Le Small Data consiste à produire des données issues de transformations appliquées au Big Data qui répondent à des critères d’intelligibilité de l’homme. L’homme ne peut explorer l’immensité de l’univers des Big Data, il faut lui présenter l’information de manière à ce qu’il puisse en faire une synthèse mentale. Le Small Data vise à installer une couche herméneutique entre l’univers du Big Data et l’univers d’exploration de l’utilisateur, à l’image d’une projection d’un espace de dimension 3 sur un plan.

Parmi les règles herméneutiques du Small Data, on peut citer l’abstraction. Par exemple si l’on dispose d’une suite d’achat réguliers d’un produit de consommation courante par un acteur (information en extension) il est possible de résumer cette information à un texte de la forme « X achète régulièrement tel produit à tel moment de la semaine » (information en compréhension). Des règles de même nature sont mises en œuvre par le cerveau humain pour compacter l’information qu’il reçoit et dégager des principes plus abstraits moins gourmands en place et plus maniables.