,最後再針對資料進行相關性分析,是傳統統計學門的標準作業流程。但在資料爆炸的網路時代,加上各種開源的大數據工具蓬勃發展,以母體資料來進行統計分析不再是天方夜談的空想。雖然資料科學家的專業知識,被認為由統計分析、數據工程和資料視覺化三個領域交集而成。在實務操作時統計分析這塊著墨的深度,尚不如其它兩者,大約有基礎的統計能力即可應付一般需求。也如同作者而言,大數據分析十之八九不會用到抽樣技術。

而在巨量資料喊得震天價響的幾年之後,多數企業卻發現大數據帶來的影響並不顯著。首先,不是每個企業都能獲取巨量資料,因此頂多只能扮演資料運用的角色。再者,巨量資料先天的雜亂(或說不精確)特質,如果想廣泛運用,得打破企業運營對數字吹毛求疵的傳統,更讓經營決策高層裹足不前,敬而遠之。因此在企業界,能看到的大數據成功案例,多是打造更優秀的機制、工具,屬於戰術性質,很少看到企業以巨量分析的數據當做訂定戰略方向的核心指標。即便如此,張開雙手擁抱資料數量比資料品質更重要,就促成了更準確的谷歌翻譯模型、亞馬遜推薦系統等,這些都是由簡單的模型加上大量資料,卻打敗複雜但資料量少的模型的例子。

相關性不等於因果關係是反智一書裡耳提面命的重要觀念。然而大數據運用卻是要你張開雙手擁抱相關性,別在拘泥在因果關係。像是在推薦系統中效果最顯著的購物籃分析和谷歌的關鍵字預測流感趨勢等例子,都是利用正是如此,而非苦思為何如此。對理論假說進行實驗設計,以控制組和對照組的資料進行因果關係分析,是科學知識賴以累積的碁石。但大數據的分析思維並不追求這種費時秏工的科學精神,利用低成本的相關性分析,應用在追求成果最大化的領域中(例如商業、政策),就能獲取超乎想像的回報。而相關分析和因果分析也絕不是互斥對立的觀點,有效地利用相關分析當做操作變數的過濾器,可以減少未來要進行實驗設計的變數項目。大數據運用裡的預測分析則是以更積極的態度來運用相關性,利用高度相關性的變數做為想預知事項的有效指標,例如異常的刷卡結帳頻率可能是盜刷。所以想用大數據來找出流失客戶的原因這個命題是有問題的,因為巨量數據分析是找出相關性,並無法真正的找出因果關係,想找到原因得用問券調查和實驗設計等傳統科學作法。

除了上述說明大數據三項特質的豐富內容外,書中也進一步對資料的數位化和資料化間的差異提出說明。也因為數位資料是經濟學者所謂的非競爭商品(某人的使用不妨礙他人使用),所以針對同一份巨量資料的無限制次數運用是可行的。一但出現新的運用觀點,既可對舊有的資料進行再次利用。也可和其它外部資料重新組合、在資料蒐集的過程中額外取得其它面向的資料,都是增進巨量資料價值的具體作法。讀完大數據會深刻領悟,巨量資料像是取之不盡的太陽能,照亮著數據分析的現在與未來。
展開
user-img
4
|
2019/01/05
這本書出版於2013年,也有入選當年金融時報的商業書決選。儘管已經隔了五年,大數據這個概念越來越火熱,我有同學去喬治亞理工學院念了一個大數據分析的碩士,畢業後直接進亞馬遜當分析員。現在每個行業最火紅的職缺好像都跟分析資料有關! 好奇之下google一下,也有一些人開始預言大數據也有可能泡沫化...大環境的趨勢,真的會讓大部分人跟隨。統計學系在幾年之前也被戲稱沒什麼出路,瞬間峰迴路轉,資料科學家橫空出世。越想逃離數學,越發現數學無所不在啊XD

這本書主要分為八個部分,沒有技術性的描述,單純把大數據(或者說資料分析)這個領域介紹給一般讀者。作者是這個領域的執牛耳者,幾十年前就開始關注資料在人類社會發展中扮演的角色。根據他的理念,資料就像是未來的石油,驅動生活的方方面面。說實話我閱讀本書以前,對這種像做彌撒的書(宣稱某個東西能夠如上帝般衝擊人類)有點存疑,但作者的論述功力的確扎實,他把大數據的概念用很淺顯易懂的文字教給讀者,讓本書成為認識大數據的最佳起點之一。

人類使用資料分析由來已久,統計學透過抽樣,試圖用客觀的資料解釋一切;會計學的誕生也是使人類複雜的商業交易分門別類,有跡可循;經濟學的目標是建置模型,分析經濟行為的成因。資料讓人們在複雜的世界中掌握一些規則,我們據此做出決策。

