Was ist „Small Data“?
Einfach ausgedrückt handelt es sich bei „Small Data“ um Daten, die vom Format her so einfach und vom Volumen her so klein sind, dass sie von einer einzigen Maschine verarbeitet oder von einer Einzelperson verstanden werden können. Small Data, das als Derivat von Big Data betrachtet wird, kann zeitnahe, aussagekräftige Erkenntnisse liefern, die so organisiert und verpackt sind, dass sie für die tägliche Entscheidungsfindung zugänglich, verständlich und umsetzbar sind.
Mit Small Data können Unternehmen wertvolle Erkenntnisse gewinnen, ohne die für Big-Data-Analysen erforderlichen Systeme implementieren zu müssen. Da Small Data hauptsächlich aus Transaktionssystemen stammt, haben die meisten Unternehmen, die zu einer Analysestrategie wechseln, bereits Zugang zu Small Data, die sie nutzen können, um fundierte Entscheidungen zu treffen, bevor sie zu fortschrittlicheren Analysen unter Verwendung von Big Data übergehen.
Gängige Beispiele für Small Data sind:
- Daten aus Kundenbeziehungsmanagementsystemen (CRMs)
- Einkaufsinformationen für Marketingmaterialien, Rohstoffe und Ausrüstung
- Kunden- und Produktumsatzinformationen
- Daten zu Kundenverhalten
- Daten zu Online-Shopping-Warenkörben
- Kundenzufriedenheitsumfragen
- Einzelinterviews
Die Merkmale von Small Data
Im Allgemeinen zeichnet sich Small Data durch drei Merkmale aus. Small Data ist:
- Zugänglich: Big Data umfasst große Mengen komplexer Daten, die schwer zu verwalten sind. Im Gegensatz dazu fällt Small Data in kleineren Mengen an, die leichter zu nutzen sind.
- Verständlich: Small Data fasst Big Data in kleinere Datensätze zusammen, die ohne den Einsatz von leistungsstarken Algorithmen und Analyseprogrammen leichter zu verstehen sind.
- Umsetzbar: Small Data gibt Einblicke im Hinblick auf Benutzer, Kunden und ihr Verhalten, die für kurzfristige Entscheidungen nützlich sein können.
Big Data versus Small Data
Big Data bezieht sich auf die großen Mengen an strukturierten und unstrukturierten Daten, die durch moderne Geschäftsprozesse erzeugt werden. Big Data-Datensätze sind in der Regel schwer zugänglich, schwer zu verstehen, schwer zu organisieren und schwer zu analysieren. Da diese Daten zu umfangreich sind, um auf einem einzelnen Rechner dargestellt zu werden, sind in der Regel leistungsstarke Computerhardware, Software und Algorithmen erforderlich, um Muster, Trends und Einblicke zu erkennen, die für den Geschäftsbetrieb hilfreich sein könnten.
Im Gegensatz zu Big Data besteht Small Data aus kleineren, besser nutzbaren Datenpaketen und ist für Menschen leicht zu verstehen, zugänglich und analysierbar. Sie sammeln sich viel langsamer an als Big Data und werden oft verwendet, um Antworten auf bestimmte Fragen zu erhalten oder ein bestimmtes Problem zu lösen. Small Data wird in der Regel auf einem einzigen Rechner gespeichert, z. B. auf einem lokalen Server oder Laptop. So können Unternehmen auf einfache Weise wertvolle Erkenntnisse aus kleinen Datenmengen ableiten, ohne in Hochleistungstechnologie und den Einsatz komplexer Algorithmen investieren zu müssen.
Allerdings können sowohl Small Data als auch Big Data Unternehmen beeinflussen und zusammenwirken, um verschiedene Zielgruppen und Organisationsebenen anzusprechen.
Welche Bedeutung hat Small Data?
Für Unternehmen mit begrenzten Ressourcen ist es sinnvoll, mit Daten in einer Größenordnung zu arbeiten, die sich unmittelbar auf das Geschäft auswirken kann. Wie bereits erwähnt, ist es einfacher, kleinere Datensätze zu verarbeiten und zu interpretieren als riesige Mengen von Big Data-Informationen.
Da Small Data in einer relevanteren und kompakteren Form dargestellt werden kann, ist es für Fachleute, Experten für digitales Marketing und Manager oft leichter zu analysieren und besser umsetzbar.
In vielen Fällen unterstützt Small Data stärkere Echtzeit-Ergebnisse und hilft Unternehmen dabei, Standardverfahren zu verbessern, aktuelle Probleme zu lösen und innovative Ideen zu erkennen, die zu neuen Geschäftsmethoden führen. Wie Big Data können auch Small Data Modelle für maschinelles Lernen und künstliche Intelligenz unterstützen, die für die Automatisierung wichtiger interner Prozesse unerlässlich sind.
