“见微知著”：现代管理中的小数据

罗敏 赵天齐 郭王玥蕊

[摘要]数据作为新时代的关键生产要素，在企业管理活动中发挥着重要作用。为充分开发数据资源价值，企业在数字化转型中需用好与自身密切相关的小数据。基于对小数据内涵的理论分析，归纳出小数据的“SELDOM”特征，揭示出小数据相较于大数据具有自下而上、实践导向的应用逻辑。同时，通过对小数据相关主体、时空属性与细分领域三个维度的探讨，指出小数据管理应落脚于数据间的共同维度特征，以更好作用于企业的内部与外部管理活动。结合具体案例对企业、行业和产业三类小数据的管理应用进行解读，得出结论：在现代管理中，用好不同维度的小数据是企业优化管理效能和提高运营效率的重要手段，也是企业由内部管理到外部服务、提高行业竞争力和产业影响力的必要途径。

[关键词]小数据;SELDOM特征;应用逻辑;数据维度

一、 引言

在信息技术迅猛发展的新时代下，数据已成为一项关键生产要素，贯穿于经济循环的全过程。同时，信息时代和疫情环境进一步激发了企业数字化转型的需求。在数字经济的大背景下，企业的生产经营活动伴随着大量数据，这些数据不仅记录着企业的历史行为与实时信息，而且隐含着未来发展的潜在可能，充分挖掘这类数据的价值是企业制定高质量决策的重要保障。由于突发性疫情所带来的冲击，越来越多的经济活动也逐步转至线上，数据的重要性进一步凸显。此外，数据资源推动了不同产业之间的融合创新，催生着新业态与新模式的不断涌现[1]，创造了数据驱动创新的产业格局。然而，虽然我国的数字化产业前景光明，企业数字化转型需求强烈，可企业数字化转型的进程却并非一帆风顺[2]。当前的现实是，尽管许多企业已经在一定程度上尝试数字化转型，可对数据的运用仍不充分，数据价值的实现方式依旧处在探索之中。从企业自身视角出发，多数企业尤其是中小型企业所产生和掌握的数据资源数量有限，且多局限在某些细分领域。此类企业所能产生并把握的并非大数据，而是与其自身有较强相关性的小数据。对于这些企业而言，它们可以运用部分大数据进行用户分析与精准营销，但更重要的还是做好自身小数据的管理工作。因此，对小数据的研究既可为企业数字化转型提供重要理论指导，也是数字时代下企业进行管理变革实践的必然选择。

二、 小数据的内涵

1. 小数据的定义

随着大数据概念的出现，小数据也逐渐被视作一个独立的研究范畴。近年来，学者们逐渐意识到，小数据在企业管理中具有无可取代的地位。就已有研究来看，国内外学者主要从数据来源、数据特征、数据用途三个视角对小数据进行阐述。Lindstrom、Mike、漆晨曦等学者[3-5]重点关注小数据的来源，指出小数据可能来源于消费者家庭、关系型数据库以及物联网传感器等具体场景，包括空间布局信息、传统的结构化数据、附带具体属性的传感数据等。Kitchin等[6]从数据的特征角度探索了小数据的定义，指出小数据是在数量或速度上受限的数据，通常具有体量较小、采集不连续、种类狭窄等特点。于九贺[7]反驳了该观点，认为不应简单地将小数据等同于量小的数据，而应将重点放在小数据的特征与用途上，他强调小数据是强针对性的、有利于企业制定决策的高质量数据。随后，周宏明等[8]继续从功能和用途的视角对小数据的研究进行了补充，指出小数据是围绕用户关系，聚焦品牌、用户、消费等视角，用于指导企业实践的数据（图1）。

综合以上学者观点，“小数据”作为一类与“大数据”相对应的数据，在体量、频率或种类方面与大数据多有不同，常用于描述企业等微观主体的状态、关系或行为。对企业而言，小数据按照来源不同可分为两类，即内部数据与外部数据。内部数据来源于企业生产、财务、人事等内部活动，而外部数据来源于企业采购、销售、行业交流等与外部产生信息交流的活动。基于对内部信息的把握，小数据连接了企业内外部微观主体，重点关注内部机构与设备之间、企业与顾客之间、企业与企业之间的关系，因此表现出与大数据不同的特征。

