Small Data: o que você precisa saber sobre esse “novo Big Data”

20
 min de leitura

Podemos definir Small Data como um pequeno conjunto de dados acessíveis, informativos, acionáveis ​​e compreensíveis por pessoas sem o uso de sistemas e máquinas complexas para análise. Mas qual o impacto disso na análise de dados das empresas? Entenda neste artigo!

Small Data: o que você precisa saber sobre esse “novo Big Data”

O Big Data é um assunto comum no mundo da inteligência de negócios, e você pode já ter discutido em sua empresa como aproveitá-lo nas estratégias. Mas quando foi a última vez que você pensou no irmãozinho dele, o Small Data?

Ambos têm o poder de influenciar os resultados da sua organização. A chave é entender a diferença entre os dois e encontrar valor em ambos. Confira, neste artigo, tudo o que você precisa saber sobre Small Data e entenda por que ele é o novo Big Data!

O que é Small Data?

Small Data é a estratégia que foca a qualidade das informações coletadas, e não no volume. O objetivo é ter apenas informações relevantes que realmente influenciem estratégias, ações e campanhas.

Já existem, no mercado, muitas ferramentas capazes de lidar com grandes volumes de dados, seja coletando, armazenando ou interpretando-os. No entanto, há uma grande chance de que a maioria desses dados não seja útil para a tomada de decisões. Claro que é importante ter uma visão mais ampla dos dados de mercado, mas o Small Data serve para filtrar esses dados com precisão.

Exemplos comuns de Small Data incluem:

  • dados de sistemas de gerenciamento de relacionamento com o cliente (CRMs) e ERPs;
  • informações de compra de materiais de marketing, matérias-primas e equipamentos;
  • informações sobre vendas de clientes e produtos;
  • dados sobre o comportamento do cliente;
  • dados do carrinho de compras online;
  • pesquisas de satisfação do cliente;
  • entrevistas individuais.

O que é Wide Data?

Antes de explicarmos mais sobre o Small Data, é importante que você entenda outra categoria no campo da pesquisa e análise de dados: o Wide Data. A inteligência artificial é uma tecnologia que tem contribuído muito com a análise de dados nos negócios. No entanto, para que as empresas usem efetivamente esse potencial para fins preditivos, é fundamental contar com uma grande variedade de dados.

Com o aumento da adoção de IA em todos os setores, a capacidade de acessar diversos conjuntos de dados é primordial. Em outras palavras, a estratégia consiste em evitar que os dados sejam muito simples e aprimorá-los com muito mais variedade.

Chamamos esses dados com variedade de Wide Data. Eles são provenientes de dados internos, externos, estruturados e não estruturados de uma organização. Isso é crucial porque, na economia globalizada e no contexto da transformação digital, o desempenho dos negócios depende de muitos parâmetros.

Um exemplo da utilidade do Wide Data pode ser observado ao considerarmos duas fábricas produzindo em diferentes partes do Brasil. A localização geográfica dessas duas empresas terá impacto na produção, principalmente se houver ocorrências naturais, como calor excessivo.

Levar em consideração o clima e vários outros fatores externos díspares, combinados com dados internos para alimentar os algoritmos de IA, resultará em previsões mais precisas relacionadas a estoque, cadeia de suprimentos e demanda para cada organização de manufatura. A variedade de dados oferece mais correlações e, portanto, melhor aprendizado para algoritmos de IA, o que traz resultados mais precisos.

Quais as diferenças entre Small e Big Data?

Basicamente, os dados coletados por meio do Big Data vêm de fontes muito abrangentes, sejam elas externas ou internas, enquanto os de Small Data são originários de fontes dentro da própria empresa. Mas as diferenças não param por aí.

Coleção de dados

O Small Data é normalmente incluso em sistemas de processamento de transações e é coletado com mais cuidado antes de ser adicionado ao banco de dados ou camada de cache. Caso sejam necessárias consultas analíticas imediatas, os bancos de dados terão réplicas de leitura.

Por outro lado, o pipeline de coleta de Big Data terá filas como Google Pub/Sub ou AWS Kinesis para balancear dados de alta velocidade. O downstream terá trabalhos em lote para processar dados frios e pipelines de streaming para análises em tempo real.

Processamento de dados

Como os sistemas de transação criam a maioria dos Small Data, o Analytics criado geralmente é orientado em lotes. Apenas em casos raros, as consultas são executadas diretamente nos sistemas de transações.

