Contenu
- Qu'est-ce que les petites données?
- Petites données Gros avantages
- Comment les petites données sont capturées
- Où les petites données sont utilisées
Source: Sayhmog / Dreamstime.com
À emporter:
Les petites données sont beaucoup plus faciles et rapides à analyser que les mégadonnées, mais peuvent quand même produire de gros résultats. Alors, pourquoi plus d’entreprises l’utilisent-elles?
Souhaitez-vous augmenter votre productivité de 30 minutes par jour? Si vous pouviez simplement vous concentrer sur les activités qui apportent le plus de valeur à votre équipe et à votre organisation, qu'est-ce que cela ferait pour vous? Pensez-y. Qu'est-ce qui est vraiment important dans votre journée de travail et combien de temps passez-vous à faire les tâches nécessaires mais urgentes? Intéressé? Alors, comment peut-il être atteint? Eh bien, grâce à l'utilisation de petites données.Attends quoi? Le Big Data n'est-il pas le type de données dont tout le monde parle? C'est vrai, mais peut-être que de petites données méritent une plus grande part de la conversation. Ici, jetez un coup d’œil à ce qu’est une petite donnée et à la manière dont elle peut souvent contenir plus d’impact que le big data.
Qu'est-ce que les petites données?
Les petites données sont des données capturées suffisamment discrètes et suffisamment précises pour être comprises par le cerveau humain. En règle générale, ces informations sont collectées dans un but spécifique pour une unité unique d'une organisation, par exemple en enregistrant le niveau d'effort réel consacré aux différentes activités par les membres d'une équipe. La raison de la collecte de petites données est établie dès le départ. Dans ce cas, il serait collecté dans le but d'optimiser la valeur d'une équipe.En comparaison, l’objectif de Big Data est de collecter autant d’informations connexes que possible au sein de l’organisation, puis de les analyser pour déterminer comment elles peuvent aider à répondre aux questions. Que nous disent nos statistiques de vente sur les tendances du marché et les opportunités de vente supplémentaires? Comment notre équipe de support gère-t-elle les requêtes des clients? Où devons-nous améliorer notre processus de réalisation de projets afin de réduire les dépassements par rapport au budget estimé?
Cela peut sembler évident, mais le big data a besoin de nombreuses données. Très souvent, de petites données supplémentaires sont nécessaires pour prendre en charge le Big Data, car les réponses aux questions initiales en soulèvent d'autres. De plus, pour analyser ces informations, il existe une multitude d'outils de niveau entreprise proposés par les fournisseurs, outils qui requièrent un investissement et un temps considérables pour être intégrés, configurés et configurés de manière à produire des résultats. Il s’agit dès le départ d’un projet d’intégration de systèmes visant à connecter toutes les sources de données et qui peut prendre plusieurs mois avant que les avantages commerciaux ne soient livrés.
Inversement, de petites données nécessitent peu d’analyses, peuvent être capturées de nombreuses manières ad hoc - telles que des feuilles de calcul, des outils de suivi des tâches et du temps, voire des journaux de bord manuels - et peuvent être analysées rapidement et facilement. J'ai constaté que de petites données permettaient de tirer des avantages moins d'une semaine ou deux après le début d'un engagement de productivité. Et ce n’est que parce qu’il faut un peu de temps pour capturer les informations brutes. En règle générale, les changements et les avantages deviennent évidents rapidement en raison de la focalisation des données collectées.
Petites données Gros avantages
D'après mon expérience dans le coaching et la gestion d'équipes, les avantages suivants résultent de petites données pour des individus et des équipes:- Conscience
De petites données peuvent indiquer où les individus concentrent leur temps et leur énergie par rapport à ce qui leur donnerait une valeur encore plus grande. Souvent, lorsque des individus commencent à capturer de petites données, ils réalisent rapidement l’importance de ce qu’ils découvrent. - Responsabilisation
À l'aide de petites données, les individus peuvent identifier les changements qu'ils peuvent mettre en œuvre et être aidés par d'autres membres de l'équipe. Les membres de l’équipe deviennent responsables de leur propre changement et en sont le moteur. - Engagement
Mesurer et être reconnu pour les changements positifs réalisés peut créer un plus grand sens de compréhension mutuelle, de valeur et de connexion.
Comment les petites données sont capturées
Dans un département de développement de logiciel, le Big Data peut analyser les informations du plan de projet, ce qui permet d’analyser le nombre de personnes, la durée et les efforts nécessaires pour livrer différents types de projets. Ce qui manque, c’est la manière dont chaque individu exécute ses tâches de projet au jour le jour. En capturant ces petites données, nous pouvons commencer à apprendre comment structurer au mieux le projet, ses équipes et leur journée de travail. Quels types de tâches chaque personne aime-t-elle et fait-elle bien? Que voudraient-ils déléguer ou abandonner? Quels types de communication fonctionnent le mieux avec qui? De quel niveau de direction et de mentorat les individus ont-ils besoin?En modifiant le mode, nous obtenons des avantages visibles au niveau des données volumineuses, mais pas les changements qui ont conduit à cela. L'analyse du Big Data peut souvent aboutir à un modèle généralisé, par exemple en supposant que chaque personne a un niveau de compétence et d'expérience similaire. Ces types de bénéfices ne peuvent être obtenus qu’en examinant les données de petite taille sur le fonctionnement de chaque personne et sa contribution au projet (de manière unique).
Où les petites données sont utilisées
L'utilisation de données volumineuses présente certes des avantages, mais les examens récents du marché et des offres de produits révèlent une confusion quant aux meilleures pratiques et à la manière de tirer le meilleur parti d'une implémentation. Une étude récente de Gartner a révélé que seulement 8% des entreprises interrogées avaient implémenté l'analyse de données volumineuses et que 57% en étaient encore au stade de la recherche et de la planification.Pour toute analyse de données, la clé est de ne pas extraire toutes les données dont vous disposez, puis d'essayer de rechercher une valeur, mais d'utiliser des données qui peuvent aider à répondre à des questions particulières. Et c’est là que les petites données sont gagnantes pour deux raisons principales:
- La valeur souhaitée et le motif de la collecte des données doivent être compris à l’avance.
- De petites données donnent des réponses qualitatives et quantitatives, permettant d'apporter des modifications précises. En d'autres termes, il y a moins d'hypothèses généralistes dans de petites données.
En fin de compte, les petites données ne remplaceront pas les mégadonnées, mais un petit engagement en matière de données peut leur apprendre à tirer le meilleur parti des deux approches. Lorsque vous envisagez une implémentation de données volumineuses, demandez-vous quelles petites questions vous aideraient à gagner de la valeur. Cela vous aidera peut-être à donner plus de poids à votre stratégie. (Lisez un autre point de vue sur la valeur des mégadonnées dans les entreprises dans Big Data Analytics. Peut-il combler les lacunes en matière de Business Intelligence?)