大數據時代的入門書單（一）

老闆：小劉，銷售部門的張總跟我說，最近咱們上門客戶越來越少。找老客戶交流，他們也支支吾吾不肯說原因。你說這是為什麼呢？

小劉：啊？老闆我怎麼知道……我就是個寫代碼的而已啊？

老闆：小劉，我們是做什麼的？

小劉： 做……做數據分析服務的？

老闆：咱們的客戶都是誰？

小劉：都是……都是大老闆啊？

老闆：我是不是告訴你，讓你選幾本跟數據分析有關的書，贈送給客戶？

小劉：對……對啊，我選了幾本，都發給各位老闆了啊？

老闆：那你告訴我，你TM發的這是什麼東西？

小劉：可這本書是經典啊！經典中的經典！

老闆：小劉，我覺得你不太適合這份工作。（和善的微笑）

日常生活中總有這種技術宅，會搞砸各種各樣的事情。給客戶看一堆艱深的工具書，讓客戶一臉懵逼最後放棄合作，他們真的能做的出來。

但對於不太懂大數據的客戶，總不能放棄治療。書還是要看的，關鍵是看什麼書。

如今，大數據已經成為大街小巷的日常論題。然而相比於它作為話題的熱度，大數據相關知識的學習門檻，真的是非常高。甚至有一些口若懸河，三句不離大數據的朋友，被問到「大數據是什麼」的時候，最終也支支吾吾答不上來。

然而在我看來，大數據的基本原理其實非常樸素。只不過，從事數據相關工作的技術宅們，往往不善於表達，沒辦法用接地氣的方法，把「大數據是什麼」教給普羅大眾。

時代在進步，我們亟需一位穿梭於技術和大眾作者兩個身份之間的掮客，把艱深的大數據知識用生動的語言講述出來。

雖然我也很希望這個人會是我，但我還是太菜了。幸而，國內已有一位最能擔起這一責任的人選。今天介紹的書籍，就是來自於周濤的《為數據而生——大數據創新實踐》

• 關於作者周濤

介紹作者其實蠻無聊的。書籍扉頁上一堆稀奇古怪的吹逼介紹，看得我差點就把書扔了。

幸好沒扔。扔了的話，會有三個後果：

①錯過了一本好書

②錯過了一次對周濤老師路轉粉的機會

③圖書館會來找我的麻煩

2012年，國內各大書店的暢銷書書架上不約而同地出現了一本書，叫做《大數據時代》。當時這本書反響激烈，暢銷無數，成為廣大人民群眾對「大數據」的啟蒙資料。

雖然這本書有很多廣為詬病的毛病（比如對於相關性和因果性的論述、全書沒有一幅圖等等），豆瓣評分也很低，但是這本書的歷史地位是不可磨滅的。因為，改變時代的科技進步要想進入大眾視野，普及型書籍是必不可少的一個因素。

周濤就是在2012年，比別人先行一步。《大數據時代》英文版剛剛寫成，周濤就開始緊鑼密鼓地組織翻譯工作。這一努力的結果是，《大數據時代》英文版與中文版近乎同時付梓出版，進入市場，銷量爆炸。

當然這都是過去的事情。雖然《大數據時代》火了，但之後，2013年到2015年之間，周濤其實也沒有閑著。三年時間，這本《為數據而生——大數據創新實踐》終於寫就。

事實證明，周老師憋了三年，憋出來的確實是哪吒，而不是肉球。

• 寫公式與講故事

作為一隻統計狗，我經常需要面對長篇累牘的數學證明，這種「雖然認識每一個字但連起來卻毛都看不懂」的感覺，真是苦不堪言。

偏偏，這卻是必須經歷的過程。倒不是因為學界好裝逼，而是因為要保證知識嚴謹、可泛化，數學表達是必需的。簡而言之，寫公式是對統計學的基本尊重。

然而我們也知道，大數據更多時候是要面向實際問題的。億萬中國人每天上淘寶買買買，淘寶當然會想著，根據大家買買買的數據，在首頁進行個性化推薦，進一步促進大家的買買買。在這個例子中，數據來源和目標很輕鬆地就表達出來了。雖然大家可能不明白技術宅們在中間做了什麼以加重了他們的剁手，但至少他們能夠意識到大數據的存在了。以後再被問起「大數據是什麼」，總歸有話可說。

這便是講故事的意義，能讓每一個普通人從故事裡，輕鬆地了解大數據到底是什麼。

但更重要的意義在於，邏輯永遠高於方法。無論統計學還是機器學習，更多時候是提供各種各樣的「方法論」，就像電腦里的主板、顯卡、內存一樣，構造複雜。然而哪怕我們看懂了他們複雜的構造，我們依舊需要一個淺顯易懂的操作系統（Windows？macOS？）來幫我們解決問題。

所以我推薦每一個想要了解大數據、或是將要從事大數據工作的人，來讀一讀這本書。作者在書里講了大量的「故事」，這些故事對於任何一位大數據時代的親歷者，都是一次思想的洗禮。

• 全書梗概

《為數據而生》全書分成四個部分。我給大家寫個梗概。:

1.大數據時代，用數據說話：

這一部分是引子。大數據時代，數據無處不在，我們每個人都製造更多數據，也接受更多數據。量變引起質變，大數據實際上已經成為一種新的理念，它已經引起商業模式、決策、生活方式等等的顛覆性變化。

所以作者認為，大數據將會驅動新的工業革命。計算效率的指數級提升，數據的數量、深度和廣度的增加，數據分析理論的進步，對於個性化的追求，這四點為我們描繪了工業革命的新圖景。

