就在德國隊出局時，德國隊頭号球迷、德國總理默克爾正在人工智能研讨會上同機器人“索菲”對話。當索菲曆數德國隊過往的輝煌戰績時，默克爾回答：“從曆史的角度看确實是這樣，但今天我們都很傷心。”默克爾口中的“曆史”是什麼？是大數據。遺憾的是，這樣的大數據并不能幫助德國隊取得勝利。
無獨有偶，就在小組賽最後一輪前夕，德國公司SAP發文稱，SAP和德國足協開展聯合創新，共同開發了視頻分析模塊和球員表現儀表盤，旨在滿足球隊不斷變化的需求，高效分析并共享與之相關的比賽數據，以幫助德國隊在俄羅斯世界杯期間保持巅峰狀态。然而，德國隊的數據化轉型也并未能讓德國隊在本屆世界杯上走得更遠。
是大數據沒有用嗎？顯然不是。首先，我們應該承認，世界杯賽場并不是一個可以預測的賽場。其次，大數據是一座“金礦”，用什麼辦法從中提練出你需要的有價值的“金子”，比大數據的産生過程更為複雜。就如最簡單的編程，在什麼條件下，給出的下一步指令是“YES”或是“NO”，程序得出的結論會完全不同。
從某種角度上來說，隻有當大數據被有效轉化成小數據，數據才會發揮作用。
5月，筆者跟随SERI訪韓團（詳細報道請見本期“電器供應商情”）走訪了十餘家韓國制冷供應鍊生産企業。在泰信電機，該公司負責人介紹，在生産現場，他們每天都會組織一線員工，統計當天的數據，找到當天的問題點，了解最核心的問題在哪裡，為進一步改善設備和工藝做積累。這其中，就有大數據與小數據的轉化。生産現場的數據和問題是大數據，但由一線員工來分析這些數據，就使之轉換成小數據——他們是數據的創造者，他們懂得顯像數據的背後，它的本質和邏輯是什麼。
筆者有一位同事，由于家離單位比較遠，每天花很長時間坐地鐵，這使得她養成了去觀察有座位乘客的習慣——她希望找到他們的規律，讓自己能夠更早地擁有一個座位。其中有一個例子是，當她身邊的乘客帶着行李箱，路過A站并不下車時，她就會離開現在站的位置。因為那坐着的乘客有90%以上幾率是跟她在同一站下車轉乘7号線，她自己基本是無望得到那個座位了。這背後的邏輯是，A站是轉乘2号線的換乘站。地鐵裡帶行李箱的乘客很大概率是去乘火車。如果A站該乘客不下車，那麼他的目的地就不是位于2号線上的北京站，而是去7号線可以到達的北京南站。對于我的同事來說，北京地鐵的吞吐量、每個站台的吞吐量、地鐵線路的轉乘量，這樣的大數據并沒有什麼用。有用的是，她在A站之後，因為帶行李箱的乘客沒有下車，她要選擇“NO”，離開她原有的位置——這是小數據發揮的作用。
今天，很多企業都在做數字化轉型，在這一過程中，把大數據轉化成小數據，才是轉型的“正确打開方式”。當然，我們并不是說SAP為德國足球隊開發的解決方案沒有用——賽場如戰場，誰也無法對比賽結果有百分之百的把握。而這也正說明，人類社會遠比數字世界複雜，完全依賴數據去做決定，無疑會走向教條主義。