在大數據世界中，千兆字節的價值不到幾美分。但是，對于一個小企業來說，零錢可能會加起來。這些數字化的在線商店與巨大的競爭對手一樣面臨著分析上的挑戰：弄清楚誰是最好的客戶以及如何向他們出售產品。
小型企業可能根本沒有自己使用大數據技術的數據量或手段。但是他們總是可以聘請一種解決方案來幫助從“小數據”中獲取價值，方法各不相同。
從小數據創建大數據
長期以向小型企業銷售電子郵件營銷解決方案而聞名，Mailchimp同時也是大數據領域的參與者。Mailchimp的首席數據科學官David Dewey解釋說，該公司擁有自己的數據科學家，計算機科學家和數學家。“目標是將自己裝瓶并放入產品中……您無需雇用人員就能獲得能力。”?杜威說。
在后端，Mailchimp擁有來自客戶的PB級數據，這些數據經過匿名處理在以保護他們的隱私用于分析。Mailchimp使用其機器學習模型來充當客戶小型企業模型的輸入。
杜威解釋說，大數據輸入是重心，使小型商業模型保持在正確的軌道上。小型企業可以將其績效與Mailchimp客戶群編制的平均值進行比較，以查看其評級。這些模式還可以揭示可以改進的領域，以及可以用來增強在線銷售的最佳實踐。
本質上，Mailchimp尋求通過匯集小型企業可用的小型數據，為小型企業提供大數據驅動的機器學習的好處。
使用小數據作為“商務GPS”
Proof Analytics董事長兼首席執行官Mark Stouse解釋說，另一種方法是實時利用數據流，進行重新計算以重繪業務圖。“收集數據并不難使用。它使您可以觀察到結果，并增強了對結果的信心。”?他說。Stouse說，對于企業領導人來說，大約有50％，60％或70％的信心水平就足夠了。“數據科學偏向于極高的精度。?業務用戶在任何情況下都永遠不會達到95％的信心，他們也不需要它。
能夠即時進行重新計算，使得小數據非常像GPS。Stouse說：“它使您能夠發現問題并進行更改，”與在旅途中更改路線沒有什么不同。
一些熟悉的小數據游戲
實際上，使用小數據應該非常熟悉。即使沒有使用平臺或服務來分析小數據，也總是存在小數據。HubSpot平臺生態系統副總裁Scott Brinker說：“算法的意義不大。”?“更多的是內容。”
大數據算法可以對數百萬個流程排列進行分類，以預測什么可能是產生最佳消息的方式，從而使一組客戶產生最佳響應。他解釋說，清楚地知道誰是誰，誰可以為客戶提供更好的指導-在營銷人員頭上的小數據模型而不是大數據算法，小數據技術是普遍的，變化的。
凈發起人得分（NPS）只是從那些小的客戶調查彈出窗口中收集反饋，要求用戶以1-10的等級對服務或產品進行評分。但Brinker指出，這類數據只能提供成百上千個答復的洞察力，“絕對不是大數據。”
Brinker說，A / B測試是另一種技術，一種轉換優化策略已經有10多年的歷史了。提出兩個不同的報價，看看兩者能否獲得更好的客戶反應。同樣，這只需要成百上千的參與者就可以產生并獲得洞察力。內容營銷和搜索引擎優化只是小型數據業務。“哪些內容和哪些關鍵字在推動自然流量？”?布林克說。他說，大量營銷活動的巨大價值來自有效利用小數據。
多少數據就足夠了？
大數據本身可能會令人窒息，僅因其絕對規模而已。Stouse說：“整個數據科學領域對精確性的崇拜與業務的實際現實之間存在根本的區別。”?“數據可用性是真正的問題”，但是“小數據”則更容易獲得???好像企業具有并行的數據域一樣—一個大型的，精確的數據科學域，以及一個更加近似但直接的業務需求和結果域。
Stouse說，結果是許多大型數據池或數據倉庫被拆除，因為維護和保護它們的成本很高，而“價值提取”卻不如預期。他補充說，分析可以查看組織的整體數據情況，但實時收集可行的數據可能會更有用。
小數據容易受到異常值的影響
雖然大數據集將產生通常不太可能被離群值影響的分析結果，但小樣本量容易受到離群值的影響，可能會產生錯誤的結論，從而可能會對結果產生巨大的影響。杜威說，Mailchimp具有嚴格的流程來確定離群值是否對用戶產生了不良影響。如果異常值沒有負面影響，則將其簡單記錄下來并報告給客戶。
盡管如此，自然界還是有一種制造自己的離群值的方法。Covid-19大流行像一列貨運火車從左田中襲來，對經濟產生了沖擊，甚至破壞了基于非常大的數據集的預測。杜威說：“肯定是一段時間，模型以不可避免的方式漂移。”?“ Pandemic”和“ COVID-19”成為在線搜索中的新關鍵字。他告訴我們，這只是注意力的改變，并沒有引發人類行為的任何改變。
Proof Analytics實時監視數據的方法使用戶可以看到問題的發展并隨之解決。斯托斯指出：“過去作為序幕現在還不正確。”?盡管如此，公司仍必須利用其擁有的數據來進行前瞻性預測，“否則您將自由浮動”。如果程序在當前環境中不起作用，則需要對其進行調整以適應不斷變化的現實。
選擇處理小數據的最佳方法
最后，Mailchimp為小型在線企業提供“外包專業知識”。這樣的企業由幾個人甚至一個人經營，他們忙于跟隨自己的熱情或專注于市場利基。他們通常缺乏時間和專業知識來進行自己的分析，從而無法確定最佳客戶，估計客戶的生命周期價值，甚至沒有時間和時間通過電子郵件提醒來促進更多的銷售。
杜威說，在Mailchimp的AI上進行分析，制作程序并將其呈現給小型企業客戶。他說：“他們是執行官。”他單擊批準或不批準該工作。
Proof Analytics傾向于提供有助于決策的指導。Stouse說，有了足夠的自動化，就不需要一名數據科學家，而只需一名分析師。即使那樣，兼職分析師也足夠了。Stouse指出，目標是降低決策中的風險，因為“一個錯誤的決策’可能’代價高昂”。
總之無論采用哪種方式，客戶都將更加關注其經營業務。