2. 小数据的特征

自大数据概念兴起以来，诸多学者与机构都已对其特征进行了深入探讨，其中最具代表性的当属IBM提出的“4V”特征，即大量（Volume）、高速（Velocity）、多样（Variety）、高价值（Value）[9]。随后又有学者补充了真实性（Veracity）、变化性（Variability）、可视化（Visualization）等特征[10]。反观小数据，目前有关其性质的归纳相对较少。若要充分发挥小数据的作用，对于其特征的总结必不可少。通过对小数据的系统研究，本文提出了小数据的“SELDOM”特征，即场景化（Scenarized）、易回溯性（Easily-traced）、真实性（Literal）、区分性（Differentiated）、非标准化（Offstandard）、模块化（Modularity），见表1。

但是，小数据的“SELDOM”特征与大数据“7V”特征并不是二元对立的，小数据与大数据的关系也并非泾渭分明。从某种意义上讲，二者间存在相互转化的可能，也具备共同作用的基础。大数据向“全数据”的过渡有赖于小数据的支持，而小数据对微观主体的指导也需建立在大数据对趋势的预测之上。就数据本身而言，二者并无差别，区别主要体现在二者的表现特征与应用逻辑上。

3. 小数据的应用逻辑

小数据与大数据在体量、速度和种类等方面都存在一定差距，但二者最根本的区别在于应用逻辑的不同，主要体现为以下两点：

第一，从应用出发点看，大数据侧重趋势判别，关键作用在于预测;小数据注重行为优化，核心价值在于指导实践。不同的出发点决定了二者不同的应用思路和价值导向。大数据分析旨在更好地把握未来发展的方向，信息体量越大，对趋势的判别越准确，因此“全数据”是其最高价值追求;小數据分析旨在更高效地解决具体问题，由于微观主体的目标和面临的具体问题是各不相同的，因而深入场景、侧重微观主体关系的小数据更有助于问题的解决与决策的优化。

第二，从应用方式看，大数据自上而下，由云端到终端;小数据自下而上，自终端到云端。在数据应用过程中，大数据率先完成整合后，根据使用者具体需求开放数据接口，并将分析结果应用至具体终端;小数据则以实际需求为起点，从顾客或传感器等终端出发，通过互联网或物联网技术对具有特定作用或具有天然联系的数据进行串联，将各模块化数据汇总进入数据网络。由此可见，小数据的应用方式大部分是由各个企业结合具体场景数据，从而推演出的有关数据科学的普遍规律;而大数据的应用模式大部分是在掌握海量数据的基础上，发现普遍规律后提出具体问题的解决方案。

以电子商务为例，近年来我国许多大型互联网企业如淘宝、京东等，借助大数据战略在发展上取得了显著成效。通过提供线上服务平台，这些企业获取了海量的用户消费信息和浏览记录，并基于这些数据自上而下地分析用户需求、预测未来的风向并制定营销策略。相较之下，中小型企业则更注重小数据战略。如对平台上的某一具体商户而言，其决策与两部分小数据最为相关，分别是纵向的自身历史数据和横向的同行业或同产业数据。恰恰是这部分范围相对窄小的数据，支撑着多数企业的管理活动，指导其决策与实践。做好这部分小数据的管理，将有助于企业自下而上地接入数据网络，进而融入更广阔的数据生态之中。

三、 现代管理中的小数据应用

1. 小数据的相对优势

在大数据概念出现前，实践中应用的数据多为小数据。随着技术的发展，大数据打破了人们对数据科学固有的认知，进而改变了企业运用数据资源的思路。然而，受限于种种因素，大数据并非在任何时候都是可用的、有成效的和有效率的。在以下两种情况下，小数据比大数据更为适用。

第一，技术条件或法律条件的限制使大数据“不可用”或“不方便用”。由于数据权属等方面的限制，大数据的某些应用游走于法律的灰色地带。数据安全意识的不足和信息保护技术的不到位都有可能引起大数据安全问题[11]，这使得大数据的应用面临诸多掣肘。反观小数据，企业、个人级的小数据权属相对清晰，细分领域的小数据往往也有独立的行业规范或章程，因此数据产权问题相对容易解决。此外，受限于技术条件，大数据不能深入某些场景。在追求容量与速度的同时，大数据弱化了数据的精确性与因果性[12]，而小数据虽然牺牲了一定的完整性或连贯性，却在精确性、针对性等方面更胜一筹。因此，在面对复杂的场景化或经验性问题时，小数据往往比大数据更具指导意义。

