大數據時(shí)代的小數據營(yíng)銷(xiāo)過(guò)時(shí)了嗎？【小數據營(yíng)銷(xiāo)三篇之一】

2013年1月，維克托的《大數據時(shí)代》出版，由于正逢互聯(lián)網(wǎng)思維、大數據、云計算、移動(dòng)互聯(lián)網(wǎng)等新概念的風(fēng)起云涌，這件遠涉重洋來(lái)到中國的舶來(lái)品，一時(shí)引得洛陽(yáng)紙貴。

從維克托界定的大數據使用的三個(gè)原則來(lái)看（要整體不要抽樣；要效率不要絕對精確；要相關(guān)不要因果），大數據的界定似乎正是針對小數據使用缺陷來(lái)界定的，而這些所謂的缺陷正是我們線(xiàn)下傳統數據收集和處理的基本原則。

在大數據大行其道之時(shí)，我們積累了幾十年、上百年的小數據處理方法是否就意味著(zhù)過(guò)時(shí)了呢？

要回答這個(gè)問(wèn)題，我們還是要先從小數據的定義入手。

目前網(wǎng)絡(luò )和行業(yè)都缺乏對小數據的標準定義，在美國、乃至臺灣有一種關(guān)于小數據的定義，認為相對于服務(wù)趨勢和戰略的大數據而言，那些服務(wù)于個(gè)體而形成的數據指標，應該稱(chēng)之為小數據。舉例來(lái)說(shuō)，谷歌根據人們在搜索引擎使用的關(guān)鍵詞的相關(guān)性，判斷H1N1流感趨勢，為衛生防疫部門(mén)提供預防決策屬于大數據的典型應用；而耐克和蘋(píng)果合作開(kāi)發(fā)的“Nike+”軟件，為個(gè)人的健康和鍛煉提供的數據指標和參考，就屬于小數據的典型范疇。

我想說(shuō)的是，如果從維克托的大數據使用的三個(gè)原則和標準，我們可以清楚的看到，他所意指的小數據更多的是我們沿用傳統方法收集和整理的數據。而這本書(shū)的序作者之一的謝文也明確表示，在互聯(lián)網(wǎng)技術(shù)席卷的今天，整個(gè)世界會(huì )明顯地劃分為大數據時(shí)代、小數據時(shí)代、無(wú)數據時(shí)代，小數據的時(shí)代指向更加明顯。

所以，我們定義的小數據，應該是在信息和數據不完整的情況下，通過(guò)科學(xué)抽樣和技術(shù)調整，為個(gè)體或某類(lèi)具體問(wèn)題提供數據參考的數據包。

弄清楚了小數據的定義，我們來(lái)看看小數據相對于大數據，是不是真的已經(jīng)out了？

一、整體數據是不是一定優(yōu)于抽樣數據？

互聯(lián)網(wǎng)技術(shù)的發(fā)展，為收集整體數據而產(chǎn)生的成本下降直至忽略不計提供了可能，而傳統數據的收集方法是在平衡成本和精確之下，選擇規范的抽樣方法，兩者在數量級的比較上就不在一個(gè)體量級。從統計的精確度上來(lái)說(shuō)，數據越大，精確度越高，結果也會(huì )更加逼近于真相。當年傳統的數據處理，正是受制于數據越多成本越大，或者某些現實(shí)條件，無(wú)法窮盡數據，才不得已采取了抽樣分析的折中辦法。從數量的角度講，大數據確實(shí)要優(yōu)于小數據。

但是，小數據分析方法，比如樣本方差，盡可能用各類(lèi)參數將樣本與整體之間的差異縮小，讓結果無(wú)限逼近真實(shí)，在趨勢和策略判斷上，抽樣判斷和整體判斷，其實(shí)很多時(shí)候都是五十步和一百步的區別；另一方面，小數據時(shí)代積累的各類(lèi)數據處理方法，也仍然是大數據時(shí)代數據處理的基礎和原則，拋棄小數據來(lái)談大數據，大數據也將是無(wú)源之水、無(wú)本之木。

