Talaan ng mga Nilalaman:
- Ano ang Maliit na Data?
- Malaking Pakinabang ng Maliit na Data
- Paano Kinukuha ang Maliit na Data
- Kung saan Ginagamit ang Maliit na Data
Nais mo bang madagdagan ang iyong produktibo sa pamamagitan ng 30 minuto sa isang araw? Kung maaari mo lamang na ituon ang pansin sa mga aktibidad na nagbibigay ng pinakamahalagang halaga sa iyong koponan at samahan, ano ang gagawin nito para sa iyo? Pag-isipan mo. Ano ang talagang mahalaga sa iyong araw ng pagtatrabaho at kung gaano karaming oras ang ginugol mo sa kinakailangang gawin, ngunit iba pa, mga kagyat na gawain? Interesado? Kaya paano ito makamit? Well, sa pamamagitan ng paggamit ng maliit na data.
Ano nga ulit? Hindi ba malaking data ang data na pinag-uusapan ng lahat? Ito ay, ngunit marahil ang maliit na data ay nararapat sa isang mas malaking piraso ng pag-uusap. Narito, tingnan natin kung anong maliit na data at kung paano madalas itong mag-pack ng isang mas malaking suntok kaysa sa malaking data.
Ano ang Maliit na Data?
Ang maliit na data ay nakunan ng data na discrete at tumpak na sapat upang maunawaan ng utak ng tao. Karaniwan, kinokolekta para sa isang tiyak na layunin para sa isang solong yunit ng isang samahan, tulad ng pagrekord kung gaano karaming aktwal na pagsisikap ang ginugol sa iba't ibang mga gawain ng mga indibidwal sa isang koponan. Ang dahilan para sa pagkolekta ng maliit na data ay itinatag sa simula. Sa kasong ito, makokolekta sa layunin ng pag-optimize kung paano naghahatid ng halaga ang isang koponan.
Sa pamamagitan ng paghahambing, ang pokus ng malaking data ay ang pagkolekta ng mas maraming kaugnay na impormasyon sa buong organisasyon hangga't maaari, at pagkatapos ay pag-aralan ito upang matukoy kung paano ito makakatulong sa pagsagot sa mga tanong. Ano ang sinasabi sa amin ng aming mga istatistika sa pagbebenta tungkol sa mga uso sa merkado at karagdagang mga pagkakataon sa pagbebenta? Gaano katindi ang aming koponan sa pagsuporta sa paghawak ng mga query sa customer? Saan kailangan nating mapagbuti ang proseso ng paghahatid ng proyekto upang mabawasan ang labis na pananaw laban sa tinantyang badyet?
Ito ay maaaring mukhang malinaw, ngunit ang malaking data ay nangangailangan ng data bilang input, at marami rito. Kadalasan, ang mga karagdagang maliit na data ay kinakailangan upang suportahan ang malaking data habang ang mga sagot sa mga paunang tanong ay nagtataas ng higit pa. Dagdag pa, upang maisagawa ang pagsusuri ng impormasyong ito mayroong maraming mga tool sa antas ng enterprise na inaalok ng mga vendor, mga tool na nangangailangan ng makabuluhang pamumuhunan at oras upang maipasok ang in-house, i-set up at i-configure upang simulan ang pagbibigay ng mga resulta. Ito ay isang proyekto ng pagsasama-sama ng mga system mula sa simula upang kumonekta sa lahat ng mga mapagkukunan ng data, at isa na maaaring tumagal ng ilang buwan bago maihatid ang benepisyo sa negosyo.
Sa kabaligtaran, ang maliit na data ay nangangailangan ng kaunting pagsusuri, ay maaaring makuha sa maraming mga paraan ng ad hoc - tulad ng sa mga spreadsheet, gawain- at mga tool sa pagsubaybay sa oras, at kahit manu-manong mga libro sa pag-log - at maaaring masuri nang mabilis at madali. Nakita ko ang mga benepisyo na natanto mula sa maliit na data sa loob ng isang linggo o dalawa sa simula ng isang pakikipagsapalaran ng pagiging produktibo. At iyon ay dahil lamang sa kaunting oras upang makuha ang hilaw na impormasyon. Karaniwan, ang mga pagbabago at benepisyo ay nagiging maliwanag dahil sa pokus ng data na nakolekta.
Malaking Pakinabang ng Maliit na Data
Mula sa aking karanasan sa coach at pamamahala ng mga koponan, ang mga sumusunod na benepisyo ay nagmumula sa maliit na data para sa mga indibidwal at koponan:- Kamalayan
Ang maliit na data ay maaaring magbigay ng kamalayan sa kung saan ang mga indibidwal ay aktwal na nakatuon sa kanilang oras at lakas kumpara sa kung ano ang magbibigay ng mas malaking halaga. Kadalasan kapag sinimulan ng mga indibidwal na makuha ang maliit na data, mabilis nilang napagtanto ang kabuluhan ng kung ano ang kanilang natuklasan.
