第十届“上海书展”暨“书香中国”上海周，将于本周三拉开帷幕，这段时间以来，有关读书的话题逐渐成为沪上的热门话题之一。为了配合“书香中国”活动的开展，《东方教育时报》策划了“忙里偷闲好读书——教师暑期阅读指引”专题活动，邀请各方人士向教师推荐阅读书目。8月7日的《东方教育时报》刊登了一组教育局局长推荐的书目，我推荐的《大数据时代》也在其中。下面是相关的内容。

《东方教育时报》截图

【推荐书籍】

大数据时代：生活、工作与思维的大变革

（英）维克托·迈尔-舍恩伯格  肯尼思·库克耶（著）  盛杨燕 周涛（译）

浙江人民出版社出版

《大数据时代》是国外大数据研究的先河之作，作者维克托·迈尔-舍恩伯格被誉为“大数据商业应用第一人”，他在书中前瞻性地指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型。而全书最具洞见之处则在于他明确指出，大数据时代最大的转变就是，放弃对因果关系的渴求，而取而代之关注相关关系——也就是说只要知道“是什么”，而不需要知道“为什么”，这就颠覆了千百年来人类的思维惯例，对人类的认知和与世界交流的方式提出了全新的挑战。

【推荐理由】

东方教育时报：《大数据时代》并非教育专著，您为何会向教师朋友推荐这本书呢？

常生龙：大数据时代的来临，对教育的变革将带来巨大的影响。首先是教育内容要进行革新。大数据使得传统的因果思维方式、科学研究方式不再是生活、工作起主导地位的方式，这必然要求我们在教学中要将这些变化和学生讲清楚，以便他们能够在今后走上社会的时候有足够的能力迎接挑战。

其次是教学方式要进行革新。过去的教学，因为没有大量数据的支撑，该教什么全凭教师自己跟着感觉走。今天，我们可以将教师的教学视频挂在网上，通过深度分析学生停顿或者重放频次比较高的视频片段，来找出学生不明确或者课程吸引人的地方，帮助教师改进教学、确定教学重点。

第三是学习路径会发生变化。在过去，如果你想成为一个优秀的生物学家，一定要认识很多生物学家。今天，要解决一个生物难题，可能与天体物理学家或者数据视图设计师联系就可以实现。

东方教育时报：数据化和数字化是一回事吗？

常生龙：不是。数字化是指将模拟数据转化成0和1的二进制码，数据化则是将一种现象转化为可以制表分析的可量化的过程。信息只能被数据化，其巨大的潜在价值才有可能被释放出来。今天，很多学校都在进行“电子书包”的课程教学实践，但有不少实践者认为，“电子书包”就是将纸质的课本和教辅资料数字化，这其实是对“电子书包”最大的误解。电子书包的核心在于数据化，要通过对学生学习过程所记录的大数据分析，把握学生的个性化学习特征，以便给予更有针对性的指导。

东方教育时报：教育界对大数据时代来临有着怎样的关注？

常生龙：应该说，教育主管部门对大数据已经有了非常清醒的认识，但教师群体对大数据的认识还没有完全到位。在教育局进行的培训中我们发现，有的教师对大数据很感兴趣，但很多教师对此依然很懵懂。大数据对教育来说，是思维观念的一次大变革，这是毋庸置疑的。

【经典书摘】

引言：一场生活、工作与思维的大变革

大数据，大挑战

大数据的核心代表着我们分析信息时的三个转变。这些转变将改变我们理解和组建社会的方法。

第一个转变就是，在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样。19世纪以来，当面临大量数据时，社会都依赖于采样分析，但是采样分析是信息。

缺乏时代和信息流通受限制的模拟数据时代的产物。以前我们通常把这看成了理所当然的限制，但高性能数字技术的流行让我们意识到，这其实是一种人为的限制。与局限在小数据范围相比，使用一切数据为我们带来了更高的精确性，也让我们看到了一些以前无法发现的细节——大数据让我们更清楚地看到了样本无法揭示的细节信息。

第二个改变就是，研究数据如此之多，以至于我们不再热衷于追求精确度。当我们测量事物的能力受限时，关注最重要的事情和获取最精确的结果是可取的。如果购买者不知道牛群里有80头牛还是100头牛，那么交易就无法进行。直到今天，我们的数字技术依然建立在精准的基础上。我们假设只要电子数据表格把数据排序，数据库引擎就可以找出和我们检索的内容完全一致的检索记录。

这种思维方式适用于掌握“小数据量”的情况，因为需要分析的数据很少，所以我们必须尽可能精准地量化我们的记录。在某些方面，我们已经意识到了差别。例如，一个小商店在晚上打烊的时候要把收银台里的每分钱都数清楚，但是我们不会、也不可能用“分”这个单位去精确计算国民生产总值。随着规模的扩大，对精确度的痴迷将减弱。

