大數據技術的出現帶給人們的思維方式、行為方式、媒體傳播方式及社會治理方式等都諸多方面帶來了革命性的變革。《大數據時代》一書中認為：“在大數據時代，我們正經歷著一場生活、工作與思維的大變革。我們沒必要知道現象背后的原因，而是讓數據自己發聲。”與大數據相比，小數據就是個體化的數據，相對于大數據分析，小數據更注重的是精確和實用。本期小銳帶大家一起走進大數據的世界，在大數據中看小數據。

1. 大數據與小數據

大數據

美國知名研究機構 Gartner 對于“大數據”（Big Data）給出了這樣的定義 ：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。大數據通常用來形容一個企業創造的大量非結構化數據和半結構化數據。

大數據的特征經常被稱為 4 個“V”——Volume（數據體量大）、Variety（數據類型繁多）、Velocity（處理速度快）、Value（價值密度高）。物聯網、云計算、移動互聯網、車聯網、手機、平板電腦、PC以及遍布地球各個角落的種種傳感器，都是數據來源或者承載的方式。

大數據分析常與云計算聯系到一起，因為實時的大型數據分析需要數十、數百甚至數千的計算機并行工作。大數據還需要特殊的技術，以便有效處理大量的有時效性的數據。大數據技術的戰略意義不在于掌握龐大的數據信息，而在于對這些含有意義的數據進行專業化處理。即在于提高對數據的加工能力，通過“加工”實現數據的“增值”。

從技術看，大數據與云計算就像硬幣的正反面。大數據必然采用分布式云架構，其特點在于對海量數據進行分布式數據挖掘，依托云計算的分布式處理、分布式數據庫和云存儲、虛擬化技術、數據挖掘電網、可擴展存儲系統等。大數據可分成大數據技術、大數據工程、大數據科學和大數據應用等領域。目前人們談論最多的是大數據技術和大數據應用。工程和科學問題可借用的手段不夠且尚未被重視。

大數據工程是指大數據的規劃、建設、運營、管理的系統工程；大數據科學則關注大數據網絡發展和運營，發現和驗證大數據的規律及其與自然界和社會活動之間的關系。

小數據

第一個意識到“小數據”（Small Data）重要性的是美國康奈爾大學的教授德波哈爾·艾斯汀。艾斯汀的父親去世之前幾個月，這位計算機科學教授就注意到老人的“數字社會脈動”出現了細微的不同——他不再發送電子郵件，不去超市買菜，到附近散步的距離也越來越短。而這種逐漸衰弱的狀態，即使到醫院去檢查心電圖，也不一定能看出來。急診檢查時，不管是測脈搏還是查病歷，這位90歲老人都未表現出明顯異常。而事實上，追蹤他每時每刻的個體化數據，他的生活已經明顯與以前不同。

這種日常小數據帶來的生命信息的警示和洞察，啟發了這位計算機科學家——小數據可以看作是一種新的醫學證據，它是屬于你的數據。

什么是小數據？簡單來說，大數據和別人的生意有關，但小數據卻僅與你自己有關。小數據是透過各種方式，像智能家電、計算機、手機平板、穿戴式產品等，收集你的一舉一動，透過數據整合，以可視化的方式讓你能夠更了解你自己。小數據迄今為止的應用雖然還十分幼稚，比如運動手環、智能手表等收集身體信息，告訴你每天的運動量如何，但小數據若透過數據整合，能提供的信息不只于此，如飲食健康、閱讀習慣及推薦、消費分析及個人財務等等，這是數據智能化的重要方向。

小數據又被稱為“量化的自我”，目的與大數據相同，是給個人提供決策依據。因為數據本身只能讓你認識自己，但要怎么改變，還要看自己的決心與毅力。

大數據將改變包括當代醫學在內的諸多領域，譬如基因組學、蛋白質組學、代謝組學等等。不過由個人數字跟蹤驅動的小數據，也將有可能給個人醫療帶來變革，特別是當可穿戴設備更成熟后，移動技術將可以連續、安全地收集并分析你的數據，這可能包括你的工作、購物、睡覺、吃飯、鍛煉和通信，追蹤這些數據將得到一幅只屬于你的健康自畫像。

