Indholdsfortegnelse:
Vil du øge din produktivitet med 30 minutter om dagen? Hvis du bare kunne fokusere på de aktiviteter, der giver mest værdi for dit team og din organisation, hvad ville det da gøre for dig? Tænk over det. Hvad er virkelig vigtigt i din arbejdsdag, og hvor meget tid bruger du på at udføre nødvendige, men andre, presserende opgaver? Interesseret? Så hvordan kan det opnås? Nå, ved hjælp af små data.
Vent, hvad? Er det ikke big data, de alle taler om? Det er, men måske fortjener små data et større stykke af samtalen. Her skal vi se på, hvad små data er, og hvordan de ofte kan pakke en større punch end big data.
Hvad er små data?
Små data indfanges data, der er diskrete og præcise nok til at blive forstået af den menneskelige hjerne. Typisk indsamles det til et specifikt formål til en enhed i en organisation, såsom registrering af, hvor meget faktisk der bruges på forskellige aktiviteter af enkeltpersoner i et team. Årsagen til indsamling af små data fastlægges i starten. I dette tilfælde ville det blive samlet med målet om at optimere, hvordan et team leverer sin værdi.
Til sammenligning er bigdata's fokus på at indsamle så meget relateret information på tværs af organisationen som muligt og derefter analysere dem for at bestemme, hvordan de kan hjælpe med at besvare spørgsmål. Hvad fortæller vores salgsstatistikker om markedstendenser og yderligere salgsmuligheder? Hvor god er vores supportteam til håndtering af kundespørgsmål? Hvor skal vi forbedre vores projektleveringsproces for at reducere overskridelsen mod det anslåede budget?
Det kan virke indlysende, men store data har brug for data som input, og masser af det. Meget ofte kræves yderligere små data for at understøtte big data, da svar på indledende spørgsmål rejser yderligere. Plus, for at udføre analyse af denne information, er der et væld af værktøjer på virksomhedsniveau, der tilbydes af leverandører, værktøjer, der kræver betydelig investering og tid til at bringe internt, opsætte og konfigurere til at begynde at give resultater. Det er et systemintegrationsprojekt fra starten for at oprette forbindelse til alle datakilder, og et, der kan tage et antal måneder, før forretningsfordel leveres.
Omvendt kræver små data lidt analyse, kan indfanges på mange ad hoc-måder - såsom i regneark, opgave- og tidssporingsværktøjer og endda manuelle logbøger - og kan analyseres hurtigt og nemt. Jeg har set fordele realiseres ved hjælp af små data inden for en uge eller to fra starten af et produktivitetsengagement. Og det er kun fordi det tager lidt tid at fange de rå oplysninger. Ændringer og fordele vises typisk hurtigt på grund af fokus på de indsamlede data.
Små datas store fordele
Fra min erfaring med coaching og styring af teams er følgende fordele resultatet af små data til enkeltpersoner og teams:- Opmærksomhed
Små data kan give opmærksomhed på, hvor enkeltpersoner faktisk fokuserer deres tid og energi i forhold til hvad der ville give endnu større værdi. Ofte når individer begynder at indfange små data, indser de hurtigt betydningen af, hvad de opdager.
- Empowerment
Gennem små data kan individer identificere ændringer, de kan sætte i gang og understøttes af andre medlemmer af teamet. Holdmedlemmerne er ansvarlige for og driver deres egen forandring.
- Engagement
Måling og anerkendelse for de opnåede positive ændringer kan skabe en større følelse af gensidig forståelse, værdi og forbindelse.
Sådan indfanges små data
På tværs af en softwareudviklingsafdeling kan big data analysere projektplanoplysningerne, hvilket gør det muligt at analysere antallet af mennesker, varighed og kræfter, der kræves for at levere forskellige typer projekter. Det, der mangler, er, hvordan hver enkelt faktisk udfører deres projektopgaver dagligt. Ved at indsamle disse små data, kan vi begynde at lære, hvordan vi bedst strukturerer projektet, dets teams og deres arbejdsdag. Hvilke typer opgaver nyder hver person og klarer sig godt? Hvad vil de gerne delegere eller droppe? Hvilke typer kommunikation fungerer bedst med hvem? Hvilket niveau af retning og vejledning har enkeltpersoner brug for?
Ved at ændre hvordan, får vi fordele, der er synlige på big data-niveau, men ikke de ændringer, der førte til dette. Analyse af big data kan ofte resultere i en generaliseret model, for eksempel under antagelse af, at hver person har et lignende kvalifikations- og oplevelsesniveau. Kun ved at se på de små dataspecifikationer om, hvordan hver person arbejder og bidrager til projektet (på deres unikke måde), kan disse typer fordele opnås.
Hvor små data bruges
Der er bestemt værdi at hente ved at bruge big data, men nylige anmeldelser af markedspladsen og produktudbuddet finder forvirring omkring bedste praksis og hvordan man får den bedste værdi fra en implementering. En nylig gennemgang af Gartner fandt, at kun 8% af de undersøgte virksomheder har implementeret big data-analyse og 57% er stadig i forsknings- og planlægningstrin.
For enhver dataanalyse er nøglen ikke at trække alle de data, du har, og derefter prøve at se efter værdi, det er at bruge data, der kan hjælpe med at besvare bestemte spørgsmål. Og det er her små data vinder af to vigtige årsager:
- Den ønskede værdi og grund til at indsamle dataene skal forstås foran.
- Små data giver både kvalitative og kvantitative svar, hvilket gør det muligt at foretage præcise ændringer. Der er med andre ord færre generalistiske antagelser i små data.
I sidste ende vil små data ikke erstatte big data, men der er meget, at et lille dataengagement kan lære big data om, hvordan man får det bedste ud af begge tilgange. Når du overvejer enhver implementering af big data, skal du spørge dig selv, hvilke spørgsmål med små data der kan hjælpe dig med at få værdi. Det kan hjælpe med at pakke den større punch ind i din resulterende strategi. (Læs et andet perspektiv på værdien af big data i forretningen i Kan Big Data Analytics lukke Business Intelligence Gap?)