Die Vorteile von Small Data
Höhere Verfügbarkeit
Die meisten genutzten Daten sind Small Data. Jeder Mensch, der einen Computer oder ein Smartphone nutzt, produziert Small Data. Diese sind somit leichter verfügbar als Big Data. Daten aus sozialen Medien oder Performance-Anzeigen sind beispielsweise wertvolle Quellen für Informationen über Kaufentscheidungen und den Customer Lifetime Value (CLTV).
Einfachheit
Small Data kann von Menschen leicht verstanden und interpretiert werden, sodass es für Stakeholder und Entscheidungsträger leicht zu verstehen ist. Big Data erfordert oft eine professionelle Interpretation, aber Small Data kann von jedem genutzt werden, um einen geschäftlichen Mehrwert zu schaffen.
Sofortige Business Intelligence
In vielen Fällen sind Small Data die richtigen Daten für ein bestimmtes Problem. Da Small Data leicht zu verstehen ist, kann die Zeit zwischen der Generierung von Small Data und der Möglichkeit, sie für Geschäftsentscheidungen zu nutzen und damit Kunden anzusprechen, recht kurz sein.
Ein kundenorientierter Ansatz
Anhand von Small Data können Sie besser verstehen, was Ihre Endnutzer von Ihrem Unternehmen erwarten. Durch die Beobachtung kleiner Stichproben von Kundendaten können Sie detaillierte Informationen über die Gründe für das Verhalten der Kunden aufdecken, die sich in wichtige geschäftliche Erkenntnisse übersetzen lassen.
Kosteneinsparungen
Auf Small Data kann von Anwendungen und Services aus zugegriffen werden, unabhängig davon, wo sie gespeichert sind, ohne dass kostspielige Datenspeicher und Data Warehouses erstellt werden müssen, wenn das Datenvolumen wächst.
Anwendungsfälle für Small Data
Bedenken Sie die folgenden möglichen Anwendungsfälle für Small Data:
Kundenservice: Detaillierte Informationen über Kunden können Unternehmen dabei helfen, Probleme schneller zu lösen. Die Erkennung von Telefonnummern oder die frühere Kenntnis eines Problems (z. B. einer Flugverspätung) kann Kundenservice-Mitarbeitern helfen, ein Problem besser zu lösen oder es an einen automatischen Antwortservice weiterzuleiten.
Ausgaben- und Vermögensverwaltung: Für Unternehmen ist es oft schwierig, ihre Ausgaben genau zu verfolgen und jederzeit über die aktuellen Informationen über das Anlagevermögen zu verfügen. Small Data liefert Ihnen ein klareres Bild von der Gesamteffizienz Ihres Unternehmens, das Sie nutzen können, um Ihre Geschäftsaktivitäten an Ihren wichtigsten Prioritäten auszurichten.
Mitarbeiterbindung: Die Möglichkeit, kleinere Veränderungen in der Mitarbeiteraktivität zu beobachten, z. B. eine verminderte Inanspruchnahme von Urlaubs- und Krankheitszeiten, kann einen Hinweis auf den Motivationsgrad der Mitarbeiter geben. Diese Informationen können dazu beitragen, Methoden zur Mitarbeiterbindung und Verbesserungen der Unternehmenskultur und des Arbeitsumfelds zu entwickeln.
Personalisiertes Shopping: Small Data-Datensätze, die von tragbaren und mobilen Geräten, Sensoren, Überwachungskameras und IoT-Geräten im Einzelhandel erstellt werden, können zur Verbesserung des Kundenerlebnisses in Geschäften genutzt werden.
Trends bei Small Data
Interessanterweise zeigt der Bericht „Top 10 Data and Analytics Trends for 2021“ von Gartner, dass kleine und umfangreiche Daten – und nicht etwa Big Data – verwendet werden, um in Unternehmen Probleme im Zusammenhang mit unzureichenden Daten zu bestimmten Anwendungsfällen und komplexen KI-Fragen zu lösen.
Umfangreiche Daten unterstützen die Analyse mehrerer kleiner und unterschiedlicher unstrukturierter und strukturierter Datenquellen für mehr Kontext und eine bessere Entscheidungsfindung, während Small Data Datenmodelle nutzen kann, die aus weniger Daten nützliche Erkenntnisse gewinnen.
Der Bericht legt auch nahe, dass KI-Technologien in der Lage sein müssen, kleinere Datensätze und Small Data-Techniken anstelle von herkömmlichen historischen Daten zu verwenden – von denen viele angesichts der durch COVID-19 verursachten Veränderungen des Geschäftsumfelds inzwischen irrelevant sein könnten.