第二，数据自身问题或实际问题的需要导致大数据“不好用”或“不必要用”。在这种情况下，大数据虽可用，但采用小数据应对问题更为高效。一方面，大数据的应用成本往往高于小数据，如果企业的所有问题都依赖大数据资源来解决，则可能会造成不必要的资源浪费，导致企业成本失控。另一方面，大数据的海量信息可能带来信息超载问题，使一些对企业实践具有重要指导意义的关键信息被淹没，影响企业整体效率。因此，企业在选择数字工具时应实事求是，不应仅仅为了大数据噱头而使用大数据，过于注重手段而忽视了目的。在面对诸多管理问题如决策制定、流程管控、人员安排时，信息密度更大、成本收益比更佳的小数据往往是企业更好的选择。

2. 小数据的维度与管理思路

对小数据属性的探讨可以从三个维度入手：数据相关主体、数据来源的时间或空间、数据所属的细分领域。数据相关主体包括产生数据的企业和个人、数据汇集者、数据使用者等，反映了与数据相关的社会关系;数据的时间或空间属性体现数据产生的环境，反映了数据的来源;数据所属细分领域表明数据的具体用途，反映了数据自身所带有的特性。数据的不同维度反映出数据在不同视角下的特质，是数据自然属性与社会属性的有机统一（图2）。

小数据所拥有的共同维度决定了数据间联系的强度，拥有的共同维度越多，数据间的联系就越密切。若一组数据在这三个维度上都与其他数据不同，则该组数据与其他外部主体的联系较弱，容易形成数据孤岛。反之，三个维度均相同的数据是天然处于同一模块的数据。在企业管理中，多数相关联的数据存在一到两个维度的相同特征。拥有共同相关主体的数据为企业内部管理奠定了基础，而来源于共同时间或空间的数据以及同属一个细分领域的数据为企业外部管理提供了可能。借助小数据的这种关联性，企业可以构造内部信息网络，同时将影响力辐射到企业外部，从多方位展开管理活动。

3. 小数据的管理应用

小数据的管理作用于企业内部与外部两个层面，内部数据与外部数据相互协调，共同构成了企业内部与外部的双循环系统。在内部管理中，小数据分析有助于带动企业内部信息循环，服务于制度安排、流程标准化、过程控制、结果分析与反馈的管理闭环，而在外部管理中，对行业或产业小数据的掌控，亦是企业融入外部数据网络、主导甚至创造产业数字生态的重要手段。小数据为企业全方面的发展创造了机遇，一些优秀的企业利用小数据管理策略从激烈的竞争中脱颖而出，成为数字生态中的佼佼者（图3）。

（1）企业小数据管理

来源于企业内部的数据是与企业关系最密切的数据，同时也是企业最容易把握的數据资源。此类小数据可以应用在企业的内部管理活动上，具体体现在生产控制、财务管理与人力资源管理三个方面。在生产控制方面，以小数据为基础的数字孪生技术提高了生产系统的智能化水平，对环境数据与产品参数的小数据分析优化了产品的生产过程。在财务管理方面，基于企业历史数据的财务计划包含了企业过去的经验，是企业高效利用资金、合理管控成本的重要保障。在人力资源管理方面，企业内部与人相关的小数据为人力资源规划、员工招聘与培训、绩效考评与薪资安排等活动提供了可靠的依据。从数据维度视角考虑，企业利用小数据进行内部管理的基础，在于同一企业的内部数据具有共同的相关主体和时间空间特征。通过对内部数据的精细化处理和分析，企业能提高内部场景中的信息使用效率，优化内部业务结构和运行模式，充分发挥数据的管理效能。

在发挥内部管理作用的同时，企业小数据还可以直接作用于企业的经营活动并进一步转化为企业收益。金版文化的数字化转型就是一个典型的例子1。金版文化最初是一家经营生活类图书的民营企业，通过运用其传统出版领域积累的内容资源优势（主要是出版物的数据信息及其版权），将线下资源移至线上，高效地完成了数字内容的积累，成功实现了企业的数字化转型升级。首先，该公司有针对性地将美食类与健康类图书筛选出来进行数字化，形成了可以在移动端浏览的文字、图片和视频等。随后，公司又与硬件设备厂商展开合作，将小数据模块封装在炉灶、冰箱等智能终端上。通过将小数据模块与智能厨卫相结合，金版文化成功將数据资源转化为商业价值。与大数据运营思路不同，上述小数据应用案例并非落脚于海量数据汇集、深度需求分析与大数据营销活动，而是选择专注于自身所拥有的生活类图书出版领域的小数据，将小数据产权转化为数字资产并应用于生产经营活动中，充分发挥了内部小数据的价值（图4）。

