Sadržaj
- Što su mali podaci?
- Male prednosti velike koristi
- Kako se bilježe mali podaci
- Gdje se koriste mali podaci
Izvor: Sayhmog / Dreamstime.com
Oduzeti:
Mali podaci je mnogo lakše i brže analizirati od velikih podataka, ali mogu i dalje postići velike rezultate. Pa zašto ih više tvrtki ne koristi?
Želite li povećati svoju produktivnost za 30 minuta dnevno? Ako biste se mogli usredotočiti na aktivnosti koje vašem timu i organizaciji donose najviše vrijednosti, što bi to moglo učiniti za vas? Razmisli o tome. Što je zaista važno u vašem radnom danu i koliko vremena trošite na obavljanje nužnih, ali i drugih, hitnih poslova? Zainteresiran? Pa kako se to može postići? Pa, korištenjem malih podataka.Čekaj, što? Nisu li veliki podaci podaci o kojima svi govore? Jeste, ali možda mali podaci zaslužuju veći dio razgovora. Ovdje dobro pogledajte što su mali podaci i kako se često može postići veći udio od velikih podataka.
Što su mali podaci?
Mali podaci su prikupljeni podaci koji su dovoljno diskretni i precizni da ih ljudski mozak shvati. Obično se prikuplja za određenu svrhu za jedinstvenu jedinicu organizacije, kao što je snimanje koliko stvarnog napora pojedinci u timu ulože u različite aktivnosti. Razlog za prikupljanje malih podataka utvrđuje se na samom početku. U ovom slučaju, to bi se prikupljalo s ciljem optimizacije kako tim postiže svoju vrijednost.Za usporedbu, fokus velikih podataka je prikupljanje što više povezanih informacija kroz organizaciju, a zatim njihovo analiziranje kako bi se utvrdilo na koji način može pomoći u odgovoru na pitanja. Što nam govore naše statistike prodaje o trendovima na tržištu i daljnjim prodajnim mogućnostima? Koliko je naš tim za podršku u rješavanju upita kupaca? Gdje trebamo poboljšati postupak isporuke projekata da bismo smanjili prekoračenje u odnosu na procijenjeni proračun?
Možda se čini očiglednim, ali veliki podaci trebaju podatke kao unos i mnogo ih. Vrlo često su potrebni dodatni mali podaci da bi se podržali veliki podaci jer odgovori na početna pitanja postavljaju daljnja pitanja. Osim toga, za provođenje analize tih podataka postoji mnoštvo alata na razini poduzeća koji nude dobavljači, alati koji zahtijevaju značajna ulaganja i vrijeme da bi se ušlo u kuću, postavili i konfigurirali za početak davanja rezultata. To je projekt integracije sustava od samog početka za povezivanje sa svim izvorima podataka i onaj koji može potrajati nekoliko mjeseci prije nego što se pruži poslovna korist.
Suprotno tome, mali podaci zahtijevaju malo analize i mogu se zabilježiti na više ad hoc načina - kao što su proračunske tablice, alati za praćenje zadataka i vremena, pa čak i ručni dnevnici - i mogu se brzo i jednostavno analizirati. Vidio sam koristi od malih podataka u roku od tjedan ili dva od početka sudjelovanja u produktivnosti. I to samo zato što treba malo vremena da se zabilježe sirove informacije. Promjene i koristi obično postaju vidljive zbog fokusa prikupljenih podataka.
Male prednosti velike koristi
Iz mog iskustva u treniranju i upravljanju timovima, maleni podaci za pojedince i timove proizlaze iz sljedećih prednosti:- Svijest
Mali podaci mogu pružiti svijest o tome gdje pojedinci zapravo usredotočuju svoje vrijeme i energiju nasuprot onome što bi dalo još veću vrijednost. Često kad pojedinci počnu sakupljati male podatke, brzo shvate važnost onoga što otkriju. - Osnaživanje
Kroz male podatke, pojedinci mogu prepoznati promjene koje mogu provesti u djelo i u tome ih mogu podržati ostali članovi tima. Članovi tima postaju odgovorni za vlastitu promjenu. - Angažman
Mjerenje i prepoznavanje postignutih pozitivnih promjena mogu stvoriti veći osjećaj međusobnog razumijevanja, vrijednosti i povezanosti.
Kako se bilježe mali podaci
Preko odjela za razvoj softvera veliki podaci mogu analizirati informacije o projektnom planu, omogućujući analizu broja ljudi, trajanja i napora potrebnih za isporuku različitih vrsta projekata. Ono što nedostaje je kako svaki pojedinac zapravo svakodnevno obavlja svoje projektne zadatke. Snimanjem ovih malih podataka možemo početi učiti kako najbolje strukturirati projekt, njegove timove i njihov radni dan. U kojim vrstama zadataka svaka osoba uživa i dobro radi? Što bi željeli delegirati ili odbaciti? Koje vrste komunikacija najbolje surađuju s kim? Koju razinu usmjeravanja i mentoriranja trebaju pojedinci?Promjenom načina na koji način dobivamo koristi koje su vidljive na velikoj razini podataka, ali ne i promjene koje su dovele do toga. Analiza velikih podataka često može rezultirati generaliziranim modelom, na primjer, uz pretpostavku da svaka osoba ima sličnu razinu vještina i iskustva. Ove vrste koristi mogu se postići samo gledajući male specifičnosti podataka o tome kako svaka osoba radi i doprinosi projektu (na svoj jedinstven način).
Gdje se koriste mali podaci
Svakako se može dobiti velika upotreba podataka, ali nedavne preglede tržišta i ponude proizvoda pronalaze zbunjenost oko najbolje prakse i kako izvući najbolju vrijednost iz implementacije. Nedavno pregled Gartnera pokazao je da je samo 8% anketiranih tvrtki implementiralo analizu velikih podataka, a 57% još uvijek u fazi istraživanja i planiranja.Za svaku analizu podataka ključno je ne privući sve podatke koje posjedujete, a zatim pokušajte potražiti vrijednost, odnosno upotrijebiti podatke koji vam mogu pomoći u odgovoru na određena pitanja. Ovo je mjesto gdje mali podaci pobjeđuju iz dva ključna razloga:
- Željena vrijednost i razlog za prikupljanje podataka moraju se shvatiti unaprijed.
- Mali podaci daju i kvalitativne i kvantitativne odgovore, omogućujući precizne promjene. Drugim riječima, manje je općih pretpostavki izrađenih u malim podacima.
Konačno, mali podaci neće zamijeniti velike podatke, ali postoji mnogo toga što mali angažman podataka može naučiti velike podatke o tome kako dobiti najbolje iz oba pristupa. Razmišljajući o bilo kakvoj implementaciji velikih podataka, zapitajte se koja bi vam mala pitanja mogla pomoći da dobijete vrijednost. To može pomoći spajanju tog većeg udarca u vašu dobivenu strategiju. (Pročitajte još jednu perspektivu o vrijednosti velikih podataka u poslovanju u odjeljku Can Big Data Analytics može zatvoriti jaz između poslovne inteligencije?)