Πίνακας περιεχομένων:
- Τι είναι τα μικρά δεδομένα;
- Τα μεγάλα οφέλη της μικρής πληροφορίας
- Πώς συλλαμβάνονται μικρά δεδομένα
- Όπου χρησιμοποιούνται μικρά δεδομένα
Θέλετε να αυξήσετε την παραγωγικότητά σας κατά 30 λεπτά την ημέρα; Εάν θα μπορούσατε να επικεντρωθείτε μόνο στις δραστηριότητες που φέρνουν τη μεγαλύτερη αξία στην ομάδα και την οργάνωσή σας, τι θα έκανε για εσάς; Σκέψου το. Τι είναι πραγματικά σημαντικό στην εργάσιμη ημέρα σας και πόσο χρόνο ξοδεύετε έχοντας να κάνετε τα απαραίτητα αλλά άλλα επείγοντα καθήκοντα; Ενδιαφερόμενος? Πώς μπορεί να επιτευχθεί; Λοιπόν, με τη χρήση μικρών δεδομένων.
ΟΠΑ, τι? Δεν είναι μεγάλα δεδομένα τα δεδομένα που ο καθένας μιλάει; Είναι, αλλά ίσως τα μικρά δεδομένα αξίζουν ένα μεγαλύτερο κομμάτι της συζήτησης. Εδώ θα ρίξουμε μια ματιά σε τι μικρά δεδομένα είναι και πώς μπορεί συχνά πακέτο μια μεγαλύτερη γροθιά από ό, τι τα μεγάλα δεδομένα.
Τι είναι τα μικρά δεδομένα;
Τα μικρά δεδομένα συλλαμβάνονται δεδομένα που είναι αρκετά διακριτά και ακριβή για να κατανοηθούν από τον ανθρώπινο εγκέφαλο. Συνήθως, συλλέγεται για έναν συγκεκριμένο σκοπό για μια μοναδική μονάδα μιας οργάνωσης, όπως η καταγραφή της πραγματικής προσπάθειας που καταβάλλεται σε διάφορες δραστηριότητες από άτομα σε μια ομάδα. Ο λόγος για τη συλλογή μικρών δεδομένων καθορίζεται εξαρχής. Στην περίπτωση αυτή, θα συλλέγονται με στόχο τη βελτιστοποίηση του τρόπου με τον οποίο η ομάδα αποδίδει την αξία της.
Συγκριτικά, η εστίαση των μεγάλων δεδομένων είναι η συγκέντρωση όσο το δυνατόν περισσότερων σχετικών πληροφοριών σε ολόκληρη την οργάνωση και, στη συνέχεια, η ανάλυση για τον προσδιορισμό του τρόπου με τον οποίο μπορούν να βοηθήσουν να απαντήσουν σε ερωτήσεις. Τι μας λένε τα στατιστικά στοιχεία πωλήσεων σχετικά με τις τάσεις της αγοράς και τις περαιτέρω ευκαιρίες πωλήσεων; Πόσο καλή είναι η ομάδα υποστήριξής μας στο χειρισμό ερωτημάτων πελατών; Πού πρέπει να βελτιώσουμε τη διαδικασία παράδοσης των έργων μας για να μειώσουμε την υπέρβαση του εκτιμώμενου προϋπολογισμού;
Μπορεί να φανεί προφανές, αλλά τα μεγάλα δεδομένα χρειάζονται δεδομένα ως εισροές και πολλά. Πολύ συχνά απαιτούνται πρόσθετα μικρά δεδομένα για την υποστήριξη μεγάλων δεδομένων, καθώς οι απαντήσεις σε αρχικά ερωτήματα εγείρουν και άλλα. Επιπλέον, προκειμένου να γίνει ανάλυση αυτών των πληροφοριών, υπάρχουν πολλά εργαλεία σε επίπεδο επιχειρήσεων που προσφέρονται από τους πωλητές, εργαλεία που απαιτούν σημαντικές επενδύσεις και χρόνο για να φέρουν εσωτερικά, να ρυθμιστούν και να ρυθμιστούν ώστε να αρχίσουν να δίνουν αποτελέσματα. Πρόκειται για ένα έργο ολοκλήρωσης συστημάτων από την αρχή για να συνδεθεί με όλες τις πηγές δεδομένων και αυτό που μπορεί να διαρκέσει αρκετούς μήνες πριν από την παροχή των επιχειρηματικών οφελών.
Αντίστροφα, τα μικρά δεδομένα απαιτούν λίγη ανάλυση, μπορούν να ληφθούν με πολλούς ad hoc τρόπους - όπως σε υπολογιστικά φύλλα, εργαλεία εντοπισμού και παρακολούθησης χρόνου, ακόμη και μη αυτόματα ημερολόγια - και μπορούν να αναλυθούν γρήγορα και εύκολα. Έχω δει τα οφέλη να υλοποιούνται από μικρά δεδομένα μέσα σε μια εβδομάδα ή δύο από την αρχή μιας δέσμευσης παραγωγικότητας. Και αυτό μόνο και μόνο επειδή χρειάζεται λίγος χρόνος για να καταγράψει τις πρώτες πληροφορίες. Συνήθως, οι μεταβολές και τα οφέλη γίνονται γρήγορα αντιληπτά λόγω της εστίασης των δεδομένων που συλλέγονται.
Τα μεγάλα οφέλη της μικρής πληροφορίας
Από την εμπειρία μου στην καθοδήγηση και τις ομάδες διαχείρισης, τα ακόλουθα οφέλη προκύπτουν από μικρά δεδομένα για άτομα και ομάδες:- Επίγνωση
Τα μικρά δεδομένα μπορούν να παράσχουν ευαισθησία για το πού τα άτομα πραγματικά εστιάζουν τον χρόνο και την ενέργειά τους σε σχέση με αυτό που θα έδινε ακόμα μεγαλύτερη αξία. Συχνά όταν τα άτομα αρχίζουν να συλλαμβάνουν μικρά δεδομένα, συνειδητοποιούν γρήγορα τη σημασία αυτού που ανακαλύπτουν.
