“見微知著”：現代管理中的小數據

羅敏 趙天齊 郭王玥蕊

[摘要]數據作為新時代的關鍵生產要素，在企業管理活動中發揮著重要作用。為充分開發數據資源價值，企業在數字化轉型中需用好與自身密切相關的小數據。基于對小數據內涵的理論分析，歸納出小數據的“SELDOM”特征，揭示出小數據相較于大數據具有自下而上、實踐導向的應用邏輯。同時，通過對小數據相關主體、時空屬性與細分領域三個維度的探討，指出小數據管理應落腳于數據間的共同維度特征，以更好作用于企業的內部與外部管理活動。結合具體案例對企業、行業和產業三類小數據的管理應用進行解讀，得出結論：在現代管理中，用好不同維度的小數據是企業優化管理效能和提高運營效率的重要手段，也是企業由內部管理到外部服務、提高行業競爭力和產業影響力的必要途徑。

[關鍵詞]小數據;SELDOM特征;應用邏輯;數據維度

一、 引言

在信息技術迅猛發展的新時代下，數據已成為一項關鍵生產要素，貫穿于經濟循環的全過程。同時，信息時代和疫情環境進一步激發了企業數字化轉型的需求。在數字經濟的大背景下，企業的生產經營活動伴隨著大量數據，這些數據不僅記錄著企業的歷史行為與實時信息，而且隱含著未來發展的潛在可能，充分挖掘這類數據的價值是企業制定高質量決策的重要保障。由于突發性疫情所帶來的沖擊，越來越多的經濟活動也逐步轉至線上，數據的重要性進一步凸顯。此外，數據資源推動了不同產業之間的融合創新，催生著新業態與新模式的不斷涌現[1]，創造了數據驅動創新的產業格局。然而，雖然我國的數字化產業前景光明，企業數字化轉型需求強烈，可企業數字化轉型的進程卻并非一帆風順[2]。當前的現實是，盡管許多企業已經在一定程度上嘗試數字化轉型，可對數據的運用仍不充分，數據價值的實現方式依舊處在探索之中。從企業自身視角出發，多數企業尤其是中小型企業所產生和掌握的數據資源數量有限，且多局限在某些細分領域。此類企業所能產生并把握的并非大數據，而是與其自身有較強相關性的小數據。對于這些企業而言，它們可以運用部分大數據進行用戶分析與精準營銷，但更重要的還是做好自身小數據的管理工作。因此，對小數據的研究既可為企業數字化轉型提供重要理論指導，也是數字時代下企業進行管理變革實踐的必然選擇。

二、 小數據的內涵

1. 小數據的定義

隨著大數據概念的出現，小數據也逐漸被視作一個獨立的研究范疇。近年來，學者們逐漸意識到，小數據在企業管理中具有無可取代的地位。就已有研究來看，國內外學者主要從數據來源、數據特征、數據用途三個視角對小數據進行闡述。Lindstrom、Mike、漆晨曦等學者[3-5]重點關注小數據的來源，指出小數據可能來源于消費者家庭、關系型數據庫以及物聯網傳感器等具體場景，包括空間布局信息、傳統的結構化數據、附帶具體屬性的傳感數據等。Kitchin等[6]從數據的特征角度探索了小數據的定義，指出小數據是在數量或速度上受限的數據，通常具有體量較小、采集不連續、種類狹窄等特點。于九賀[7]反駁了該觀點，認為不應簡單地將小數據等同于量小的數據，而應將重點放在小數據的特征與用途上，他強調小數據是強針對性的、有利于企業制定決策的高質量數據。隨后，周宏明等[8]繼續從功能和用途的視角對小數據的研究進行了補充，指出小數據是圍繞用戶關系，聚焦品牌、用戶、消費等視角，用于指導企業實踐的數據（圖1）。

綜合以上學者觀點，“小數據”作為一類與“大數據”相對應的數據，在體量、頻率或種類方面與大數據多有不同，常用于描述企業等微觀主體的狀態、關系或行為。對企業而言，小數據按照來源不同可分為兩類，即內部數據與外部數據。內部數據來源于企業生產、財務、人事等內部活動，而外部數據來源于企業采購、銷售、行業交流等與外部產生信息交流的活動。基于對內部信息的把握，小數據連接了企業內外部微觀主體，重點關注內部機構與設備之間、企業與顧客之間、企業與企業之間的關系，因此表現出與大數據不同的特征。