达到精确需要有专业的数据库。针对小数据量和特定事情，追求精确性依然是可行的，比如一个人的银行账户上是否有足够的钱开具支票。但是，在这个大数据时代，在很多时候，追求精确度已经变得不可行，甚至不受欢迎了。当我们拥有海量即时数据时，绝对的精准不再是我们追求的主要目标。

大数据纷繁多样，优劣掺杂，分布在全球多个服务器上。拥有了大数据，我们不再需要对一个现象刨根究底，只要掌握大体的发展方向即可。当然，我们也不是完全放弃了精确度，只是不再沉迷于此。适当忽略微观层面上的精确度会让我们在宏观层面拥有更好的洞察力。

第三个转变因前两个转变而促成，即我们不再热衷于寻找因果关系。这部分内容将在第3章阐述。寻找因果关系是人类长久以来的习惯。即使确定因果关系很困难而且用途不大，人类还是习惯性地寻找缘由。相反，在大数据时代，我们无须再紧盯事物之间的因果关系，而应该寻找事物之间的相关关系，这会给我们提供非常新颖且有价值的观点。相关关系也许不能准确地告知我们某件事情为何会发生，但是它会提醒我们这件事情正在发生。在许多情况下，这种提醒的帮助已经足够大了。

如果电子医疗记录显示橙汁和阿司匹林的特定组合可以治疗癌症，那么找出具体的致病原因就没有这种治疗方法本身来得重要。同样，只要我们知道什么时候是买机票的最佳时机，就算不知道机票价格疯狂变动的原因也无所谓了。大数据告诉我们“是什么”而不是“为什么”。在大数据时代，我们不必知道现象背后的原因，我们只要让数据自己发声。

我们不再需要在还没有收集数据之前，就把我们的分析建立在早已设立的少量假设的基础之上。让数据发声，我们会注意到很多以前从来没有意识到联系的存在。

例如，对冲基金通过剖析社交网络twitter上的数据信息来预测股市的表现；亚马逊和奈飞（Netflix）根据用户在其网站上的类似查询来进行产品推荐；twitter，facebook和LinkedIn通过用户的社交网络图来得知用户的喜好。

当然，人类从数千年前就开始分析数据。古代美索不达米亚平原的记账人员为了有效地跟踪记录信息发明了书写。自从圣经时代开始，政府就通过进行人口普查来建立大型的国民数据库。两百多年来，精算师们也一直通过搜集大量的数据来进行风险规避。

模拟时代的数据收集和分析极其耗时耗力，新问题的出现通常要求我们重新收集和分析数据。数字化的到来使得数据管理效率又向前迈出了重要的一步。数字化将模拟数据转换成计算机可以读取的数字数据，使得存储和处理这些数据变得既便宜又容易，从而大大提高了数据管理效率。过去需要几年时间才能完成的数据搜集，现在只要几天就能完成。但是，光有改变还远远不够。数据分析者太沉浸于模拟数据时代的设想，即数据库只有单一的用途和价值，而正是我们使用的技术和方法加深了这种偏见。虽然数字化是促成向大数据转变的重要原因，但仅有计算机的存在却不足以实现大数据。

我们没有办法准确描述现在正在发生的一切，但是在第4章即将提到的“数据化”概念可以帮助我们大致了解这次变革。数据化意味着我们把一切都透明化，甚至包括很多我们以前认为和“信息”根本搭不上边的事情。比方说，一个人所在的位置、引擎的振动、桥梁的承重等。我们要通过量化的方法把这些内容转化为数据。这就使得我们可以尝试许多以前无法做到的事情，如根据引擎的散热和振动来预测引擎是否会出现故障。这样，我们就激发出了这些数据此前未被挖掘的潜在价值。

大数据时代开启了一场寻宝游戏，而人们对于数据的看法以及对于由因果关系向相关关系转化时释放出的潜在价值的态度，正是主宰这场游戏的关键。新兴技术工具的使用使这一切成为可能。宝贝不止一件，每个数据集内部都隐藏着某些未被发掘的价值。这场发掘和利用数据价值的竞赛正开始在全球上演。

第5章和第6章讲述大数据如何改变了商业、市场和社会的本质。20世纪，价值已经从实体基建转变为无形财产，从土地和工厂转变为品牌的产权。如今，一个新的转变正在进行，那就是电脑存储的分析数据的方法取代电脑硬件成为了价值的源泉。数据成为了有价值的公司资产、重要的经济投入和新型商业模式的基石。虽然数据还没有被列入企业的资产负债表，但这只是一个时间问题。