企業(yè)數(shù)字化轉(zhuǎn)型：大數(shù)據(jù)還是小數(shù)據(jù)

何明智

在大數(shù)據(jù)時代下，大數(shù)據(jù)與小數(shù)據(jù)不是相互對立的關(guān)系，而是相互依托的統(tǒng)一體，兩者在各自層面發(fā)揮不同價值和作用。

當(dāng)前，我國正經(jīng)歷向數(shù)字經(jīng)濟邁進的新歷史階段，數(shù)字要素驅(qū)動下的數(shù)字化理念和商業(yè)模式不斷革新，正促使我國企業(yè)積極布局數(shù)字化轉(zhuǎn)型戰(zhàn)略。但當(dāng)下，我國多數(shù)企業(yè)對大數(shù)據(jù)應(yīng)用深度不夠，數(shù)據(jù)資源潛力釋放不足，數(shù)據(jù)價值尚未充分挖掘，大數(shù)據(jù)作為新型生產(chǎn)要素的驅(qū)動作用并不明顯，相反，很多企業(yè)仍將以小數(shù)據(jù)視為企業(yè)最重要的數(shù)據(jù)資源。大數(shù)據(jù)時代，對企業(yè)而言，是大數(shù)據(jù)還是小數(shù)據(jù)更具價值？本文認為，在大數(shù)據(jù)時代下，大數(shù)據(jù)與小數(shù)據(jù)不是相互對立的關(guān)系，而是相互依托的統(tǒng)一體，兩者在各自層面發(fā)揮不同價值和作用。將大數(shù)據(jù)與小數(shù)據(jù)分析有機結(jié)合，促進大數(shù)據(jù)和小數(shù)據(jù)融合應(yīng)用，充分挖掘數(shù)據(jù)資源的內(nèi)在價值，能有效解決企業(yè)數(shù)字化轉(zhuǎn)型遭遇的痛點問題。

大數(shù)據(jù)與小數(shù)據(jù)的基本區(qū)分

大數(shù)據(jù)（big data），又稱巨量數(shù)據(jù)集合，指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。大數(shù)據(jù)具有“5V”特征，即大體量性（Volume）、多樣性（Variety）、高增長性（Velocity）、高價值（Value）和真實性（Veracity）。大數(shù)據(jù)本身并不產(chǎn)生價值，只有通過分析容量巨大、構(gòu)成復(fù)雜的海量數(shù)據(jù)進而挖掘其中有用信息之后，大數(shù)據(jù)的價值才能得以展現(xiàn)。

小數(shù)據(jù)（small data），并非指小規(guī)模數(shù)據(jù)，它是指以特定對象為中心、以回應(yīng)特定需求為導(dǎo)向、以解決特定問題為目的，具有多源性、異質(zhì)性、動態(tài)性、全息性的數(shù)據(jù)集以及相關(guān)的數(shù)據(jù)采集、處理、分析和人機交互的思維方式及數(shù)據(jù)處理方法。小數(shù)據(jù)是可用于支撐企業(yè)智能決策的高質(zhì)量數(shù)據(jù)，無需復(fù)雜算法、昂貴成本，任何企業(yè)都可以實現(xiàn)對小數(shù)據(jù)的分析應(yīng)用。

大數(shù)據(jù)與小數(shù)據(jù)并非對立關(guān)系，而是統(tǒng)一體。小數(shù)據(jù)是大數(shù)據(jù)的一個側(cè)面，通過對小數(shù)據(jù)進行匯集、擴展和鏈接形成更大的數(shù)據(jù)集后，小數(shù)據(jù)將變得越來越趨近于大數(shù)據(jù)，同時，小數(shù)據(jù)從中微觀層面深度挖掘信息的數(shù)據(jù)處理范式，能夠有效彌補大數(shù)據(jù)在應(yīng)對特定場景、針對具體目標(biāo)、滿足特殊需求方面的缺陷和不足。

大數(shù)據(jù)與小數(shù)據(jù)挖掘數(shù)據(jù)價值各有千秋

（一）大數(shù)據(jù)挖掘不特定數(shù)據(jù)的潛在價值，小數(shù)據(jù)釋放特定數(shù)據(jù)的顯性價值

從數(shù)據(jù)處理對象方面看，大數(shù)據(jù)有能力對海量非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)進行處理分析，對企業(yè)充分挖掘企業(yè)內(nèi)部管理數(shù)據(jù)及用戶數(shù)據(jù)的潛在價值具有重要意義。根據(jù)IDC報告，企業(yè)中80%的數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)，且每年都按指數(shù)增長60%，但目前這些數(shù)據(jù)尚處于沉睡狀態(tài)，造成極大的數(shù)據(jù)資源浪費，大數(shù)據(jù)利用可視化工具分析非結(jié)構(gòu)化數(shù)據(jù)能幫助企業(yè)快速地認知現(xiàn)狀、顯示趨勢并識別新問題。

