Innehållsförteckning:
Vill du öka din produktivitet med 30 minuter om dagen? Om du bara kunde fokusera på de aktiviteter som ger mest värde för ditt team och din organisation, vad skulle det göra för dig? Tänk på det. Vad är verkligen viktigt i din arbetsdag och hur mycket tid spenderar du på att behöva göra nödvändiga, men andra, brådskande uppgifter? Intresserad? Så hur kan det uppnås? Tja, genom användning av små data.
Vänta, va? Är det inte stor data som alla pratar om? Det är, men kanske små data förtjänar en större del av konversationen. Här ska vi titta på vad små data är och hur det ofta kan packa en större stans än big data.
Vad är små data?
Små data samlas in data som är diskreta och exakta nog för att förstås av den mänskliga hjärnan. Vanligtvis samlas det in för ett specifikt syfte för en enskild enhet i en organisation, till exempel att registrera hur mycket faktiskt arbete som läggs på olika aktiviteter av individer i ett team. Anledningen till att samla in små data fastställs från början. I det här fallet skulle det samlas in med målet att optimera hur ett team levererar sitt värde.
Som jämförelse samlar bigdata in så mycket relaterad information över hela organisationen som möjligt och analyserar den för att avgöra hur den kan hjälpa till att svara på frågor. Vad berättar vår försäljningsstatistik om marknadstrender och ytterligare försäljningsmöjligheter? Hur bra är vårt supportteam när det gäller att hantera kundfrågor? Var måste vi förbättra vår leverans av projekt för att minska överskridandet mot uppskattad budget?
Det kan verka uppenbart, men big data behöver data som input och mycket av det. Mycket ofta krävs ytterligare små data för att stödja big data eftersom svar på inledande frågor ger ytterligare upplysningar. Dessutom finns det en mängd verktyg på företagsnivå som erbjuds av leverantörer för att utföra analys av den här informationen, verktyg som kräver betydande investeringar och tid för att få internt, konfigurera och konfigurera för att börja ge resultat. Det är ett systemintegrationsprojekt från början för att ansluta till alla datakällor, och ett som kan ta ett antal månader innan affärsnytta levereras.
Omvänt kräver små data lite analys, kan fångas på många ad hoc-sätt - till exempel i kalkylark, verktyg för uppgifts- och tidsspårning och till och med manuella loggböcker - och kan analyseras snabbt och enkelt. Jag har sett fördelar realiseras av små data inom en vecka eller två från början av ett produktivitetsengagemang. Och det är bara för att det tar lite tid att fånga den råa informationen. Vanligtvis blir förändringar och fördelar snabbt tydliga på grund av fokusen på de insamlade uppgifterna.
Små Datas stora fördelar
Från min erfarenhet av coachning och hantering av team, är följande fördelar resultatet av små data för individer och lag:- medvetenhet
Små data kan ge medvetenhet om var individer faktiskt fokuserar sin tid och sin energi jämfört med vad som skulle ge ännu större värde. Ofta när individer börjar fånga små data, inser de snabbt betydelsen av vad de upptäcker.
- Bemyndigande
Genom små data kan individer identifiera förändringar de kan vidta och stöttas av andra medlemmar i teamet. Teammedlemmarna blir ansvariga för och driver sin egen förändring.
- Engagemang
Att mäta och bli erkänd för de positiva förändringarna som uppnås kan skapa en större känsla av ömsesidig förståelse, värde och koppling.
Hur små data fångas in
I en mjukvaruutvecklingsavdelning kan big data analysera projektplaninformationen, vilket gör det möjligt att analysera antalet personer, varaktighet och ansträngning som krävs för att leverera olika typer av projekt. Det som saknas är hur varje individ faktiskt utför sina projektuppgifter dagligen. Genom att fånga in dessa små data kan vi börja lära oss hur man bäst strukturerar projektet, dess team och deras arbetsdag. Vilka typer av uppgifter tycker varje person om och klarar sig bra? Vad skulle de vilja delegera eller släppa? Vilka typer av kommunikation fungerar bäst med vem? Vilken nivå av vägledning och mentorskap behöver individer?
Genom att ändra hur får vi fördelar som är synliga på stordatanivån, men inte de förändringar som ledde till detta. Analys av big data kan ofta resultera i en generaliserad modell, till exempel om man antar att varje person har en liknande färdighets- och erfarenhetsnivå. Endast genom att titta på de små dataspecifikationerna om hur varje person arbetar och bidrar till projektet (på sitt unika sätt) kan dessa typer av fördelar uppnås.
Där små data används
Det finns definitivt värde att vinna på att använda big data, men de senaste recensionerna av marknadsplatsen och produktutbudet hittar förvirring kring bästa praxis och hur man får det bästa värdet från en implementering. En nyligen genomförd granskning av Gartner fann att endast 8% av de undersökta företagen har implementerat big data-analys och 57% är fortfarande i forsknings- och planeringsstadier.
För alla dataanalyser är nyckeln inte att dra in all data du har och sedan försöka leta efter värde, det är att använda data som kan hjälpa till att besvara specifika frågor. Och det är här som små data vinner ut av två viktiga skäl:
- Det önskade värdet och anledningen för att samla in uppgifterna måste förstås framåt.
- Små data ger både kvalitativa och kvantitativa svar, vilket möjliggör exakta förändringar. Med andra ord finns det färre generalistiska antaganden i små data.
I slutändan kommer små data inte att ersätta big data, men det finns mycket att ett litet dataengagemang kan lära big data i hur man får det bästa av båda metoderna. När du överväger all big data-implementering, fråga dig själv vilka små datafrågor som kan hjälpa dig att få värde. Det kan hjälpa dig att packa den större stansen i din resulterande strategi. (Läs ett annat perspektiv på värdet av big data i affärer i Kan Big Data Analytics stänga Business Intelligence Gap?)
