讀數據資本時代有感

　　認真品味一部名著后，相信大家都積累了屬于自己的讀書感悟，讓我們好好寫份讀后感，把你的收獲和感想記錄下來吧。那么你真的會寫讀后感嗎？以下是小編為大家整理的讀數據資本時代有感，希望對大家有所幫助。

　　隨著時代的往前推進，我們逐漸向大數據資本時代邁進，隨著海量數據市場的出現，貨幣體現信息的作用被海量數據替代，雖然貨幣的交易功能仍然保留，但貨幣的價值卻在貶值。這給市場和公司都帶來了不同的機遇和挑戰，也就是經濟的微觀和宏觀方面都將受到海量數據資本的沖擊。大數據時代下，未來市場、未來公司和未來的人類將何去何從；我們如何最正確地迎接海量數據的挑戰，這些問題或許沒有正確答案，但我們盡可能的了解大數據資本時代和我們自身的多樣性，可以做到的是"知已知彼，百戰不殆"。

　　傳統市場與公司在數據資本時代的挑戰

　　古往今來，人類的合作方式是為了應對資源稀缺的挑戰，隨著溝通方式和信息流動方式而產生的，市場與公司順勢而生。傳統的市場與公司圍繞價格這個信息進行決策，不同的是市場進行的是分散決策，公司進行的是集中決策，圍繞價格，市場中不同個體之間，市場與公司之間，公司內部完成一筆又一筆交易，人類的合作從而達成，人類依靠交易活動得到的物質資本支持人類繼續下一輪的生產活動，交易活動和心靈求索活動。

　　但在復雜和不確定的環境和人類的理性下，傳統的市場和公司圍繞價格而得到的信息往往是十分不完備與不對稱的，因為價格可能解決了信息過量的問題，但它仍然讓我們做出了十分糟糕的選擇，我們對價格的執著阻礙了市場發揮其最擅長的作用，即協調人類活動。

　　與市場不同的是，公司的原則是集中決策，在過去的經驗中，公司內部的信息被層層上傳由董事會做出決策，其決策層層下傳，層層執行。隨著公司規模的增大，信息源源不斷地向權力中心移動，而權力中心的決策能力有限，決策水平的提高依靠的就是下放決策權，制定標準決策指導方案然越來越多的人參與決策。這種傳統的層級管理結構和有限的信息流動方式，使信息和決策在流動中受損。傳統資本市場在數據資本下毋庸置疑會面臨衰退，首當其沖的就是銀行業。銀行業的信息不完備與不正確，數據資本帶來的未來將是經濟繁榮發展而金融資本不再會繁榮。

　　在過去的市場和公司中，公司和市場的效率因此得到巨大的損失。但海量數據向資本市場的涌入，價格的信息作用被大數據替代，人們在各種類的交易中關注的不僅僅是價格，海量數據經過專門的處理成為一種資本，不同產品與服務的種類在數據資本時代是明晰和容易比較的，因此所有類型的市場理應得到重塑，從能源市場到運輸物流市場，從勞動力市場到醫療保健市場。公司傳統的層級管理結構在海量數據的攻勢下也顯得太過封閉繁瑣和成本巨大，是時候迎接市場與公司在數據資本時代的變革了。

　　市場與公司在數據資本時代的變革

　　市場在數據資本時代顯得更加具有優勢，因為信息創造市場，市場的基本原則是分散決策，海量數據已經為整個市場帶來了效率的提高。以貨幣為基礎的傳統市場將無數個維度的信息壓縮成價格，而價格被賣家玩弄于股掌，通過各種各項的技巧欺騙買方，市場的負外部性得以體現。但在大數據時代下，這個問題得到了解決，海量全面的數據替換了價格反映信息的作用，數據幫助市場參與者找到了更好的匹配項。同時，在海量信息的幫助下市場的分散決策體現了優勢，海量數據呈現的市場決策分布傳遞出來的信息幫助我們幫助節省評估比較不同決策的時間，并且在市場分散決策和海量數據的影響下，錯誤決策的影響被減小。

　　傳統公司面對的挑戰是在貨幣市場轉化為海量數據市場的過程中，利用海量數據處理信息過載問題，減少決策數量。而遺憾的是，公司不會達到與市場一樣從海量數據市場中自然獲益的程度，而是需要順應市場變革，創新管理制度來應對挑戰。部分公司已經預見了海量數據時代的大變革，并主動迎接變革，從目前來看他們主要采取兩種方式，一是實現決策自動化，以日本壽險巨頭富國生命保險為例，他們宣布將使用IBM開發的一款機器學習系統——沃森來評估保險理賠，從而理賠部裁員13；二是向企業組織結構中引入市場DNA，以汽車制造公司帶戴姆勒為例，該公司宣布徹底重組公司結構，讓公司20%的員工脫離之前的體系到公司各部門之外運營，組成更靈活的團隊。