- Pagpapalakas
Sa pamamagitan ng maliit na data, maaaring makilala ng mga indibidwal ang mga pagbabago na maaari nilang maisagawa at suportado sa paggawa ng ibang mga miyembro ng koponan. Ang mga miyembro ng koponan ay naging responsable para sa at magdala ng kanilang sariling pagbabago.
- Pakikipag-ugnayan
Ang pagsukat at pagkilala sa mga positibong pagbabago na nakamit ay maaaring lumikha ng isang higit na kahulugan ng pagkakaintindihan, nagkakahalaga at koneksyon.
Paano Kinukuha ang Maliit na Data
Sa buong isang departamento ng pag-unlad ng software, maaaring masuri ng malaking data ang impormasyon sa plano ng proyekto, posible na pag-aralan ang bilang ng mga tao, tagal at pagsisikap na kinakailangan upang maihatid ang iba't ibang uri ng mga proyekto. Ang nawawala ay kung paano aktwal na isinasagawa ng bawat indibidwal ang kanilang mga gawain sa proyekto sa pang-araw-araw na batayan. Sa pamamagitan ng pagkuha ng maliit na data na ito, maaari naming simulan upang malaman kung paano pinakamahusay na istraktura ang proyekto, ang mga koponan at ang kanilang araw ng pagtatrabaho. Anong mga uri ng mga gawain ang tinatamasa at maayos ng bawat tao? Ano ang gusto nilang i-delegate o ihulog? Ano ang mga uri ng komunikasyon na pinakamahusay sa kanino? Anong antas ng direksyon at pagmimina ang kailangan ng mga indibidwal?
Sa pamamagitan ng pagpapalit ng kung paano, nakukuha namin ang mga benepisyo na nakikita sa malaking antas ng data, ngunit hindi ang mga pagbabago na humantong sa ito. Ang pagtatasa ng malaking data ay madalas na magreresulta sa isang pangkalahatang modelo, halimbawa, sa pag-aakalang ang bawat tao ay may katulad na antas ng antas at karanasan. Sa pamamagitan lamang ng pagtingin sa maliit na mga detalye ng data kung paano gumagana ang bawat tao at nag-aambag sa proyekto (sa kanilang natatanging paraan), makakamit ang mga ganitong uri ng mga benepisyo.
Kung saan Ginagamit ang Maliit na Data
Tiyak na halaga ang maaaring makuha mula sa paggamit ng malaking data, ngunit ang mga kamakailang pagsusuri sa merkado at mga handog ng produkto ay nakakahanap ng pagkalito sa paligid ng pinakamahusay na kasanayan at kung paano makuha ang pinakamahusay na halaga mula sa isang pagpapatupad. Ang isang kamakailan-lamang na pagsusuri sa pamamagitan ng Gartner ay natagpuan na 8% lamang ng mga kumpanya na nasuri ang nagpatupad ng malaking data analytics at 57% ay nasa mga yugto ng pagsasaliksik at pagpaplano.
Para sa anumang pagsusuri ng data, ang susi ay hindi upang hilahin ang lahat ng data na mayroon ka at pagkatapos ay subukan at hanapin ang halaga, ito ay gumamit ng data na makakatulong sa pagsagot sa mga partikular na katanungan. At ito ay kung saan ang maliit na data ay nanalo para sa dalawang pangunahing mga kadahilanan:
- Ang nais na halaga at dahilan para sa pagkolekta ng data ay dapat na maunawaan up sa harap.
- Ang maliit na data ay nagbibigay ng parehong mga husay at dami ng mga sagot, na nagpapagana ng tumpak na mga pagbabago na gagawin. Sa madaling salita, mayroong mas kaunting mga pagpapalagay ng pangkalahatang pangkalahatang ginawa sa maliit na data.
Sa huli, ang maliit na data ay hindi mapapalitan ang malaking data, ngunit marami na ang isang maliit na pakikipag-ugnayan ng data ay maaaring magturo ng malaking data sa kung paano makakakuha ng pinakamahusay mula sa parehong mga diskarte. Sa pagsasaalang-alang ng anumang malaking pagpapatupad ng data, tanungin ang iyong sarili kung ano ang mga maliit na katanungan ng data na makakatulong sa iyo na makakuha ng halaga. Maaari itong makatulong na mag-pack ng mas malaking pagsuntok sa iyong nagresultang diskarte. (Basahin ang isa pang pananaw sa halaga ng malaking data sa negosyo sa Maaari Big Data Analytics Isara ang Business Intelligence Gap?)
