對事物的認識是一個漫長的過程。想當初我在大三，並不瞭解大數據、人工智能，因此我充滿了、好奇，渴望去了解。《大數據時代》這本書就是當時讀的。而今碩士已經唸完兩年，我對學術論文的創新與實用性有了更多的認識，各種AI的傳奇故事已經聽得略感厭倦。作爲一個系統工程師，看起來並不需要懂太多AI和大數據的知識，不過我覺得學習它們是有好處的。僅僅掌握機器學習算法與MapReduce的基本原理，我就不會感到迷茫。畢竟這個時代正在熱炒相關概念，在公司，工程師們人人自危，恨不得都去學一下。看看騰訊的現狀，其實只有TEG張潼的AI Lab與SNG的優圖實驗室比較有名（或許其他實驗室正在蓬勃發展，這裏請不要責怪我），也只有最優秀的學生能進去。多數搞AI的畢業生，都將進入一個普通的開發組，裏面的工程師恐怕是半路出家學的AI，能對學生起到多大的指導作用尚令人懷疑。不過，我還是要爲這些艱難前行的人鼓掌，畢竟他們是披荊斬棘的實幹者。
以上寫得比較悲觀。我當然知道大數據和AI給我們帶來了很多機遇。縱觀全局，我覺得這兩個領域需要被潑點冷水來平衡一下，才寫下剛剛那些文字。下面是我對《大數據時代》一書寫的概要，我不打算列舉書中提到的傳奇故事，只要瞭解以下內容，就能對大數據有一定認識了。
大數據時代的思維變革
1. 不是隨機樣本，而是全體數據
2. 不是精確性，而是混雜性
3. 不是因果關係，而是相關關係
大數據時代的商業變革
1. 數據化：一切皆可量化
2. 價值：取之不盡用之不竭的數據創新
3. 角色定位：數據、技術與思維的三足鼎立
大數據時代的管理變革
1. 風險：讓數據主宰一切的隱憂
2. 掌控：責任與自由並舉的信息管理