　　市場順應數據資本時代是自然的、規律的，而公司應自己選擇戰略進行驚險的生存實驗，從而使自己能在大數據時代生存下來。

　　市場與公司在數據資本時代的未來

　　海量數據并不是解決市場效率損失靈丹妙藥，它必須也要有標準和適用條件，使用不當也會有及其巨大的副作用。為了使海量數據是可用的，數據資本在市場中運轉有三個必備條件：數據標注、個人匹配算法、機器學習。數據標注從"本體論"提出，問題的關鍵是確定正確本體，其主要目的是運用海量數據將產品的可發現率提高，。個人匹配算法依靠的原理是一個人不僅可以有多種偏好選擇，也可以用不同的方式衡量偏好，所以我們在衡量不同問題的偏好時，我們需要不同算法的匹配。機器學習是基于數據大規模訓練以及隨之而來的自適應反饋，與個性化學習相結合，激發市場顯著提高效率的潛能。每一項技術的進步，帶來的是低成本獲取海量、多維度的信息流并將信息自動化轉化為決策。

　　公司的發展卻不容樂觀，隨著算法的提升，決策層會一層一層的減少，效率會大幅度提升，公司的重要性也就會下降。在現階段公司為擁抱大數據時代而做出的改變來看，公司越來越可以依靠算法來實現決策自動化，工作程序也會由機器學習不斷地推進，公司的未來是與大數據和市場結合的，公司還會雇傭人類但其管理和運行主要由機器人操作完成，甚至公司會依賴市場機制運作。最終，人的作用只是協調市場機制，在我看來這是雖然高效但有些悲觀的。

　　我們何去何從

　　目前我們正處于海量數據市場的最初級階段，正如所有新鮮事物一樣，海量數據本身在帶來技術進步的同時，我們將擁有可以隨意支配的強大的海量數據系統，這些系統幫助我們運用更少的資源花更少的時間，得到更好的匹配，效率紅利顯而易見，但是我們只是放棄一部分"無聊"的決策，專注于更重要的選擇，而將選擇的需求和選擇的快樂分開。在勞動力市場中，我們也可以利用海量數據選擇個人匹配算法為自己找到較適合的工作，不需要僅僅為自身的 "價格"，即工資所局限，工作的作用在支付賬單和提供個人滿足感之間得到平衡。海量數據市場是高效的，并一片光明。但隨著算法不停完備的個人數據的不斷完善，隨著數據資本時代的發展，數據的進一步運用是否會成為"潘多拉魔盒"？

　　值得關注的是從千禧年到現在，美國——發達國家的代表，無論是勞動參與者還是勞力收入份額都在不斷下降，在應對海量數據時代，人類的作用似乎沒有算法多，即便是技術層面，需要創造力和人類選擇的數據標注工作在確定正確的本體所需要的人類創造新會更少，需要更多的是過硬的數據分析，數據本身將驅動數據本體，數據不需要了解人類，只用通過算法就可以替我們幾乎做任何選擇。這是否意味這我們將成為數據的奴隸，海量數據為我們發展帶來的沖擊不可忽視。

　　但人類與數據不同，我們有的是內心求索活動，及自己思考的能力，我們知道自己想要做的是什么，人類是隨著時代進步不斷學習和改變的，只要我們愿意，人類的未來就是知識和充滿見解的，我們所要做的是通過不斷地運用數據使我們的未來更加社會化人性化，而不是讓數據支配我們的生活，使它變得冰冷又機械。

　　結語

　　在數據資本興起的今天我們作為其中的人類個體若不想被代替，不能只看自己"價格"，因為價格所反映的個人信息在海量數據的對比下，已經是十分不全面的，只能說一項工作中的個人價值中的一部分是"價格"，個人價值應該參考個人偏好、市場所需、公司制度等多方面于勞動力市場得到最佳匹配，否則隨著海量數據在人才高流動市場中發揮的作用，總有更匹配的人才。在面臨數據資本時代，作為一個不想被替代的人類本身，我認為我們并不是要不考慮自己的興趣所在而讓自己拼命在數據處理工作，算法開發工作占一席之地，但我知道自己以后所要從事的工作應該是具有創造力且非機械化的。接受我們自身的多樣化，我們所擁有的就是更加獨立的發展。

【讀數據資本時代有感】相關文章：

讀《時代廣場的蟋蟀》有感08-22

讀《時代廣場的蟋蟀》有感(薦)09-09

讀《時代廣場的蟋蟀》有感11篇[熱]11-09

年輕就是資本作文08-06

讀《時代廣場的蟋蟀》后感03-09

數據支持崗位職03-10

【經典】共享時代08-18

共享時代08-17

時代的作文08-26

注冊資本股東會決議05-23