小數(shù)據(jù)則是圍繞企業(yè)特定目標(biāo)、瞄準(zhǔn)特定問題而建立數(shù)據(jù)處理分析系統(tǒng)，它一般處理具有高價值性、高精確性及動態(tài)性結(jié)構(gòu)化數(shù)據(jù)，對企業(yè)進行高效、精準(zhǔn)的商業(yè)管理決策具有重要意義。例如，在個人穿戴智能傳感器應(yīng)用場景下，小數(shù)據(jù)對特定個人的生理、活動、健康狀況等“自我量化數(shù)據(jù)”進行分析，通過挖掘用戶特定需求來提供個性化服務(wù)。

（二）大數(shù)據(jù)基于相關(guān)關(guān)系發(fā)現(xiàn)規(guī)律，小數(shù)據(jù)依托因果關(guān)系驗證規(guī)律

從數(shù)據(jù)分析邏輯方面看，大數(shù)據(jù)的核心特征和其革命性在于，僅僅基于海量數(shù)據(jù)之間的相關(guān)關(guān)系，便可發(fā)掘數(shù)據(jù)內(nèi)蘊藏的規(guī)律進而對未來進行預(yù)測，而無需認知規(guī)律背后的原因。這種通過數(shù)據(jù)發(fā)現(xiàn)問題的全新范式，完全不同于傳統(tǒng)上的邏輯推理和經(jīng)驗歸納方法，為人類認知開辟了新天地。在實際應(yīng)用中，大數(shù)據(jù)能為企業(yè)提供智能化決策能力，提高運行效率和風(fēng)險管理能力，實現(xiàn)精準(zhǔn)營銷、預(yù)測性維護等大數(shù)據(jù)應(yīng)用，比如美國沃爾瑪超市利用“啤酒+尿布”的相關(guān)性分析進而促使啤酒銷量大幅增加，便是大數(shù)據(jù)依靠相關(guān)關(guān)系的成功案例。隨著人工智能技術(shù)的發(fā)展，基于機器學(xué)習(xí)輔助決策的大數(shù)據(jù)應(yīng)用價值將進一步凸顯。

小數(shù)據(jù)基于因果關(guān)系進行預(yù)測，是一種自上而下的論證和決策過程，通過數(shù)據(jù)分析為企業(yè)決策提供因果解釋的依據(jù)。基于大數(shù)據(jù)的相關(guān)性分析雖取代了直覺決策，但仍難以避免出現(xiàn)錯誤預(yù)測，其后的因果關(guān)系驗證過程對企業(yè)避免風(fēng)險、正確決策仍然至關(guān)重要。例如，舊金山地區(qū)衛(wèi)生部門通過大數(shù)據(jù)分析發(fā)現(xiàn)，艾滋病率會隨著同性戀人群肝病發(fā)病率上升而上升，但實際上，這種正相關(guān)性的大數(shù)據(jù)預(yù)測失敗了，通過小數(shù)據(jù)調(diào)查才發(fā)現(xiàn)背后的真相，同性戀群體反而更為注重避免交叉感染。

融合大數(shù)據(jù)與小數(shù)據(jù)，助力企業(yè)破解數(shù)字化轉(zhuǎn)型難題

（一）大數(shù)據(jù)驅(qū)動企業(yè)轉(zhuǎn)型困境

大數(shù)據(jù)時代，企業(yè)力爭利用大數(shù)據(jù)推動數(shù)字化轉(zhuǎn)型，然而數(shù)字化轉(zhuǎn)型效果并不顯著。埃森哲研究顯示，目前，80%以上的中國企業(yè)尚未摸清數(shù)字化轉(zhuǎn)型的路徑，僅有4%的中國制造企業(yè)釋放了數(shù)據(jù)潛力，成功將數(shù)字化轉(zhuǎn)型投入轉(zhuǎn)化成為業(yè)務(wù)成果。大數(shù)據(jù)驅(qū)動企業(yè)數(shù)字化轉(zhuǎn)型依然面臨如下問題：