Ao mesmo tempo, os pipelines para processamento em lote e fluxo estão incluídos em ambientes de Big Data. Por exemplo, aplicativos de análise em tempo real, como previsão de preço de ações e detecção de fraude de cartão de crédito, utilizam fluxos. Algoritmos e dados avançados são usados no processamento em lote para implementar lógica de negócios complexa.

Escalabilidade

Os sistemas de Small Data geralmente são dimensionados verticalmente. A escala vertical aumenta a capacidade do sistema, adicionando mais recursos à mesma máquina. O dimensionamento vertical é caro, mas é mais fácil de gerenciar.

A maioria dos sistemas de Big Data contam com uma arquitetura horizontalmente escalável, que oferece maior agilidade a um custo menor. Os sistemas escaláveis horizontalmente, agora, são ainda mais econômicos devido à disponibilidade de máquinas virtuais preventivas.

Ciência de dados

Os algoritmos de aprendizado de máquina precisam de uma entrada de dados devidamente codificada e bem estruturada. Principalmente os dados de entrada vêm de ambos os sistemas transacionais, como um data warehouse ou data lake. Como o estágio de preparação de dados é estreito, os algoritmos de aprendizado de máquina que usam Small Data serão simples de implementar.

No caso do Big Data, a preparação e o enriquecimento de dados levam muito mais tempo. Devido ao grande volume e diversidade de dados, ele oferece uma ampla gama de oportunidades para experimentos de ciência de dados.

Segurança de dados

A segurança de pequenos dados que residem principalmente nos sistemas de transação ou armazenamento de dados corporativos inclui recursos como criptografia de dados, privilégios de usuário, entre outros. Os provedores de banco de dados correspondentes fornecem esses recursos de segurança.

Por outro lado, a segurança de um sistema Big Data é muito mais difícil e complexa. Os exemplos incluem isolamento de redes de cluster, criptografia de dados em trânsito e em repouso, políticas rígidas de controle de acesso e outras práticas recomendadas de segurança.

Por que as empresas estão focando mais nesses tipos de dados?

Para tirar uma conclusão mais simples, os objetivos estratégicos delineados a partir de Wide Data devem beneficiar diretamente o processo de tomada de decisão organizacional. Notavelmente, essas descobertas geralmente são perdidas se depender apenas da análise de Big Data. Já o Small Data é mais humano, específico da empresa e pode ser efetivamente aproveitado para afetar a tomada de decisões valiosas.

A análise de dados, inclusive quando relacionada ao desenvolvimento de IA, precisa contar com dados obtidos recentemente e em quantidades menores. Além disso, a coleta de dados em grande escala, normalmente associada a abordagens de Big Data (incluindo a coleta de grandes quantidades de dados para fins analíticos) é um desafio para muitas organizações.

Mesmo que o Big Data esteja disponível, os custos, tempo e energia para implementar o aprendizado de máquina supervisionado convencional ainda podem ser muito desafiadores. Além disso, a tomada de decisão por humanos e IA tornou-se mais complexa e exigente, exigindo uma maior variedade de dados para uma melhor consciência situacional.

É claro que há uma tendência para os benefícios de Small e Wide Data, que dependem de uma análise de dados eficaz daqueles que estão disponíveis na empresa. Reduzir o volume de dados é necessário para implementar estratégias significativas e orientadas a resultados ou reconhecer e direcionar o valor inerente a fontes de dados menos estruturadas e diversificadas.

Essa mudança de direção de Big Data para Small e Wide Data oferece às empresas individuais a capacidade de reconhecer uma árvore de um edifício e agir estrategicamente com base em tais iniciativas baseadas em pesquisa. Essas práticas serão baseadas em análises objetivas orientadas por dados, em vez de abordagens teóricas ou de pesquisa de fatores mais leves, muitas vezes utilizadas por equipes de projeto, produto e vendas e marketing.

As condições mudam, e as informações se tornam menos confiáveis ou obsoletas. Embora o Big Data permitisse que as empresas coletassem e armazenassem grandes quantidades de dados, muitos dos usuários finais desses conjuntos de dados já consideravam esse conteúdo pouco confiável e de valor decrescente para implementar seus objetivos estratégicos.

Como as empresas podem se beneficiar de Small e Wide Data?

Ainda temos que mencionar que trabalhar com Big Data incorre em alguns custos que podem ser um obstáculo significativo até mesmo para grandes empresas multinacionais. Portanto, se seu orçamento for limitado, adquirir conjuntos de Big Data e explorar como eles podem funcionar para você pode estar fora de questão.

