品味大数据

Name: 品味大数据
ISBN: 9787301276099

张玉宏北京大学出版社 · 中国2025年8月

3.5

字数: 28.8万字
章节数: 173
ISBN: 9787301276099

信息有误查询本书

内容简介

大数据时代，我们需要学会用数据分析问题、解决问题。当下，因为没有数据的精确度量就无法进步。利用数据，我们可以看清、看准、看透所面对的个人问题，工作问题和所从事的商业问题。理解大数据、利用大数据是现代人标配的能力。本书一共分为11章，主要内容包括：大数据简史漫谈，大数据的内涵，大数据时代的哲学思考，大数据研究的第四范式，大数据大有为，通过11个小故事思考大数据等。

编辑推荐

这本书的特别之处在于，它没有停留在技术层面的数据工具介绍，而是把大数据放进历史、哲学与研究范式的框架里重新审视。张玉宏用简史漫谈的方式梳理大数据的来龙去脉，又用第四范式这样的概念把数据驱动的研究方法讲清楚，让读者理解数据为什么能成为认识世界的一种方式。书中尤其值得关注的是那11个小故事，它们把抽象的数据思维落到个人问题、工作问题和商业判断的具体情境中，读起来不枯燥，也更容易迁移到自己的处境里。全书十一章的体量适中，既有概念铺陈也有案例牵引，适合作为通识读本而不是技术手册。对于想建立数据意识、但又不打算深究算法细节的读者，这本书提供了一个相对温和的入口，可以在通勤或睡前分段阅读，边读边对照自己手头的问题想一想。

适合谁读

适合

希望建立数据思维、但缺乏技术背景的职场人士
需要把数据分析引入日常决策的管理者与创业者
对大数据历史与哲学议题感兴趣的通识读者
高校开设数据素养类课程时可作辅助读物

不适合

想系统学习编程、算法或数据工程实操的技术人员
需要深入统计建模与机器学习理论的读者
期待大量代码示例和工具操作步骤的学习者

阅读建议

先读简史与内涵部分建立框架，再进入小故事章节对照自身经验。
每读完一个小故事，尝试用一句话概括其中的数据判断逻辑。
把第四范式的章节与自己的工作场景结合，写下三个可量化的观察点。
不必按章节顺序通读，可按兴趣跳读，但建议最后回看哲学思考部分。

出版社简介

北京大学出版社中国 · 成立于 1979 年

北京大学出版社是一家综合性大学出版社，其出版方向涵盖古典文学、科学科普、社会文化、世界史、西方哲学与文化等领域。库内收录图书6031种，代表性图书包括《红楼梦》《狭义与广义相对论浅说（第15版）（附爱因斯坦关于统一场论及其他经典论文）》《几何原本》《圆锥曲线论》《东晋门阀政治》《神话哲学（上卷）》《神话哲学（下卷）》《海陆的起源》等。代表作者有曹雪芹、周汝昌、爱因斯坦、欧几里得、阿波罗尼奥斯、田余庆、谢林、先刚等。该社在古典文学与西方哲学原典译介方面形成特色，兼及科学经典与社会文化研究。因公开资料有限，此处仅依据库内图书呈现其出版方向，不作额外延伸。

版权信息
内容提要
序在路上，学而时习之
第一章大数据简史漫谈之一——数字的来源及数据思维的发展
1.1 人类的“数觉”与计数系统
1.2 关于二进制的一点讨论
1.3 数字的诞生与广泛应用的匹配法
1.4 数学的“问世”与“算法”的祖师爷
1.5 文字的“出炉”与罗马语言的来历
1.6 古代的数据保存之道与文言文的“无奈”精简
1.7 古代的“数据中心”——图书馆
1.8 古代计算工具的诞生及其演变
1.9 统计学诞生——数据思维的渐起
1.10 美国式的人口普查——大数据催生新技术
1.11 中国式的人口统计与数目字管理
1.12 本章小结与思考
第二章大数据简史漫谈之二——近代存储体系发展中的那些人和事
2.1 数据复制与传播中的问题及解决方案
2.2 影响人类发展进程的几次能源革命
2.3 不能遗忘的电气时代的传奇——特斯拉
2.4 霍尔瑞斯的穿孔卡
2.5 现代通用计算机的奠基者——图灵和冯·诺伊曼
2.6 波弗劳姆的磁带发明
2.7 华人王安电脑的磁芯存储器
2.8 IBM的传奇磁存储世界
2.9 网络存储世界的兴起
2.10 本章小结与思考
第三章大数据简史漫谈之三——数据库的发展与大数据的兴起
3.1 近代“数据中心”之梦殇
3.2 “穷”则思变之网状数据库
3.3 浓墨重彩之关系数据库
3.4 突破数据共享封锁线的领头人
3.5 高手对决的数据仓库领域两侠客
3.6 向非结构化进发的数据大趋势
3.7 大数据术语的历史渊源
3.8 现代大数据的诞生
3.9 在混沌和秩序转化中螺旋上升
3.10 本章小结与思考
第四章大数据的内涵
4.1 从数据、信息到知识、智慧的飞跃
4.2 大数据的多版本定义
4.3 大数据——新时代的生产资料
4.4 信息（数据）化、第二经济与数据思维的转变
4.5 大数据——来自学术界的青睐
4.6 大数据——来自政府层面的重视
4.7 大数据——来自工商业的热捧
4.8 大数据内涵——“岂止于大”
4.8.1 大数据之“大”有不同
4.8.2 大数据之唯“快”不破
4.8.3 大数据之五彩缤纷
4.8.4 大数据之价“值”无限
4.8.5 包括但不限于4V
4.9 本章小结与思考
第五章大数据时代的一点哲学思考
5.1 哲学与科学的关系——为什么计算机专业博士也发个哲学文凭（Ph.D）
5.2 大、小数据的“质”不同
5.3 大数据的数理哲学基础——同构关系
5.4 大数据认识主体的变化——“替人消灾”式的认识能免责吗
5.5 波普尔的世界3——秦始皇的长生梦，找错了空间
5.6 大数据认识对象的变化——提升普罗大众的权重：“长尾理论”
5.7 认识论对大数据研究的指导意义
5.7.1 科学始于观察——证实主义
5.7.2 证实主义的困顿——来自波普尔的批判
5.7.3 科学始于问题——波普尔的贡献
5.7.4 科学始于数据——大数据时代的科学转机与思考
5.7.5 大数据的悲观思潮
5.8 本章小结与思考
第六章大数据研究的第四范式
6.1 谷歌公司的“不务正业”
6.2 塞吉·布林的“秘密”病情
6.3 布林病情的“治疗”方案
6.4 詹姆斯·格雷的科学第四范式
6.5 科学研究的其他三个范式
6.6 本章小结与思考
第七章大数据，大有为
7.1 洞察带来价值
7.2 案例1：谷歌是如何“越俎代庖”地预测流感的
7.2.1 流感治疗网络化
7.2.2 “无意间”生产的搜索数据
7.2.3 谷歌工程师们的杰作——流感预测趋势（GFT）
7.2.4 谷歌的“越俎代庖”为何成功a
7.2.5 案例小结：数据、模型与理论
7.3 案例2：“全数据”是如何为叶诗文抱不平的
7.3.1 叶诗文事件的新闻背景
7.3.2 什么是性能分析法
7.3.3 质疑的合理性在哪里
7.3.4 “大数据=全数据”的威力——为叶诗文抱不平
7.3.5 案例小结
7.4 案例3：大数据是如何对抗癌症的
7.4.1 癌症大数据的特征是什么
7.4.2 癌症从哪里来
7.4.3 大数据用之于癌症斗争，挑战何在
7.4.4 癌症诊疗的基础大数据——获取难
7.4.5 数据化带来的颠覆式医疗——执行难
7.4.6 哪些机构在用大数据对抗癌症
7.4.7 癌症大数据的重要源头——基因组数据
7.4.8 大数据对抗癌症，前景如何
7.4.9 案例小结
7.5 更多大数据应用案例
7.6 本章小结与思考
第八章大数据之坑与小数据之美
8.1 引子——哪个V才是大数据最重要的特征
8.1.1 “大”有不同——Volume（大量）
8.1.2 数据共征——Velocity（快速）与Value（价值）
8.1.3 五彩缤“纷”——Variety（多样）
8.2 大数据的力量与陷阱
8.2.1 大数据的力量
8.2.2 大数据的陷阱
8.2.3 今日王谢堂前燕，暂未飞入百姓家——大数据还没那么普及
8.2.4 你若安好，便是晴天——小数据之美
8.3 本章小结与思考
第九章 12个小故事，思考大数据
9.1 故事1：大数据都是骗人的啊——大数据预测得准吗
9.2 故事2：颠簸的街道——对不起，“n=all”只是一个幻觉
9.3 故事3：醉汉路灯下找钥匙——大数据的研究方法可笑吗
9.4 故事4：园中有金不在金——大数据的价值
9.5 故事5：盖洛普抽样的成功——大小之争，“大”数据一定胜过小抽样吗
9.6 故事6：点球成金——数据流PK球探，谁更重要
9.7 故事7：啤酒和尿布——经典故事是伪造的，你知道吗
9.8 故事8：谷歌流感预测——预测是如何失效的
9.9 故事9：Target超市预测女孩怀孕——“大数据”智慧，还是愚蠢
9.10 故事10：你的一夜情我知道——大数据的隐私之痛
9.11 故事11：大数据，无须惧——比萨店员更能知道顾客所有的信息吗
9.12 故事12：扑朔离迷的“因果关系”——苏格拉底的“诡辩术”
9.13 本章小结与思考
第十章大数据技术漫谈——需要读懂的103篇大数据文献
10.1 大数据价值的实现
10.2 大数据分析的关键架构层
10.3 架构的演进
10.4 几个重要的概念
10.5 文件系统层
10.6 数据存储层
10.7 资源管理器层
10.8 调度器
10.9 协调器
10.10 计算框架
10.11 数据分析层
10.12 数据集成层
10.13 操作框架层
10.14 本章小结与思考
第十一章牛刀小试之Hadoop实战
11.1 什么是Hadoop
11.2 Hadoop发展历程
11.3 Hadoop集群服务器的安装与配置
11.3.1 安装CentOS 7
11.3.2 配置Java环境
11.3.3 启动和配置SSH服务
11.3.4 安装Hadoop
11.3.5 启动Hadoop
11.4 运行Hello World版Hadoop程序——WordCount
11.5 全分布模式下的Hadoop集群构建
11.5.1 Linux以运行等级3启动
11.5.2 在Windows和Mac OS环境下克隆虚拟机
11.5.3 设置静态IP地址
11.5.4 修改hosts文件
11.5.5 虚拟机的同步配置
11.5.6 SSH的免密码登录
11.5.7 全分布模式下安装Hadoop
11.5.8 同步配置文件
11.5.9 创建所需目录
11.5.10 关闭防火墙
11.5.11 格式化文件系统
11.5.12 启动Hadoop守护进程
11.5.13 验证全分布模式
11.5.14 默认配置文件所在位置
11.5.15 关闭Hadoop
11.5.16 Hadoop的运行错误查找
11.6 WordCount代码详解
11.6.1 MapReduce编程模型
11.6.2 WordCount的MapReduce处理流程
11.6.3 WordCount源码解读
11.7 本章小结与思考
后记

常见问题

没有数学和编程基础能读懂这本书吗？

可以。本书以概念、历史和小故事为主，重点在数据思维的建立，而非公式推导或代码实现。只要具备基本的阅读耐心，就能跟上作者的叙述节奏。若遇到第四范式等偏理论的章节，可先跳过细节，抓住核心观点即可。

书中的11个小故事主要讲什么？

这些故事围绕个人问题、工作问题和商业问题展开，用具体情境展示如何借助数据看清、看准、看透所面对的局面。它们的作用是把前文的概念落到可感知的场景中，帮助读者理解数据思维在日常判断中的实际用法，而不是提供标准答案。

这本书和市面上讲大数据技术的书有什么区别？

多数大数据读物侧重工具、平台和算法，本书则把重心放在简史、内涵、哲学思考与研究范式上，属于通识性读本。它不教你怎么写代码，而是帮你理解大数据为何重要、如何影响认知方式，适合作为技术书之外的补充阅读。

读者评论

查询本书

本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。

作者简介

张玉宏作者

张玉宏，公开资料有限，其创作主要集中于计算机与人工智能领域。库内收录其作品四种，涵盖从深度学习到图神经网络的模型与实践、AI时代的数据处理与最佳实践、Java编程技术以及大数据入门等方向，常见分类为计算机综合、人工智能、编程设计与考试。从题材看，他面向技术学习者与入门读者，把复杂概念拆解为可操作的实践路径，写作兼顾理论框架与落地方法，语言平实、结构清晰。其中深度学习与图神经网络相关著作，反映出他对前沿技术的持续跟进；编程与大数据类作品则体现其普及与教学取向。总体而言，他的写作风格务实、注重可读性，适合希望系统了解相关技术并动手实践的读者参考。