在資料的江湖裡，既有波瀾壯闊的大資料（Big Data），也有微波漣漪的小資料（Small Data），二者相輔相成，才能相映生輝。目前大資料流行，人們就“言必稱大資料”，這不是做學問的態度，不要碰到大量的資料，就給它戴上一頂 “大資料”的帽子。大資料體現出規律，小資料蘊含著智慧，它們都閃爍著理想之光。

古人云：“聖人見微知著，睹始知終。”道家的一部重要著作《淮南子·說山訓》中說：“以小明大，見一葉落而知歲之將暮，睹瓶中之水而知天下之寒。”意思是說，看見一片落葉，就知道秋天來臨；看到瓶中水結冰，就知道天氣的寒冷程度，這是對見微知著的形象比喻。

吳甘沙先生用《一代宗師》的臺詞來比擬大、小資料的區分，倒也甚是恰當。他說，小資料“見微”，作個人刻畫，可用《一代宗師》中“見自己”形容之；而大資料“知著”，反映自然和群體的特徵和趨勢，可用《一代宗師》中的“見天地、見眾生”比喻之。

大就是大資料，就是全量資料；小就是小資料，就是個體資料。所以，對於資料科學，我們必須在把情況搞清楚的基礎上懂得哪些是大、哪些是小、怎樣處理大小辯證關係，才能在具體資料應用中做到抓大放小、以大兼小，以小帶大、小中見大。在研究小資料時，要以大兼小、以小見大，必須考慮目標的正確性、可操作性和決策的科學性、可行性。在研究大資料時，要抓大放小、以小帶大，既要考慮整體共性，又要注重個體特徵。這樣，資料應用中，大能與小資料量化的自我保持高度一致，小能與大資料預見的未來保持一致，既不能見小不見大，也不能見大不見小。對於資料科學，從資料中來，到資料中去，既要見大，也要見小，以小帶大、小中見大，才能真正用好資料。

當認知科學領域發生“天翻地覆”的變化時，我們的未來又會是怎樣？認知革命，特別是“真相時代”的到來，“預測”將被“預見”取代，那麼，“預見未來”將不再是遙遠的星辰。如果認知科學的本質是計算科學，那麼，“大資料”和“小資料”爭奪所謂“大小”的“江湖地位”意義何在？但我們需要覺悟的是：此“資料”非彼“資料”。面向未來，“大資料”和“小資料”將開啟一個“全新故事”，一個“預見未來”的故事。

通常情況下，採集資訊有以下幾個渠道：

第一：傳統資訊系統。傳統資訊系統採集的資訊往往具有較高的價值，一方面原因是傳統資訊系統採集的往往是結構化資料，易於統計和分析，另一方面原因是傳統資訊系統採集的資料往往是比較重要的資料，對後續的資料分析有重要的參考價值。傳統資訊系統包含的內容比較廣泛，比如常見的ERP系統。對於企業來說，傳統資訊系統的建設應該是資訊化建設的第一步。

第二：Web平臺。資訊來源的另一個重要渠道是各種Web平臺，隨著Web應用的普及，尤其是Web2.0的普及應用之後，整個Web系統產生了大量的資料，這些資料也是大資料系統的重要資料來源之一。Web系統的資料具備幾個典型的特點，比如數量大、結構多樣性、真假難辨等等，這就需要透過資料分析來進一步體現其價值了。

第三：物聯網系統。物聯網與大資料的關係非常緊密，物聯網系統的普及應用是產生大資料的重要原因之一，大資料的大部分資料來源就是物聯網系統。通常情況下，物聯網系統有五層結構，分別是裝置、網路、平臺、分析處理和服務應用，裝置往往是資料的來源。與傳統資訊系統和Web系統不同，物聯網的資料大部分都是非結構化資料和半結構化資料，要想對其進行分析需要採用特定的處理方式，比較常見的處理方式包括批處理和流處理。批處理比較常見的平臺包括Hadoop和Spark，而流處理通常採用Spark Streaming、Storm等。

除了以上幾個比較常見的資訊採集渠道之外，透過線下活動進行資訊採集也是一種獲取資訊的手段和方式。對於廣大使用者來說，要注意線下資訊採集的安全性。