当然，Antony Rowstron的这篇论文 意不在此 ，文中的主要诉求是，既然我们日常处理的数据没有那么大到 不成体统 ，就没有必要把某台机器的性能指标一味地纵向扩展（scale up），比如把内存从8G升级为16GB，32GB，64GB，甚至更高，而是应该选择更加 经济实惠 的横向扩展（Scale out）策略，比如将若干个8GB低配置的机器连接在一起，组成一个廉价的集群（cluster），然后利用Hadoop将集群用起来，所以这篇论文的标题是 没有人会因在集群上使用Hadoop而被解雇（Nobody ever got fired for using Hadoop on a cluster） ，言外之意，在目前大数据语境下，使用 类Hadoop（Hadoop-like） 工具分析大数据是未来主流的趋势之一，就业市场一片光明。
从上面的分析可以看出，我们不否认，大数据是前沿，但我们更不能对目前的现状熟视无睹 小数据依然是主流。目前大多数公司、企业其实仍处于 小数据 处理阶段。但只要在纵向上有一定的时间积累，在横向上有较丰富的记录细节，通过多个源头对同一个对象采集的各种数据有机整合，实施合理的数据分析，就可能产生大价值。基于此，李国杰院士指出，在大数据时代，我们是不能抛弃 小数据 的[9]。
对精确的追求，历来是传统的小数据分析的强项，这在一定程度上弥补大数据的 混杂性 缺陷。犹如有句歌词唱得那样： 结识新朋友，不忘老朋友 。在大数据时代，我们也不能忘记小数据。大数据有大数据的力量，小数据有小数据的美。下面我们就聊聊这个话题。
4.你若安好，便是晴天 小数据之美
小数据，其实是大数据的一个有趣侧面，是其众多维度的一维。有时，我们需要大数据的全维度可视，周涛教授甚至把 全息可见 作为大数据的特征，而这个特征在对用户数字 画像 时，非常有用，因为这样做，非常有利于商家推广 精准营销 。
在这里，我们再次强调托马斯 克伦普的哲学观 数据的本质是人。技术也是为人服务的。对于 普罗大众 而言，有时，我们并不希望自己被数字化，被全息透明化，这就涉及到个人隐私问题了。如果大数据技术侵犯个人的隐私，让受众不开心了，那这个技术就应该有所限制和规范，但这不在本文的讨论范围，就不展开说了。
流行的 大数据 定义是： 无法通过目前主流软件工具在合理时间内采集、存储、处理的数据集 。我们很容易反其道而用之，定义出 小数据（small data） ， 通过目前主流软件工具可以在合理时间内采集、存储、处理的数据集 。这就是传统意义上的小数据，经典的数理统计和数据挖掘知识，可以较好地解决这类问题。这个范畴的小数据，属于老生常谈，所以本文不谈。
我们下文讨论的小数据，是一类新兴的数据，它是围绕个人为中心全方位的数据，是我们每个个体的数字化信息，因此，也有人称之为 iData 。这类小数据跟大数据的根本区别在于，小数据主要以单个人为研究对象，重点在于深度，对个人数据深入的精确的挖掘，对比而言，大数据则侧重在某个领域方面，在大范围、大规模全面数据收集处理分析， 侧重在于广度。
小数据是大数据的某个侧面，事实上，很多时候，对于个人而言，这个所谓的侧面就有可能是特定个人的全面。当大数据受万人瞩目时，创新技术（如智能手机、智能手环及智能体育等）也让小数据 个人的自我量化（Quantified Self，QS）， 面朝大海，春暖花开 。
个人量化，可以测量、跟踪、分析我们日常生活中点点滴滴。比如，今天的早餐我摄入了多少卡路里？围着操场跑一圈我消耗了多少热量，在手机的某个App(如微信)上我耗费了多少时间？等等诸如此类。在某种程度上，是小数据，而非大数据，才是我们生活的帮手。 小数据 不比大数据那样浩瀚繁杂，却对我自己至关重要。下面我们用两个小案例来说明小数据的应用。
先说一个稍微高大上的案例。据科技记者Emily Waltz在IEEE Spectrum的撰文指出[20]，目前佩戴在运动员身上生物小配件（Biometric gadget，通常指传感器），正在改变世界精英级运动员的训练方式。这些可穿戴传感器设备，提供实时的生理参数，而在以前，倘若要获取这样的数据，需要笨重和昂贵的实验室设备。如同40年前，风靡一时的负重训练方案，可让运动员更有韧性，可穿戴装备能帮助运动员提高成绩并同时避免受伤。一些棒球手、自行车运动员和橄榄球等竞技运动员用新装备寻求优势。
图11 运动员利用可穿戴设备训练美式橄榄球（图片来源：IEEE）
例如，在如图11所示的装备中，运动员身上的传感器能够精确记录在室内外场馆的运动特征。这些自我量化设备，可放置于运动员背部的压缩衣中，它能够监控运动员的加速、减速、方向改变以及跳跃高度和运动距离等指标。教练员能够通过监控数据，来检测每个运动员训练强度，并防止过度训练所带来的伤害。这些自我量化设备的工作原理是，协同使用很多小设备，如加速计、磁力计、陀螺仪、GPS接收仪等 这些设备每秒能够产生100个数据点。通过无线连接，计算机可以实时采集这些数据。个人量化分析软件，可对运动特征和特定位置实施分析，计算机专家系统中的算法，可以检测到运动员在做对了什么、做错了什么，基于此，教练可以给出更加有针对性的训练。目前此类设备的使用者，包括一半以上的NFL(橄榄球联盟)、三分之一的NBA运动员、一半以上的英超球队以及世界各地的足球队、橄榄球队和划船运动队等。
自我量化设备（可穿戴设备）通常是和物联网（Internet of things，IoT）是有关联的。而现在还处于炒作巅峰的物联网（如图8所示），通常是和大数据扯到一起的，但是就某个具体的物联网设备而言，它一定先是产生少量的甚至是微量的数据，也就是说，物联网首先是小数据，然后才能汇集成大数据。沃顿商学院教授、纽约时报最佳畅销书作者乔纳 伯杰（Jonah Berger）推测[21]，个人的自我量化数据，或许将会是大数据革命中下一个演进方向。由此可见，大、小数据之间并无明显的界限。再大的数据也是人们一点一滴聚沙成塔、集腋成裘的。没有小数据的积少成多、百川归海，大数据也是无源之水、无本之木。
