Innholdsfortegnelse:
Vil du øke produktiviteten med 30 minutter om dagen? Hvis du bare kunne fokusere på aktivitetene som gir mest mulig verdi for teamet og organisasjonen din, hva ville det da gjøre for deg? Tenk på det. Hva er egentlig viktig i arbeidsdagen din, og hvor mye tid bruker du på å gjøre nødvendige, men andre, presserende oppgaver? Interessert? Så hvordan kan det oppnås? Vel, gjennom bruk av små data.
Vent - hva? Er ikke big data data alle snakker om? Det er det, men kanskje små data fortjener en større del av samtalen. Her skal vi se på hva små data er og hvordan de ofte kan pakke en større punch enn big data.
Hva er smådata?
Små data er fanget data som er diskrete og presise nok til å bli forstått av den menneskelige hjernen. Vanligvis blir det samlet for et spesifikt formål for en entall enhet i en organisasjon, for eksempel å registrere hvor mye faktisk innsats som blir brukt på forskjellige aktiviteter av enkeltpersoner i et team. Årsaken til å samle inn små data er fastslått fra begynnelsen. I dette tilfellet vil det bli samlet med målet om å optimalisere hvordan et team leverer verdien.
Til sammenligning er fokuset på big data å samle inn så mye relatert informasjon på tvers av organisasjonen som mulig, og deretter analysere den for å finne ut hvordan den kan hjelpe med å svare på spørsmål. Hva forteller salgsstatistikken vår om markedstrender og ytterligere salgsmuligheter? Hvor bra er supportteamet vårt til å håndtere kundespørsmål? Hvor trenger vi å forbedre prosjektleveringsprosessen for å redusere overskridelse mot estimert budsjett?
Det kan virke åpenbart, men big data trenger data som input, og mye av det. Svært ofte kreves det ytterligere små data for å støtte big data, ettersom svar på første spørsmål reiser ytterligere. I tillegg, for å kunne utføre analyse av denne informasjonen, er det et mangfold av verktøy på bedriftsnivå som tilbys av leverandører, verktøy som krever betydelig investering og tid til å bringe internt, konfigurere og konfigurere for å begynne å gi resultater. Det er et systemintegrasjonsprosjekt fra begynnelsen for å få kontakt med alle datakilder, og et som kan ta et antall måneder før forretningsfordel leveres.
Motsatt krever små data lite analyse, kan fanges opp på mange ad hoc måter - for eksempel i regneark, oppgave- og tidssporingsverktøy og til og med manuelle loggbøker - og kan analyseres raskt og enkelt. Jeg har sett fordeler realiseres fra små data i løpet av en uke eller to fra begynnelsen av et produktivitetsengasjement. Og det er bare fordi det tar litt tid å fange den rå informasjonen. Vanligvis blir endringer og fordeler raskt tydelig på grunn av fokuset på dataene som samles inn.
Små datas store fordeler
Fra min erfaring med coaching og styring av team, resulterer følgende fordeler fra små data for enkeltpersoner og team:- bevissthet
Små data kan gi bevissthet om hvor enkeltpersoner faktisk fokuserer sin tid og energi mot hva som vil gi enda større verdi. Ofte når enkeltpersoner begynner å fange små data, innser de raskt betydningen av det de oppdager.
- Myndiggjøring
Gjennom små data kan enkeltpersoner identifisere endringer de kan sette i verk og bli støttet til å gjøre av andre medlemmer av teamet. Teammedlemmene blir ansvarlige for og driver sin egen forandring.
- engasjement
Å måle og bli anerkjent for de positive endringene som oppnås, kan skape en større følelse av gjensidig forståelse, verdi og forbindelse.
Hvordan små data blir fanget
På tvers av en programvareutviklingsavdeling kan big data analysere informasjonen om prosjektplanen, noe som gjør det mulig å analysere antall personer, varighet og innsats som kreves for å levere forskjellige typer prosjekter. Det som mangler er hvordan hver enkelt faktisk utfører sine prosjektoppgaver på en daglig basis. Ved å fange disse små dataene, kan vi begynne å lære hvordan vi best kan strukturere prosjektet, teamene og arbeidsdagen deres. Hvilke typer oppgaver liker hver person og gjør det bra? Hva vil de delegere eller droppe? Hvilke typer kommunikasjon fungerer best med hvem? Hvilket nivå av retning og veiledning trenger enkeltpersoner?
Ved å endre hvordan, får vi fordeler som er synlige på big data-nivået, men ikke endringene som førte til dette. Analyse av big data kan ofte resultere i en generalisert modell, for eksempel forutsatt at hver person har et lignende ferdighets- og erfaringsnivå. Bare ved å se på de små dataspesifikasjonene om hvordan hver person jobber og bidrar til prosjektet (på sin unike måte), kan disse fordelene oppnås.
Hvor små data brukes
Det er absolutt verdi å hente ved bruk av big data, men nylige anmeldelser av markedsplassen og produkttilbudene finner forvirring rundt beste praksis og hvordan man kan hente den beste verdien fra en implementering. En fersk gjennomgang av Gartner fant at bare 8% av de spurte selskapene har implementert big data-analyse og 57% er fremdeles i forsknings- og planleggingsfaser.
For enhver dataanalyse er nøkkelen ikke å trekke inn alle dataene du har og deretter prøve å lete etter verdi, det er å bruke data som kan hjelpe til å svare på spesielle spørsmål. Og det er her små data vinner av to viktige årsaker:
- Den ønskede verdien og grunnen for å samle inn dataene må forstås foran.
- Små data gir både kvalitative og kvantitative svar, slik at presise endringer kan gjøres. Det er med andre ord færre generalistiske antagelser gjort i små data.
Til syvende og sist vil ikke små data erstatte big data, men det er mye at et lite dataengasjement kan lære big data i hvordan du kan få det beste ut av begge tilnærminger. Når du vurderer all implementering av big data, kan du spørre deg selv hvilke spørsmål om små data som kan hjelpe deg med å få verdi. Det kan hjelpe deg med å pakke så mye bedre inn i din resulterende strategi. (Les et annet perspektiv på verdien av big data i virksomheten i Kan Big Data Analytics lukke Business Intelligence Gap?)
