Зміст:
- Що таке малі дані?
- Великі переваги малих даних
- Як захоплюються малі дані
- Де використовуються невеликі дані
Хочете збільшити свою продуктивність на 30 хвилин на день? Якби ви могли просто зосередитись на тих діях, які приносять найбільшу цінність вашій команді та організації, що б це зробило для вас? Подумай над цим. Що насправді важливо в робочий день і скільки часу ви витрачаєте на виконання необхідних, але інших, невідкладних завдань? Цікавите? То як це можна досягти? Ну, завдяки використанню невеликих даних.
Чекати, що? Чи не великі дані - це дані, про які всі говорять? Так є, але, можливо, невеликі дані заслуговують на більшу частину розмови. Тут ми розглянемо, що таке невеликі дані та як вони часто можуть спакувати більший удар, ніж великі дані.
Що таке малі дані?
Невеликі дані - це дані, які є дискретними та точними, щоб зрозуміти людський мозок. Зазвичай він збирається з певною метою для окремого підрозділу організації, наприклад, запису того, скільки фактичних зусиль витрачається на різні види діяльності окремих людей у колективі. Причина збору невеликих даних встановлюється з самого початку. У цьому випадку він збирається з метою оптимізації того, як команда забезпечує свою цінність.
Для порівняння, у центрі уваги великих даних відбувається збір якомога більшої кількості пов'язаної інформації по всій організації, а потім її аналіз, щоб визначити, як вона може допомогти відповісти на запитання. Що свідчить наша статистика продажів про тенденції на ринку та подальші можливості продажу? Наскільки нашою командою підтримки є обробка запитів клієнтів? Де нам потрібно вдосконалити наш процес реалізації проектів, щоб зменшити перевищення прогнозного бюджету?
Це може здатися очевидним, але великі дані потребують даних як вхідних даних, так і безлічі даних. Дуже часто потрібні додаткові невеликі дані для підтримки великих даних, оскільки відповіді на початкові запитання викликають подальші. Плюс для того, щоб проаналізувати цю інформацію, існує безліч інструментів на рівні підприємства, що пропонуються постачальниками, інструменти, які потребують значних інвестицій та часу для залучення, створення та налаштування, щоб почати давати результати. Це проект із інтеграції систем із самого початку для з'єднання з усіма джерелами даних, який може зайняти кілька місяців, перш ніж буде досягнуто користь для бізнесу.
І навпаки, невеликі дані потребують невеликого аналізу, їх можна зафіксувати багатьма спеціальними способами - наприклад, у електронних таблицях, інструментах відстеження завдань та часу та навіть вручну з журналами журналів - і їх можна проаналізувати швидко та легко. Я бачив, що користь може бути реалізована за допомогою невеликих даних протягом тижня-двох від початку залучення продуктивності. І це лише тому, що потрібно небагато часу для збору необробленої інформації. Як правило, зміни та переваги стають очевидними через зосередженість зібраних даних.
Великі переваги малих даних
З мого досвіду тренувань та управління командами, наступні переваги є результатами невеликих даних для осіб та команд:- Інформованість
Невеликі дані можуть забезпечити усвідомлення того, куди люди насправді зосереджують свій час та енергію, порівняно з тим, що дасть ще більше значення. Часто, коли люди починають фіксувати невеликі дані, вони швидко усвідомлюють значення того, що вони виявляють.
- Розширення можливостей
За допомогою невеликих даних люди можуть визначити зміни, які вони можуть вжити в дію та підтримати у виконанні іншими членами команди. Члени команди стають відповідальними за власні зміни та проводять власні зміни.
- Заручини
Вимірювання та визнання за досягнуті позитивні зміни можуть створити більше відчуття взаєморозуміння, цінності та зв'язку.
Як захоплюються малі дані
У відділі розробки програмного забезпечення великі дані можуть аналізувати інформацію про проектний план, що дозволяє проаналізувати кількість людей, тривалість і зусилля, необхідні для реалізації різних типів проектів. Не вистачає того, як кожна людина реально виконує свої проектні завдання щодня. Захоплюючи ці невеликі дані, ми можемо почати дізнаватися, як найкраще структурувати проект, його команди та їх робочий день. Які типи завдань задовольняє та справляє добре кожна людина? Що б вони хотіли делегувати чи відмовити? Які типи спілкування найкраще працюють з ким? Який рівень спрямування та наставництва потребують особи?
Змінюючи способи, ми отримуємо переваги, видимі на великому рівні даних, але не ті зміни, які призвели до цього. Аналіз великих даних часто може призвести до узагальненої моделі, наприклад, припускаючи, що кожна людина має подібний рівень кваліфікації та досвіду. Тільки переглянувши невеликі специфіки даних про те, як кожна людина працює і сприяє проекту (своїм унікальним способом), можна досягти цих видів переваг.
Де використовуються невеликі дані
Однозначно варто отримати користь від використання великих даних, але останні огляди ринку та пропозицій товарів виявляють плутанину навколо найкращої практики та того, як отримати найкращу цінність від впровадження. Нещодавній огляд Gartner показав, що лише 8% опитаних компаній впровадили аналітику великих даних, а 57% все ще знаходяться на етапах досліджень та планування.
Для будь-якого аналізу даних головне не втягувати всі наявні у вас дані, а потім намагатися шукати цінність, це використовувати дані, які можуть допомогти у відповіді на конкретні запитання. І саме тут невеликі дані виграють з двох ключових причин:
- Бажане значення та причина збору даних повинні бути зрозумілі наперед.
- Невеликі дані дають як якісні, так і кількісні відповіді, що дозволяє вносити точні зміни. Іншими словами, існує менше загальних припущень, зроблених у малих даних.
Зрештою, малі дані не замінять великі дані, але є багато, що невелике залучення даних може навчити великі дані, як отримати найкраще з обох підходів. Розглядаючи будь-яку велику реалізацію даних, запитайте себе, які дрібні запитання щодо даних допоможуть вам отримати цінність. Це може допомогти скористатися тим більшим ударом у вашій отриманій стратегії. (Прочитайте ще один погляд на цінність великих даних у бізнесі в розділі Can Big Data Analytics закрити прогалину в Business Intelligence?)
