数据不说谎经典读后感有感
⇨⇦
《数据不说谎》是一本由城市数据团著作，清华大学出版社出版的平装图书，本书定价：69.00元，页数：2017-6，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。
《数据不说谎》读后感(一)：神奇的大数据书
大数据时代对数据的取舍确实是头疼的问题，本书能给我全新的一种理念看数据，而且全书内容丰富，涵盖面广，性价比很高，知乎上早已传的沸沸扬扬，我也有幸在老师的推荐下买了这本书，看完之后才知道知友说的没错，这本大数据的书就是这么神奇，还好没有错过，想了解大数据的可以买了看看，绝对超乎想象。
《数据不说谎》读后感(二)：用数据来说话
数据之生活——其实生活中的大数据无处不在，比如就我们的衣食住行……都离不开大数据的统计。拥有数据、分析数据、数据思维，面向未来如何构建企业核心竞争力，相当的有启发。毕竟现在时代在飞速变革，唯有抓住机遇，才能得到自己想要的生活，所以 就更应该了解这个我们所处的时代。所以这本书非常值得一读，推荐！
《数据不说谎》读后感(三)：有趣易懂的数据故事
之前参加过数据团的活动，前两天收到赠书，扉页上居然还有印章和钢印。周末在家一口气看完了书。作为数据团的老粉丝，书中文章有些看过，有些没看过。但是按照文章分类系统地读了一遍，又有了不一样的感受。虽然是一本数据书，但由许多个小故事构成，或论证有力，或妙趣横生，许多思路和方法可以应用到我的工作中。非常值得一读。
《数据不说谎》读后感(四)：大数据时代
现在是大数据时代，几乎每个行业都会涉及到大数据分析，更好的了解大数据，会对我们的生活和工作提供更大的便利，书非常好，看完之后获得非常多的知识点，质量也很好，是正版图书。一直想找一些改变自己的书，让自己的大脑得到充实，还好让我碰到了这本书，对自己帮助很大。把这本书推荐给对数据分析感兴趣的人士，建议读一下，很受用！
《数据不说谎》读后感(五)：数据不说谎读后思考
城乡规划专业背景出身，对城市数据分析有着浓厚的兴趣，一直对城市数据团有关注，偶然的机会拿到这本书，本着拓展数据思维的目的利用工作午休的时间翻完这本书，谈下自己的感受。
①. 书本身：
书的三章核心内容属于平行结构，第一部分以消费数据为切入点，分析了消费有关的方方面面；第二部分对工作相关的数据进行了分析；第三部分分析了生活方面的数据。
整体而言，书中以不同的切入点对数据进行了充分的挖掘，使数据的价值得到体现，对拓展数据思维有很大的帮助，是一本还不错的＂科普读物＂，就像书的简介中说的，这是一本脑洞大开的书，让你尝试从不同的角度来解读这个世界。
②. 由书中内容引起的一些思考：
a.）数据与空间的关系？数据和空间没有必然的联系，但是书中所言将数据落到了空间上，使数据具有了空间属性。站在专业的角度，城市规划研究的对象是城市空间，只有将数据落实到空间，其他的分析才有意义。整本书的分析也是以这个逻辑为前提展开的。
.）如何挖掘数据的价值？数据本身没有任何的价值，只有被使用才能体现其价值，使用的越多，其价值越大。数据一直存在于我们身边，并且随着互联网的发展，越来越多的数据被生产出来，由传统统计数据与＂互联网+＂大数据共同组成了目前的新数据环境。随着技术的进步，对于新数据的分析越来越成为可能，并且数据可视化手段越来越成熟，数据分析的门槛逐渐降低。如何挖掘数据本身的价值，一方面，要共享好的数据，让不同的组织和个人去使用这些数据，一千个人有一千个想法；另一方面要开动脑筋，心多大，舞台就有多大，拿到数据后多思考。