2. 小數據的特征

自大數據概念興起以來，諸多學者與機構都已對其特征進行了深入探討，其中最具代表性的當屬IBM提出的“4V”特征，即大量（Volume）、高速（Velocity）、多樣（Variety）、高價值（Value）[9]。隨后又有學者補充了真實性（Veracity）、變化性（Variability）、可視化（Visualization）等特征[10]。反觀小數據，目前有關其性質的歸納相對較少。若要充分發揮小數據的作用，對于其特征的總結必不可少。通過對小數據的系統研究，本文提出了小數據的“SELDOM”特征，即場景化（Scenarized）、易回溯性（Easily-traced）、真實性（Literal）、區分性（Differentiated）、非標準化（Offstandard）、模塊化（Modularity），見表1。

但是，小數據的“SELDOM”特征與大數據“7V”特征并不是二元對立的，小數據與大數據的關系也并非涇渭分明。從某種意義上講，二者間存在相互轉化的可能，也具備共同作用的基礎。大數據向“全數據”的過渡有賴于小數據的支持，而小數據對微觀主體的指導也需建立在大數據對趨勢的預測之上。就數據本身而言，二者并無差別，區別主要體現在二者的表現特征與應用邏輯上。

3. 小數據的應用邏輯

小數據與大數據在體量、速度和種類等方面都存在一定差距，但二者最根本的區別在于應用邏輯的不同，主要體現為以下兩點：

第一，從應用出發點看，大數據側重趨勢判別，關鍵作用在于預測;小數據注重行為優化，核心價值在于指導實踐。不同的出發點決定了二者不同的應用思路和價值導向。大數據分析旨在更好地把握未來發展的方向，信息體量越大，對趨勢的判別越準確，因此“全數據”是其最高價值追求;小數據分析旨在更高效地解決具體問題，由于微觀主體的目標和面臨的具體問題是各不相同的，因而深入場景、側重微觀主體關系的小數據更有助于問題的解決與決策的優化。

第二，從應用方式看，大數據自上而下，由云端到終端;小數據自下而上，自終端到云端。在數據應用過程中，大數據率先完成整合后，根據使用者具體需求開放數據接口，并將分析結果應用至具體終端;小數據則以實際需求為起點，從顧客或傳感器等終端出發，通過互聯網或物聯網技術對具有特定作用或具有天然聯系的數據進行串聯，將各模塊化數據匯總進入數據網絡。由此可見，小數據的應用方式大部分是由各個企業結合具體場景數據，從而推演出的有關數據科學的普遍規律;而大數據的應用模式大部分是在掌握海量數據的基礎上，發現普遍規律后提出具體問題的解決方案。

以電子商務為例，近年來我國許多大型互聯網企業如淘寶、京東等，借助大數據戰略在發展上取得了顯著成效。通過提供線上服務平臺，這些企業獲取了海量的用戶消費信息和瀏覽記錄，并基于這些數據自上而下地分析用戶需求、預測未來的風向并制定營銷策略。相較之下，中小型企業則更注重小數據戰略。如對平臺上的某一具體商戶而言，其決策與兩部分小數據最為相關，分別是縱向的自身歷史數據和橫向的同行業或同產業數據。恰恰是這部分范圍相對窄小的數據，支撐著多數企業的管理活動，指導其決策與實踐。做好這部分小數據的管理，將有助于企業自下而上地接入數據網絡，進而融入更廣闊的數據生態之中。

三、 現代管理中的小數據應用

1. 小數據的相對優勢

在大數據概念出現前，實踐中應用的數據多為小數據。隨著技術的發展，大數據打破了人們對數據科學固有的認知，進而改變了企業運用數據資源的思路。然而，受限于種種因素，大數據并非在任何時候都是可用的、有成效的和有效率的。在以下兩種情況下，小數據比大數據更為適用。

