那些被忽略的小數據們
我是個通勤的時候沒辦法只放空的人，我用 Spotify 聽音樂、也用 Netflix 看劇，當沒有特定想聽的類型時，就選擇 Spotify 推薦的歌單、歌手；當劇荒不知道要看什麼的時候，我也會默默點開 Netflix 上那個 99% 適合我的影集或電影。這些 App 不知道什麼時候開始變得比我自己還了解自己，其實就是因為「數據」，這些娛樂平台匯集了大量的使用者行為數據，系統分析後便可針對不同的使用者進行推薦；當然，這樣子的數據分析不只在娛樂領域發揮作用，在我們日常生活中處處可見，像是天氣預報 (現代較精準的那種)、Uber 的需求供給及費用估算…。
上面提到的基本上都是所謂「大數據」(Big Data) 的運用，而這篇要談的…其實是那些被大數據光芒遮蓋住的「小數據」們！(前面滴咕這麼多廢話不知道會不會被白眼…) 真心拜託大家不要關掉，請繼續看下去🙇🏻♀️
說實話，比起人人恭維的大數據，我更傾心於小數據；這當然不是說我否定大數據的重要性，而是認定小數據被重視的必要性。Steve Jobs 曾經說過，「必須從消費者體驗開始，再回頭尋求科技，而非反其道而行」，大數據提供了寶貴但「不完整」的 solution，透過大數據只能 know-what；但洞察小數據中的奧秘，猶如解析了消費者/ 使用者行為的 DNA，便能夠進一步 know-why 及 know-how。
這篇文章建立在我對「數據」、「消費者行為/心理」和「精準行銷」的興趣之上，並融合《小數據獵人》的讀書小筆記，發表一些淺見；本文主要分為三個部分，分別會簡述小數據的重要性、談談如何得到藏在細節中的小數據，以及針對我個人思考消化後的小結。
Section 1, 千萬別忽略小數據中的含金量
小數據不是指數量比較少的數據，更不是從大數據中過濾篩選後得到的部分數據；而是應該與大數據有親密關係，並能補足大數據「知其然，但不知其所不然」的不足，就像能聽出弦外之音一般。
我大學畢業於經濟學系，經濟學原理開宗明義說道，這些理論、計算公式都建立在「人/消費者是理性的」之上，於是，我就這樣明明知道「消費者一點都不理性」，學習了無數個看似完美的理論。在這數據氾濫的年代，企業對大數據追逐膜拜的程度，有如宗教信仰一般；大數據是純然的「資料」，雖然真貴且廣泛的追蹤消費者的軌跡，但卻缺少了對人性的洞察，包含消費者的動機、情緒知覺、認知態度，以及一些只屬於個人、獨一無二的特徵。
小數據建立在針對特定數據的獲取及分析之上，從技術面來說，小數據的獲取及分析門檻較大數據低，至少不需要急著搭建多麽高大上的系統。 (techopedia)
小數據又被稱為「量化的自我」，《小數據獵人》這本書的宗旨就是「人類很容易以不同的方式來看世界，但人與人之間的相似度卻有超乎想像得高」，而在取得小數據後，如何透過看似質化的資料，去進行量化分析，便是能讓這些小數據們發揮更大效益的終點所在。
舉個《小數據獵人》書中的經典案例來說，如何透過小數據來將可能破產的樂高 (Lego) 搶救回來。樂高公司跟大多數的大型企業一樣，以大數據作為救命的解藥，但樂高委託進行的各項大數據研究，全都指向同一個結論：未來世代將對樂高失去興趣！但真的就要這樣放棄治療嗎？這家看似病入膏肓的企業，卻因為一個轉折點而起死回生 (當然同時有其他作為啦，像是縮減上市的產品數量、低價賣掉主題公園…)；這個轉捩點便是到德國某中型城市一位 11 歲小男孩家中進行田野調查，這個小男孩除了喜歡組合樂高之外，更對自己的滑板成績感到驕傲。從小男孩閃閃發亮的雙眼中，樂高團隊靈光乍現，發現若是一個活動或一種才藝，能夠讓參與者充滿成就感，並願意不計成本的去練習、深陷其中，那麼就絕對值得去投資和發展。在這偶然間小小的啟發後，樂高公司開始扭轉決策，重新聚焦在核心產品上，且大膽地提高賭注；對玩家來說，樂高彷彿在召喚他們、向他們下戰帖，變願意持續購買，並花時間去精進自己的技術與工藝。