（2）行业小数据管理

除内部管理作用外，企业在运作过程中与外部主体必然会产生一定联系，这种关系反映在数据上便形成了企业的外部小数据。这类数据与企业自身数据在某些维度上存在关联，正是这种关联使得企业能够更好地踏准与市场接轨的节奏。在外部数据中，行业小数据是企业需要重点关注的对象之一。行业小数据管理的基础，是行业中的小数据同属某一细分领域。虽然数据的来源不尽相同，但相同的行业属性赋予了这些数据天然的联系。由于同一行业中的企业间大多存在一定的竞争关系，而竞争优势的建立与低成本或高差异战略所形成的企业核心竞争力密切相关。因此，为保障企业在激烈的行业竞争中不落下风，运用好专业领域的小数据是必不可少的。更进一步，倘若企业希望成为行业领导者，关注数据标准管控、掌握行业数字话语权是实现目标的关键。奥咨达医疗器械技术股份有限公司就是行业小数据应用的一个典型代表2。作为一家从事智能医疗器械及其配套服务的公司，其业务覆盖了医疗器械行业标准制定、医疗服务信息系统建设、医疗器械租赁与销售等。从创新项目的提出到专业设备的研发设计，再到临床试验反馈与全球生产流通，奥咨达对小数据的管理贯穿于医疗器械生命周期的全过程中，从数据源头保障了数据的真实性，在实践中检验了数据的有效性，并借助反馈机制构建了数据闭环。通过利用医疗器械这一专业领域的小数据，该公司搭建了医疗器械产业服务平台，实现了对医疗器械全生命周期的有效管理，较好解决了医疗行业中医工结合困难、渠道商与创意项目对接困难等问题（图5）。

同时，行业小数据管理的作用不仅局限在行业竞争优势的确立。对于一些高监管行业来说，行业数据规范化更是未来发展的必然。按照有关规定，医疗器械第三方服务在销售前须获得经营许可证，这需要企业提供详尽的审评审批材料，因而数据的归整将是决定企业能否顺利获得经营许可的关键。不仅如此，医疗行业的资格审批是一个持续追踪的动态过程，在企业后续经营中，一系列生产流程都需要依照该领域内的数据标准进行，对数据管理的要求会逐步提高，对各类信息的管理也将逐步规范化。可见，对于诸如医疗卫生这类的高监管行业，小数据管理已成为“刚需”。奥咨达正是通过率先进行医疗器械行业各个环节的小数据管理，提高了品牌知名度与企业公信力，进而为打造全国乃至全球医疗器械产业生态做好了铺垫。

（3）产业小数据管理

在外部小数据管理上，产业数据同样是企业重点关注的内容之一。产业小数据与行业小数据同属于企业外部数据，但侧重点有所不同。行业小数据更侧重同一领域内数据的横向汇集，而产业小数据更加注重产业链各个环节小数据的纵向整合。在数字产业的发展中，部分企业会扮演起数据汇集者角色，将横向的行业数据和纵向的产业数据集于一身，从而实现数据资源的规模效应。正是因为存在数据汇集这样一个“中枢”或平台，来源于不同领域、不同时空的数据拥有了一个共同的相关主体，从而实现互联互通。也正因如此，产业小数据之间虽然表现出较大的差异性，却反映了更强的包容性。成功完成产业数据汇集的企业无疑会成为产业生态中的佼佼者，掌握产业生态主导权，而拥有“数据中枢”的产业也将获得极大的发展，在数字产业化与产业数字化的道路上快人一步。快批科技的数字化运营正是企业运用产业小数据的典范1。作为一家专注于批发市场整合的数据服务型企业，该企业以手工单数据化为切入点，向批发型企业提供软硬件服务，通过硬件终端将一众企业的小数据汇集于自身平台。随后，又利用汇集的数据资源进一步完善了快批的服务数据库，进而为批发商、采购商以及政府提供全面而细致的数据服务。正是借由对小数据及其配套供应链的管理运作，快批才能成功解决批发产业的痛点，开创出物流、资金流、信息流“三流融合”的批发行业新生态，创造行业领先的“新批发”模式，（图6）。

