João Paulo Tavares, líder de arquitectura de soluciones y preventa en Semantix, explica cómo centrarse en la calidad de la información mejora significativamente los resultados de la gestión de datos.
A menudo definido como el «hermano pequeño de Big Data», Small Data es un conjunto de datos accesibles, informativos y procesables que son fáciles de entender sin la necesidad de sistemas y máquinas complejos. Pero, ¿cuál es el impacto de esto en el análisis de datos empresariales?
Small Data es la estrategia que se centra en la calidad de la información recopilada, no en el volumen. El objetivo es tener solo información relevante para acciones y campañas. Es porque ya existen muchas herramientas en el mercado capaces de manejar grandes volúmenes de datos, ya sea recopilando, almacenando o interpretando, y muchos de estos datos pueden no ser utilizables para la toma de decisiones. En este sentido, una visión más amplia de los datos de mercado es crucial, y Small Data puede filtrar estos datos con precisión.
Ejemplos comunes de Small Data incluyen:
- Datos del sistema de gestión de relaciones con los clientes (CRM) y planificación de recursos empresariales (ERP)
- Información de compra de material de marketing, materias primas y equipos
- Información de ventas de productos y clientes
- Datos de comportamiento del cliente
- Datos del carrito de compras en línea
- Encuestas de satisfacción del cliente
- Entrevistas individuales
¿Cuáles son las diferencias entre Small Data y Big Data?
Los datos recogidos a través del Big Data proceden de diferentes fuentes, externas o internas, mientras que el Small Data proviene de fuentes dentro de la propia empresa. Los datos pequeños generalmente se incluyen en los sistemas de procesamiento de transacciones y se recopilan antes de agregarse a la base de datos o a la capa de caché. Si se necesitan consultas analíticas instantáneas, las bases de datos tendrán réplicas de lectura.
Procesamiento de datos: Como los sistemas de transacción crean la mayoría de los Small Data, los análisis suelen estar orientados a lotes. Solo en casos excepcionales las consultas se ejecutan directamente en los sistemas de transacciones.
Escalabilidad: Los sistemas de datos pequeños a menudo se escalan verticalmente. Este escalado aumenta la capacidad al agregar más recursos a la misma máquina. El escalado vertical es más caro pero más fácil de administrar.
Ciencia de datos: Los algoritmos de aprendizaje automático requieren datos de entrada correctamente codificados y bien estructurados, especialmente con respecto a los datos de entrada de sistemas transaccionales, como un almacén de datos o un lago de datos. Debido a que la etapa de preparación de datos es limitada, los algoritmos de aprendizaje automático que utilizan Small Data serán más fáciles de implementar.
Seguridad de datos: La seguridad de pequeños fragmentos de datos, que residen en sistemas transaccionales o almacenamiento de datos corporativos, incluye características como cifrado de datos, privilegios de usuario y más. Los proveedores de bases de datos correspondientes proporcionan estas características de seguridad.
¿Por qué las empresas se centran más en este tipo de datos?
Small Data está más centrado en el ser humano y se puede aprovechar de manera efectiva en situaciones cruciales de toma de decisiones. El análisis de datos, incluso cuando está relacionado con el desarrollo de la Inteligencia Artificial (IA), debe basarse en cantidades de datos recientemente obtenidas y más pequeñas. Además, la recopilación de datos a gran escala, generalmente asociada con los enfoques de Big Data (incluida la recopilación de grandes cantidades de datos con fines analíticos), plantea un desafío para muchas organizaciones.
Incluso si Big Data está disponible, los costos, el tiempo y la energía necesarios para implementar el aprendizaje automático supervisado convencional pueden ser un desafío. Además, la toma de decisiones por parte de los humanos y la IA se ha vuelto más compleja y exigente, requiriendo una mayor variedad de datos para una mejor conciencia situacional.
Información en tiempo real
Small Data está siempre disponible, lo que permite una toma de decisiones rápida o incluso en tiempo real. Estas son algunas acciones aconsejables basadas en esta estrategia:
- Comprender los factores desencadenantes que hacen que los clientes compren
- Mejora de los procesos de generación de leads
- Cambiar la forma en que comercializa sus productos
- Ajuste de las estrategias de marketing en tiempo real
Small Data también ha demostrado su eficacia para abordar aplicaciones similares para la resolución de problemas y la toma de decisiones. Y el hecho de que sea más específico y manejable lo convierte en un excelente complemento para una amplia variedad de información, incluidos los conocimientos de Big Data.
