大數據還是小數據？(1)

劉鵬

人有“高”“矮”之分，數據也有“大”“小”之別，在企業進行數字化轉型中，“大數據”與“小數據”哪個才是優選正解？

在數字經濟時代，數據成為媲美石油的新能源，建立數據思維，通過數據共享與數據挖掘，賦能各行各業已經成為普遍共識。毫不夸張地說，擁有數據才有話語權，“用數據說話”必將成為未來社會的基本規則。人有“高”“矮”之分，數據也有“大”“小”之別，在企業進行數字化轉型中，“大數據”與“小數據”哪個才是優選正解？

預測未來的大數據，以人為本的小數據

在人們的認知范圍內，耳熟能詳的“大數據”似乎更為親切些。對于“大數據”，美國權威研究機構Gartner曾這樣描述：“大數據”是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產?！按髷祿钡淖畲髢r值并不在于數據本身，而是那些通過數據挖掘與分析，加工而來的數據信息，它們能夠實現數據“增值”，幫助預測未來趨勢。

相較于“大數據”，“小數據”雖然不是“大數據”的小型化，但確實數據量較小，可以看作是大數據的補充與延伸。對于“小數據”的具體定義，目前暫無定論，有人認為它是基于抽樣調查技術而來的“樣本數據”，有人則認為它是以人為本的“個體數據”。在這里，我們更傾向于第二種解讀。比如運動手環、智能手表、閱讀推薦、消費分析等涉及的數據都可以看作是典型的“小數據”。

一直以來，美國康奈爾大學的德波哈爾·艾斯汀教授（Deborah Estrin）都被看作是察覺“小數據”及其價值的第一人，在其父親去世前的幾個月，雖然體檢的各項醫學指標并未顯示異常，但是通過分析一些個體化的“小數據”，比如“買菜不那么勤了”、“郵件不愛發了”、“散步也越來越懶得去了”等，已經顯示老人的生命體征在逐漸衰弱。

從對象范圍來看，大數據主要對事物、行業等進行分析與挖掘應用，側重于廣度，幫助我們簡化對世界的認知，同時根據已有的整體信息進行大局預測;而小數據則更多以具體的“個人”作為核心，側重于深度，通過建立“量化的自我”為個人決策與發展提供參考。

大數據思維，小數據落地

雖然大數據與小數據都注重對數據進行分析，但大數據更多強調總體和大致規律，小數據則關注個體行為與事實，能夠更為精準地呈現需求。雖然目前處于“言必稱大數據”的時代，但不得不承認，充分利用大數據并沒有那么簡單，因為這不僅需要具備大數據本身，同時還要有大數據思維及大數據技術，任意一條的缺失都將成為大數據普及的阻礙。此外，雖然大數據可以整合量化的數據節點，描繪出完整的“數據畫像”，但是不少大數據應用仍然停留在標簽化的層面，忽略了個體的差異。

在馬陵之戰中，孫臏洞悉龐涓善于數據分析，制造“第一天10萬灶，第二天5萬灶，第三天只剩3萬灶”的減灶假象迷惑對方，從而誘敵深入，一舉擊敗龐涓及其率領的魏軍。在這里，龐涓雖然注意到了“灶”這一大數據，卻忽視了腳印等小數據分析，導致慘敗，小數據細節的重要性也由此可見。

在《數據人類學》中，作者托馬斯·克倫普直言：“數據的本質是人。數據產生于人類社會的各種活動，其價值也在于服務人類社會，讓生活變得更加美好。”為此，以人為本的“小數據”似乎才是未來數據的發力點與落腳點。但是，大數據并非一無是處，小數據也并非完美無缺，在數據長河中，大數據與小數據是相輔相成的存在，充分結合二者才能熠熠生輝。數據擁有者不應熱衷于追逐概念，而應以實際問題為準，精準定位碰到的數據業務場景。

對于企業而言，首先需要建設開放、共享的大數據平臺，收集數據和進行分析挖掘，并進行大數據平臺的整合，基于此為個人建立小數據庫以及數據畫像，提供個性化服務。具體到現實應用中，從市場開發到業務需求，再到數據沉淀，這是遵循先后順序的完整流程，三者注定無法保持一致步調。甚至不得不承認，通常企業的應用開發速度遠超過數據開發速度，繼而帶來了開發效率、團隊協作等問題。對此，通過搭建可復用的“數據服務工廠”，進一步加快數據開發進程。

早前，華為就曾提出“平臺炮火支撐精兵作戰”戰略。在業務開展中，構建應對未來風險和變化能力的基礎與平臺，抓住大數據思維與小數據場景，充分發揮大平臺的集成性與靈活性，一旦確定目標，即通過大平臺的“炮火群”，給予精準有效的支援，迅速響應瞬息萬變的戰場，“讓聽得到炮聲的人能呼喚到炮火”。

