根據 Martin Lindstrom（《小資料》這本書的作者），人員和客戶部門之間的關係是圍繞四個標準組織的：

氣候：揭示了一個人的環境如何影響他們的飲食。

統治權：負責權力或政府

宗教信仰：一個國家的宗教盛行程度取決於其影響力，表明一個人的決策過程是否受其信仰系統的影響。

傳統：文化規範影響著人們的行為和互動。

而許多企業在大資料的熱潮下其實低估了小資料的力量，使用了數百萬消費者的樣本，而不是認識到在他們的市場研究中密切觀察小樣本的價值。 Lindstrom 在他的書中定義了 7Cs，企業應該考慮試圖透過客戶的小資料獲得有意義的客戶洞察和市場趨勢：

收集：瞭解在家庭內翻譯觀察的方式。

線索：發現可以觀察到的其他獨特的情感反射。

連線：確定情緒行為的後果。

因果關係：瞭解什麼情緒正在被喚起。

相關性：識別行為或情緒出現的初始日期。

補償：確定未滿足或未滿足的願望。

概念：為確定的消費者需求定義“大創意”補償。

一些 Lindstrom 的客戶，例如位於北卡羅來納州的 Lowes Foods 公司以不同的方式檢視資料，實際上選擇與客戶共同生活。 “當你進入他們的商店時，他們現在創造了一個令人驚歎的社群，每個員工都以小資料為基礎扮演角色心情。”超市盡其所能讓顧客感到賓至如歸。員工的所有行為都受到客戶家中直接採訪中收集的客戶反饋的啟發。

也許小資料，能讓你更瞭解你的客戶。

市場營銷中一個主要類別就是營銷策略的選擇，而策略選擇非常適合與強化學習與小資料集。比如說投標問題就可以轉化為強化學習中的MDP（馬爾可夫決策過程）問題：其中狀態就是投標價格策略，行動就是對報價策略的調整，獎賞就是投標評分/名次。演算法會根據歷史資料對MDP進行訓練，最後得到最佳化的投標策略。強化學習演算法會根據環境給予的獎賞調整自身的策略，真正具有類似人類的智慧。它需要的訓練資料集不大，應用上不受資料集的限制。