1. 运维检测的本质是对类生命事物的状态检测和对其环境变化的监测，及分析；

2. 数据获取的前提是，对监测对象进行个体的建模，而且监测对象的数量足够大，而且这个数据模形是有价值的；

3. 大数据的目的是对数据进行收集和存储，最有价值的是共享，让大多人利用，但纯数据是没有价值，需要按一定的模形，转换为信息。

4.进行数据分析与可视化作为职业规划是非常棒的，数据视化模式分析的价值直接为决策提供参考，直接影响决策，可以产生直接的价值，待偶及可增长性是有的。而且数据分析直接接触业务模形及数据分析的算法，从中可以得到很有价值的知识。问题，怎么获取那么多的数据，怎么存储和分析。

5. goolge是对www的数据进行抓取，分析处理后，转换为信息，放给大众使用，从而产生价值，再而获得体现自身价值的财富。而www数据，只是广大数据的其中一个方面。

6.对自然数据的最可能运用，是对生物生命运动状态的检测，及对自然条件变化的监测。

7. 业务模式可类似google， 开放底层的硬件终端，让广大用户使用，让用户产生数据，从数据里面得到业务模形，再从中获利，其实这才是最有潜力获利，最有眼光的一招。相信高德导航免费开放其搜索也这么一会事。他们要把市场做大，再考虑挣钱的事。google的安卓开发，也是这么一会事。

8. 关于最终效果与做事实现的方式进行分离的好处。有些人，对EX得有很深的认识和灵敏度，但有些人，很擅长技术的实现，分离这两个方面，对把一个产品做到至优秀是非常有必要的。但里面有一个分工合作及分配的问题。最理想的情况是，EX是负责出资源的人，或由其负责市场，技术实现人，技术必要非常的强悍，极至的极客，对EX有认可。例如界面和程序的分离。

9. 所有权和管理权必须分离，类似军权和行政权分离是一样的道理，这是做事的企业所必须的。如果所有权和管理权不分离，当出来分歧时，各自就会把资源拿走，那还做什么事。有所有资源统一的管理人，才可以统一资源做大事。不必做事时，向每个人都请求资源，那样的效率太低。所有权管分配，这是公平的。

10. 个人的信誉和影响力，即使个人想法是非常正确的，但是别人不理解的情况下，唯一可以信的就是个人的影响力和信誉。在某种力量龚断的大背影下，想要从零获得资源以获得影响力，那几乎是不可能的。在这样的环境下，这个社会是很不健康的。没有能力改变的人，只能选择离开。这就是我为为什么离开的原因。

11. 在数据的存储和计算方面，如果是可以用钱加硬件解决的问题，都不是问题，如果仅是量的方面增加，而不是质上面的改变，那是增加机器的问题，即后面运维的问题，而不是设计的问题。

12.对数据与事务的安全性，可以通过分布式来解决。goolge就是那样做的，在普通廉价的极有很大崩溃机率的pc上，可增加分布式机器的方式去实现，这是可靠机率的算法来解决这个问题，而不是很高要求的硬件上面做处理。机器的损坏是必须是可能发现的，最好的实现数据安全的方式是通过分式布，可靠性机率的相乘来提高可靠性