¿Qué son los datos pequeños?
En pocas palabras, los datos pequeños son datos que tienen un formato lo suficientemente simple y un volumen lo suficientemente pequeño como para ser procesados por una sola máquina o entendidos por un individuo. Considerados como un derivado de los macrodatos, los pequeños datos pueden proporcionar información oportuna y significativa que se organiza y empaqueta de una manera que permite acceder a ellos, comprenderlos y procesarlos para la toma de decisiones diaria.
Los datos pequeños permiten a las empresas obtener información valiosa sin tener que implementar los tipos de sistemas necesarios para realizar análisis de macrodatos. Como los pequeños datos provienen principalmente de los sistemas de transacciones, la mayoría de las empresas que pasan a una estrategia de análisis ya tienen acceso a los pequeños datos que pueden usar para tomar decisiones informadas antes de pasar a análisis más avanzados utilizando grandes datos.
Algunos ejemplos comunes de datos pequeños son:
- Datos de los sistemas de gestión de relaciones con los clientes (CRM)
- Información de compra para materiales de marketing, materias primas y equipos
- Información de ventas de productos y clientes
- Datos sobre el comportamiento de los clientes
- Datos del carrito de compras en línea
- Encuestas de satisfacción de los clientes
- Entrevistas individuales
Las características de los datos pequeños
En términos generales, los datos pequeños se definen por tres características. Los datos pequeños son:
- Accesibles: los macrodatos comprenden grandes volúmenes de datos complejos que son difíciles de gestionar. En cambio, los datos pequeños vienen en volúmenes más pequeños que son más fáciles de usar.
- Comprensibles: los datos pequeños resumen los datos grandes en conjuntos de datos más pequeños que son más fáciles de entender sin el uso de potentes algoritmos y programas de análisis.
- Procesables: los datos pequeños brindan información sobre los usuarios, los clientes y sus comportamientos que pueden ser útiles para tomar decisiones a corto plazo.
Macrodatos frente a pequeños datos
Macrodatos se refiere a los grandes volúmenes de datos estructurados y no estructurados generados por los procesos comerciales actuales. Los grandes conjuntos de datos suelen ser difíciles de acceder, comprender, organizar y analizar. Debido a que estos datos son demasiado grandes para representarlos en una sola máquina, por lo general se requiere hardware, software y algoritmos informáticos potentes para detectar patrones, tendencias y conocimientos que podrían ser útiles para las operaciones comerciales.
A diferencia de los grandes datos, los datos pequeños comprenden fragmentos de datos más pequeños y utilizables y son fáciles de entender, acceder y analizar por parte de los humanos. Se acumulan mucho más lentamente que los macrodatos y, a menudo, se usan para proporcionar respuestas a preguntas específicas o abordar un problema específico. Los datos pequeños generalmente se almacenan en una sola máquina, como un servidor local o un ordenador portátil. Como resultado, las empresas pueden obtener fácilmente información valiosa a partir de pequeños datos sin tener que invertir en tecnología de alto rendimiento y el uso de algoritmos complejos.
Dicho esto, tanto los datos pequeños como los grandes pueden tener un impacto en las empresas y pueden trabajar juntos para dirigirse a diferentes audiencias y niveles organizacionales.
¿Cuál es la importancia de los datos pequeños?
Para las empresas con recursos limitados, tiene sentido trabajar con datos a una escala que pueda tener un impacto inmediato en el negocio. Como hemos dicho, es más fácil procesar e interpretar conjuntos de datos más pequeños que las grandes cantidades de información de los macrodatos.
Además, como los datos pequeños se pueden presentar de una manera más relevante y compacta, a menudo son más fáciles de analizar y procesar para profesionales, especialistas en marketing digital y gerentes.
A menudo, los datos pequeños respaldan resultados más sólidos en tiempo real, lo que ayuda a las empresas a mejorar las prácticas estándar, resolver problemas actuales y descubrir ideas innovadoras que conducen a nuevas formas de hacer negocios. Al igual que los macrodatos, los datos pequeños también pueden impulsar el aprendizaje automático y los modelos de inteligencia artificial, esenciales para automatizar procesos internos clave.