对于上述案例的数据应用要分为两部分来看待，一部分是以用户数据集中整合为代表的大数据分析系统，在此不作赘述。另一部分则是以追踪、溯源为代表的小数据管理系统。在小数据管理中，快批与批发厂商展开一系列合作，获得其产品的全生命周期小数据，从而实现产品全流程的精密管控。借助对批发产业小数据的整合，该企业搭建起批发产业小数据的交流集散中心，将原本“小乱散”的批发企业联系在一起。但快批的贡献不仅体现在对产业小数据的汇集上，还体现在其激发了相关企业的小数据效能，进而帮助这些企业认清了自身现状并充分挖掘出了数据的价值。对快批数据生态网络中的批发商而言，快批建立的产业生态为其小数据充分发挥作用提供了广阔的空间，可以助其更快更好地走上数字化转型的道路。

综合以上案例，企业对内部数据的把握与应用是企业提升自身经营管理效率、挖掘全新业务增长点的重要手段，而对外部数据的整合尤其是对价值链中企业数据的汇集，是打通数据孤岛、提高行业与产业运营效率的有效途径。由内部管理向外部管理的转换，是企业成为数字产业领导者的重要契机，而小数据管理是实现这一转换的关键。

四、 结语

基于以上认识，在现代管理中，把数字化转型的着力点从大数据转向小数据，不失为一个良好的选择。然而，这并不是要否定或忽视大数据的价值，而是要阐述小数据在企业中同样重要的地位。大数据与小数据各司其职、相得益彰，才构成了既能判别发展趋势，又能指导企业实践的数据科学。

在微观层面，无论是在企业内部的管理控制、日常经营销售还是同行业竞争中，小数据对企业的作用都是不可或缺的。不同维度、不同层次的小数据不仅有助于企业内部信息的快速流通，更是搭建起企业与外部相关单位信息交互的桥梁。借助小数据管理，中小企业同样可以融入周边的数据生态并将数据价值内化为自身核心竞争力的一部分。在宏观经济层面，企业的小数据管理则有助于产业的融合以及数据要素市场化的推进。一方面，小数据应用需要同时借助物理载体与网络平台，使得搭建平台的信息服务企业、制造终端的生产厂商以及使用终端的企业和消费者紧密联系在一起。并通过“由端到云”的数据联网过程，进一步拓宽物联网覆盖范围，实现数据互联、信息共享，推进制造业与服务业的相互融合。另一方面，小数据交易市场的构建不仅对数据提供者和平台方而言是双赢的选择，还能够为建设大数据交易系统积累经验，推进数据要素市场化的进程。考虑到数据的资源属性，小数据市场发展到一定阶段可能会衍生出数据银行等机构，也有利于进一步强化数据资源的跨地域时间配置能力，推动数字经济蓬勃发展。

综上所述，“微不足道”小数据中隐含着企业管理的重要密码。数据产业的交互融合、数据市场的完善与数据赋能的优化，推动着数据生态的不断完善。小数据管理作为这些现象背后的推手，在为企业带来管理变革的同时，也促成了产业联动与协同的全新业态，为我国数字产业的发展壮大保驾护航。

参考文献：

[1] 李永红，黄瑞.我国数字产业化与产业数字化模式的研究[J].科技管理研究，2019（16）：129-134.

[2] 陈冬梅，王俐珍，陈安霓.数字化与战略管理理论——回顾、挑战与展望[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.立足小数据基础的电信企业大数据分析应用发展策略[J].电信科学，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] 于九贺.小数据：玩转数据与精准营销[M].北京：人民邮电出版社，2016.

[8] 周宏明，袁啸云.小数据战略：新零售时代如何重构用户关系[M].北京：中国经济出版社，2019.

[9] IBM商业价值研究院.分析：大数据在现实世界中的应用[R/OL]. （2013-03-12） [2021-03-24]. https：//www.ibm.com/downloads/cas/ED0JV08Q.

[10] 赵国栋.大数据时代的历史机遇[M].北京：清华大学出版社，2013.

[11] 刘艺，邓青，彭雨苏.大数据时代数据主权与隐私保护面临的安全挑战[J].管理现代化，2019（1）： 104-107.

[12] 维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代：生活、工作与思维的大变革[M].周涛，译.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：上海市哲社规划青年课题“上海市创新资源结构性配置效率定量评估与提升路径研究”（项目编号：2020EJB006）。

作者简介：罗敏（1962-），女，硕士，广东金叶谷投资管理有限公司总经理，高级经济师，研究方向为企业管理;赵天齐（1995-），男，硕士，广东金叶谷投资管理有限公司投资经理，研究方向为企业管理;郭王玥蕊（1994-），女，上海社会科学院经济研究所博士研究生，研究方向为政治经济学。

（收稿日期：2021-01-20 责任编辑：顾碧言）