从维克托界定的大数据使用的三个原则来看（要整体不要抽样；要效率不要绝对精确；要相关不要因果），大数据的界定似乎正是针对小数据使用缺陷来界定的，而这些所谓的缺陷正是我们线下传统数据收集和处理的基本原则。

　　在大数据大行其道之时，我们积累了几十年、上百年的小数据处理方法是否就意味着过时了呢？

　　要回答这个问题，我们还是要先从小数据的定义入手。

　　目前网络和行业都缺乏对小数据的标准定义，在美国、乃至台湾有一种关于小数据的定义，认为相对于服务趋势和战略的大数据而言，那些服务于个体而形成的数据指标，应该称之为小数据。举例来说，谷歌根据人们在搜索引擎使用的关键词的相关性，判断H1N1流感趋势，为卫生防疫部门提供预防决策属于大数据的典型应用；而耐克和苹果合作开发的“Nike+”软件，为个人的健康和锻炼提供的数据指标和参考，就属于小数据的典型范畴。

　　我想说的是，如果从维克托的大数据使用的三个原则和标准，我们可以清楚的看到，他所意指的小数据更多的是我们沿用传统方法收集和整理的数据。而这本书的序作者之一的谢文也明确表示，在互联网技术席卷的今天，整个世界会明显地划分为大数据时代、小数据时代、无数据时代，小数据的时代指向更加明显。

　　所以，我们定义的小数据，应该是在信息和数据不完整的情况下，通过科学抽样和技术调整，为个体或某类具体问题提供数据参考的数据包。

　　弄清楚了小数据的定义，我们来看看小数据相对于大数据，是不是真的已经out了？

　　一、整体数据是不是一定优于抽样数据？

　　互联网技术的发展，为收集整体数据而产生的成本下降直至忽略不计提供了可能，而传统数据的收集方法是在平衡成本和精确之下，选择规范的抽样方法，两者在数量级的比较上就不在一个体量级。从统计的精确度上来说，数据越大，精确度越高，结果也会更加逼近于真相。当年传统的数据处理，正是受制于数据越多成本越大，或者某些现实条件，无法穷尽数据，才不得已采取了抽样分析的折中办法。从数量的角度讲，大数据确实要优于小数据。

　　但是，小数据分析方法，比如样本方差，尽可能用各类参数将样本与整体之间的差异缩小，让结果无限逼近真实，在趋势和策略判断上，抽样判断和整体判断，其实很多时候都是五十步和一百步的区别；另一方面，小数据时代积累的各类数据处理方法，也仍然是大数据时代数据处理的基础和原则，抛弃小数据来谈大数据，大数据也将是无源之水、无本之木。

第 1 2 页　　　　下页：第 2 页 8