二○○三年初，樂高有了麻煩，前一年度的營業額掉了三成。二○○四年，又有一成營業額消失。一如樂高執行長喬丹．維格．納斯託普（Jrgen Vig Knudstorp）所說：「我們來到生死關頭，負現金流造成損失，再加上債務緊縮的實質風險，公司可能會因此而破產。」
二○○四年開始，我擔任樂高的顧問，替公司開發整體品牌策略。雖然我不希望樂高偏離它長久以來表現如此出色的領域，但沒有人能抵擋得住數位化逐漸蔓延到每個角落的情勢。
樂高自一九九○年代中期開始便逐步脫離其核心產品，也就是組合式積木，轉而將重心放在鬆散籠統的領域，包括主題公園、兒童服飾產品、電玩、書籍、 雜誌、電視節目和零售店。在發展這些業務的同一時期，管理階層考慮到千禧世代不耐煩、衝動又坐不住的特質，認定樂高應該著手製造尺寸大一點的積木。
大數據看不見背後動機
樂高委託進行的各項大數據研究，全都指向相同的結論：未來世代將對樂高失去興趣。樂高積木最後會與挑棒子、棍子球、蒙眼捉人這些遊戲一樣沒落。所謂的「數位子民」指的是一九八○年後出生，成長於資訊時代的人，他們沒有時間、也沒有耐性玩樂高，用不了多久就會腸枯思竭，不知道該怎麼組下去。就算數位子民還有那麼一點想像力和創造力，也很快就會消失，因為計算機遊戲會替他們把大部分的創意工作搞定。樂高的所有研究都顯示，未來世代對於及時享樂的需求非常強烈，不是任何組合式積木可以戰勝的。
面對這樣的預測結果，樂高逆轉勝的機率似乎不高，但是這家公司卻辦到了！二○○四年初，該公司營銷高層到德國某中型城市一個十一歲小男孩家中進行田野調查的結果，或許才是公司最大的轉折點。
他們為什麼要到小男孩家中拜訪？一切都是為了找出樂高之所以出類拔萃的原因。高層人員直到那天才領悟到，原先對於二十世紀末到二十一世紀初的兒童和他們新形態數字行為的認知，包括凡事求快、希望立刻看到結果的特質，並非事實。
真正的喜好藏在小數據
這個十一歲的德國小男孩除了喜歡組合樂高之外，也是滑板迷。被問到他的哪一樣用品最讓他感到驕傲時，他指著一雙破舊的愛迪達球鞋，它的邊緣都是凹凸不平的痕跡。他說這雙球鞋是他的戰利品、是他的金牌，也是他的傑作。而且還不只如此，這雙球鞋也是「證據」。他把球鞋舉起來，好讓房內每個人都能欣賞到，他解釋說，鞋子的其中一邊磨損得很嚴重，而且磨到變成了直角，鞋後跟一看就知道也磨得很平。
整雙球鞋的外觀以及它對世界所傳達的形象實在太完美了；這雙球鞋等於是在向他自己、朋友和世人昭告，他就是這個城市最頂尖的滑板好手之一。
樂高團隊在那一刻靈感盡現。凡事求快、及時享樂的推論是怎麼回事？看來大錯特錯！十一歲德國小男孩的那雙愛迪達破鞋啟發了樂高團隊，他們因此覺悟到，無論小朋友選擇哪一樣才藝，只要把它練到爐火純青的境界，就能在同儕間贏得社交貨幣。要是這項才藝十分有用又值得去學，小朋友就會不厭其煩地拚命練習，直到練成精，而且不介意花掉他很多時間。
在此之前，樂高都是根據厚厚一大迭的大數據數據來作決策。然而最後卻是偶然間一個小小的啟發，也就是小樂高迷兼滑板高手的一雙破鞋，促使公司扭轉作法。從那時起，樂高重新聚焦在核心產品上，而且大膽地提高賭注。
公司不但將積木尺寸調回正常大小，甚至還在組裝產品中增加更多、更小的零件。積木設計得更精細，說明書也更複雜，整個組裝過程更費力。
對玩家來說，樂高彷佛在召喚他們、向他們下戰帖，同時樂高也意味著高超技術與工藝，尤其是一種得來不易的經驗，而這樣的結論可不是擅長剖析「平均」分數的高難度預測分析能夠推測出來的。
有一句名言是這樣說的：要了解動物怎麼生活，就要去叢林，而非動物園。我就是這麼做的。差不多在每個案子當中，我都會先研究「弦外之音」，也就是到消費者家中拜訪，搜集在線與線下的小數據，接著再把從世界各地搜集到的觀察心得與啟發等線索，仔細咀嚼或從中深入挖掘，經過這一連串複雜的過程，最後幾乎一定會被我找到尚未滿足或意識到的欲望，讓我能夠拿來當作基礎，開發新品牌、產品革新或創立新事業。
從日常線索找到營銷突破
小數據也許就在烤箱、藥櫃或臉書相片簿中。特拉維夫某間浴室裡的牙刷刷柄上，或者是巴西北部某間浴室牆上按壓捲筒衛生紙的方式，也有可能找到小數據。
一位任職於Google的消息人士曾向我坦承，儘管全世界差不多有三十億的人上網，七成在線購物者每天都會瀏覽臉書，每分鐘有三百小時的視訊影片上傳到 YouTube，而且全世界九成的數據都是在過去兩年內產生，但是Google能夠掌握的消費者信息還是很有限。沒錯，搜尋引擎可以偵測不尋常的關聯性（非因果關係）。我的消息來源告訴我，軟體可以根據人們打字以及打錯字的數量來評估他們的感覺，精確率達七○％。
另外，也可以根據人們打字時使用全部大寫功能的頻率來判斷他們的信用等級，精確率七九％。
雖然這些數據看起來驚人，但Google也領悟到，對於和人有關以及驅策人的種種動機，它幾乎一無所悉，所以現在正延請顧問，來做那些研究小數據的人已耕耘數十年之久的工作。一如某位分析師曾對我說過的話：「有鑑於管理階層不知該拿大數據怎麼辦，於是每個人都在尋覓大數據的下一步，而解答就是小數據。」