Obsah
Zdroj: Sayhmog / Dreamstime.com
Odnést:
Malá data lze analyzovat mnohem snadněji a rychleji než velká data, ale stále mohou přinést velké výsledky. Tak proč je nepoužívá více podniků?
Chcete zvýšit svou produktivitu o 30 minut denně? Pokud byste se mohli jen soustředit na činnosti, které přinášejí vašemu týmu a organizaci největší hodnotu, co by to pro vás znamenalo? Přemýšlejte o tom. Co je skutečně důležité ve vašem pracovním dni a kolik času trávíte potřebnými, ale jinými, naléhavými úkoly? Zájem? Jak je toho možné dosáhnout? Díky použití malých dat.Počkej co? Nejsou velká data, o kterých všichni mluví? Je to, ale možná malá data si zaslouží větší část konverzace. Zde se dobře podívejte, co jsou malá data a jak může často zabalit větší ránu než velká data.
Co jsou malá data?
Malá data jsou zachycená data, která jsou diskrétní a dostatečně přesná, aby je lidský mozek pochopil. Obvykle se shromažďuje za konkrétním účelem pro jednotnou jednotku organizace, jako je například zaznamenávání toho, kolik skutečného úsilí vynaložili jednotlivci v týmu na různé činnosti. Důvod sběru malých dat je stanoven na začátku. V tomto případě by to bylo shromážděno s cílem optimalizovat, jak tým plní svou hodnotu.Ve srovnání se zaměřením velkých dat shromažďuje co nejvíce souvisejících informací v celé organizaci a poté je analyzuje, aby se zjistilo, jak může pomoci odpovědět na otázky. Co nám naše statistiky prodeje říkají o trendech na trhu a dalších prodejních příležitostech? Jak dobrý je náš tým podpory při řešení dotazů zákazníků? Kde potřebujeme zlepšit náš proces dodávání projektů, abychom snížili překročení oproti odhadovanému rozpočtu?
Může se to zdát zřejmé, ale velká data potřebují data jako vstup a mnoho z nich. Velmi často jsou vyžadována další malá data pro podporu velkých dat, protože odpovědi na počáteční otázky vyvolávají další. Navíc, aby bylo možné provést analýzu těchto informací, existuje řada podnikových nástrojů nabízených prodejci, nástroje, které vyžadují značné investice a čas, aby mohly být in-house, nastaveny a nakonfigurovány, aby začaly poskytovat výsledky. Jedná se o projekt systémové integrace od samého začátku, který se spojuje se všemi zdroji dat, a projekt, který může trvat několik měsíců, než bude dosaženo obchodního prospěchu.
Naopak malá data vyžadují malou analýzu, mohou být zachycena mnoha způsoby ad hoc - například v tabulkách, nástrojích pro sledování úkolů a času a dokonce i manuální deníky - a lze je rychle a snadno analyzovat. Viděl jsem výhody plynoucí z malých dat během týdne nebo dvou od začátku zapojení do produktivity. A to pouze proto, že zachycení prvotních informací trvá trochu času. Změny a přínosy se obvykle projeví rychle díky zaměření shromážděných údajů.
Malé výhody velkých dat
Z mých zkušeností s koučováním a řízení týmů plynou následující výhody z malých údajů pro jednotlivce a týmy:- Povědomí
Malá data mohou poskytnout povědomí o tom, kde jednotlivci skutečně zaměřují svůj čas a energii, na to, co by dalo ještě větší hodnotu. Když jednotlivci často začnou zachytávat malá data, rychle si uvědomí význam toho, co objevují. - Zplnomocnění
Pomocí malých dat mohou jednotlivci identifikovat změny, které mohou provést, a mohou být podporováni jinými členy týmu. Členové týmu se stanou zodpovědnými a řídí vlastní změny. - Zapojení
Měření a uznávání dosažených pozitivních změn může vytvořit větší pocit vzájemného porozumění, hodnoty a spojení.
Jak jsou zachycena malá data
V rámci oddělení vývoje softwaru mohou velká data analyzovat informace o plánu projektu, což umožňuje analyzovat počet lidí, dobu trvání a úsilí potřebné k dodání různých typů projektů. Co chybí, je to, jak každý jednotlivec skutečně provádí své projektové úkoly každý den. Zachycením těchto malých dat se můžeme začít učit, jak nejlépe strukturovat projekt, jeho týmy a jejich pracovní den. Jaké typy úkolů si každý člověk užívá a dělá dobře? Co by chtěli delegovat nebo upustit? Jaké typy komunikace nejlépe spolupracují s kým? Jakou úroveň řízení a vedení potřebují jednotlivci?Změnou toho, jak získáváme výhody, které jsou viditelné na velké datové úrovni, ale ne změny, které k tomu vedly. Analýza velkých dat může často vést k zobecněnému modelu, například za předpokladu, že každý člověk má podobnou úroveň dovedností a zkušeností. Těchto výhod lze dosáhnout pouze na základě specifických údajů o tom, jak každá osoba pracuje a jak přispívá k projektu (svým jedinečným způsobem).
Kde se používají malá data
Při používání velkých dat je určitě přínosné, ale nedávné recenze trhu a nabídky produktů objevují zmatek ohledně osvědčených postupů a způsobu, jak získat nejlepší hodnotu z implementace. Nedávná recenze společnosti Gartner zjistila, že pouze 8% dotázaných společností implementovalo analýzu velkých dat a 57% je stále ve stadiu výzkumu a plánování.Pro jakoukoli analýzu dat je klíčem nezatáhnout všechna data, která máte, a pak se pokusit hledat hodnotu, je to použít data, která mohou pomoci při zodpovězení konkrétních otázek. A zde vyhrávají malá data ze dvou klíčových důvodů:
- Požadovaná hodnota a důvod pro sběr dat musí být pochopeny předem.
- Malá data dávají jak kvalitativní, tak kvantitativní odpovědi, což umožňuje přesné změny. Jinými slovy, v malých datech je méně obecných předpokladů.
Nakonec malá data nenahradí velká data, ale existuje spousta toho, že malé datové zapojení může naučit velká data o tom, jak získat co nejlepší z obou přístupů. Při zvažování jakékoli implementace velkých dat si položte otázku, jaké malé datové otázky vám pomohou získat hodnotu. Může to pomoci při zabalení většího úderu do výsledné strategie. (Přečtěte si další pohled na hodnotu velkých dat v podnikání v části Může služba Big Data Analytics překlenout mezeru v podnikání?)