你只知道大数据很厉害，可知道“小数据”也很关键

进入2012年，大数据（big data）一词越来越多地被提及。“大数据”指的是这样一种现象：互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大，以至于不能用G或T来衡量。大数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。正如《纽约时报》2012年2月的一篇专栏中所称：“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。 

时至今日，各行各业都在谈论并发展大数据，探索怎样利用大数据来为自身业务服务，深入挖掘潜在的商业价值，其中最重要的应用就是用户研究。用户研究的重要性就不用我说了，用户研究是以用户中心设计流程中的第一步，它帮助企业定义产品的目标用户群，是一种理解用户，将他们的目标、需求与品牌商业宗旨相匹配的理想方法。

大数据时代后，用户的一切日常行为似乎都是“数据化”的，用大数据进行用户研究（最典型的做法是“用户画像”）无疑是最好的办法。在建材家居行业，大数据的应用也已经十分普遍。

大数据在用户研究中很厉害。我们可以举一些使用大数据技术且比较有代表性的产品。

比如内容推荐，最具代表性的是今日头条，它正是运用了大数据技术来找到你喜欢的内容并且推荐给你；

比如物品推荐，淘宝、京东等电商网站会根据你的浏览行为进行分析，根据你的兴趣推荐给你相应的物品；

比如广告计算，百度、谷歌、腾讯，会根据广告主的价格和广告的效果计算广告的排序，以在流量中达到最好的变现效果；

比如信用评估，支付宝的芝麻信用加入人际关系、学历、车等等元素来评估你的信用值，给信用值高的人提供更好的服务；

……

千人千面、个性化推荐、用户行为偏好、用户生命周期跟踪、购物预测、精准广告，暂且不提大数据在其他领域的应用，仅仅就用户的研究而言，大数据可谓所向披靡，只要用户在平台上有足够多的动作，就会产生足够多的数据，这些数据碎片通过各种拼凑组合，就能描绘出用户各个维度的画像，从而能够支持到更多的应用。大数据在了解客户上的作用，可以用一句粗俗但生动的话来总结，就是“你一撅屁股我就知道你要拉什么屎”！当你对某个人或物接触多了，知道了对方足够多的信息，就能更了解这个事物并预测到它下一步动作。大数据处理技术正是这么个收集，处理，分析、识别、预测的过程。

大数据富有价值，但大数据也有缺陷，并不是解决一切问题的灵丹妙药。大数据擅长的是理性分析，而人类的决策过程中往往掺杂着直觉与感性，所以当涉及到用户深层的感知与动机时，大数据便显得捉襟见肘。无论是基于大数据统计，还是基于机器学习算法，也只是用户的行为结果，似乎无法解释用户的心理决策过程。

大数据的应对方法是通过贴标签将用户进行标识，但仅有行为标签还远远不够，如何提取出感性标签是一直困扰着大数据的难题。大数据的缺陷在于：

1、技术设备可以采集到大量以前无法收集到的数据，但这些数据中通常包含着大量的噪声——不同来源的数据记录并没有统一规范，由于采集方式的影响，不是所有的数据都准确。数据必须经过“清洗”，实现准确、可用。

2、数据本身并不会告诉企业应该如何决策，它需要在深入理解企业发展方向的基础上，采用合适的分析方式分析并解读相关含义。

3、企业内部存在数据孤岛，业务部门有数据积累，但没有打通，更谈不上挖掘利用。

4、基础设施的搭建和人才缺乏。在线上线下应用场景逐步融合的现在，企业需要投入大量资金进行基础设施的搭建，人才缺乏也是一个很大的限制因素。

综上，大数据在本质上仍然是量化研究，采集的主体数据仍是人们线上、线下的行为。它不能直接回答行为背后的驱动因素，也不能解释人们的态度、决策过程、作用体验等。大数据并不是叙述性的方式，在分析时不可避免地会损失很多细节。大数据可以抓出很多事实，但即很难捕捉诸如温暖、喜悦、期待，而这些，恰恰是“以用户为中心”的最重要的情感信息。

小数据（small data），或称个体资料，并不是指数据量小，而是围绕个人为中心全方位的数据。人产生的数据，包括生活习惯、社交、财务、行为等，被收集和利用进行分析，并对外形成一个富有个人色彩的数据系统。小数据的特点在于以单个人为对象，重点在于深度。 

大数据通常指的是大量结构化数据与非结构化数据的集合体，小数据通常指的是结构化数据，针对的目标用户也比较明确。从应用的角度来说，大数据和小数据具有以下几个主要的区别：

1、大数据重预测，小数据重决定。大数据的分析方式是自下而上的知识发现和预测过程，通过在一堆杂乱无章的数据中找到其背后的规律，所以大数据是从不确定性中找确定性。小数据分析通常会采用统计学方法，分析方式是自上而下。

2、大数据重感知，小数据重精准。大数据可以做整体上的感知，影响的范围更广，小数据通常更关注数据的真实性和代表性，更聚焦。大数据往往包含了众多真假难辨的数据，而小数据通常对于数据来源有严格的甄别，所以小数据更精准。

3、大数据重相关，小数据重因果。大数据通常更注重是什么而不纠结于为什么，通过相关性来给出问题的解决方案。小数据是结果导向，更注重现象背后的内在机理，更关注于为什么。

4、大数据重群体，小数据重个体。大数据的应用通常更注重群体性行为的分析结果，比如网络消费的大数据分析等，小数据往往更注重于个体的行为分析结果，个性化是小数据的重要特点。

小数据的获得，通常通过传统的调研方式，通过访谈、观察等方式获得，其在用户深层特性和动机的研究上仍有着一技之长，能很好地对大数据的结果进行补充解释。

 FGD（Focus Group Discuss 小组焦点座谈会）是常见的“小数据”收集方式。

如果说大数据关注的是总体和大致规律，那么小数据关注的则是个体和细腻的事实。小数据可以深入讨论所发生行为的前因后果、态度的形成过程、某个场景下所包含的细节因素。这些可以帮助我们在一堆杂志的原始材料中更高效地找出关键的、敏感的指标，为后续的数据建模和分析指明方向，提供依据。小数据可以帮助企业走近自己的用户，面对面了解他们的生活方式，近距离观察他们在真实场景中对产品的使用，更重要的是可以走进他们的内心，体会他们的喜悦与忧伤、期待与担心。

大数据不能取代对人的理解，越是在产品或服务设计的早期，越是倾向于使用小数据。要达成对事物的更深入理解，就需要把大数据思维和小数据细节相结合。

(作者：张涛)