一是大數(shù)據(jù)分析處理存在性能瓶頸。企業(yè)面臨PB級甚至EB級數(shù)據(jù)的處理需求時，企業(yè)傳統(tǒng)架構(gòu)在大數(shù)據(jù)應(yīng)用過程中遭遇嚴重的性能瓶頸，難以對大數(shù)據(jù)進行高效分析處理，此外，算法、算力發(fā)展不足也限制了大數(shù)據(jù)的分析處理能力。二是企業(yè)大數(shù)據(jù)應(yīng)用與實際業(yè)務(wù)需求間存在脫節(jié)。企業(yè)在大數(shù)據(jù)解決方案設(shè)計過程中，面臨技術(shù)與業(yè)務(wù)協(xié)同困難、產(chǎn)品供給與需求不匹配的現(xiàn)象，嚴重制約企業(yè)產(chǎn)品服務(wù)的數(shù)字化創(chuàng)新。據(jù)統(tǒng)計，僅有8%的企業(yè)能夠基于可采集用戶行為數(shù)據(jù)的智能產(chǎn)品終端，通過大數(shù)據(jù)分析提供創(chuàng)新服務(wù)。三是各企業(yè)間數(shù)字化協(xié)同發(fā)展水平不高。企業(yè)數(shù)據(jù)能力及業(yè)務(wù)需求的不同增加了企業(yè)間數(shù)字化協(xié)同發(fā)展的復(fù)雜度，大型龍頭企業(yè)、中小型企業(yè)、技術(shù)創(chuàng)新型企業(yè)對大數(shù)據(jù)應(yīng)用的需求和投入差別巨大，企業(yè)數(shù)字化協(xié)同轉(zhuǎn)型的效果并不明顯。當(dāng)前，大數(shù)據(jù)應(yīng)用主要聚焦在阿里巴巴、騰訊、網(wǎng)易等大型互聯(lián)網(wǎng)企業(yè)，中小企業(yè)由于擁有數(shù)據(jù)量小、大數(shù)據(jù)應(yīng)用成本高等原因，處于大數(shù)據(jù)“弱勢”地位。

（二）推動大數(shù)據(jù)與小數(shù)據(jù)融合應(yīng)用

大數(shù)據(jù)為企業(yè)數(shù)字化轉(zhuǎn)型帶來前所未有的機遇，但大數(shù)據(jù)尚處于發(fā)展的初級階段，只有與小數(shù)據(jù)融合發(fā)展，才能更好促進大數(shù)據(jù)應(yīng)用落地。

一是“關(guān)聯(lián)+因果”，輔助企業(yè)數(shù)字化管理決策。企業(yè)內(nèi)部生成的數(shù)據(jù)正成為無處不在的戰(zhàn)略資產(chǎn)，數(shù)據(jù)驅(qū)動管理決策時企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵之一。一方面，運用大數(shù)據(jù)驅(qū)動企業(yè)財務(wù)管理、人力資源管理等領(lǐng)域數(shù)字化，同時，構(gòu)建企業(yè)內(nèi)部各職能部門的數(shù)據(jù)共享平臺、數(shù)據(jù)決策平臺，為企業(yè)決策構(gòu)建決策基礎(chǔ)、提供初步?jīng)Q策方案;另一方面，小數(shù)據(jù)利用大數(shù)據(jù)預(yù)測結(jié)果進行迭代分析，并針對具體的決策目標(biāo)提供定向性、精確性分析，確保企業(yè)高效做出合理性和一致性的決策。大數(shù)據(jù)和小數(shù)據(jù)相結(jié)合，將有效提升管理效益，促進決策效率。

二是“感知+需求”，實現(xiàn)個性化服務(wù)創(chuàng)新。提供新型數(shù)字化產(chǎn)品服務(wù)是企業(yè)數(shù)字化轉(zhuǎn)型的核心動能。一方面，利用大數(shù)據(jù)分析進行個性化精準(zhǔn)營銷，對多維度數(shù)據(jù)信息的挖掘分析，精準(zhǔn)定位用戶需求、行為偏好，為用戶提供個性化、智能化服務(wù)。另一方面，利用小數(shù)據(jù)為產(chǎn)品或服務(wù)進行市場精確定位，精準(zhǔn)挖掘優(yōu)勢產(chǎn)品和潛力服務(wù)項目，深度提升用戶觸達率和用戶黏性，圍繞特定對象需求提供全方位、動態(tài)實時的個性化服務(wù)。

三是“平臺+價值”，促進數(shù)字化生態(tài)構(gòu)建。發(fā)揮大企業(yè)的大數(shù)據(jù)技術(shù)能力及數(shù)據(jù)資源優(yōu)勢，面向中小企業(yè)打造數(shù)據(jù)管理應(yīng)用、技術(shù)服務(wù)支撐等平臺，構(gòu)建大中小企業(yè)數(shù)字化協(xié)同轉(zhuǎn)型生態(tài)系統(tǒng)圈，逐步形成大中小企業(yè)各具優(yōu)勢、競相創(chuàng)新、梯次發(fā)展的數(shù)字化產(chǎn)業(yè)格局，推動企業(yè)間大數(shù)據(jù)和小數(shù)據(jù)融通應(yīng)用、產(chǎn)業(yè)鏈各環(huán)節(jié)良性互動、營造數(shù)據(jù)融合的生態(tài)環(huán)境。