Além de pagar pelos dados em si, trabalhar com eles é bastante complicado e especialmente caro se você não tiver o conhecimento interno. Felizmente, a tendência para Small e Wide data funciona a seu favor. Além do que já discutimos, aqui resumimos vários benefícios que trabalhar com esses dois modelos pode trazer para sua organização.

Pessoalidade

Embora o big data mostre tendências e correlações gerais e seja muito geral, o Small Data se concentra no que impulsiona cada cliente, cliente em potencial e até mesmo seus funcionários. Em vez de confiar no instinto deles ou esperar que o Big Data se aplique especificamente à sua empresa, você usa esses dados para adaptar seus esforços aos requisitos dos indivíduos.

Por exemplo, aqui estão algumas maneiras de se tornar mais pessoal com seus clientes usando Small e Wide Data:

  • identificar segmentos-chave;
  • comunicar ofertas personalizadas;
  • propor campanhas de marketing personalizadas para cada segmento ou cliente;
  • conhecer os melhores canais para interagir com eles.

Informações em tempo real

Big data precisa de tempo e recursos para processar. Quando você conseguir, já é história. E se insights valiosos não forem descobertos com rapidez e facilidade, é improvável que agreguem valor tão cedo. Por outro lado, Small Data está sempre ao seu alcance, permitindo a tomada de decisões rápida ou mesmo em tempo real. Aqui está o que você pode fazer a partir dessa estratégia:

  • entender os gatilhos que fazem seus clientes comprarem;
  • melhorar o processo de geração de leads;
  • mudar a maneira como você comercializa seus produtos;
  • ajustar suas estratégias de marketing em tempo real.

Quando esses 3 tipos devem ser utilizados?

Agora, você já entende melhor os conceitos de Big, Small e Wide data. Mas, na prática, como cada um deles pode ser aplicado ao seu negócio?

Big Data

As principais características do Big Data, como volume, frequência e variedade, fazem com que seu uso seja um pouco limitado à construção de ideias mais amplas. É ótimo para visualizar uma determinada tendência de mercado ou entender o padrão de distribuição de seus componentes. Em outras palavras, o Big Data é uma excelente maneira de descobrir se você está olhando para uma árvore ou um prédio.

Suponha que você seja um desenvolvedor de IA. Nesse caso, o Big Data pode mostrar a porcentagem de empresas que usam IA em sua pilha de tecnologia de mercado ou a proporção de empresas que a usam para gerar leads. Torna-se uma informação bastante valiosa para entender o nível em que o mercado está interessado em software baseado em IA, não é?

Wide Data

O Wide Data permite que você examine e combine uma variedade de dados, não estruturados e estruturados. Em comparação, o Small Data está focado na aplicação de técnicas analíticas que buscam informações úteis em pequenos conjuntos de dados individuais. Especificamente, o Wide Data trata de unir fontes de dados díspares em uma ampla variedade de fontes para obter análises significativas.

Small Data

Small Data diz respeito à coleta e análise de conjuntos de dados originados em organizações individuais ou com base em exemplos individuais de solução de problemas. Simplificando, ele pode ser considerado o oposto do Big Data, e, portanto, esses dados não são capturados ou facilmente extraídos de uma forma útil dos conjuntos de Big Data.

Quer um exemplo? Quando um cliente da LEGO informou que ficou muito satisfeito ao saber que o desgaste de seus tênis de skate favoritos indicava que ele era um skatista regular e proficiente, a empresa concluiu que os clientes valorizam detalhes pequenos e específicos.

Como resultado, eles mudaram a trajetória de sua produção de peças maiores e combinadas de LEGO para componentes menores, individuais e mais detalhados. Os clientes recompensaram essa mudança e relataram maior satisfação com seus produtos.

A era do Big Data forneceu a pesquisadores, empresas, indústrias e até países inteiros informações importantes que continuarão a afetar a tomada de decisões e o entendimento no futuro. Mas, em relação à sua importância para as organizações que pensam ativamente em aplicar a análise de dados às operações, produtos, projeções e assim por diante, suas limitações estão começando a aparecer.

Felizmente, o Small Data e o Wide Data também provaram sua eficácia em lidar com aplicativos semelhantes de resolução de problemas e tomada de decisão. E o fato de serem mais específicos e gerenciáveis os torna grandes complementos para uma ampla variedade de informações, incluindo coisas que o Big Data nos ensinou.

Gostou deste conteúdo? Compartilhe-o nas suas redes sociais para espalhar informação! E, se quer ler outros artigos sobre tecnologia e gestão, continue no nosso blog!

Compartilhar esse conteúdo: