¿Qué son los datos pequeños?
En pocas palabras, los datos pequeños son datos lo suficientemente simples en formato y lo suficientemente pequeños en volumen para ser procesados por una sola máquina o comprendidos por una persona. Considerados derivados de big data, los datos pequeños pueden proporcionar resultados oportunos y significativos que están organizados y empaquetados de una manera que los hace accesibles, comprensibles y procesables para la toma de decisiones cotidiana.
Los datos pequeños permiten que las empresas obtengan resultados valiosos sin tener que implementar los tipos de sistemas necesarios para realizar análisis de big data. Debido a que los datos pequeños provienen principalmente de los sistemas de transacciones, la mayoría de las empresas que pasan a una estrategia de análisis ya tienen acceso a los datos pequeños que pueden usar para tomar decisiones informadas antes de pasar a un análisis más avanzado usando big data.
Entre los ejemplos comunes de datos pequeños se incluyen los siguientes:
- Datos de los sistemas de administración de relaciones con los clientes (CRM)
- Información de compra para materiales de marketing, materias primas y equipos
- Información sobre ventas de productos y clientes
- Datos sobre los comportamientos de los clientes
- Datos del carrito de compras en línea
- Encuestas de satisfacción del cliente
- Entrevistas individuales
Las características de los datos pequeños
En términos generales, los datos pequeños se definen por tres características. Los datos pequeños son:
- Accesible: Big data comprende grandes volúmenes de datos complejos que son difíciles de administrar. Por el contrario, los datos pequeños vienen en volúmenes más pequeños que son más fáciles de usar.
- Comprensible: Los datos pequeños resumen big data en conjuntos de datos más pequeños que son más fáciles de comprender sin el uso de algoritmos y programas de análisis potentes.
- Accionable: Los datos pequeños proporcionan información sobre los usuarios, los clientes y sus comportamientos que pueden ser útiles para tomar decisiones a corto plazo.
Big Data frente a Small Data
Big data se refiere a los grandes volúmenes de datos estructurados y no estructurados generados por los procesos comerciales actuales. Los conjuntos de Big Data suelen ser difíciles de acceder, comprender, organizar y analizar. Debido a que estos datos son demasiado grandes para ser representados en una sola máquina, por lo general, requieren hardware, software y algoritmos informáticos potentes para descubrir patrones, tendencias e información que podrían ser útiles para las operaciones comerciales.
A diferencia de big data, los datos pequeños comprenden fragmentos de datos más pequeños y utilizables, y es fácil para los humanos comprender, acceder y analizar. Se acumula mucho más lentamente que big data y a menudo se usa para proporcionar respuestas a preguntas específicas o abordar un problema específico. Por lo general, los datos pequeños se almacenan en una sola máquina, como un servidor local o una computadora portátil. Como resultado, las empresas pueden obtener fácilmente información valiosa de datos pequeños sin tener que invertir en tecnología de alto rendimiento y el uso de algoritmos complejos.
Dicho esto, tanto los datos pequeños como los big data tienen la capacidad de afectar a las empresas y pueden trabajar juntos para abordar diferentes audiencias y niveles organizativos.
¿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 se señaló, es más fácil procesar e interpretar conjuntos de datos más pequeños que cantidades masivas de información de big data.
Además, dado que los datos pequeños pueden presentarse de una manera más relevante y compacta, a menudo es más fácil de analizar y más procesable para profesionales, especialistas en marketing digital y gerentes.
En muchos casos, los datos pequeños respaldan resultados más sólidos en tiempo real, lo que ayuda a las empresas a mejorar las prácticas estándar, resolver los problemas actuales y descubrir ideas innovadoras que conducen a nuevas formas de hacer negocios. Al igual que los big data, los datos pequeños también pueden potenciar el aprendizaje automático y los modelos de inteligencia artificial, esenciales para automatizar los procesos internos clave.
Las ventajas de los datos pequeños
Mayor disponibilidad
La mayoría de los datos consumidos son datos pequeños. Cualquier persona con una computadora o un teléfono inteligente crea datos pequeños, lo que los hace más fácilmente disponibles que big data. Los datos de las redes sociales o los anuncios de rendimiento, por ejemplo, son recursos valiosos para obtener información sobre las decisiones del comprador y el valor de por vida del cliente (LTV).
Simplicidad
Los humanos pueden comprender e interpretar fácilmente los datos pequeños, lo que facilita la comprensión de las partes interesadas y los responsables de la toma de decisiones. Big data a menudo requiere interpretación profesional, pero los datos pequeños pueden ser utilizados por cualquier persona para crear valor comercial.
Inteligencia comercial inmediata
En muchos casos, los datos pequeños son los datos adecuados para el problema en cuestión. Debido a que los datos pequeños son fáciles de comprender, 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 sus 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 manera en que lo hacen, lo que puede traducirse en información comercial importante.
Ahorro de costos
Se puede acceder a los datos pequeños desde aplicaciones y servicios, dondequiera que se almacenen, sin tener que crear almacenamientos y almacenamientos de datos costosos a medida que aumenta el volumen de datos.
Casos de uso de datos pequeños
Considere los siguientes casos de uso potenciales para datos pequeños:
Servicio al cliente: La información detallada sobre los clientes puede ayudar a las empresas a proporcionar una resolución de problemas más rápida. El reconocimiento del número de teléfono o el conocimiento previo de un problema (p. ej., un vuelo demorado) pueden ayudar a los representantes de servicio al cliente a manejar mejor un problema o redirigirlo a un servicio de respuesta automatizada.
Administración de gastos y activos: A menudo, las empresas tienen dificultades para realizar un seguimiento preciso de los gastos e informar los activos fijos. Los datos pequeños le brindan un panorama más claro de la eficiencia general de su organización que se puede usar para ayudar a alinear sus actividades comerciales con sus principales prioridades.
Retención de empleados: Poder observar cambios menores en la actividad de los empleados, como la subutilización del tiempo de vacaciones acumulado y la licencia 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 conjuntos de datos pequeños 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.
Pequeñas tendencias de datos
Curiosamente, el informe de las 10 tendencias principales de datos y análisis de Gartner para 2021 muestra que los datos pequeños y amplios, en lugar de big data, se utilizan para resolver problemas en organizaciones relacionados con desafíos con datos insuficientes en casos de uso específicos y preguntas complejas sobre AI.
Los datos amplios respaldan el análisis de varias fuentes de datos estructuradas y no estructuradas pequeñas y variadas para un mejor contexto y toma de decisiones, mientras que los datos pequeños pueden hacer uso de modelos de datos que ofrecen resultados útiles con menos datos.
El informe también sugiere que las tecnologías de AI 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 la COVID-19.