無論是大數據還是小數據，我們的數據觀已經發生了顛覆。

1. 關系和因果。大數據與小數據都是大量數據，與傳統數據分析的區別就是，放棄對因果關系的渴求，取而代之關注相關關系。 

2. 用途。過去的數據很大程度上停留在說明過去的狀態，是用過去的數據說明過去。而大數據的核心就是預測，大數據將給人類的生活創造前所未有的可量化的維度，使數據從原來的說明過去變為驅動現在。

曾任職于德意志銀行美國戰略科技部的休斯頓大學商學院金融系蔡凱龍博士，是互聯網金融專家，他提出了小數據的特性和大數據幾項重要對比。

1. 數據處理方式 ：大數據強調標準化，只有數據標準化，才能大規模采集，以后的數據處理才有了可能。可是數據一標準化，就失去了數據產生時的特性和背景。而小數據的最大特點，就是來源和使用者是同一個人，只不過存取時間和背景不一樣而已，這就讓數據標準化失去了存在的理由。

2. 人的作用 ：在大數據模式下，數據從人身上產生被收集后，接下來的數據處理分析，就再也跟數據主人無關了。而在小數據里，所有數據都是圍繞一個人。雖然小數據不可避免要使用人工智能來提供幫助，但是人工智能發展至今還遠遠不能替代人腦。

3. 其他數據性質的區別 ：小數據相對大數據，數據量較小，對數據不需要全部快速反應，而大數據對數據的反應要快。小數據更加注重非結構化數據之間的關聯，重深度挖掘，而大數據重在包容所有個體的數據，重在廣度。

4. 小數據不是大數據的小型化，而是大數據的補充和延伸。小數據可解決大數據無法實現的個人隱私保護，同時小數據利用全面的個人數據優勢，結合外部大數據，提供給個人最個性化、最獨特、最有價值的數據服務。

2. 大數據是數字社會的儀表盤

大數據將數十億級毫無規律可循的個人行為數據化，并通過強大的數據挖掘分析能力實現了“讓數據說話”的目標。未來的數字社會，人們可以實現像觀察儀表盤一樣，監測社會、社群與個人的運行軌跡，從而更好地作出決策。大數據與社會升級。

大數據的應用與社會文明的進程是正相關的。一方面，隨著更多社會運行的指標被開發和應用，隨著個人、社群和社會的行為軌跡被數據化和結構化，隨著各大數據平臺的數據開放和資源整合，大數據將給國家、組織和個人帶來前所未有的機會 ：從政府的精細化管理、組織的數據化運營到個人的數據化生存，“用數據說話”，建立理性思維和數據思維，將是未來社會的基本規則。

另一方面，數據資產將成為未來社會最核心的資產之一，任何政府、社會和個人都不能離開、忽視大數據，都面臨著因大數據升級而帶來的一系列問題 ：大數據收集和應用的邊界在哪里？如何解決大數據的產權歸屬問題？如何處理大數據應用與個人隱私之間的矛盾？如何解決因大數據廣泛應用而帶來的數據鴻溝、數據貧困問題？

從大數據到小數據。大數據的發展將經歷兩個階段 ：第一個階段是大數據平臺的建設、開放和共享階段。政府與組織圍繞個人的行為軌跡收集數據，并對數據進行分析、挖掘。第二個階段是小數據的運用階段，通過對所有大數據平臺的整合，對個人進行數據畫像，建立個人小數據庫，為個人提供個性化服務。大數據以“事”或“物”為中心，小數據以具體的“個人”為中心。大數據更側重行業、事件的挖掘和應用，而小數據將伴隨個人一生，隨時隨處為個人決策作出合理化的建議

3. “新社會”的數據特征

基于個人的數據結構。數字公司的所有產品均圍繞個人來打造，其產生的數據也是個性化的。未來，數字公司可以以個人為單位，對不同產品的個人信息進行整合和挖掘，并圍繞個人需求提供海量的小數據服務產品。

豐富的數據類型。可以想見，未來億級的用戶每天在人數字平臺上的社交活動所產生的包括文字、圖片、語音、視頻、健康醫療和地理位置等海量數據，其類型的豐富性是其他平臺不可比擬的。

強大的數據服務能力。數字公司可以提供用戶洞察分析、區域人流分析、云搜、文智自然語言處理、機智機器學習等服務，通過交互式探索分析、多維分析和機器學習等分析方法，提供豐富的大數據服務。