- Ενδυνάμωση
Μέσω μικρών δεδομένων, τα άτομα μπορούν να προσδιορίσουν τις αλλαγές που μπορούν να θέσουν σε δράση και να υποστηριχθούν από άλλα μέλη της ομάδας. Τα μέλη της ομάδας γίνονται υπεύθυνα για τη δική τους αλλαγή.
- Σύμπλεξη
Η μέτρηση και η αναγνώριση των θετικών αλλαγών που επιτυγχάνονται μπορούν να δημιουργήσουν μεγαλύτερη αίσθηση αμοιβαίας κατανόησης, αξίας και σύνδεσης.
Πώς συλλαμβάνονται μικρά δεδομένα
Σε ένα τμήμα ανάπτυξης λογισμικού, μεγάλα δεδομένα μπορούν να αναλύσουν τις πληροφορίες του σχεδίου του έργου, καθιστώντας δυνατή την ανάλυση του αριθμού των ατόμων, της διάρκειας και της προσπάθειας που απαιτούνται για την παροχή διαφορετικών τύπων έργων. Αυτό που λείπει είναι ο τρόπος με τον οποίο κάθε άτομο εκτελεί πραγματικά τις εργασίες του έργου σε καθημερινή βάση. Καταγράφοντας αυτά τα μικρά δεδομένα, μπορούμε να αρχίσουμε να μαθαίνουμε πώς να διαμορφώνουμε καλύτερα το έργο, τις ομάδες του και την εργάσιμη ημέρα του. Ποια είδη καθηκόντων απολαμβάνει κάθε άτομο και κάνει καλά; Τι θα ήθελε να μεταβιβάσει ή να αποσυρθεί; Ποιοι τύποι επικοινωνίας λειτουργούν καλύτερα με ποιον; Ποιο επίπεδο κατεύθυνσης και καθοδήγησης χρειάζονται τα άτομα;
Αλλάζοντας τον τρόπο, αντλούμε οφέλη που είναι ορατά στο μεγάλο επίπεδο δεδομένων, αλλά όχι οι αλλαγές που οδήγησαν σε αυτό. Ανάλυση μεγάλων δεδομένων μπορεί συχνά να οδηγήσει σε ένα γενικευμένο μοντέλο, για παράδειγμα, υποθέτοντας ότι κάθε άτομο έχει ένα παρόμοιο επίπεδο δεξιοτήτων και εμπειρίας. Μόνο εξετάζοντας τις ιδιαιτερότητες των μικρών δεδομένων σχετικά με τον τρόπο με τον οποίο κάθε άτομο εργάζεται και συμβάλλει στο έργο (με τον μοναδικό τρόπο), μπορούν να επιτευχθούν αυτοί οι τύποι παροχών.
Όπου χρησιμοποιούνται μικρά δεδομένα
Υπάρχει σίγουρα αξία από τη χρήση μεγάλων δεδομένων, αλλά οι πρόσφατες αναθεωρήσεις της αγοράς και των προσφορών προϊόντων βρήκαν σύγχυση γύρω από τις βέλτιστες πρακτικές και τον τρόπο απόκτησης της καλύτερης αξίας από την υλοποίηση. Μια πρόσφατη ανασκόπηση από τη Gartner διαπίστωσε ότι μόνο το 8% των εταιρειών που συμμετείχαν στην έρευνα έχουν πραγματοποιήσει μεγάλες αναλύσεις δεδομένων και το 57% εξακολουθεί να βρίσκεται σε στάδιο έρευνας και προγραμματισμού.
Για οποιαδήποτε ανάλυση δεδομένων, το κλειδί δεν είναι να τραβήξετε όλα τα δεδομένα που έχετε και στη συνέχεια να προσπαθήσετε να αναζητήσετε αξία, πρόκειται να χρησιμοποιήσετε δεδομένα που μπορούν να σας βοηθήσουν στην απάντηση σε συγκεκριμένες ερωτήσεις. Και εδώ τα μικρά δεδομένα κερδίζουν για δύο βασικούς λόγους:
- Η επιθυμητή τιμή και ο λόγος συλλογής των δεδομένων πρέπει να κατανοηθούν μπροστά.
- Τα μικρά δεδομένα παρέχουν τόσο ποιοτικές όσο και ποσοτικές απαντήσεις, επιτρέποντας να γίνουν ακριβείς αλλαγές. Με άλλα λόγια, υπάρχουν λιγότερες γενικευμένες υποθέσεις σε μικρά δεδομένα.
Τελικά, τα μικρά δεδομένα δεν θα αντικαταστήσουν τα μεγάλα δεδομένα, αλλά υπάρχουν πολλά που μια μικρή εμπλοκή δεδομένων μπορεί να διδάξει μεγάλα δεδομένα για το πώς να πάρει το καλύτερο από τις δύο προσεγγίσεις. Κατά την εξέταση οποιασδήποτε μεγάλης εφαρμογής δεδομένων, αναρωτηθείτε ποια μικρά ερωτήματα δεδομένων θα σας βοηθήσουν να κερδίσετε αξία. Μπορεί να βοηθήσει να παγώσει αυτό το μεγαλύτερο γροθιά στην στρατηγική σας που προκύπτει. (Διαβάστε μια άλλη προοπτική για την αξία των μεγάλων δεδομένων στην επιχείρηση στο Can Big Data Analytics Κλείστε το κενό επιχειρηματικής ευφυΐας;)