第一，技術條件或法律條件的限制使大數據“不可用”或“不方便用”。由于數據權屬等方面的限制，大數據的某些應用游走于法律的灰色地帶。數據安全意識的不足和信息保護技術的不到位都有可能引起大數據安全問題[11]，這使得大數據的應用面臨諸多掣肘。反觀小數據，企業、個人級的小數據權屬相對清晰，細分領域的小數據往往也有獨立的行業規范或章程，因此數據產權問題相對容易解決。此外，受限于技術條件，大數據不能深入某些場景。在追求容量與速度的同時，大數據弱化了數據的精確性與因果性[12]，而小數據雖然犧牲了一定的完整性或連貫性，卻在精確性、針對性等方面更勝一籌。因此，在面對復雜的場景化或經驗性問題時，小數據往往比大數據更具指導意義。

第二，數據自身問題或實際問題的需要導致大數據“不好用”或“不必要用”。在這種情況下，大數據雖可用，但采用小數據應對問題更為高效。一方面，大數據的應用成本往往高于小數據，如果企業的所有問題都依賴大數據資源來解決，則可能會造成不必要的資源浪費，導致企業成本失控。另一方面，大數據的海量信息可能帶來信息超載問題，使一些對企業實踐具有重要指導意義的關鍵信息被淹沒，影響企業整體效率。因此，企業在選擇數字工具時應實事求是，不應僅僅為了大數據噱頭而使用大數據，過于注重手段而忽視了目的。在面對諸多管理問題如決策制定、流程管控、人員安排時，信息密度更大、成本收益比更佳的小數據往往是企業更好的選擇。

2. 小數據的維度與管理思路

對小數據屬性的探討可以從三個維度入手：數據相關主體、數據來源的時間或空間、數據所屬的細分領域。數據相關主體包括產生數據的企業和個人、數據匯集者、數據使用者等，反映了與數據相關的社會關系;數據的時間或空間屬性體現數據產生的環境，反映了數據的來源;數據所屬細分領域表明數據的具體用途，反映了數據自身所帶有的特性。數據的不同維度反映出數據在不同視角下的特質，是數據自然屬性與社會屬性的有機統一（圖2）。

小數據所擁有的共同維度決定了數據間聯系的強度，擁有的共同維度越多，數據間的聯系就越密切。若一組數據在這三個維度上都與其他數據不同，則該組數據與其他外部主體的聯系較弱，容易形成數據孤島。反之，三個維度均相同的數據是天然處于同一模塊的數據。在企業管理中，多數相關聯的數據存在一到兩個維度的相同特征。擁有共同相關主體的數據為企業內部管理奠定了基礎，而來源于共同時間或空間的數據以及同屬一個細分領域的數據為企業外部管理提供了可能。借助小數據的這種關聯性，企業可以構造內部信息網絡，同時將影響力輻射到企業外部，從多方位展開管理活動。

3. 小數據的管理應用

小數據的管理作用于企業內部與外部兩個層面，內部數據與外部數據相互協調，共同構成了企業內部與外部的雙循環系統。在內部管理中，小數據分析有助于帶動企業內部信息循環，服務于制度安排、流程標準化、過程控制、結果分析與反饋的管理閉環，而在外部管理中，對行業或產業小數據的掌控，亦是企業融入外部數據網絡、主導甚至創造產業數字生態的重要手段。小數據為企業全方面的發展創造了機遇，一些優秀的企業利用小數據管理策略從激烈的競爭中脫穎而出，成為數字生態中的佼佼者（圖3）。

（1）企業小數據管理

來源于企業內部的數據是與企業關系最密切的數據，同時也是企業最容易把握的數據資源。此類小數據可以應用在企業的內部管理活動上，具體體現在生產控制、財務管理與人力資源管理三個方面。在生產控制方面，以小數據為基礎的數字孿生技術提高了生產系統的智能化水平，對環境數據與產品參數的小數據分析優化了產品的生產過程。在財務管理方面，基于企業歷史數據的財務計劃包含了企業過去的經驗，是企業高效利用資金、合理管控成本的重要保障。在人力資源管理方面，企業內部與人相關的小數據為人力資源規劃、員工招聘與培訓、績效考評與薪資安排等活動提供了可靠的依據。從數據維度視角考慮，企業利用小數據進行內部管理的基礎，在于同一企業的內部數據具有共同的相關主體和時間空間特征。通過對內部數據的精細化處理和分析，企業能提高內部場景中的信息使用效率，優化內部業務結構和運行模式，充分發揮數據的管理效能。

