Weź to, big data! dlaczego małe dane mogą mieć większe znaczenie

Czy chcesz zwiększyć swoją wydajność o 30 minut dziennie? Gdybyś mógł po prostu skoncentrować się na działaniach, które przynoszą największą wartość zespołowi i organizacji, co by to dla ciebie zrobiło? Pomyśl o tym. Co jest naprawdę ważne w dniu pracy i ile czasu spędzasz na wykonywaniu niezbędnych, ale innych, pilnych zadań? Zainteresowany? Jak więc można to osiągnąć? Cóż, dzięki wykorzystaniu małych danych.

Czekaj, co? Czy duże zbiory danych nie są danymi, o których wszyscy mówią? Tak, ale może małe dane zasługują na większą część rozmowy. W tym artykule przyjrzymy się, czym są małe dane i jak często są w stanie zapewnić większą moc niż duże dane.

Co to są małe dane?

Małe dane to przechwycone dane, które są na tyle dyskretne i wystarczająco precyzyjne, aby mógł je zrozumieć ludzki mózg. Zazwyczaj jest gromadzone w określonym celu dla pojedynczej jednostki organizacji, na przykład rejestruje, ile wysiłku fizycznego wysiłek poświęca na różne działania poszczególnych osób w zespole. Powód gromadzenia małych danych jest ustalany na wstępie. W takim przypadku zostałby zebrany w celu optymalizacji sposobu, w jaki zespół zapewnia swoją wartość.

Dla porównania, duże zbiory danych skupiają się na gromadzeniu jak największej liczby powiązanych informacji w całej organizacji, a następnie analizowaniu ich w celu ustalenia, w jaki sposób mogą pomóc w odpowiedzi na pytania. Co nasze statystyki sprzedaży mówią nam o trendach rynkowych i dalszych możliwościach sprzedaży? Jak dobry jest nasz zespół wsparcia w zakresie obsługi zapytań klientów? Gdzie musimy usprawnić proces realizacji projektu, aby zmniejszyć przekroczenie budżetu szacunkowego?

Może się to wydawać oczywiste, ale duże zbiory danych wymagają danych jako danych wejściowych i jest ich dużo. Bardzo często dodatkowe małe dane są wymagane do obsługi dużych zbiorów danych, ponieważ odpowiedzi na pytania wstępne rodzą kolejne. Ponadto, w celu przeprowadzenia analizy tych informacji, istnieje wiele narzędzi na poziomie przedsiębiorstwa oferowanych przez dostawców, narzędzi, które wymagają znacznych inwestycji i czasu, aby wprowadzić własne, skonfigurować i skonfigurować, aby zacząć dawać wyniki. Jest to projekt integracji systemów od samego początku, który łączy wszystkie źródła danych, i może potrwać kilka miesięcy, zanim przyniesie korzyści biznesowe.

I odwrotnie, małe dane wymagają niewielkiej analizy, mogą być rejestrowane na wiele sposobów ad hoc - takich jak arkusze kalkulacyjne, narzędzia do śledzenia zadań i czasu, a nawet ręczne dzienniki - i mogą być analizowane szybko i łatwo. Widziałem korzyści wynikające z niewielkich danych w ciągu tygodnia lub dwóch od początku zaangażowania w produktywność. A to tylko dlatego, że przechwytywanie surowych informacji zajmuje trochę czasu. Zazwyczaj zmiany i korzyści stają się widoczne szybko ze względu na ukierunkowanie gromadzonych danych.

Wielkie zalety małych danych

Z mojego doświadczenia w coachingu i zarządzaniu zespołami następujące korzyści wynikają z niewielkich danych dla osób i zespołów:

• Świadomość

  Małe dane mogą dostarczyć informacji o tym, gdzie ludzie faktycznie koncentrują swój czas i energię w porównaniu z tym, co dałoby jeszcze większą wartość. Często, kiedy ludzie zaczynają rejestrować małe dane, szybko zdają sobie sprawę z znaczenia tego, co odkrywają.