值得一提的是，由此生成的各項客戶服務始終與企業業務息息相關，可以說是企業業務和數據的沉淀，為該企業獨有且能復用，大大降低了重復建設的成本，通過協同控制和協作，進一步提升了企業的差異化競爭優勢。

建立數據中臺，打通數據壁壘

那么在企業轉型發展中，如何應用大數據與小數據，推動有價值的業務場景落地？“數據中臺”成為了頻繁提及的概念。

“數據中臺”首先由阿里巴巴提出，近兩年來受到互聯網行業巨頭的廣泛青睞。阿里巴巴應用該“中間件”打通了淘寶和天貓的交易、支付等數據與服務;美團正在嘗試打通美團、大眾點評、摩拜等平臺，構建數據中臺;同時，字節跳動整合抖音、西瓜視頻、火山小視頻，正在構建“直播大中臺”。

長期以來，企業的前臺系統和后臺系統猶如兩個具有不同轉速的輪子：前臺既需要對前端用戶做出快速響應，也需要實現創新迭代，所以轉速越來越快;而后臺對接后端資源，則因為系統與法律法規限制等，往往講求穩定，速度自然較慢。

相較于前臺和后臺而言，數據中臺是專門的數據層，搭建了連接前臺和后臺的橋梁，通過API的方式提供數據服務。從行業角度分析，可以將“數據中臺”定義為“通過數據技術，對海量數據進行采集、計算、存儲、加工，同時統一標準和口徑的中間層?！痹诰唧w操作過程中，數據中臺將數據統一起來，減少內耗，并打造為標準數據進行存儲和分析，形成口徑、標準統一，且具有時效性、可靠性、穩定性的大數據資產層，通過API為客戶提供高性能、高安全性的各項服務。

以員工管理為例，目前大數據企業新員工入職后，往往會面對支離破碎的各種資料與代碼，無法了解公司的發展現狀與全貌，而部分未及時更新的資料甚至會給新員工造成困惑與誤解;部分員工在辦理離職手續后，相應工號對應的業務系統卻還在正常使用，讓管理者不知所措。對此，應用數據中臺可以讓員工管理變得更加容易：通過“基礎模型”，新人能夠快速而系統地獲取企業的基礎數據能力;通過“標簽庫”，新人可以充分應用前輩留下的智慧成果，包括可復用的代碼結構等;通過“管理職能模塊”，以統一賬號打通各個獨立系統的聯系，及時知曉員工狀態與動向。

在數據中臺的建設中，一方面，需要統一管理與把控企業內部的工作和客戶，維護內部數據，提升企業小數據利用率;另一方面，也需引入與調用外部大數據源，注重大數據關注的行業總體趨勢。

在內部小數據管理方面，越來越多企業傾向于解放人工勞動，建立屬于企業的管理系統，并通過數據挖掘與分析，進一步推動企業發展。比如，現在廣受歡迎的WES工作效率系統與CDS客戶拓展系統，都是基于以上邏輯思路設計開發而來。WES工作效率系統通過量化的項目管理，記錄企業部門與員工每天/每周/每月的工作進度與工作效率，并以一目了然的圖表予以呈現：管理者通過WES快速概覽，根據優先級確定員工、部門以及項目的工作進展，把握公司動態，節約大量時間與精力。對于在外出差的商務人員，很多時候企業負責人無法掌握他們的工作進度，如果商務人員離職，企業還將面臨客戶資源被帶走的巨大損失。CDS客戶拓展系統可以幫助完整記錄客戶單位、聯系方式、需求意向等信息，同時實現賬號管理，即使市場人員離職，在回收的賬號里完整保留了所有客戶信息和跟蹤進度，對于企業影響甚微。

此外，數據中臺還需進一步調用外部的數據資源。比如阿里數據，在隊內統一數據服務和數據產品的同時，對外開放阿里數據能力，賦能千萬商家、中小企業、創業者以及社會大眾。統一數據建設、管理、服務，以大數據的“水電煤”服務阿里外部千萬用戶和內部業務，每天被掃描的數據量相當于2000萬部高清電影。

在阿里數據之外，還有更多專注于細分領域的數據共享服務平臺，如環境云作為環境大數據開放平臺，通過大規模部建各類環境監測傳感器廣泛采集數據，同時集成第三方專業數據源發布的數據，推出了一系列功能豐富、便捷易用的綜合環境數據REST API，為環境應用開發者提供豐富可靠的氣象、環境、災害以及地理數據服務。此外，環境云還提供了歷史數據報表下載，并向公眾展示環境實況。目前，環境云收錄的環境數據已經遠超9億條。