在發揮內部管理作用的同時，企業小數據還可以直接作用于企業的經營活動并進一步轉化為企業收益。金版文化的數字化轉型就是一個典型的例子1。金版文化最初是一家經營生活類圖書的民營企業，通過運用其傳統出版領域積累的內容資源優勢（主要是出版物的數據信息及其版權），將線下資源移至線上，高效地完成了數字內容的積累，成功實現了企業的數字化轉型升級。首先，該公司有針對性地將美食類與健康類圖書篩選出來進行數字化，形成了可以在移動端瀏覽的文字、圖片和視頻等。隨后，公司又與硬件設備廠商展開合作，將小數據模塊封裝在爐灶、冰箱等智能終端上。通過將小數據模塊與智能廚衛相結合，金版文化成功將數據資源轉化為商業價值。與大數據運營思路不同，上述小數據應用案例并非落腳于海量數據匯集、深度需求分析與大數據營銷活動，而是選擇專注于自身所擁有的生活類圖書出版領域的小數據，將小數據產權轉化為數字資產并應用于生產經營活動中，充分發揮了內部小數據的價值（圖4）。

（2）行業小數據管理

除內部管理作用外，企業在運作過程中與外部主體必然會產生一定聯系，這種關系反映在數據上便形成了企業的外部小數據。這類數據與企業自身數據在某些維度上存在關聯，正是這種關聯使得企業能夠更好地踏準與市場接軌的節奏。在外部數據中，行業小數據是企業需要重點關注的對象之一。行業小數據管理的基礎，是行業中的小數據同屬某一細分領域。雖然數據的來源不盡相同，但相同的行業屬性賦予了這些數據天然的聯系。由于同一行業中的企業間大多存在一定的競爭關系，而競爭優勢的建立與低成本或高差異戰略所形成的企業核心競爭力密切相關。因此，為保障企業在激烈的行業競爭中不落下風，運用好專業領域的小數據是必不可少的。更進一步，倘若企業希望成為行業領導者，關注數據標準管控、掌握行業數字話語權是實現目標的關鍵。奧咨達醫療器械技術股份有限公司就是行業小數據應用的一個典型代表2。作為一家從事智能醫療器械及其配套服務的公司，其業務覆蓋了醫療器械行業標準制定、醫療服務信息系統建設、醫療器械租賃與銷售等。從創新項目的提出到專業設備的研發設計，再到臨床試驗反饋與全球生產流通，奧咨達對小數據的管理貫穿于醫療器械生命周期的全過程中，從數據源頭保障了數據的真實性，在實踐中檢驗了數據的有效性，并借助反饋機制構建了數據閉環。通過利用醫療器械這一專業領域的小數據，該公司搭建了醫療器械產業服務平臺，實現了對醫療器械全生命周期的有效管理，較好解決了醫療行業中醫工結合困難、渠道商與創意項目對接困難等問題（圖5）。

同時，行業小數據管理的作用不僅局限在行業競爭優勢的確立。對于一些高監管行業來說，行業數據規范化更是未來發展的必然。按照有關規定，醫療器械第三方服務在銷售前須獲得經營許可證，這需要企業提供詳盡的審評審批材料，因而數據的歸整將是決定企業能否順利獲得經營許可的關鍵。不僅如此，醫療行業的資格審批是一個持續追蹤的動態過程，在企業后續經營中，一系列生產流程都需要依照該領域內的數據標準進行，對數據管理的要求會逐步提高，對各類信息的管理也將逐步規范化。可見，對于諸如醫療衛生這類的高監管行業，小數據管理已成為“剛需”。奧咨達正是通過率先進行醫療器械行業各個環節的小數據管理，提高了品牌知名度與企業公信力，進而為打造全國乃至全球醫療器械產業生態做好了鋪墊。

