大数据还是小数据？(1)

刘鹏

人有“高”“矮”之分，数据也有“大”“小”之别，在企业进行数字化转型中，“大数据”与“小数据”哪个才是优选正解？

在数字经济时代，数据成为媲美石油的新能源，建立数据思维，通过数据共享与数据挖掘，赋能各行各业已经成为普遍共识。毫不夸张地说，拥有数据才有话语权，“用数据说话”必将成为未来社会的基本规则。人有“高”“矮”之分，数据也有“大”“小”之别，在企业进行数字化转型中，“大数据”与“小数据”哪个才是优选正解？

预测未来的大数据，以人为本的小数据

在人们的认知范围内，耳熟能详的“大数据”似乎更为亲切些。对于“大数据”，美国权威研究机构Gartner曾这样描述：“大数据”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”的最大价值并不在于数据本身，而是那些通过数据挖掘与分析，加工而來的数据信息，它们能够实现数据“增值”，帮助预测未来趋势。

相较于“大数据”，“小数据”虽然不是“大数据”的小型化，但确实数据量较小，可以看作是大数据的补充与延伸。对于“小数据”的具体定义，目前暂无定论，有人认为它是基于抽样调查技术而来的“样本数据”，有人则认为它是以人为本的“个体数据”。在这里，我们更倾向于第二种解读。比如运动手环、智能手表、阅读推荐、消费分析等涉及的数据都可以看作是典型的“小数据”。

一直以来，美国康奈尔大学的德波哈尔·艾斯汀教授（Deborah Estrin）都被看作是察觉“小数据”及其价值的第一人，在其父亲去世前的几个月，虽然体检的各项医学指标并未显示异常，但是通过分析一些个体化的“小数据”，比如“买菜不那么勤了”、“邮件不爱发了”、“散步也越来越懒得去了”等，已经显示老人的生命体征在逐渐衰弱。

从对象范围来看，大数据主要对事物、行业等进行分析与挖掘应用，侧重于广度，帮助我们简化对世界的认知，同时根据已有的整体信息进行大局预测;而小数据则更多以具体的“个人”作为核心，侧重于深度，通过建立“量化的自我”为个人决策与发展提供参考。

大数据思维，小数据落地

虽然大数据与小数据都注重对数据进行分析，但大数据更多强调总体和大致规律，小数据则关注个体行为与事实，能够更为精准地呈现需求。虽然目前处于“言必称大数据”的时代，但不得不承认，充分利用大数据并没有那么简单，因为这不仅需要具备大数据本身，同时还要有大数据思维及大数据技术，任意一条的缺失都将成为大数据普及的阻碍。此外，虽然大数据可以整合量化的数据节点，描绘出完整的“数据画像”，但是不少大数据应用仍然停留在标签化的层面，忽略了个体的差异。

在马陵之战中，孙膑洞悉庞涓善于数据分析，制造“第一天10万灶，第二天5万灶，第三天只剩3万灶”的减灶假象迷惑对方，从而诱敌深入，一举击败庞涓及其率领的魏军。在这里，庞涓虽然注意到了“灶”这一大数据，却忽视了脚印等小数据分析，导致惨败，小数据细节的重要性也由此可见。

在《数据人类学》中，作者托马斯·克伦普直言：“数据的本质是人。数据产生于人类社会的各种活动，其价值也在于服务人类社会，让生活变得更加美好。”为此，以人为本的“小数据”似乎才是未来数据的发力点与落脚点。但是，大数据并非一无是处，小数据也并非完美无缺，在数据长河中，大数据与小数据是相辅相成的存在，充分结合二者才能熠熠生辉。数据拥有者不应热衷于追逐概念，而应以实际问题为准，精准定位碰到的数据业务场景。

对于企业而言，首先需要建设开放、共享的大数据平台，收集数据和进行分析挖掘，并进行大数据平台的整合，基于此为个人建立小数据库以及数据画像，提供个性化服务。具体到现实应用中，从市场开发到业务需求，再到数据沉淀，这是遵循先后顺序的完整流程，三者注定无法保持一致步调。甚至不得不承认，通常企业的应用开发速度远超过数据开发速度，继而带来了开发效率、团队协作等问题。对此，通过搭建可复用的“数据服务工厂”，进一步加快数据开发进程。

早前，华为就曾提出“平台炮火支撑精兵作战”战略。在业务开展中，构建应对未来风险和变化能力的基础与平台，抓住大数据思维与小数据场景，充分发挥大平台的集成性与灵活性，一旦确定目标，即通过大平台的“炮火群”，给予精准有效的支援，迅速响应瞬息万变的战场，“让听得到炮声的人能呼唤到炮火”。

