企业数字化转型：大数据还是小数据

何明智

在大数据时代下，大数据与小数据不是相互对立的关系，而是相互依托的统一体，两者在各自层面发挥不同价值和作用。

当前，我国正经历向数字经济迈进的新历史阶段，数字要素驱动下的数字化理念和商业模式不断革新，正促使我国企业积极布局数字化转型战略。但当下，我国多数企业对大数据应用深度不够，数据资源潜力释放不足，数据价值尚未充分挖掘，大数据作为新型生产要素的驱动作用并不明显，相反，很多企业仍将以小数据视为企业最重要的数据资源。大数据时代，对企业而言，是大数据还是小数据更具价值？本文认为，在大数据时代下，大数据与小数据不是相互对立的关系，而是相互依托的统一体，两者在各自层面发挥不同价值和作用。将大数据与小数据分析有机结合，促进大数据和小数据融合应用，充分挖掘数据资源的内在价值，能有效解决企业数字化转型遭遇的痛点问题。

大数据与小数据的基本区分

大数据（big data），又称巨量数据集合，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据具有“5V”特征，即大体量性（Volume）、多样性（Variety）、高增长性（Velocity）、高价值（Value）和真实性（Veracity）。大数据本身并不产生价值，只有通过分析容量巨大、构成复杂的海量数据进而挖掘其中有用信息之后，大数据的价值才能得以展现。

小数据（small data），并非指小规模数据，它是指以特定对象为中心、以回应特定需求为导向、以解决特定问题为目的，具有多源性、异质性、动态性、全息性的数据集以及相关的数据采集、处理、分析和人机交互的思维方式及数据处理方法。小数据是可用于支撑企业智能决策的高质量数据，无需复杂算法、昂贵成本，任何企业都可以实现对小数据的分析应用。

大数据与小数据并非对立关系，而是统一体。小数据是大数据的一个侧面，通过对小数据进行汇集、扩展和链接形成更大的数据集后，小数据将变得越来越趋近于大数据，同时，小数据从中微观层面深度挖掘信息的数据处理范式，能够有效弥补大数据在应对特定场景、针对具体目标、满足特殊需求方面的缺陷和不足。

大数据与小数据挖掘数据价值各有千秋

（一）大数据挖掘不特定数据的潜在价值，小数据释放特定数据的显性价值

从数据处理对象方面看，大数据有能力对海量非结构化数据和半结构化数据进行处理分析，对企业充分挖掘企业内部管理数据及用户数据的潜在价值具有重要意义。根据IDC报告，企业中80%的数据都是非结构化数据，且每年都按指数增长60%，但目前这些数据尚处于沉睡状态，造成极大的数据资源浪费，大数据利用可视化工具分析非结构化数据能帮助企业快速地认知现状、显示趋势并识别新问题。

小数据则是围绕企业特定目标、瞄准特定问题而建立数据处理分析系统，它一般处理具有高价值性、高精确性及动态性结构化数据，对企业进行高效、精准的商业管理决策具有重要意义。例如，在个人穿戴智能传感器应用场景下，小数据对特定个人的生理、活动、健康状况等“自我量化数据”进行分析，通过挖掘用户特定需求来提供个性化服务。

（二）大数据基于相关关系发现规律，小数据依托因果关系验证规律

从数据分析逻辑方面看，大数据的核心特征和其革命性在于，仅仅基于海量数据之间的相关关系，便可发掘数据内蕴藏的规律进而对未来进行预测，而无需认知规律背后的原因。这种通过数据发现问题的全新范式，完全不同于传统上的逻辑推理和经验归纳方法，为人类认知开辟了新天地。在实际应用中，大数据能为企业提供智能化决策能力，提高运行效率和风险管理能力，实现精准营销、预测性维护等大数据应用，比如美国沃尔玛超市利用“啤酒+尿布”的相关性分析进而促使啤酒销量大幅增加，便是大数据依靠相关关系的成功案例。随着人工智能技术的发展，基于机器学习辅助决策的大数据应用价值将进一步凸显。

