在这个迷恋大数据的时代，企业纷纷投入资料库的建立。然而，大数据纵使提供了宝贵见解，却也有一定限制。如：乐高（LEGO）根据大数据分析，认为新世代缺乏耐心，决定简化玩具设计，但忽略数据成因的后果，导致公司差点倒闭。由此可知，科技再怎么发达，终究必须回归到人的本质。对此，国际品牌大师马汀‧林斯壮提出「小数据」概念，敏锐观察个别消费者的生活，追踪细微线索，看穿潜在欲望，弥补了大数据的不足。
如果企业想要了解消费者，大数据提供了宝贵但不完整的解决之道。我认为，当代对数位资料（digital data）的关切，大大削弱了真知灼见与观察心得的重要性，连带危及到产品及产品解决方案。再说，大数据纵使提供了宝贵的见解，但是整个网路仍然是一个把真实的我们经过精心策划与理想化之后所呈现出来的版本。
小数据「结合」大数据 你看到了什么？
对我启发最大的，是将小数据「结合」大数据，针对消费者真正要的是什么，花时间在住家观察、倾听、留意与爬梳线索。毕竟在乐高第一次雇用我时，14岁的我「就是」那个消费者，一个对该公司的积木着迷的孩子。借由观察我自己和朋友的行为，我能提供乐高主管有关产品和公司的洞见，但这不是做任何数据分析就能得到的见解——就像观察一名11岁德国男孩就能帮助陷入破产的乐高扭转命运，然而大数据却提供乐高完全相反的趋势分析。
有意思的是，我们现在竟然回过头来，根据人在线上的无意识行为来洞察人性，而不是从数字寻求见解。例如在2013年，一项刊登在《个性与社会心理学期刊》（Journal of Personality and Social Psychology ）的研究，利用25万人、历时十年所累积下来的数据，检视了音乐消费品味终其一生的演变。音乐似乎会去适应任何的「人生挑战」，或是我们随着年岁渐长所面对的心理需求。这项研究把音乐消费模式分为五个「实证推导」（empirically derived）的类别，并以圆融（mellow）、含蓄（unpretentious）、世故（sophisticated）、强烈（intense）和当代（contemporary）等字的缩写，命名为「音乐（MUSIC）模式」。
或许不足为奇的是，听音乐的第一个重大年纪是青春期，「强烈」是这个时期的特性，可能是反映出荷尔蒙活性（hormonal activity）增加，或是青少年对「自我」的创造。「强烈」和「当代」音乐的崛起有所交会，是一个持续到中年初期为止的趋势，此时，另外两个「偏好类别」（preference dimension）——电子和节奏蓝调——会加进来，这两种都属于「浪漫、情绪正面且适合跳舞」的音乐。人类最后的音乐年龄，以「世故」的爵士和古典乐以及「含蓄」的乡村乐、民谣和蓝调为主。后面这两种音乐形式令人放松、积极，并间接连结了听者的社会地位与散发出的智慧。
我们最喜爱的运动，说明我们是什么样的人。心智实验室（Mind Lab）的研究调查了2000个英国成年人，发现骑自行车的人「悠闲而平静」，不像跑步的人或游泳的人那么容易紧绷或沮丧。跑步的人多半外向，喜欢成为目光焦点，而且偏好「活泼、轻快的音乐」。研究总结说，游泳的人仁慈、快乐、有条理；散步的人通常偏好独处，不喜欢吸引目光，相对不注重物质。
你知道在Facebook上拥有很多朋友的人，自尊往往低於平均值？或者，Facebook的用户愈神经质，所贴出的多半愈有可能是照片？去年《纽约时报杂志》（New York Times Magazine）有一篇文章分析了我们在上网和登入某些网站时，所使用的密码的含意。文章中表示，我们会在事后留下一连串情感DNA，而我们也会从密码中提取情感——我们的密码有很多是把固定探访人生中有意义的回忆或时间给仪式化，但我们在其他任何地方则很少有机会想起。「有许多（我们的密码）弥漫着感伤、调皮，有时甚至是诗歌；它们往往有说不完的幕后故事。激励人心的格言、狂批老板、失落爱情的隐藏圣地、自己才懂的冷笑话、刻骨铭心的情伤——这些我所谓的纪念性密码就像是内心世界里的小摆饰。」
洞察关键要素 扭转品牌形象
大数据可能会发现很难从类似这样的洞察中找到意义或关连。我提到的每一项研究，都有一个没问的问题：这些发现可以如何结合小数据，以影响或扭转品牌或事业？弦外之音研究或许透露出，听「强烈」音乐的16 岁女孩可能会觉得它和自己的青春期认同格格不入，听约翰．柯川（John Coltrane）和萧邦的45岁英国人可能会告诉你，他缅怀青春期岁月的轰轰烈烈，而且他其实也在手腕戴了黑色橡皮圈作为叛逆的徽章。但你绝对无从得知这一点，直到你坐在这些人的客厅或卧室，和他们面对面接触。
有一家银行机构，我们姑且隐其名称；这家银行即使充分运用了为防止顾客「流失」（churn）而设计的大数据分析模式，似乎也无法真正理解顾客的行为。「流失」这个名词指的是顾客把钱搬来搬去，拿抵押贷款再融资，或是普遍展现出随时会离银行而去的迹象。拜分析模式所赐，这家银行很快就找到了顾客流失的证据，并赶紧草拟请顾客重新考虑的信函。不过在寄出前，银行主管发现了一件令人吃惊的事。没错，「大数据」确实看到了流失的证据；问题是，那并不是因为顾客对银行或它的客服有什么不满。非也：是因为他们大部分的人在办离婚，所以才要转移资产。平行的小数据研究可能在一天或更短的时间内，就能看出这一点。
接下来则有谷歌的新自驾车（self-driving car，又称无人驾驶汽车）面临的问题，其中泰半似乎可归因于科技与人性的不协调。据《纽约时报》报导，前年有一辆谷歌的新车在接近行人穿越道时，竟然理所当然般地完全停下来。前面的行人安全过了街，此时谷歌的车被另一辆不是谷歌的汽车从后方追撞。后来，有另一辆谷歌自驾车开到四个方向都设有停止标志、采先到先走规则的交叉路口时，没办法继续前进，因为它的感应器被调校成要等别的驾驶完全停止，而不是像大多数人那样一直龟速往前。《纽约时报》补充：「在刚起步的自动驾驶汽车领域，研究人员说，自动车面临的一项最大挑战是，要让它们融入人类不照章行事的世界。」
因此，大数据在串连起成千上百万个数据点来产生相关性的同时，固然可以很精确，但是每当人类表现得像个人类时，大数据常常就会打折扣。随着大数据持续帮助我们抄捷径以及使我们的生活自动化，人类反过来将同步演化，以因应并配合科技带来的变化。大数据和小数据有如舞伴，共同在追求平衡。（本文出自：宝鼎出版社《小数据猎人》）