傳統上,人們在分析資料時,會希望把樣本的代表性提高,力求精準,但是人類的活動越來越複雜,電腦的發明、處理器能力的躍升,讓產出的資訊量成指數型成長,資訊氾濫已經是常態,這是一體兩面的,現在我們有能力取得更多珍貴的資訊,但若資訊超載,我們反而不知所措了。

面對這種處境,我們的生活有很多面向都被迫改變。甚至連思維模式都要進行修正,才能更準確的判斷任何事情。小數據時代的思維落伍了,現在講求的不再是[用樣本代替母體],而是[樣本等於母體],基本精神就是透過電腦高效的運算能力,儘可能把越多的數據納入考量,追求事物之間的關聯性,因果關係比較不重要了。舉個例子,"假如"全聯發現每次颱風要來了,刮鬍刀的銷量暴增一百倍,刮鬍刀一定會被擺放在收銀機旁邊。這個現象真正的原因不重要,重要的是發現兩件事之間的關聯性,這就夠了。

接著作者就舉了好多好多例子證明幾乎所有事情都能數據化,假如能善加使用,發掘背後隱藏的意義,人們就能獲得極大的好處。這個趨勢造就了新的商業模式,許多新型態的工作也趁勢而起,數據成為一個金礦,淘金的熱潮席捲各行各業,每間公司在某種程度上都必須轉型為數據公司。數據中介商、分析技術公司、資料科學家變成未來的要角。

不過呢,跟其他科技一樣,大數據有其黑暗面,特別是隱私權的疑慮,已經成為這幾年最熱烈討論的議題。臉書、亞馬遜、谷歌...科技巨頭蒐集每個人的資料,到底用來幹嘛了呢? 除了個性化投放廣告,是否有祕密的濫用,卻不為人知呢? 歐盟今年通過的GDPR提供未來隱私保護一個指引,畢竟這幾年資訊濫用的情況層出不窮: Cambridge Analytica、俄羅斯干預美國總統大選的假新聞...大數據的應用似乎沒那麼安全。

大數據又會如何影響政府呢? 不同於民間企業,政府可以強制蒐集民眾的資訊。最壞的就像歐威爾1984裡全面監控的社會,令人擔憂的是這正在逐步成為現實呀><。 大數據的導入有隱憂,因此我們必須盡快確立制衡的機制。除了最基本的法律修正,釐清數據使用的許可和責任歸屬更重要。另外可以預期的是社會制度會進行校正,就像會計學的發展延伸出審計學,使用大數據,必須有對應的審核機制。

最後,作者提醒人們,資料分析很重要,但人性才是最關鍵的部分,數據不能說明一切。過度依賴數據可能很危險,大數據應用之餘,我們人腦的判斷才是其價值所在。舉個嚴重的例子,電影關鍵報告裡,湯姆克魯斯逮捕了一個"被預測-將要"殺害妻子的人。純粹仰賴數據的話,這個男子將因為自己沒有做過的事而遭受懲罰。這個概念不難理解,假如人們把"預測"當成一切的原則,身而為人最重要的自由權利等同作廢。

大數據好夯,應該大部分的人都已經有基礎認識了,不過這本書依然值得一讀,關於它的未來走向,令人拭目以待,我們也得積極參與其中,別讓明天成為菲利浦狄克式的未來。
展開
user-img
5
|
2018/01/12
大數據的經典著作,要了解大數據的思維適合讀這本書,書中舉不少成功的商業案例談大數據思維,讓讀者了解究竟「何謂大數據?大數據的定義是什麼?與傳統的因果思維有什麼差異?大數據下的致勝模式又是如何?」。
展開
user-img
4
|
2016/07/31
大數據是一個趨勢。
在這個趨勢裡,如何把大量的資訊轉換成有用的資料才是最重要的,這也是現代人最重要的課題之一。
書中提出一個特別的觀點,在大數據的時代裡我們不需要再花時間去尋找事情的原因,因為重要的是結果。
展開
 

特惠贈品

載入中...

最近瀏覽商品

 

相關活動

  • 破關人生,I'm in!職場「破」力養成指南,電子書/有聲書/影音課程6折起
 

購物說明

若您具有法人身份為常態性且大量購書者,或有特殊作業需求,建議您可洽詢「企業採購」。 

退換貨說明 

會員所購買的商品均享有到貨十天的猶豫期(含例假日)。退回之商品必須於猶豫期內寄回。 

辦理退換貨時,商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性,切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者,恐將影響退貨權益或需負擔部分費用。 

訂購本商品前請務必詳閱商品退換貨原則 

  • 共和國截止加碼
  • 天下雜誌
  • 時報全書系