在時間變化、角色多元的、情感訴求等難以掌控的元素之下，小數據的優勢包含知因知果、並能因應變化去創造需求，除此之外，更能從不同切入點，去連結消費者的情感價值。以樂高公司的例子來說，如果能了解小數據的含金量，並妥善運用這些數據去進行下一步的決策及運作，或許只要 10 個人的數據供給，便能夠改造品牌或事業，不必花費過多人力或金錢成本去研究數百萬之多的消費者；在接下來的部分，就來針對如何有效獲取及運用這些迷人的小東西。
Section 2, 和小數據們建立良好關係
無論是在書中或網路上，看到許多運用小數據的案例，都可以發現幾乎所有人的生活中都存在缺乏，這是因為人類淺意識的慾望；因此如何滿足這個缺口就是企業在決策時須優先考量的，而小數據便是找出這種較偏向感性缺口的鑰匙。
想要跟小數據們建立關係，那就應該跨出找出它們的第一步。
可以從最單純的「與人交談」開始，從大數據中分析中或許可以看出一些端倪，但卻無法較準確的去找出其中的「原因」，若能透過更直接與「數據提供者」進一步對話，並將有架構性的對話轉化為助力、直搗黃龍，了解真正 trigger 消費者的要素到底是什麼；另外，若能與關鍵的關係人持續保持關係，現在能與消費者連結的接觸點很多，像是社群平台 (像是透過 FB 聊天機器人或真人去與顧客進行對話)、官方網站等線上渠道，同時當然也有其他現下的接觸點，像是實體店面、交通運輸的廣告…，若能 360 度的善用這些接觸點，那麼就能得到更全方位的資訊。
《小數據獵人》一書中，作者 Martin Lindstrom 提出了一個架構：7C，7C 代表的是搜集 (Collecting)、線索 (Clues)、串連 (Connecting)、相關 (Correlation)、因果(Causation)、補償(Compensation) 和概念(Concept)；透過這個架構去發掘那先不平衡、缺乏的、被限制的以及那先為被滿足的需求，並以此作為基底來建立商業架構，不管是全新的還是翻新的。
7C 架構下的第一步，就是設法拿掉無法讓你看清事情原貌的濾鏡，在搜集數據的過程中，無論宏觀還是微觀的角度都必須存在，像是如果來到了一個人生地不熟的地方，那麼就應該同時問問在地人、觀光客對這個地方觀感，因為角度不同，一定會得到不盡相同的答案；接下來就要從這些資訊中去找出線索，任何蛛絲馬跡都不要放過，因為很難確保永遠不會用到它，這些線索可能是實體的物質、也可能是情感。接下來就可以開始針對這些搜集到的線索去進行串連，透過深入挖掘，把這些線索加以精練與分析，看看是否能找到關聯性、共通點或是否有些偏誤；在相關階段，要進一步找出切入點 (entry point)，也就是消費者的行為是否真的因為這些線索發生轉變。因果關係一直是做研究時需要優先釐清的部分，因為有明確的因果關係，才能知道如何去影響或運用這樣的關係；若是發現了消費者需求的缺口，那就可以開始擬定補償計畫，進而利用這樣的缺口去建立商業模式或更堅定的主張及概念。
Section 3, 一些小觀察和小結論
#1 從行銷的角度看小數據
在《小數據獵人》一書中，我看到了許多透過小數據中的蛛絲馬跡成功轉型或復活的例子，這個過程猶如偵探的角色扮演，從一些看似無足輕重的行為，背後卻隱含具體而微的線索 ； 而深入每一種場景去收集資訊，剖析他人的興趣、想法與行為，形成強而有力的行銷洞察，便是小數據探討的重點。
