来源|martechtoday.com，文|Allison Schiff 译|Aria，zhiniuer

在大数据世界中，千兆字节的价值不到几美分。但是，对于一个小企业来说，零钱可能会加起来。这些数字化的在线商店与巨大的竞争对手一样面临着分析上的挑战：弄清楚谁是最好的客户以及如何向他们出售产品。

小型企业可能根本没有自己使用大数据技术的数据量或手段。但是他们总是可以聘请一种解决方案来帮助从“小数据”中获取价值，方法各不相同。

从小数据创建大数据

长期以向小型企业销售电子邮件营销解决方案而闻名，Mailchimp同时也是大数据领域的参与者。Mailchimp的首席数据科学官David Dewey解释说，该公司拥有自己的数据科学家，计算机科学家和数学家。“目标是将自己装瓶并放入产品中……您无需雇用人员就能获得能力。” 杜威说。

在后端，Mailchimp拥有来自客户的PB级数据，这些数据经过匿名处理在以保护他们的隐私用于分析。Mailchimp使用其机器学习模型来充当客户小型企业模型的输入。

杜威解释说，大数据输入是重心，使小型商业模型保持在正确的轨道上。小型企业可以将其绩效与Mailchimp客户群编制的平均值进行比较，以查看其评级。这些模式还可以揭示可以改进的领域，以及可以用来增强在线销售的最佳实践。

本质上，Mailchimp寻求通过汇集小型企业可用的小型数据，为小型企业提供大数据驱动的机器学习的好处。

使用小数据作为“商务GPS”

Proof Analytics董事长兼首席执行官Mark Stouse解释说，另一种方法是实时利用数据流，进行重新计算以重绘业务图。“收集数据并不难使用。它使您可以观察到结果，并增强了对结果的信心。” 他说。Stouse说，对于企业领导人来说，大约有50％，60％或70％的信心水平就足够了。“数据科学偏向于极高的精度。 业务用户在任何情况下都永远不会达到95％的信心，他们也不需要它。

能够即时进行重新计算，使得小数据非常像GPS。Stouse说：“它使您能够发现问题并进行更改，”与在旅途中更改路线没有什么不同。

一些熟悉的小数据游戏

实际上，使用小数据应该非常熟悉。即使没有使用平台或服务来分析小数据，也总是存在小数据。HubSpot平台生态系统副总裁Scott Brinker说：“算法的意义不大。” “更多的是内容。”

大数据算法可以对数百万个流程排列进行分类，以预测什么可能是产生最佳消息的方式，从而使一组客户产生最佳响应。他解释说，清楚地知道谁是谁，谁可以为客户提供更好的指导-在营销人员头上的小数据模型而不是大数据算法，小数据技术是普遍的，变化的。

净发起人得分（NPS）只是从那些小的客户调查弹出窗口中收集反馈，要求用户以1-10的等级对服务或产品进行评分。但Brinker指出，这类数据只能提供成百上千个答复的洞察力，“绝对不是大数据。”

Brinker说，A / B测试是另一种技术，一种转换优化策略已经有10多年的历史了。提出两个不同的报价，看看两者能否获得更好的客户反应。同样，这只需要成百上千的参与者就可以产生并获得洞察力。内容营销和搜索引擎优化只是小型数据业务。“哪些内容和哪些关键字在推动自然流量？” 布林克说。他说，大量营销活动的巨大价值来自有效利用小数据。

多少数据就足够了？

大数据本身可能会令人窒息，仅因其绝对规模而已。Stouse说：“整个数据科学领域对精确性的崇拜与业务的实际现实之间存在根本的区别。” “数据可用性是真正的问题”，但是“小数据”则更容易获得   好像企业具有并行的数据域一样—一个大型的，精确的数据科学域，以及一个更加近似但直接的业务需求和结果域。

Stouse说，结果是许多大型数据池或数据仓库被拆除，因为维护和保护它们的成本很高，而“价值提取”却不如预期。他补充说，分析可以查看组织的整体数据情况，但实时收集可行的数据可能会更有用。

小数据容易受到异常值的影响

虽然大数据集将产生通常不太可能被离群值影响的分析结果，但小样本量容易受到离群值的影响，可能会产生错误的结论，从而可能会对结果产生巨大的影响。杜威说，Mailchimp具有严格的流程来确定离群值是否对用户产生了不良影响。如果异常值没有负面影响，则将其简单记录下来并报告给客户。

尽管如此，自然界还是有一种制造自己的离群值的方法。Covid-19大流行像一列货运火车从左田中袭来，对经济产生了冲击，甚至破坏了基于非常大的数据集的预测。杜威说：“肯定是一段时间，模型以不可避免的方式漂移。” “ Pandemic”和“ COVID-19”成为在线搜索中的新关键字。他告诉我们，这只是注意力的改变，并没有引发人类行为的任何改变。

Proof Analytics实时监视数据的方法使用户可以看到问题的发展并随之解决。斯托斯指出：“过去作为序幕现在还不正确。” 尽管如此，公司仍必须利用其拥有的数据来进行前瞻性预测，“否则您将自由浮动”。如果程序在当前环境中不起作用，则需要对其进行调整以适应不断变化的现实。

选择处理小数据的最佳方法

最后，Mailchimp为小型在线企业提供“外包专业知识”。这样的企业由几个人甚至一个人经营，他们忙于跟随自己的热情或专注于市场利基。他们通常缺乏时间和专业知识来进行自己的分析，从而无法确定最佳客户，估计客户的生命周期价值，甚至没有时间和时间通过电子邮件提醒来促进更多的销售。

杜威说，在Mailchimp的AI上进行分析，制作程序并将其呈现给小型企业客户。他说：“他们是执行官。”他单击批准或不批准该工作。

Proof Analytics倾向于提供有助于决策的指导。Stouse说，有了足够的自动化，就不需要一名数据科学家，而只需一名分析师。即使那样，兼职分析师也足够了。Stouse指出，目标是降低决策中的风险，因为“一个错误的决策’可能’代价高昂”。

总之无论采用哪种方式，客户都将更加关注其经营业务。