• Wzmocnienie

  Za pomocą małych danych osoby mogą zidentyfikować zmiany, które mogą wprowadzić w życie, i być wspierane przez innych członków zespołu. Członkowie zespołu stają się odpowiedzialni za własne zmiany i kierują nimi.

• Zaręczynowy

  Mierzenie i rozpoznawanie pozytywnych zmian może zwiększyć poczucie wzajemnego zrozumienia, wartości i więzi.

Dzięki zaangażowanemu i bardziej zmotywowanemu personelowi organizacja zyskuje potencjalne koszty, jakość i oszczędność czasu.

Jak przechwytywane są małe dane

W całym dziale rozwoju oprogramowania duże zbiory danych mogą analizować informacje o planie projektu, umożliwiając analizę liczby osób, czasu trwania i wysiłku wymaganego do realizacji różnych rodzajów projektów. Brakuje tylko tego, jak każda osoba faktycznie wykonuje swoje zadania projektowe na co dzień. Przechwytując te małe dane, możemy zacząć uczyć się, jak najlepiej zorganizować projekt, jego zespoły i ich dzień pracy. Jakie rodzaje zadań lubią i wykonują dobrze każda osoba? Co chcieliby przekazać lub upuścić? Jakie rodzaje komunikacji najlepiej współpracują z kim? Jakiego poziomu kierunku i mentoringu potrzebują ludzie?

Zmieniając sposób, uzyskujemy korzyści widoczne na poziomie dużych zbiorów danych, ale nie zmiany, które do tego doprowadziły. Analiza dużych zbiorów danych może często prowadzić do uogólnionego modelu, na przykład zakładając, że każda osoba ma podobny poziom umiejętności i doświadczenia. Tylko patrząc na specyfikę małych danych dotyczących tego, jak każda osoba pracuje i wnosi wkład w projekt (w unikalny sposób), można osiągnąć tego rodzaju korzyści.

Gdzie wykorzystywane są małe dane

Korzystając z dużych zbiorów danych, zdecydowanie można zyskać, ale ostatnie przeglądy rynku i ofert produktów wprowadzają w błąd co do najlepszych praktyk i tego, jak uzyskać najlepszą wartość z wdrożenia. Niedawny przegląd Gartnera wykazał, że tylko 8% ankietowanych firm wdrożyło analizę dużych zbiorów danych, a 57% wciąż znajduje się w fazie badań i planowania.

W przypadku każdej analizy danych kluczem nie jest pobranie wszystkich posiadanych danych, a następnie próba poszukiwania wartości, lecz użycie danych, które mogą pomóc w udzieleniu odpowiedzi na określone pytania. I tutaj wygrywają małe dane z dwóch kluczowych powodów:

• Pożądaną wartość i powód gromadzenia danych należy zrozumieć z góry.
• Małe dane dają odpowiedzi zarówno jakościowe, jak i ilościowe, umożliwiając dokonanie precyzyjnych zmian. Innymi słowy, istnieje mniej ogólnych założeń dotyczących małych danych.

Obecnie małe dane są coraz częściej wykorzystywane w programach zaangażowania pracowników i rozwoju zawodowego, w tym coachingu i ocen 360. Pojawia się trend w kierunku małych danych, które zwiększają wydajność i zaangażowanie w organizacjach od dołu do góry, zamiast dużych danych napędzających je na odwrót.

W końcu małe dane nie zastąpią dużych zbiorów danych, ale jest wiele, że małe zaangażowanie danych może nauczyć dużych zbiorów danych, jak najlepiej wykorzystać oba podejścia. Zastanawiając się nad implementacją dużych zbiorów danych, zadaj sobie pytanie, jakie pytania dotyczące małych danych pomogłyby Ci zyskać na wartości. Może to pomóc w lepszym uderzeniu w twoją strategię. (Przeczytaj inną perspektywę na temat wartości dużych zbiorów danych w biznesie w Czy Can Big Data Analytics może wypełnić lukę Business Intelligence?)