所謂「 Garbage in, Garbage out」，與其為了跟上時代、擁抱大數據分析，或許更應該在第一階段就排除不符合需求的垃圾數據 (這些數據不是沒用，只是不符合現階段的需求或目的)；若能退到第零步，一開就選擇小數據作為分析的重點，那麼或許更能精煉、萃取數據集合、趨勢，並進而制定可能的策略方向。
從數位行銷的角度來說，數位行銷本質在於大量的數據分析與優化，但除了大網撈魚之外，更應該重視「精準行銷」; 而如果想要做到更精準的行銷，也就是一種「事半功倍」的概念，透過深入的客戶輪廓繪製及後續的分析、歸納 (當然同時也是會搭配其他相關數據的分析)，進而達到有效的行銷操作，所謂有效便是花小錢賺大錢啦 (大家發大財)！
#2 妥善運用小數據是影響決策的一件大事
小數據的運用不應該是亂槍打鳥，而應該要有主張和明確的規劃。
首先要建立符合需求的目的，把目標訂定的越明確，得到的數據便會越精準、越能有效幫助後續的應用 (找出接近現實的機會或瓶頸)；在這數據爆炸的世代中，如何克服衣料的混亂狀態是非常重要的，當資料選擇很多的時候，就應該要去加強資料跟價值之間的連結，若握有數據，但它不夠明確、清楚，那也會發生無法被妥善使用的問題。
如果能在蒐集及分析的過程中，更具焦在顧客、合作夥伴及供應商的生命週期 (其實也就是專注在各個重要利害關係人身上)，重點檢視這些生命週期 (歷程)，或許能更有效找出遺失價值的漏洞。另外，若這些數據的來源是消費者本身，就應該建立一個觀念：「數據只顯露了個人對自己的了解」，或許會有偏誤或對自己的誤解；所謂「當局者迷」，如果可以從相關人/旁觀者的理解或觀察中去獲取這些資訊，多少能夠解決一部份這樣的問題。
比起大數據，小數據更貼近真實的 。在數位商業的世界裡，企業總是在追求大規模且快速的解決方案；但事實上，如果務實一點去應用更深入且含金量高的小數據，或許便能從弦外之音中找出致勝關鍵。
#3 大數據、小數據，會說話的都是好數據
大數據和小數據有如舞伴，在每個需求的樂章中，不斷在共同追求平衡、以呈現出最接近完美且和諧的演出；簡單來說，大數據這個詞是關於「機器」的，而小數據則是關於「人」。
大數據以量取勝，小而美的小數據強調資訊的意義、正確度與實質功能；大數據是找出數據的相關性，小數據能告訴你因果關係；大數據擅長的交易路線是點擊、挑選和執行，小數據訴求「情感 DNA」，是人性對話工具，也是無法直接複製貼上的「深度資料」，它將人的情緒、喜惡、說話模式、室內裝潢、密碼、社群網站動態更新等最微小的細節拼湊起來，化為一把鑰匙，解開人心的深層渴望。
若能整合線上 (online) 與線下 (offline) 資料，「透過小數據觀察、結合大數據分析」，才能找到更有利的致勝點； 數據的價值在於產出其商業策略，同時拆解大數據、聚焦小數據，那麼就能夠讓數據說話，做出更靠近準確的決策 (基本上沒有一件事情是可以百分之百準確的，因為出了學校，就沒有那麼多是非題跟選擇題)，進而引起關係人的共鳴。
其他參考資料
1. 7 Big Data Examples: Applications of Big Data in Real Life
2. Five ways that small data improves big data
3. Sometimes “Small Data” Is Enough to Create Smart Products
4. 讓數據說話，從數據延伸的行銷分析優化方法
Sunshine's DiDiGuGu 