小数据基于因果关系进行预测，是一种自上而下的论证和决策过程，通过数据分析为企业决策提供因果解释的依据。基于大数据的相关性分析虽取代了直觉决策，但仍难以避免出现错误预测，其后的因果关系验证过程对企业避免风险、正确决策仍然至关重要。例如，旧金山地区卫生部门通过大数据分析发现，艾滋病率会随着同性恋人群肝病发病率上升而上升，但实际上，这种正相关性的大数据预测失败了，通过小数据调查才发现背后的真相，同性恋群体反而更为注重避免交叉感染。

融合大数据与小数据，助力企业破解数字化转型难题

（一）大数据驱动企业转型困境

大数据时代，企业力争利用大数据推动数字化转型，然而数字化转型效果并不显著。埃森哲研究显示，目前，80%以上的中国企业尚未摸清数字化转型的路径，仅有4%的中国制造企业释放了数据潜力，成功将数字化转型投入转化成为业务成果。大数据驱动企业数字化转型依然面临如下问题：

一是大数据分析处理存在性能瓶颈。企业面临PB级甚至EB级数据的处理需求时，企业传统架构在大数据应用过程中遭遇严重的性能瓶颈，难以对大数据进行高效分析处理，此外，算法、算力发展不足也限制了大数据的分析处理能力。二是企业大数据应用与实际业务需求间存在脱节。企业在大数据解决方案设计过程中，面临技术与业务协同困难、产品供给与需求不匹配的现象，严重制约企业产品服务的数字化创新。据统计，仅有8%的企业能够基于可采集用户行为数据的智能产品终端，通过大数据分析提供创新服务。三是各企业间数字化协同发展水平不高。企业数据能力及业务需求的不同增加了企业间数字化协同发展的复杂度，大型龙头企业、中小型企业、技术创新型企业对大数据应用的需求和投入差别巨大，企业数字化协同转型的效果并不明显。当前，大数据应用主要聚焦在阿里巴巴、腾讯、网易等大型互联网企业，中小企业由于拥有数据量小、大数据应用成本高等原因，处于大数据“弱势”地位。

（二）推动大数据与小数据融合应用

大数据为企业数字化转型带来前所未有的机遇，但大数据尚处于发展的初级阶段，只有与小数据融合发展，才能更好促进大数据应用落地。

一是“关联+因果”，辅助企业数字化管理决策。企业内部生成的数据正成为无处不在的战略资产，数据驱动管理决策时企业数字化转型的关键之一。一方面，运用大数据驱动企业财务管理、人力资源管理等领域数字化，同时，构建企业内部各职能部门的数据共享平台、数据决策平台，为企业决策构建决策基础、提供初步决策方案;另一方面，小数据利用大数据预测结果进行迭代分析，并针对具体的决策目标提供定向性、精确性分析，确保企业高效做出合理性和一致性的决策。大数据和小数据相结合，将有效提升管理效益，促进决策效率。

二是“感知+需求”，实现个性化服务创新。提供新型数字化产品服务是企业数字化转型的核心动能。一方面，利用大数据分析进行个性化精准营销，对多维度数据信息的挖掘分析，精准定位用户需求、行为偏好，为用户提供个性化、智能化服务。另一方面，利用小数据为产品或服务进行市场精确定位，精准挖掘优势产品和潜力服务项目，深度提升用户触达率和用户黏性，围绕特定对象需求提供全方位、动态实时的个性化服务。

三是“平台+价值”，促进数字化生态构建。发挥大企业的大数据技术能力及數据资源优势，面向中小企业打造数据管理应用、技术服务支撑等平台，构建大中小企业数字化协同转型生态系统圈，逐步形成大中小企业各具优势、竞相创新、梯次发展的数字化产业格局，推动企业间大数据和小数据融通应用、产业链各环节良性互动、营造数据融合的生态环境。