1、大和小的理解
为什么叫计算机思维呢？不是计算机真的有思维，而是这种思维方式伴随计算机出现的，与常人思维方式完全不同。
人类的脑力有限，对复杂的、数量庞大的东西没有太大感觉，很多东西说不明白，只有定量分析，而没有定性分析。在围棋的世界里，本质上一个点只有三种可能：黑子、白子或空白，共361个点，因此整个棋盘的可能性是有限的：3^361=2*10^27种情况。AlphaGo为什么能赢？是因为在他的世界里这些可能性都在考虑范围内，但这么庞大的数据对于人类，太复杂了，能够搞清楚其中一小部分的，就很聪明了。
反思：
在日常的工作和生活中，遇到较大数据的我们是怎么做的呢？
例一
厂区里面各种过滤器滤芯型号不一致，有的人能够记住一个型号，有的人能够记住两个，其实用一个Excel就解决了所有的问题，但就像AlphaGo的工程师在前期给它输入大量的信息一样，我们的工作也在前期采集、输入大量正确的逻辑和数据。
在这里面，如何分类是一门大学问。类别越细，需要填的信息越多，但查阅的时候越方便。做一个设想，如果是一个10倍于我们大的厂子，它的过滤器又是如何管理的呢？
在一个小样本里面能够管理得好，遇到大样本有可能会慌，反之则不然，在有可能定量分析的情况下，尽量定量分析，发现不足并及时从方法论上修正，才能从思维层面提高。
例二：
有10装鞋子的人，和有100 双鞋子的人，以及10000双鞋子的人，管理是不一样的。
拿车牌号来说，先是省级行政区（34），然后市级代号（26个英文字母），然后五位编号，纯数字不行的话可以换字母，每换一个字母直接将样本的数量扩大到2.6倍，妙哉。
在我管理公司的安全阀和压力容器台账时，首先就是对其进行采集数据并编号，但是自己在编号的过程中只想到了数字，未加上字母，导致明确性有一定地下降。实际上，在我们能够接触的范围内，字母+两位数的组合已经足够用了。
小结：
在计算机这个领域里，几乎任何常见的问题都已经有了优化过的答案。在化工领域里，也发展了这么久，对自己遇到的绝大多数问题，也有了相对严谨的解决方法。提高效率很重要，重复性地统计太浪费时间啦。
对于企业，提前把自己定义在大数世界里，才能建立更有竞争力的商业模式。作为个人，们必须升级思维方式，才能适应增长迅速的大数世界，成为新时代前2%的受益者。
2、全局和局部
人在做事情时，先于自己的认知，通常得到的是局部最佳，失去对全局的优化的可能性。由于计算机有处理大数的能力，以及是自顶向下的做事方式，更容易得到全局最佳。
3、等价性原则
4、模块化原则