c.）大数据存在的陷阱？书中的很多分析很有意思，读的过程中会感觉到原来数据是如此的美妙，但是仔细想下，真的是这样的吗？或者说，要是你，会有作者结论的那种选择吗？大数据反映的是整体的趋势，不能反映其中某一个体的具体需求，世界的奇妙之处在于历史是有少数人创造的，大数据并不是万能的，有其使用局限与前提条件，应视具体的研究目的考虑是否选用大数据分析。站在规划专业的角度，规划是一种公共利益的分配决策，公共利益即大多数人的需求，所以规划行业应当考虑怎么使用好大数据。
d.)专业性与趣味性？如何让普通人明白你的专业本身就是一件很有趣的事情，大多数专业技术人员的问题是使问题越来越专业化，让普通人摸不着边。深入浅出地将问题阐述清楚是个人很重要的软实力之一，职场中你面对的不可能永远是同行，听你汇报的专家来自不同的行业，所以，有想过如何让所有人听懂你在讲什么吗？在这方面，这本书做了一个不错的尝试。
《数据不说谎》读后感(六)：东海之中，有水而赤
给我推荐了很多好书的一位陌生人，也给我推荐了这本书，请原谅我是真的无法给好评。引起我兴趣的是本书以＂大数据＂为噱头，而我本身也算对大数据有所研究，心中总是存在许多疑问，抱着答疑解惑的想法购买的，说实话，这本书并不便宜。
书乍一看是非常的炫酷。首先给你看数据来源，恩，淘宝、大众点评、国家发布的数据等等等，那是非常权威了；然后一看数据量，动辄千万级别以上，也是十分的可观了；再看各种图片图标，花样繁多角度刁钻，也是十分新颖了。第一印象高大上新无疑了。
迫不及待的读完，换来的不是醍醐灌顶，甚至连打开新世界一角都难以达到。
先说好的，印象深刻的有几个，关于城市人口疏解和服务业规划的案例，用好了可以用于城市决策的重要参考，这是重要的应用，也值得推广研究。还有一个毕业去大城市还是小城市的研究，也很有现实指导意义。
然而，书中更多的案例是强行幽默强行设计需求场景，让我无所适从。剩下的所有案例都可以大致归为两大类型，第一是看上海人的热闹。上海人爱去哪玩爱吃啥，上海连锁酒店选址，上海人上班，这些主题下得出各种各样的图和表，再加一堆结论。问题是，我为什么要关心你们上海人爱干啥？爱干不干，关我屁事？有一篇两篇上海的我也忍了，通篇一半以上分析上海的，我真是无话可说。
第二是我觉得你们要干什么。好几篇文章一开头，一个莫名其妙的学姐说要全国旅游，于是开始看最优路径最快时间最少花费，又是这个学姐说怎么分辨高富帅怎么远离渣，于是把上海人各种消费水平消费地点翻来覆去折腾，如此种种，不厌其烦。对不起，我和你学姐不一样，我一点也不关心你学姐想的那些事。
吐槽归吐槽，针对大数据的应用，我们还是得承认，在大众层面，可以应用的点看起开很多，实际上却很难落地。这也是本书噱头很足，但是最终难以打动人的原因。
落地难，难在数据。书中的数据来源非常广，数据的质量也很高，但是仔细琢磨起来，这个高质量是经不起推敲的。例如从大众点评得出的数据来分析什么类型的店铺收欢迎，你的前提条件是大家都用大众点评。而实际上，四十岁以上的消费者就基本很少使用这个软件，年轻的消费者，也不是全部都用，所以这个数据的覆盖面有多大，我们不知道，所得的结论自然也就没有代表性了。
数据有代表性了，出个好点子也很难。用大数据得出具有指导意义的结论，非常费劲。一些实用性很好的落地点，很早就有人提出并完善成熟了，现在要挖掘新的应用，就需要深层次的逻辑挖掘，中间可能要经过好几层的设计计算。所以，虽然本书用的方法非常好，但终究是浅层的大量数据的数理统计，得出来的结论是要么是印证一些显而易见的观点，要么是一些没有帮助的意见，真正让人眼前一亮的少之又少。
大数据时代，以本书作者＂城市数据团＂为代表的大批民间研究机构，甚至包括高校实验室、政府研究院等等这些有志于在大数据浪潮中淘金的研究团体，如何发展，确实值得关注。我并不后悔买这本书支持＂数据团＂，而该给的差评，也不留着：