（3）產業小數據管理

在外部小數據管理上，產業數據同樣是企業重點關注的內容之一。產業小數據與行業小數據同屬于企業外部數據，但側重點有所不同。行業小數據更側重同一領域內數據的橫向匯集，而產業小數據更加注重產業鏈各個環節小數據的縱向整合。在數字產業的發展中，部分企業會扮演起數據匯集者角色，將橫向的行業數據和縱向的產業數據集于一身，從而實現數據資源的規模效應。正是因為存在數據匯集這樣一個“中樞”或平臺，來源于不同領域、不同時空的數據擁有了一個共同的相關主體，從而實現互聯互通。也正因如此，產業小數據之間雖然表現出較大的差異性，卻反映了更強的包容性。成功完成產業數據匯集的企業無疑會成為產業生態中的佼佼者，掌握產業生態主導權，而擁有“數據中樞”的產業也將獲得極大的發展，在數字產業化與產業數字化的道路上快人一步。快批科技的數字化運營正是企業運用產業小數據的典范1。作為一家專注于批發市場整合的數據服務型企業，該企業以手工單數據化為切入點，向批發型企業提供軟硬件服務，通過硬件終端將一眾企業的小數據匯集于自身平臺。隨后，又利用匯集的數據資源進一步完善了快批的服務數據庫，進而為批發商、采購商以及政府提供全面而細致的數據服務。正是借由對小數據及其配套供應鏈的管理運作，快批才能成功解決批發產業的痛點，開創出物流、資金流、信息流“三流融合”的批發行業新生態，創造行業領先的“新批發”模式，（圖6）。

對于上述案例的數據應用要分為兩部分來看待，一部分是以用戶數據集中整合為代表的大數據分析系統，在此不作贅述。另一部分則是以追蹤、溯源為代表的小數據管理系統。在小數據管理中，快批與批發廠商展開一系列合作，獲得其產品的全生命周期小數據，從而實現產品全流程的精密管控。借助對批發產業小數據的整合，該企業搭建起批發產業小數據的交流集散中心，將原本“小亂散”的批發企業聯系在一起。但快批的貢獻不僅體現在對產業小數據的匯集上，還體現在其激發了相關企業的小數據效能，進而幫助這些企業認清了自身現狀并充分挖掘出了數據的價值。對快批數據生態網絡中的批發商而言，快批建立的產業生態為其小數據充分發揮作用提供了廣闊的空間，可以助其更快更好地走上數字化轉型的道路。

綜合以上案例，企業對內部數據的把握與應用是企業提升自身經營管理效率、挖掘全新業務增長點的重要手段，而對外部數據的整合尤其是對價值鏈中企業數據的匯集，是打通數據孤島、提高行業與產業運營效率的有效途徑。由內部管理向外部管理的轉換，是企業成為數字產業領導者的重要契機，而小數據管理是實現這一轉換的關鍵。

四、 結語

基于以上認識，在現代管理中，把數字化轉型的著力點從大數據轉向小數據，不失為一個良好的選擇。然而，這并不是要否定或忽視大數據的價值，而是要闡述小數據在企業中同樣重要的地位。大數據與小數據各司其職、相得益彰，才構成了既能判別發展趨勢，又能指導企業實踐的數據科學。

在微觀層面，無論是在企業內部的管理控制、日常經營銷售還是同行業競爭中，小數據對企業的作用都是不可或缺的。不同維度、不同層次的小數據不僅有助于企業內部信息的快速流通，更是搭建起企業與外部相關單位信息交互的橋梁。借助小數據管理，中小企業同樣可以融入周邊的數據生態并將數據價值內化為自身核心競爭力的一部分。在宏觀經濟層面，企業的小數據管理則有助于產業的融合以及數據要素市場化的推進。一方面，小數據應用需要同時借助物理載體與網絡平臺，使得搭建平臺的信息服務企業、制造終端的生產廠商以及使用終端的企業和消費者緊密聯系在一起。并通過“由端到云”的數據聯網過程，進一步拓寬物聯網覆蓋范圍，實現數據互聯、信息共享，推進制造業與服務業的相互融合。另一方面，小數據交易市場的構建不僅對數據提供者和平臺方而言是雙贏的選擇，還能夠為建設大數據交易系統積累經驗，推進數據要素市場化的進程。考慮到數據的資源屬性，小數據市場發展到一定階段可能會衍生出數據銀行等機構，也有利于進一步強化數據資源的跨地域時間配置能力，推動數字經濟蓬勃發展。

