在這個迷戀大數據的時代，企業紛紛投入資料庫的建立。然而，大數據縱使提供了寶貴見解，卻也有一定限制。如：樂高（LEGO）根據大數據分析，認為新世代缺乏耐心，決定簡化玩具設計，但忽略數據成因的後果，導致公司差點倒閉。由此可知，科技再怎麼發達，終究必須回歸到人的本質。對此，國際品牌大師馬汀‧林斯壯提出「小數據」概念，敏銳觀察個別消費者的生活，追蹤細微線索，看穿潛在慾望，彌補了大數據的不足。
如果企業想要瞭解消費者，大數據提供了寶貴但不完整的解決之道。我認為，當代對數位資料（digital data）的關切，大大削弱了真知灼見與觀察心得的重要性，連帶危及到產品及產品解決方案。再說，大數據縱使提供了寶貴的見解，但是整個網路仍然是一個把真實的我們經過精心策劃與理想化之後所呈現出來的版本。
小數據「結合」大數據 你看到了什麼？
對我啟發最大的，是將小數據「結合」大數據，針對消費者真正要的是什麼，花時間在住家觀察、傾聽、留意與爬梳線索。畢竟在樂高第一次雇用我時，14歲的我「就是」那個消費者，一個對該公司的積木著迷的孩子。藉由觀察我自己和朋友的行為，我能提供樂高主管有關產品和公司的洞見，但這不是做任何數據分析就能得到的見解——就像觀察一名11歲德國男孩就能幫助陷入破產的樂高扭轉命運，然而大數據卻提供樂高完全相反的趨勢分析。
有意思的是，我們現在竟然回過頭來，根據人在線上的無意識行為來洞察人性，而不是從數字尋求見解。例如在2013年，一項刊登在《個性與社會心理學期刊》（Journal of Personality and Social Psychology ）的研究，利用25萬人、歷時十年所累積下來的數據，檢視了音樂消費品味終其一生的演變。音樂似乎會去適應任何的「人生挑戰」，或是我們隨著年歲漸長所面對的心理需求。這項研究把音樂消費模式分為五個「實證推導」（empirically derived）的類別，並以圓融（mellow）、含蓄（unpretentious）、世故（sophisticated）、強烈（intense）和當代（contemporary）等字的縮寫，命名為「音樂（MUSIC）模式」。
或許不足為奇的是，聽音樂的第一個重大年紀是青春期，「強烈」是這個時期的特性，可能是反映出荷爾蒙活性（hormonal activity）增加，或是青少年對「自我」的創造。「強烈」和「當代」音樂的崛起有所交會，是一個持續到中年初期為止的趨勢，此時，另外兩個「偏好類別」（preference dimension）——電子和節奏藍調——會加進來，這兩種都屬於「浪漫、情緒正面且適合跳舞」的音樂。人類最後的音樂年齡，以「世故」的爵士和古典樂以及「含蓄」的鄉村樂、民謠和藍調為主。後面這兩種音樂形式令人放鬆、積極，並間接連結了聽者的社會地位與散發出的智慧。
我們最喜愛的運動，說明我們是什麼樣的人。心智實驗室（Mind Lab）的研究調查了2000個英國成年人，發現騎自行車的人「悠閒而平靜」，不像跑步的人或游泳的人那麼容易緊繃或沮喪。跑步的人多半外向，喜歡成為目光焦點，而且偏好「活潑、輕快的音樂」。研究總結說，游泳的人仁慈、快樂、有條理；散步的人通常偏好獨處，不喜歡吸引目光，相對不注重物質。
你知道在臉書上擁有很多朋友的人，自尊往往低於平均值？或者，臉書的用戶愈神經質，所貼出的多半愈有可能是照片？去年《紐約時報雜誌》（New York Times Magazine）有一篇文章分析了我們在上網和登入某些網站時，所使用的密碼的含意。文章中表示，我們會在事後留下一連串情感DNA，而我們也會從密碼中擷取情感——我們的密碼有很多是把固定探訪人生中有意義的回憶或時間給儀式化，但我們在其他任何地方則很少有機會想起。「有許多（我們的密碼）瀰漫著感傷、調皮，有時甚至是詩歌；它們往往有說不完的幕後故事。激勵人心的格言、狂批老闆、失落愛情的隱藏聖地、自己才懂的冷笑話、刻骨銘心的情傷——這些我所謂的紀念性密碼就像是內心世界裡的小擺飾。」
洞察關鍵要素 扭轉品牌形象
大數據可能會發現很難從類似這樣的洞察中找到意義或關連。我提到的每一項研究，都有一個沒問的問題：這些發現可以如何結合小數據，以影響或扭轉品牌或事業？弦外之音研究或許透露出，聽「強烈」音樂的16 歲女孩可能會覺得它和自己的青春期認同格格不入，聽約翰．柯川（John Coltrane）和蕭邦的45歲英國人可能會告訴你，他緬懷青春期歲月的轟轟烈烈，而且他其實也在手腕戴了黑色橡皮圈作為叛逆的徽章。但你絕對無從得知這一點，直到你坐在這些人的客廳或臥室，和他們面對面接觸。
有一家銀行機構，我們姑且隱其名稱；這家銀行即使充分運用了為防止顧客「流失」（churn）而設計的大數據分析模式，似乎也無法真正理解顧客的行為。「流失」這個名詞指的是顧客把錢搬來搬去，拿抵押貸款再融資，或是普遍展現出隨時會離銀行而去的跡象。拜分析模式所賜，這家銀行很快就找到了顧客流失的證據，並趕緊草擬請顧客重新考慮的信函。不過在寄出前，銀行主管發現了一件令人吃驚的事。沒錯，「大數據」確實看到了流失的證據；問題是，那並不是因為顧客對銀行或它的客服有什麼不滿。非也：是因為他們大部分的人在辦離婚，所以才要轉移資產。平行的小數據研究可能在一天或更短的時間內，就能看出這一點。
接下來則有谷歌的新自駕車（self-driving car，又稱無人駕駛汽車）面臨的問題，其中泰半似乎可歸因於科技與人性的不協調。據《紐約時報》報導，前年有一輛谷歌的新車在接近行人穿越道時，竟然理所當然般地完全停下來。前面的行人安全過了街，此時谷歌的車被另一輛不是谷歌的汽車從後方追撞。後來，有另一輛谷歌自駕車開到四個方向都設有停止標誌、採先到先走規則的交叉路口時，沒辦法繼續前進，因為它的感應器被調校成要等別的駕駛完全停止，而不是像大多數人那樣一直龜速往前。《紐約時報》補充：「在剛起步的自動駕駛汽車領域，研究人員說，自動車面臨的一項最大挑戰是，要讓它們融入人類不照章行事的世界。」
因此，大數據在串連起成千上百萬個數據點來產生相關性的同時，固然可以很精確，但是每當人類表現得像個人類時，大數據常常就會打折扣。隨著大數據持續幫助我們抄捷徑以及使我們的生活自動化，人類反過來將同步演化，以因應並配合科技帶來的變化。大數據和小數據有如舞伴，共同在追求平衡。（本文出自：寶鼎出版社《小數據獵人》）