东海之中，有水而赤，其中有枣，华而不实 。
《数据不说谎》读后感(七)：聊天的时候突然甩出个2400万上海人口，感觉有点爽
1、我们在用数据做什么
根据数据分析的结果，两家公司一致认为观众会对政治主题感兴趣，但在视频的体裁、制作等方面则有着完全不同的认知。而后，AmazonStudios推出了由四位议员作为主角的情景喜剧，Netflix则推出只有一位议员作为主角的电视连续剧。前一部作品名为《阿尔法屋》（AlphaHouse），观众反应平平；后一部作品则是风靡一时、获奖无数的《纸牌屋》（HouseofCards）。 所以，即使在一个＂大数据＂炙手可热、喧嚣尘上的时代，人仍然是主体，是人的智慧让数据具有了价值。
2、让我感兴趣的栗子A
这个问题其实是数学中经典的旅行商问题。在本题的要求下，要想通过遍历所有可能的路线来找出最优解，即使用现在世界上最快的计算机也要好多亿年才能算出来。然而我还急着赶火车呢，所以只能采用近似算法——用什么近似算法呢？ 老师说过：＂什么都不懂就神经网络，什么都不会就遗传算法。＂
第三步：随机生成若干旅游路线，并通过变异产生新的路线，经过数次迭代逼近最优解。 第三步是遗传算法的核心。我用Python写了一小段代码来实现。
3、让我感兴趣的栗子B
所以，即使上海市政府强大到能够打败市场规律（我相信多花钱肯定办得到），真的在城市外围地区发展出新的服务业就业的集聚区域，在远郊新城实现了某种程度的自我平衡。但只要市中心的就业岗位数量不随着人口疏解而减少，交通拥堵便只会持续加重。
无论是市场规律还是国际城市经验都告诉我们：一个以服务业为主的国际大都市将不可避免地仍会保持其市中心就业岗位的高速增长和持续集中。即便是被学界认为新城战略非常成功的东京，在过去的十几年中，其岗位的空间集聚度仍然在不断加强，岗位总体上仍然呈现空间极化的趋势。
但上海市政府又是否有能力有意愿来减少市中心的就业岗位数量呢？ 对于这个问题我们无法回答。 但是，我们看到的是，仅2013年一年上海中心城区便有约1000万平方米的办公商业建筑竣工； 我们看到的是，中心城区还有约100平方公里的工业地块有待更新为办公和商业功能； 我们看到的是，市中心还有繁重的旧城改造工作（仅虹口一区就有500万平方米的拆迁量），那些＂拆二代＂正等着这些旧区变成更有价值的商业开发…… 这一切，都会让上海的市中心变得更有活力，也会给上海的市中心带来更多的就业岗位。 上海就是这样一个城市。 在这样一个城市里，假如我们依然严守人口疏解的政策，严格控制市中心的人口，使郊区（包括新城的）人口不断增长扩大，我们会得到什么？ 我们会不会得到传说中的＂田园城市＂？ 不会。 我们只会得到一个无论你修多少条地铁线到郊区，早高峰时永远是一边挤不上、一边是空车厢的城市； 一个通勤距离越来越长的城市；
一个人和岗位越来越远的城市； 一个综合交通不堪重负的城市； 一个越来越拥堵的城市。
有人提到世界大城市都控制人口。这里必须科普一下。首先，的确世界大城市（例如，纽约、伦敦、东京、巴黎）曾经都尝试过控制人口，但是没有一个成功过。其次，这已经是发生在大约五十年前的事了，现在大家似乎都已经明白过来了，吸引人口才是正路。如果有兴趣的话，大家翻看一下纽约（PLANYC）、伦敦（TheLondonPlan）以及东京（TokyoVison2030）的规划文件吧，看看它们是怎么样不遗余力地见缝插针地造房子来应对新增人口的。
当然，别人怎么做，不见得我们就要怎么做。但是为什么和大多数人（更优秀的人）做的不一样，我们就必须有能够说服大众的理由。为什么东京都市圈3500万人都没崩溃，上海2400万不到就已经不行了？是人太多了？是治理能力？还是城市规划？我们需要寻找不敷衍的更真实的答案。
