知道＂是什麼＂就夠了，沒必要知道＂為什麼＂。在大資料時代，我們不必非得知道現象背後的原因，而是讓資料自己＂發聲＂。這個命題是我讀這本書最大的感觸。
對於大多數人來說，這的確是一場思維變革。對於理科學生來說，會認為這是一個錯誤的觀點，因為這無異於否定了他們對世界客觀物理化學規律探索的重要性；對於一名工科學生，其實這並不是一個多麼新穎的觀點，因為工科是講求時用性的，如何能更好地利用基本自然科學規律創造社會財富比探索自然科學知識顯得更重要。
這些天來，在讀大資料這本書的同時，也稍微重溫了一下自動控制原理，認識到控制系統中存在明顯的大資料時代思維方式，借讀書交流會之際，與大家分享。
對系統的有效控制需要對系統理解與建模。以一個日常生活中的例子說明。開車的時候一腳油門下去車就飛出去了，但並不知道這一腳油門下去能給多大車速，這就需要駕駛人員的熟練的駕駛技能了，不然超速被開罰單是很正常的。那麼，問題就來了：如何能實現速度的自動控制而不用駕駛人員踩油門？這就是控制系統最關鍵的環節——建立系統數學模型。大白話就是知道車速與燃油量的數學關係式。若是以探索為什麼的思維模式，不可避免的要列一大堆能量方程、動量方程等物理化學式子，經過繁雜的計算，還是能得到車速和燃油量的數學關係式的。很明顯這是一個繁瑣的過程，因為得知道現象背後的原因。這僅是對於這種簡單的.系統，若是對於航空發動機這種複雜的系統，結構工藝過於複雜，分析各部分的物理化學過程是十分困難的，這時候可以通過實驗法得到數學模型。
實驗法主要有時域測定法、頻域測定法和統計相關法。與大資料時代思維最接近的是統計相關法，主要過程是對被研究物件施加某種隨機訊號，根據被測物件各引數的變化，採用統計相關法確定被測系統或物件的動態特性。這種方法可以在被測系統或生產過程正常執行狀態下進行線上辨識，測試結果精度較高，但要求採集大量測試資料，並需要相關儀和計算機進行資料計算和處理。
若用開車例項來解釋，此時的系統為汽車動力系統，施加的隨機訊號為燃油量，被測物件指車轉速，得到的動態特性就是指車速與燃油量函式關係式，從而不用探求背後的物理化學規律就得到了數學模型。
在瀋陽黎明航空公司實習時去過試車間，除了發動機點火後震撼的場景動人心魄，控制室螢幕上海量的資料也同樣引人注目，我想這麼多資料無非就是驗證數學模型或直接實驗法得到數學模型，結合航空發動機這種複雜的系統，對於搞控制的人來說，得到數學模型就夠了，現象背後的原因交給研發的人來探索更好。