“大數據”數據量大、處理速度快、數據類型繁多、價值密度相對較低。雖信息海量,但若想從這海量的信息中更迅速地完成數據提純,是當今大數據背景下一個亟待解決的難題。

“小數據”并不是說數據量小，而是指有針對性的、個體化的數據。可用于支持決策的高質量數據，不需要復雜的算法、昂貴的硬件、高額的費用，任何組織、企業甚至個人都可以實現對“小數據”的分析和管理。

大數據放棄對因果關系的渴求，取而代之關注相關關系。

也就是說只要知道“是什么”，而不需要知道“為什么”。這就顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。

個性化離散與群體聚焦的大不同。企業需用大數據做個性化精準營銷，用小數據對不同群體進行產品定位。互聯網以及社交媒體的發展讓人們在網絡上留下的數據越來越多，數據量的大幅增長、數據來源和類型的復雜化、離散化越來越大。海量數據通過多維度的信息重組使得企業都在謀求各平臺間的內容、用戶、廣告投放的全面打通，以期通過用戶關系鏈的融合、網絡媒體的社會化重構，為廣告用戶帶來更好的個性化精準營銷效果。

小數據自身固有的集中性，為產品或服務市場定位、市場機會分析等提供了必不可少的戰略決策支持。不同族群的小數據會清晰而精確地告訴你該產品或服務是否最優，一旦推出之后能否獲取預期的市場份額。對不同族群“小數據”進行調查研究雖相對便宜，但從某種程度上而言，應用得當的小數據會讓決策更加精準有力。

即時發生行為與態度動機的差異。

大數據更易用作實時動態指數，小數據突出族群態度洞察。大數據很大程度上停留在說明過去發生的行為上，即使是剛剛發生的行為。用過去的數據說明過去，預測未來趨勢，成為大數據的核心，這一特點主要應用在實時動態指數中。而小數據更多是對歷史行為進行態度動機的研究。尤其在用戶“消亡”擁護者盛行的“粉絲時代”，對不同族群的態度和行為進行深度研究。