大数据也波及教育产业，一些大学录取办公室称，利用大数据算法，能在录取前预测哪些申请者能取得更好的学习成绩。而在教师方面，两家教育机构表示能通过预测分析，在教师实际授课前评价其能够取得的教育效果
过去我们在教育上执行了一种过于集中、过于重视数据的方法，好像“Moneyball”中描述的那样，完全依赖对球队成员的数据来组建球队。但这种方式对于教育真的合适么?学生和数据、趋势、程序对象不一样，他们每一个人都是独立的实体，长处、缺点、兴趣各不相同，用同样的程序分析套用在不同人身上并不合适，而是需要有针对性地教育。
在大数据分析的帮助下，应当能帮助学生获得更个性化的指导，这种帮助应该体现在课堂，而让议会或立法委员会陷入无谓的讨论。大数据虽然能对行业走向做出估计，但其目的是筛选、预测、淘汰，这些和教育的需求并不一致——实际上教育产业需要的恰恰相反，我们姑且称其为“小数据”(small data)。用各种复杂的计算方式对年终报告的分析，实际上之于学生个人的学习没有任何实际帮助。相反，工作在***战线上的教师个人贡献出的“小数据”改变，如应用新技术教育学生，才能对学生的学习产生实际的影响。
回顾近一个世纪的教育发展，美国在一个世纪前采用的教学方式脱胎于工业革命影响下的工厂式管理评价，把学习内容分成不同单元，每个单元后进行所谓的“阶段测试”。这种方式***的问题，是学生在学习过程中遇到问题时教师无法得到及时反馈。于是产生了一种以期弥补这一不足的方法，成为“掌握性学习”(mastery learning)，在教学过程中不断测评。这种方法在20世纪初开始应用，但实践过程中缺遇到明显的困难：测评反馈需要的时间太多，因此这种方法也没有获得普遍推广。
虽然在实践上遇到了阻力，但“掌握性学习”(也成为“形成性学习”，formative learning)的想法却一直没有被教育学家和哲学家冷落。James Block和Sal Khan都曾提倡过这一概念。Dylan Wiliam在为全国数学教师委员会(National Council of Teachers of Mathematics)发表的一项研究概要中提到：“现有的研究数据表明，在课堂教育中，掌握性学习能帮助学生掌握和教师教授的课业内容。”
但实际上掌握性学习无法有效推广的原因，不是因为耗时长、效率低，而是缺乏实践的客观条件。掌握学习的关键是事实观察并评价学生对知识的理解，并对吃不透的地方及时反复或加强，这正好符合“小数据”的效用。小数据是教师、学生和家长之间缺失的联系环节，实现了反应学生学习情况的实时检查。
假设你是六年级的数学老师，班里有30多个学生，一半都对几何关键知识点掌握有不足，而有些参加加强班的学生掌握得很好，已经有了继续学代数的能力，而有些学的不好的需要一对一的辅导。理想的情况，当然是你有足够的时间来一一辅导这些后进生，但你手里还有准备好的授课计划，固定的考试安排，显然再去有针对性地辅导是不太现实的。
教育学家Sal Khan在接受哈佛商业评论采访时表示，“科技发展让这一切成为可能，让教学按照学生的时间、按照学生的学习速度进行，给予实时反馈，把数据提供给教师一方。”
云技术和移动技术的发展成熟，也让基于掌握的评价方法更加可行。过去的“阶段性评价系统”正逐渐被“掌握性评价系统”取代，教师通过该系统能分析学生的课业表现，并做出实时反馈，这是在数据系统和技术基础欠缺的过去无法实现的。
技术成熟加快了教学个性化的推广，教师的关注点从30个人的班级为单位，细化到学生个体，学生对概念的理解不足能通过测试及时反应出来，教师再争对性地进行补充辅导，或与家长进行沟通，让后者在校外及时关注。通过这样的交流合作，学生在面临正式的阶段测试时，教师、家长和学生自身，都能对准备情况有更充分的理解，为下一步学习做出更精确的打算。
大数据是把所有人的数据集中起来，把分析结果为个人所用。而小数据的思路则相反，是把个人的分析数据集中起来为个人所用。过去一直被教育学家念念不忘的“掌握性学习”，终于在小数据的思路和科技基础的进步下逐渐被广泛采用。不仅如此，未来的教师将面对的，很可能是一对一的小数据辅助的升级版的互动教育。
