Prenez ça, le big data! pourquoi les petites données peuvent être plus puissantes

Souhaitez-vous augmenter votre productivité de 30 minutes par jour? Si vous pouviez vous concentrer uniquement sur les activités qui apportent le plus de valeur à votre équipe et à votre organisation, qu'est-ce que cela vous apporterait? Pensez-y. Qu'est-ce qui est vraiment important dans votre journée de travail et combien de temps passez-vous à effectuer des tâches nécessaires, mais d'autres urgentes? Intéressé? Alors, comment peut-on y parvenir? Eh bien, grâce à l'utilisation de petites données.

Attends quoi? Les mégadonnées ne sont-elles pas les données dont tout le monde parle? C'est vrai, mais peut-être que de petites données méritent une plus grande partie de la conversation. Ici, nous allons voir ce que sont les petites données et comment elles peuvent souvent être plus puissantes que les grandes données.

Qu'est-ce que les petites données?

Les petites données sont des données capturées qui sont suffisamment discrètes et précises pour être comprises par le cerveau humain. En règle générale, il est collecté dans un but spécifique pour une unité unique d'une organisation, comme l'enregistrement de l'effort réel consacré à différentes activités par les individus d'une équipe. La raison de la collecte de petites données est établie dès le départ. Dans ce cas, il serait collecté dans le but d'optimiser la manière dont une équipe fournit sa valeur.

En comparaison, les mégadonnées se concentrent sur la collecte d'autant d'informations connexes dans l'organisation que possible, puis sur leur analyse pour déterminer comment elles peuvent aider à répondre aux questions. Que nous disent nos statistiques de vente sur les tendances du marché et les opportunités de vente supplémentaires? Quelle est la qualité de notre équipe d'assistance pour gérer les requêtes des clients? Où devons-nous améliorer notre processus de livraison de projet pour réduire le dépassement par rapport au budget estimé?

Cela peut sembler évident, mais les mégadonnées ont besoin de données en entrée, et beaucoup d'entre elles. Très souvent, de petites données supplémentaires sont nécessaires pour prendre en charge les données volumineuses, car les réponses aux questions initiales en soulèvent d'autres. De plus, afin d'effectuer l'analyse de ces informations, il existe une multitude d'outils de niveau entreprise offerts par les fournisseurs, des outils qui nécessitent un investissement important et du temps pour être mis en place, installés et configurés pour commencer à donner des résultats. Il s'agit d'un projet d'intégration de systèmes dès le départ pour se connecter à toutes les sources de données, et qui peut prendre plusieurs mois avant que les avantages commerciaux soient fournis.

À l'inverse, les petites données nécessitent peu d'analyse, peuvent être capturées de nombreuses façons ad hoc - telles que des feuilles de calcul, des outils de suivi des tâches et du temps, et même des journaux de bord manuels - et peuvent être analysées rapidement et facilement. J'ai vu des avantages être réalisés à partir de petites données dans une semaine ou deux du début d'un engagement de productivité. Et c'est uniquement parce qu'il faut un peu de temps pour capturer les informations brutes. En règle générale, les changements et les avantages deviennent rapidement évidents en raison de la concentration des données collectées.

Les grands avantages des petites données

D'après mon expérience dans le coaching et la gestion d'équipes, les avantages suivants résultent de petites données pour les individus et les équipes:

• Conscience

  De petites données peuvent permettre de savoir où les individus concentrent réellement leur temps et leur énergie par rapport à ce qui donnerait encore plus de valeur. Souvent, lorsque les individus commencent à capturer de petites données, ils réalisent rapidement l'importance de ce qu'ils découvrent.

• Responsabilisation

  Grâce à de petites données, les individus peuvent identifier les changements qu'ils peuvent mettre en œuvre et être soutenus par d'autres membres de l'équipe. Les membres de l'équipe deviennent responsables et conduisent leur propre changement.

• Engagement

  Mesurer et être reconnu pour les changements positifs réalisés peut créer un plus grand sentiment de compréhension mutuelle, de valeur et de connexion.

En ayant un personnel engagé et plus motivé, l'organisation gagne à son tour des économies potentielles de coûts, de qualité et de temps.

Comment les petites données sont capturées

À travers un département de développement logiciel, le Big Data peut analyser les informations du plan de projet, ce qui permet d'analyser le nombre de personnes, la durée et l'effort requis pour livrer différents types de projets. Ce qui manque, c'est la façon dont chaque individu exécute ses tâches de projet au quotidien. En capturant ces petites données, nous pouvons commencer à apprendre comment structurer au mieux le projet, ses équipes et leur journée de travail. Quels types de tâches chaque personne aime-t-elle et réussit-elle bien? Que souhaiteraient-ils déléguer ou abandonner? Quels types de communication fonctionnent le mieux avec qui? De quel niveau de direction et de mentorat les individus ont-ils besoin?

En modifiant le comment, nous tirons des avantages visibles au niveau des mégadonnées, mais pas les changements qui y ont conduit. L'analyse des mégadonnées peut souvent aboutir à un modèle généralisé, par exemple, en supposant que chaque personne a un niveau de compétence et d'expérience similaire. Ce n'est qu'en examinant les petites données spécifiques sur la façon dont chaque personne travaille et contribue au projet (à sa manière) que ces types d'avantages peuvent être obtenus.

Où les petites données sont utilisées

Il y a certainement de la valeur à tirer de l'utilisation des mégadonnées, mais de récents examens du marché et des offres de produits trouvent la confusion autour des meilleures pratiques et de la façon de tirer la meilleure valeur d'une implémentation. Un récent examen de Gartner a révélé que seulement 8% des entreprises interrogées ont mis en œuvre une analyse des mégadonnées et 57% en sont encore au stade de la recherche et de la planification.

Pour toute analyse de données, la clé n'est pas de récupérer toutes les données dont vous disposez, puis d'essayer de chercher de la valeur, c'est d'utiliser des données qui peuvent aider à répondre à des questions particulières. Et c'est là que les petites données l'emportent pour deux raisons principales:

• La valeur souhaitée et la raison de la collecte des données doivent être comprises à l'avance.
• Les petites données fournissent des réponses qualitatives et quantitatives, permettant d'apporter des modifications précises. En d'autres termes, il y a moins d'hypothèses généralistes faites dans les petites données.

Actuellement, de petites données sont de plus en plus utilisées dans les programmes d'engagement des employés et de développement professionnel, y compris le coaching et les évaluations 360. Une tendance se dessine vers les petites données pour stimuler l'efficacité et l'engagement de l'amélioration au sein des organisations de bas en haut, plutôt que vers les mégadonnées qui les conduisent dans l'autre sens.

En fin de compte, les petites données ne remplaceront pas les grandes données, mais il y a beaucoup de choses qu'un engagement de petites données peut enseigner aux grandes données sur la façon de tirer le meilleur parti des deux approches. Lorsque vous envisagez une implémentation de Big Data, demandez-vous quelles questions sur les petites données pourraient vous aider à gagner de la valeur. Cela peut aider à donner plus de punch à votre stratégie résultante. (Lisez une autre perspective sur la valeur des mégadonnées dans les entreprises dans Can Big Data Analytics Combler le fossé de la Business Intelligence?)