2.大數據1.0：分析

用常規的統計學分析方法結合大數據，能夠做到很多以前做不到的事情。數據總會呈現一些特徵，當異常情況出現，我們就能從中偵測到有用的信息，正所謂「統計呈現洞見」。事物之間總有關聯與因果，通過分析數據中的關聯關係，便能使關聯創造價值。通過統計和關聯發掘特徵之後，便能進行預測，指導決策。

3.大數據2.0：外化

外化的意思包括兩點——

一方面是尋求外部數據的幫助。作者在電子科技大學採集學生日常行為數據，發現了諸多「在寢室呆的越久，成績越差」、「進圖書館次數越多，成績越好」甚至於「打水越多，成績越好」的關聯——而這些關聯的可信度，統統是由大數據支持的。可見，為達到某種分析目標，可能需要借用看起來關聯度並不高的外部數據。但實際效果卻是非常有效的。

另一方面是自身數據的外部價值。Google對自己搜索引擎的搜索數據進行挖掘，結果竟然建立了一個流感傳播趨勢的預測模型。在此之前，傳染病流行是一個非常複雜的統計問題，但基於先進的大數據方法，Google僅用45個變數就將其趨勢刻畫出來了。

這一部分最後提到的是機器學習，數據外化最神奇的利器。坦白說，這應該是全書最難的一章，但卻是不得不讀的一章。作者常被問到，什麼課程對於理解和應用大數據最有幫助？他永遠建議：統計理論和機器學習。真正厲害的大數據應用，絕大部分都和機器學習有關係。作者還很形象地把機器學習模型比喻為程咬金的「三板斧」，包括特徵、模型、融合三點。鑒於國內很少有機器學習的入門資料，這一項艱深的技術對於初學者可以說是非常不友好。但至少在這本書里，我們能有一個大概的鳥瞰式了解。

4.大數據3.0：集成

大家注意了。從這一章開始，整本書畫風一轉，每一頁的閱讀幾乎都能給人帶來超凡的體驗。

不因為別的。我覺得可能只是因為作者寫這幾章的時候心情比較好，本色流露了。。

這本書（指《數學天書中的證明》）曾經給我和我的很多朋友帶來快樂，現在還是我經常用於娛樂和放鬆的工具，我給本科生講的「離散數學」課經常選用這本書的題目作為考試題，以催毀他們的自信並從中娛樂。

——周濤《為數據而生》

這個逼裝的我給零分。因為「催毀」並不是我打錯字了。周老師以後裝逼的時候可能需要認真一點（笑）。

言歸正傳，繼續寫梗概。這一部分，作者提到了三個「現在進行時」的重要構想，讀起來非常非常的一顆賽艇。

數據交易，和字面意思一樣。如今做數據的同學們很多都面臨「原始數據從哪找啊哭哭」的煩惱，這煩惱很樸素但卻很致命。這就創造了數據交易與共享的需求空間。比如科研數據共享平台、政府數據開放等等。這樣的平台可以說是一種全新的、前景無限的商業模式，而目前也已經有不少人在做了，前途一片光明。

數據城堡，指的是國內著名的數據科學競賽平台DataCastle（http://www.pkbigdata.com）。這個平台的原型是國外的http://kaggle.com。但目前來看，在國內可能還是阿里雲更加出名一點。由於這種數據競賽平台不僅能夠為企業解決實際需求，還能吸引、培養和發現人才，其前景也是一片大好。

創新工場，大數據創業公司目前有一些普遍的困境。例如，好的商業模式受阻於某種關鍵的技術。又例如，某些團隊擁有很強的數據分析/挖掘能力，但卻缺乏商業敏感性和產品設計能力。針對這些困境，作者提到了「大數據分析挖掘平台」（iCloudUnion），用於解決缺乏關鍵技術的困境。而後者，則需要類似於目前創業孵化器的「大數據創新工場」，來給好的數據產品提供商業機會。

• 綜合評價

我覺得周濤老師寫這一本書，是有一定野心的。

周老師身兼數職。既是電子科技大學的教授，又是學術研究的一把好手，還是大量國內大數據企業的創辦者。作為國內「大數據圈子」里的核心人物，無論出於商業訴求，還是出於社會責任，總要給大數據多說點好話。

當然，周老師沒有直截了當地給自己的公司打廣告。我覺得這更能說明周老師的「野心」。國內大數據發展，早就不止是一兩個公司的局部利益的事情了。我們知道，貴陽今年可謂是傾全城之力，建設大數據云計算平台，發展大數據產業。在2015年GDP增長速度排行當中，貴陽高居全國第二，大數據在其中是否功不可沒呢？

由於西部的氣候條件天氣乾燥，供電、土地、人力、帶寬之類的成本都低於東部發達地區，具有建立雲計算平台的天然優勢。毫無疑問，貴陽早早地抓住了這個機會，嘗試去建立自己的優勢產業，在西部發展當中獨樹一幟。

說的更多，可能會有人把我的文章當成軟文了。（雖然這本書只是我從圖書館借來的，毫無金錢和PY交易……）但大數據時代已經不可避免地降臨了，作為新時代好青年（啊呸），總歸是想要抓住一點時代的尾巴的。

啊，由於學業繁忙，讀完一本書花的時間有點長。下一次更新不知道是什麼時候，所以大家可以先行點贊+關注以免錯過下一篇乾貨書評（不要臉）。

其他文章目錄：關於數據分析學習筆記的計劃（以及目錄）

推薦閱讀：