Los beneficios de los datos pequeños
Mayor disponibilidad
La mayoría de los datos consumidos son datos pequeños. Cualquier persona con un ordenador o un teléfono inteligente crea datos pequeños, lo que hace que estén más disponibles que los macrodatos. Los datos de las redes sociales o los anuncios de rendimiento, por ejemplo, son recursos valiosos para obtener información sobre las decisiones de los compradores y el valor de vigencia del cliente (LTV).
Sencillez
Los humanos pueden entender e interpretar fácilmente los datos pequeños, lo que facilita la comprensión de las partes interesadas y los responsables de la toma de decisiones. Los macrodatos a menudo requieren una interpretación profesional, pero cualquiera puede usar datos pequeños para crear valor comercial.
Inteligencia comercial inmediata
En muchos casos, los datos pequeños son los datos adecuados para el problema en cuestión. Como los datos pequeños son fáciles de entender, el tiempo entre la generación de datos pequeños y la capacidad de usarlos para informar las decisiones comerciales y llegar a los clientes puede ser bastante corto.
Un enfoque centrado en el cliente
Los datos pequeños le permiten comprender mejor lo que los usuarios finales necesitan de su empresa. Al observar pequeñas muestras de datos de clientes, puede descubrir información detallada sobre las razones por las que los clientes se comportan, de la forma en que lo hacen, lo que puede traducirse en importantes conocimientos comerciales.
Ahorro de costes
Se puede acceder a los datos pequeños desde las aplicaciones y los servicios, dondequiera que estén almacenados, sin tener que crear caros almacenes de datos a medida que crece el volumen de datos.
Casos de uso de datos pequeños
Tenga presente los siguientes casos de uso potencial para datos pequeños:
Servicio al cliente: la información detallada sobre los clientes puede ayudar a las empresas a brindar una resolución de problemas más rápida. El reconocimiento del número de teléfono o el conocimiento previo de un problema (por ejemplo, un vuelo retrasado) puede ayudar a los representantes de servicio al cliente a manejar mejor un problema o redirigirlo a un servicio de respuesta automatizado.
Gestión de gastos y activos: las empresas a menudo tienen dificultades para realizar un seguimiento preciso de los gastos e informar sobre los activos fijos. Los datos pequeños brindan una imagen más clara de la eficiencia organizacional general que se puede usar para ayudar a alinear las actividades comerciales con las principales prioridades.
Retención de empleados: ser capaz de observar cambios menores en la actividad de los empleados, como la infrautilización del tiempo de vacaciones acumulado y las bajas por enfermedad, puede indicar los niveles de motivación de los empleados. Esta información puede ayudar a informar los métodos de retención y las mejoras en la cultura de la empresa y el entorno laboral.
Compras personalizadas: se pueden usar pequeños conjuntos de datos creados a partir de dispositivos portátiles y portátiles, sensores, cámaras de vigilancia y dispositivos IoT minoristas para mejorar la experiencia del cliente en la tienda.
Tendencias de datos pequeños
Curiosamente, el informe de Las 10 principales tendencias de análisis y datos para 2021 de Gartner muestra que los datos pequeños y los datos amplios, en lugar de los macrodatos, se utilizan para resolver problemas en organizaciones relacionadas con desafíos con datos insuficientes sobre casos de uso específicos y preguntas complejas de IA.
Los datos amplios admiten el análisis de varias fuentes de datos estructurados y no estructurados, pequeños y variados para mejorar el contexto y la toma de decisiones, mientras que los datos pequeños pueden utilizar modelos de datos que ofrecen información útil con menos datos.
El informe también sugiere que las tecnologías de IA deben poder usar conjuntos de datos más pequeños y técnicas de datos pequeños en lugar de datos históricos tradicionales, muchos de los cuales ahora pueden ser irrelevantes, dados los cambios en el entorno comercial causados por COVID-19.
