João Paulo Tavares, líder de Arquitetura de Soluções e Pré-Vendas da Semantix, explica como o foco na qualidade da informação melhora significativamente os resultados da gestão de dados
Muitas vezes definido como o “irmão mais novo do Big Data”, o Small Data é um conjunto de dados acessíveis, informativos e acionáveis que são fáceis de entender sem a necessidade de sistemas e máquinas complexos. Mas qual é o impacto disso na análise de dados de negócios?
Small Data é a estratégia que foca na qualidade das informações coletadas, não no volume. O objetivo é ter apenas informações relevantes para ações e campanhas. Isso porque já existem no mercado muitas ferramentas capazes de lidar com grandes volumes de dados, seja coletando, armazenando ou interpretando, e muitos desses dados podem não ser utilizáveis para a tomada de decisões. Nesse sentido, uma visão mais ampla dos dados de mercado é fundamental, e o Small Data pode filtrar esses dados com precisão.
Exemplos comuns de Small Data incluem:
- Dados do sistema Customer Relationship Management (CRM) e Enterprise Resource Planning (ERP);
- Informações de compra de material de marketing, matérias-primas e equipamentos;
- Informações de vendas de produtos e clientes;
- Dados de comportamento do cliente;
- Dados do carrinho de compras online;
- Pesquisas de satisfação do cliente;
- Entrevistas individuais.
Quais são as diferenças entre Small e Big Data?
Os dados coletados pelo Big Data vêm de diferentes fontes, externas ou internas, enquanto o Small Data vem de fontes dentro da própria empresa. Pequenos dados são normalmente incluídos em sistemas de processamento de transações e coletados antes de serem adicionados ao banco de dados ou à camada de cache. Se forem necessárias consultas analíticas instantâneas, os bancos de dados terão réplicas de leitura.
Processamento de Dados: Como os sistemas transacionais criam a maior parte dos Small Data, as análises geralmente são orientadas a lotes. Somente em casos excepcionais as consultas são executadas diretamente nos sistemas de transação.
Escalabilidade: os sistemas Small Data geralmente escalam verticalmente. Esse dimensionamento aumenta a capacidade adicionando mais recursos à mesma máquina. O dimensionamento vertical é mais caro, mas mais simples de gerenciar.
Ciência de dados: os algoritmos de aprendizado de máquina exigem dados de entrada devidamente codificados e bem estruturados, especialmente em relação aos dados de entrada de sistemas transacionais, como data warehouse ou data lake. Como o estágio de preparação de dados é limitado, os algoritmos de aprendizado de máquina usando Small Data serão mais fáceis de implementar.
Segurança de dados: A segurança de pequenos fragmentos de dados, que residem em sistemas transacionais ou armazenamento de dados corporativos, inclui recursos como criptografia de dados, privilégios de usuário e muito mais. Os fornecedores de banco de dados correspondentes fornecem esses recursos de segurança.
Por que as empresas estão se concentrando mais nesse tipo de dados?
O Small Data é mais centrado no ser humano e pode ser aproveitado de forma eficaz em situações cruciais de tomada de decisão. A análise de dados, mesmo quando relacionada ao desenvolvimento de Inteligência Artificial (IA), deve ser baseada em dados obtidos recentemente e em menor quantidade. 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), representa um desafio para muitas organizações.
Mesmo que o Big Data esteja disponível, os custos, tempo e energia necessários para implementar o aprendizado de máquina supervisionado convencional ainda podem ser 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.
Informação em tempo real
O Small Data está sempre disponível, permitindo tomadas de decisão rápidas ou mesmo em tempo real. Estas são algumas ações aconselháveis com base nesta estratégia:
- Compreender os gatilhos que levam os clientes a comprar;
- Melhorar os processos de geração de leads;
- Mudando a forma como você comercializa seus produtos;
- Ajustar estratégias de marketing em tempo real.
O Small Data também provou sua eficácia ao abordar aplicativos semelhantes para solução de problemas e tomada de decisões. E o fato de ser mais específico e gerenciável o torna um excelente complemento para uma ampla variedade de informações – incluindo insights de Big Data.