值得一提的是，由此生成的各项客户服务始终与企业业务息息相关，可以说是企业业务和数据的沉淀，为该企业独有且能复用，大大降低了重复建设的成本，通过协同控制和协作，进一步提升了企业的差异化竞争优势。

建立数据中台，打通数据壁垒

那么在企业转型发展中，如何应用大数据与小数据，推动有价值的业务场景落地？“数据中台”成为了频繁提及的概念。

“数据中台”首先由阿里巴巴提出，近两年来受到互联网行业巨头的广泛青睐。阿里巴巴应用该“中间件”打通了淘宝和天猫的交易、支付等数据与服务;美团正在尝试打通美团、大众点评、摩拜等平台，构建数据中台;同时，字节跳动整合抖音、西瓜视频、火山小视频，正在构建“直播大中台”。

长期以来，企业的前台系统和后台系统犹如两个具有不同转速的轮子：前台既需要对前端用户做出快速响应，也需要实现创新迭代，所以转速越来越快;而后台对接后端资源，则因为系统与法律法规限制等，往往讲求稳定，速度自然较慢。

相较于前台和后台而言，数据中台是专门的数据层，搭建了连接前台和后台的桥梁，通过API的方式提供数据服务。从行业角度分析，可以将“数据中台”定义为“通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一标准和口径的中间层。”在具体操作过程中，数据中台将数据统一起来，减少内耗，并打造为标准数据进行存储和分析，形成口径、标准统一，且具有时效性、可靠性、稳定性的大数据资产层，通过API为客户提供高性能、高安全性的各项服务。

以员工管理为例，目前大数据企业新员工入职后，往往会面对支离破碎的各种资料与代码，无法了解公司的发展现状与全貌，而部分未及时更新的资料甚至会给新员工造成困惑与误解;部分员工在办理离职手续后，相应工号对应的业务系统却还在正常使用，让管理者不知所措。对此，应用数据中台可以让员工管理变得更加容易：通过“基础模型”，新人能够快速而系统地获取企业的基础数据能力;通过“标签库”，新人可以充分应用前辈留下的智慧成果，包括可复用的代码结构等;通过“管理职能模块”，以统一账号打通各个独立系统的联系，及时知晓员工状态与动向。

在数据中台的建设中，一方面，需要统一管理与把控企业内部的工作和客户，维护内部数据，提升企业小数据利用率;另一方面，也需引入与调用外部大数据源，注重大数据关注的行业总体趋势。

在内部小数据管理方面，越来越多企业倾向于解放人工劳动，建立属于企业的管理系统，并通过数据挖掘与分析，进一步推动企业发展。比如，现在广受欢迎的WES工作效率系统与CDS客户拓展系统，都是基于以上逻辑思路设计开发而来。WES工作效率系统通过量化的项目管理，记录企业部门与员工每天/每周/每月的工作进度与工作效率，并以一目了然的图表予以呈现：管理者通过WES快速概览，根据优先级确定员工、部门以及项目的工作进展，把握公司动态，节约大量时间与精力。对于在外出差的商务人员，很多时候企业负责人无法掌握他们的工作进度，如果商务人员离职，企业还将面临客户资源被带走的巨大损失。CDS客户拓展系统可以帮助完整记录客户单位、联系方式、需求意向等信息，同时实现账号管理，即使市场人员离职，在回收的账号里完整保留了所有客户信息和跟踪进度，对于企业影响甚微。

此外，数据中台还需进一步调用外部的数据资源。比如阿里数据，在队内统一数据服务和数据产品的同时，对外开放阿里数据能力，赋能千万商家、中小企业、创业者以及社会大众。统一数据建设、管理、服务，以大数据的“水电煤”服务阿里外部千万用户和内部业务，每天被扫描的数据量相当于2000萬部高清电影。

在阿里数据之外，还有更多专注于细分领域的数据共享服务平台，如环境云作为环境大数据开放平台，通过大规模部建各类环境监测传感器广泛采集数据，同时集成第三方专业数据源发布的数据，推出了一系列功能丰富、便捷易用的综合环境数据REST API，为环境应用开发者提供丰富可靠的气象、环境、灾害以及地理数据服务。此外，环境云还提供了历史数据报表下载，并向公众展示环境实况。目前，环境云收录的环境数据已经远超9亿条。