论文部分内容阅读
[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。
[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。