二、小數據處理數據的原則是效率優(yōu)先、精確為輔。

大數據使用的第二個(gè)原則追求效率而不是絕對精確，需要重點(diǎn)提到的是，小數據處理體系的存在，正是建立在追求效率而不是絕對精確之上。小數據營(yíng)銷(xiāo)一般是針對某類(lèi)具體問(wèn)題，在特定的時(shí)間段里，需要開(kāi)展數據的收集、整理和分析，并得出結論以做行動(dòng)參考。小數據營(yíng)銷(xiāo)更符合實(shí)戰營(yíng)銷(xiāo)中，不可能在信息完整情況下再進(jìn)行判斷的現實(shí)。今天乃至以后很長(cháng)一段時(shí)間的營(yíng)銷(xiāo)現實(shí)是：我們必須在競爭對手信息不完整、消費者信息不完整、市場(chǎng)信息不完整等諸多現實(shí)情況下，在指定的時(shí)間前，做出判斷和決策，并付諸于行動(dòng)。時(shí)機就是戰機，等到所有信息都完整了，黃花菜也涼了。所以，小數據才會(huì )有用抽樣代替整體的選擇。

另一個(gè)現實(shí)情況是，在現階段甚至很長(cháng)的一段時(shí)間里，靠互聯(lián)網(wǎng)自動(dòng)采集所有數據還不現實(shí)，技術(shù)的發(fā)展和普及需要時(shí)間，很多數據還無(wú)法實(shí)現網(wǎng)絡(luò )化，比如因為現實(shí)的財務(wù)、稅務(wù)問(wèn)題，采集經(jīng)銷(xiāo)商的數據就一直是個(gè)難點(diǎn)，ERP喊了多少年，進(jìn)銷(xiāo)存喊了多少年，在上了系統的企業(yè)里面，經(jīng)銷(xiāo)商的相關(guān)數據有多少水分，每個(gè)企業(yè)都心知肚明。

三、小數據具體問(wèn)題的個(gè)性化處理，更偏重于因果關(guān)系而不是相關(guān)關(guān)系。

維克托提到大數據的第三個(gè)原則，就是大數據更注重相關(guān)關(guān)系而不是因果關(guān)系，即兩組數據的相關(guān)性是數據處理的第一要務(wù)，至于為什么相關(guān)，這個(gè)問(wèn)題交給計算機自己處理。相關(guān)性和因果性，孰輕孰重，《大數據時(shí)代》的譯者周濤也曾表達了不同觀(guān)點(diǎn)。我們常說(shuō)某人讀書(shū)不求甚解，通常是指其知其然，而不知其所以然。今天大數據將“所以然”的東西交給計算機，使用者只對“然”負責，我和朋友調侃說(shuō)，這也許是機器統治人類(lèi)的第一步。

在高度繁榮的信息社會(huì )，你要確保計算機“所以然”是可控的，得有兩個(gè)前提：一個(gè)是計算編程的邏輯在開(kāi)始設定時(shí)就是正確的；一個(gè)是機器進(jìn)行海量數據處理時(shí)，自身不會(huì )因為“疲勞”等因素造成計算錯誤，而這正是大數據面臨的問(wèn)題。

小數據由于是針對特定問(wèn)題開(kāi)展的數據收集、處理和分析，人的因素比較大，大數據的短處正好成為了TA的長(cháng)處，在數據的處理過(guò)程當中，目的的指向性和人與數據的互動(dòng)會(huì )更加有效。

關(guān)于大數據相關(guān)性的問(wèn)題，我曾看到一個(gè)網(wǎng)上的段子，問(wèn)影響人壽命長(cháng)短的因素有哪些，有人通過(guò)相關(guān)分析得出，一個(gè)人慶祝生日的次數與壽命的長(cháng)短成正比，換句話(huà)說(shuō)，一個(gè)人要長(cháng)壽就要多慶祝生日。稍有常識的人，都知道這是一個(gè)逗比的笑話(huà)，但是當計算機給出其他的錯誤相關(guān)結果時(shí)，我們有多少人能夠用常識判斷出，這是否是又一個(gè)逗比的結果？

用小數據抵制甚至漠視大數據時(shí)代的到來(lái)，是逆潮流而動(dòng)的掩耳盜鈴；但用大數據時(shí)代來(lái)否認小數據的價(jià)值，是將大數據的歷史和未來(lái)進(jìn)行割裂，依然停留在偽數據時(shí)代。