4、让我感兴趣的栗子C
然后我抽选了其中的5万条，请一个好朋友进行了一次语义库情绪分析，从而观察食客们在评论红烧肉时不经意流露出的心情和观点。我们按照其语义的积极度进行分析，对分析完的结果进行汇总。
现在，我们已经从三个维度分别选出了最具有优势的菜系，那么，在三个维度都具有优势的无疑就是最容易受到认可和光顾的菜系了。对三个维度取交集，答案已经呼之欲出： 上海生存力最强的菜系分别是川菜、素菜、咖啡厅和韩国料理
通过指标的评价打分，我们选出了各个指标排名在前150名的栅格，再进行交集分析，由此选了出5个最适合开川菜馆的栅格（待选地块）。分别位于：杨浦江浦路、杨浦平凉路、虹口提篮桥、普陀真如和浦东洋泾
考虑栅格选择的精确性，有可能2～3km范围的邻近地区都会对餐馆选址产生影响，我们将待选地块周围一圈的8个栅格都纳入考量，对包括待选地块在内的9个栅格（称为泛待选地块）进行了二次评价打分。综合待选地块得分和泛待选地块得分，最终选出开川菜馆最易存活的3个地方——虹口提篮桥，杨浦江浦路和普陀真如
最后，特别说明一下—— 由于掌握的数据有限，尤其不具有餐馆营业情况的数据，致使研究结果不具有很强的现实指导意义，请慎重参考。同时，研究中的各个模型还有诸多待完善之处，本节只是基于数据的总体性的餐馆生存概率分析，主观因素，如经营管理等未能考虑在内。
但是必须要承认这样一个客观事实：虽然从个体上看，基本上任何类型的餐馆都可能成功，但是从总体上看，在特定的城市，开设不同类型餐馆的成功概率的确会大相径庭。
5、上海这座每天花掉差不多60亿元的城市
通过前1％人群和余下99％人群的消费对比，可以看到，前1％人群的刷卡支出高度集中在购房、理财、旅游、教育等领域，且刷卡金额远远超过余下99％在该领域支出额的总和。在零售行业，99％人群的支出总额第一次超过了前1％。那么，这余下的99％的人都把钱花到哪里去了呢？答案是：吃东西、收快递和办婚庆。
投资，才会让未来的自己变得更富有、更自信或者更强大。这一点无论对于个人还是城市，都毫无例外。 因此我想，对于上海而言，日常消费水平的高低也许并不重要，重要的是你把握住多少机会把平淡无奇的日常消费变为真正有价值的投资。这才是上海这座每天花掉差不多60亿元的城市带给每个消费者的最大的意义。
在衣食住行的日常花销当中，无论你是勤俭节约，精打细算，还是挥金如土，一掷千金，甚至可以在上海滩消费榜上名列前茅，这些也只是整个城市级支出金额中毫不起眼的一笔，并不能代表更多的意义。所以，真正有价值的支出，既不是日常流水，也不是声色犬马。那是什么呢？是投资。当然，投资并不是消费；但从目的上说，投资是为了获得收益，能够在未来更多的消费。同样是花钱，用作投资将比现时消费更有价值。投资金融，投资事业，投资房地产，投资教育，包括投资自己。
6、城市数据团工作方法简介
ython是一种编程语言，而且可能是最适合用于数据分析和数据挖掘的编程语言。在某些方面，Python甚至被称为数据分析和挖掘的终极武器。
数据团认为，在数据研究中，最最重要的始终是热情和创意。好的点子不常有，而能够表征这个点子的数据、分析这些数据的工具则比比皆是。如果你有着用数据探究某个问题的愿望、有着基本的数据处理技能，就可以行动起来。在数据分析过程中，思考问题、搜集数据、整理分析、提出新问题、学习新技能等多个阶段总是交替出现的。 换句话说，想要写好一篇数据类文章，或者做好一个数据分析，最最需要的是一颗想要通过数据认识世界的心；其次是一个创造性的脑洞；然后是严谨的逻辑；最后才是数据和技术。 最后，祝愿所有的数据爱好者都能找到适合自己的学习和工作方式。