Узми то, велики подаци! Зашто мали подаци могу да спакују већи гомилу

Аутор: Eugene Taylor
Датум Стварања: 11 Август 2021
Ажурирати Датум: 1 Јули 2024
Anonim
Старый отхватывает у бродяги ► 2 Прохождение Elden Ring
Видео: Старый отхватывает у бродяги ► 2 Прохождение Elden Ring

Садржај


Извор: Саихмог / Дреамстиме.цом

Одузети:

Мали подаци су много лакши и бржи за анализу од великих података, али могу и даље да дају велике резултате. Па зашто их више предузећа не користи?

Да ли желите да повећате своју продуктивност за 30 минута дневно? Ако бисте се могли фокусирати на активности које највише доприносе вашем тиму и организацији, шта би то могло учинити за вас? Размисли о томе. Шта је заиста важно у вашем радном дану и колико времена трошите на обављање неопходних, али и других, хитних послова? Заинтересовани? Па како се то може постићи? Па, кроз употребу малих података.

Чекај шта? Нису ли велики подаци подаци о којима сви причају? Јесте, али можда мали подаци заслужују већи део разговора. Овде добро погледајте шта су мали подаци и како често могу да спакују већи ударац од великих података.

Шта су мали подаци?

Мали подаци су прикупљени подаци који су довољно дискретни и прецизни да их људски мозак схвати. Обично се прикупља за одређену сврху за јединствену јединицу организације, као што је бележење колико стварног труда улажу у различите активности појединаца у тиму. Разлог за прикупљање малих података утврђује се на самом почетку. У овом случају, то би се прикупило са циљем да се оптимизира како тим постиже своју вредност.

За поређење, фокус великих података је прикупљање што већег броја повезаних информација широм организације, а затим њихово анализирање како би се утврдило на који начин може помоћи да одговори на питања. Шта нам говоре наше статистике продаје о трендовима на тржишту и даљим продајним могућностима? Колико је наш тим за подршку у решавању упита купаца? Где морамо да побољшамо наш процес реализације пројеката како бисмо смањили прекорачење у односу на процењени буџет?

Можда се чини очигледним, али великим подацима су потребни подаци као унос и много тога. Врло често су потребни додатни мали подаци да би се подржали велики подаци јер одговори на почетна питања постављају додатна. Поред тога, да би се извршила анализа ових информација, постоји мноштво алата на нивоу предузећа који нуде продавци, алата који захтевају значајна улагања и времена да би се увели, поставили и конфигурисали како би почели давати резултате. То је пројекат интеграције система од самог почетка за повезивање са свим изворима података и онај који може потрајати неколико месеци пре испоруке пословне користи.

Супротно томе, мали подаци захтевају мало анализе, могу се снимити на више ад хоц начина - као што су прорачунске табеле, алати за праћење задатака и времена, па чак и ручни дневници - и могу се брзо и лако анализирати. Видио сам користи од малих података у року од недељу или две од почетка ангажмана у погледу продуктивности. И то је само зато што је потребно мало времена да се прикупе сирове информације. Обично, промене и користи постају очигледне брзо због фокусираности прикупљених података.

Мале користи велике користи

Из мог искуства у тренирању и управљању тимовима, следеће користи су резултат малих података за појединце и тимове:

  • Свесност
    Мали подаци могу пружити свијест о томе гдје појединци заправо усредоточују своје вријеме и енергију насупрот ономе што би дало још већу вриједност. Често када појединци почну сакупљати мале податке, брзо схватају значај онога што открију.

  • Оснаживање
    Кроз мале податке, појединци могу препознати промене које могу да спроведу у дело и у чему их могу подржати други чланови тима. Чланови тима постају одговорни за сопствену промену.

  • Ангажовање
    Мерење и препознавање позитивних промена могу створити већи осећај међусобног разумевања, вредности и повезаности.
Кроз ангажовање и мотивисаније особље организација заузврат добија потенцијалне трошкове, квалитет и уштеду времена.

Како се биљеже мали подаци

Преко одељења за развој софтвера велики подаци могу анализирати информације о пројектном плану, омогућавајући анализу броја људи, трајање и труд потребан за испоруку различитих врста пројеката. Оно што недостаје је како сваки појединац заправо свакодневно извршава своје пројектне задатке. Снимањем ових малих података можемо почети да учимо како најбоље да структуишемо пројекат, његове тимове и њихов радни дан. Које врсте задатака ужива и ради ли свака особа добро? Шта би желели да делегирају или одбаце? Које врсте комуникација најбоље сарађују са ким? Који ниво водства и менторства требају појединци?

Променом начина на који начин добијамо користи које су видљиве на нивоу великих података, али не и промене које су довеле до тога. Анализа великих података често може резултирати генерализованим моделом, на пример, под претпоставком да свака особа има сличан ниво вештина и искуства. Ове врсте користи могу се постићи само гледањем ситних специфичности података о томе како свака особа ради и доприноси пројекту (на свој јединствен начин).

Где се користе мали подаци

Дефинитивно се може добити велика употреба података, али недавни прегледи тржишта и понуде производа проналазе збрку око најбоље праксе и како извући најбољу вредност из примене. Недавни преглед компаније Гартнер показао је да је само 8% анкетираних компанија спровело анализу великих података, а 57% је још увек у фази истраживања и планирања.

За сваку анализу података кључно је не привући све податке које имате и затим покушати потражити вредност, то је да би користили податке који могу помоћи у одговору на одређена питања. Ово је место где мали подаци освајају се из два кључна разлога:
  • Жељена вредност и разлог за прикупљање података морају се разумети унапред.

  • Мали подаци дају и квалитативне и квантитативне одговоре, омогућујући прецизне промјене. Другим речима, постоји мање општих претпоставки израђених у малим подацима.
Тренутно се мали подаци све више користе у оквиру програма ангажовања запослених и професионалног развоја, укључујући обуку и 360 процена. Појављује се тренд према малим подацима како би се побољшала ефикасност и ангажованост унутар организација одоздо према горе, уместо да се велики подаци возе обрнуто.

На крају, мали подаци неће заменити велике податке, али постоји много тога што мали ангажман података може да научи велике податке о томе како да постигну најбоље из оба приступа. Приликом разматрања било какве имплементације великих података, запитајте се која би вам мала питања могла помоћи да добијете вриједност. То вам може помоћи да се тај већи ударац унесе у резултирајућу стратегију. (Прочитајте још једну перспективу о вредности великих података у пословању у одељку Цан Биг Дата Аналитицс затворити јаз између пословне интелигенције?)