綜上所述，“微不足道”小數據中隱含著企業管理的重要密碼。數據產業的交互融合、數據市場的完善與數據賦能的優化，推動著數據生態的不斷完善。小數據管理作為這些現象背后的推手，在為企業帶來管理變革的同時，也促成了產業聯動與協同的全新業態，為我國數字產業的發展壯大保駕護航。

參考文獻：

[1] 李永紅，黃瑞.我國數字產業化與產業數字化模式的研究[J].科技管理研究，2019（16）：129-134.

[2] 陳冬梅，王俐珍，陳安霓.數字化與戰略管理理論——回顧、挑戰與展望[J].管理世界，2020（05）：220-236，20.

[3] Lindstrom M.Small Data：the Tiny Clues That Uncover Huge Trends[M].Manhattan：St.Martin′s Press，2016.

[4] Mike K.Forget Big Data：Small Data Is Driving the Internet of Things[EB/OL].（2015-02-25）[2021-04-10].https：//www.forbes.com/sites/mikekavis/2015/02/25/forget-big-data-small-data-is-driving-the-internet-of-things.

[5] 漆晨曦.立足小數據基礎的電信企業大數據分析應用發展策略[J].電信科學，2014（10）：15-20.

[6] Kitchin R，Lauriault T P.Small Data in the Era of Big Data[J].Geojournal，2015，80（4）：463-475.

[7] 于九賀.小數據：玩轉數據與精準營銷[M].北京：人民郵電出版社，2016.

[8] 周宏明，袁嘯云.小數據戰略：新零售時代如何重構用戶關系[M].北京：中國經濟出版社，2019.

[9] IBM商業價值研究院.分析：大數據在現實世界中的應用[R/OL]. （2013-03-12） [2021-03-24]. https：//www.ibm.com/downloads/cas/ED0JV08Q.

[10] 趙國棟.大數據時代的歷史機遇[M].北京：清華大學出版社，2013.

[11] 劉藝，鄧青，彭雨蘇.大數據時代數據主權與隱私保護面臨的安全挑戰[J].管理現代化，2019（1）： 104-107.

[12] 維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數據時代：生活、工作與思維的大變革[M].周濤，譯.杭州：浙江人民出版社，2012.

“A Straw Shows which Way the Wind Blows”：Small Data in Modern Management

Abstract：As a key production factor in the new era， data plays an important role in corporate management activities. In order to fully develop the value of data resources， enterprises need to make good use of small data closely related to themselves in their digital transformation. Based on the theoretical analysis of the connotation of small data， this study summarizes the "SELDOM" characteristics of small data， and reveals that small data has a bottom-up， practice-oriented application logic compared to big data. At the same time， through the discussion of the three dimensions of small data related subjects， temporal and spatial attributes and subdivisions， this article points out that small data management should focus on the common dimensional characteristics of data in order to optimize the internal and external management of enterprises. Subsequently， combined with specific cases to interpret the application of three types of small data management of enterprises， trades and industries， the conclusions show that in modern management good use of small data of different dimensions is not only conducive to optimizing management efficiency and improving operational efficiency， but also beneficial for the company to improve its industry competitiveness and industrial influence.

Key words：small data; SELDOM characteristics; application logic; data dimensions

基金項目：上海市哲社規劃青年課題“上海市創新資源結構性配置效率定量評估與提升路徑研究”（項目編號：2020EJB006）。

作者簡介：羅敏（1962-），女，碩士，廣東金葉谷投資管理有限公司總經理，高級經濟師，研究方向為企業管理;趙天齊（1995-），男，碩士，廣東金葉谷投資管理有限公司投資經理，研究方向為企業管理;郭王玥蕊（1994-），女，上海社會科學院經濟研究所博士研究生，研究方向為政治經濟學。

（收稿日期：2021-01-20 責任編輯：顧碧言）