スモール・データとは
スモール・データは、簡単に言えば、1 台のマシンで処理できる、または個人が理解できる、フォーマットがシンプルでボリュームが小さいデータです。ビッグ・データの派生物であると考えられているスモール・データは、日々の意思決定においてアクセスしやすく、理解しやすく、実行可能な方法で整理され、パッケージ化された、タイムリーで意味のある洞察を提供します。
スモール・データでは、ビッグ・データ分析に必要なシステムを実装することなく、貴重な洞察を得ることができます。スモール・データは主にトランザクション・システムから得られるため、分析戦略に移行するほとんどの企業は、ビッグ・データを使用してより高度な分析に移行する前に、情報に基づいた意思決定を行うために使用できるスモール・データに既にアクセスできます。
スモール・データの一般的な例には、次のようなものがあります。
- 顧客関係管理システム（CRM）からのデータ
- マーケティング資料、原材料、機器の購入情報
- 顧客および製品の販売情報
- 顧客の行動に関するデータ
- オンライン・ショッピングカート・データ
- 顧客満足度調査
- 1対1のインタビュー
スモール・データの特徴
一般的に、スモール・データは3つの特徴によって定義されます。スモール・データとは：
- アクセス可能：ビッグ・データは、管理が難しい大量の複雑なデータで構成されています。これとは対照的に、スモール・データには、より使いやすいボリュームが存在します。
- 理解しやすい： スモール・データは、ビッグ・データをスモール・データセットにまとめます。強力なアルゴリズムや分析プログラムを使用せずに、理解しやすいデータセットです。
- 実用的な機能：スモール・データにより、ユーザー、顧客、およびそれらの行動に関する洞察が得られ、短期的な意思決定に役立ちます。
ビッグ・データとスモール・データの比較
ビッグ・データとは、今日のビジネス・プロセスによって生成される大量の構造化・非構造化データのことです。ビッグ・データ・セットへのアクセス、理解、整理、分析は通常困難です。このデータは大きすぎて単一のマシンでは表示できないため、一般的には、強力なコンピューティング・ハードウェア、ソフトウェア、アルゴリズムが、ビジネス・オペレーションに役立つパターン、傾向、洞察を検出するために必要です。
ビッグ・データとは異なり、スモール・データは、より小さく、より使用可能なデータ塊で構成されており、人間が理解、アクセス、分析することが容易です。ビッグ・データよりもはるかにゆっくりと蓄積し、特定の質問に対する回答や特定の問題に対処するためによく使用されます。スモール・データは、通常、ローカル・サーバーやラップトップなどの単一のマシンに保存されます。その結果、企業は、高性能技術や複雑なアルゴリズムに投資することなく、スモール・データから貴重な洞察を容易に得ることができます。
しかし、スモール・データとビッグ・データの両方がビジネスに影響を与える能力を持ち、さまざまな対象者や組織レベルに対応するために協力することができます。
スモール・データの重要性
リソースが限られている企業にとっては、ビジネスに即座に影響を与えるような規模でデータを扱うことは理にかなっています。前述のように、大量のビッグ・データ情報よりも、小規模なデータセットの処理と解釈が容易です。
さらに、スモール・データはより関連性が高く、コンパクトな方法で提示できるため、多くの場合、分析が容易で、プロフェッショナル、デジタル・マーケティング担当者、マネージャーにとってより実用的なものとなります。
多くの場合、スモール・データは、より強力なリアルタイム結果をサポートし、企業が標準的な慣行を改善し、現在の問題を解決し、新しいビジネス方法につながる革新的なアイデアを発見するのに役立ちます。ビッグ・データと同様に、スモール・データも機械学習や人工知能モデルを強化し、重要な内部プロセスの自動化に不可欠です。
スモール・データのメリット
高可用性
消費されるデータの大半は、スモール・データです。コンピュータやスマートフォンを持つ人は誰でも、スモール・データを作成し、ビッグ・データよりも容易に利用できるようにします。例えば、ソーシャルメディアやパフォーマンス広告からのデータは、購入者の意思決定や顧客生涯価値（LTV）に関する情報に貴重なリソースとなります。
シンプルさ
人間は、スモール・データを容易に理解し、解釈できるため、ステークホルダーや意思決定者が容易に理解できます。ビッグ・データは、多くの場合、専門的な解釈を必要としますが、ビジネス価値を生み出すために、誰でもスモール・データを使用できます。
ビジネス・インテリジェンスを即時に
多くの場合、スモール・データは、目の前の問題に適したデータです。スモール・データは理解しやすいため、スモール・データの生成から、ビジネス上の意思決定や顧客へのリーチに活用できるまでの時間は非常に短くなります。
顧客重視のアプローチ
スモール・データにより、エンドユーザーがビジネスに何を必要としているかをよりよく理解できます。顧客データの少人数のサンプルを観察することで、顧客がどのような行動をとっているのか、詳細な情報を明らかにし、重要なビジネス洞察を得ることができます。
コスト削減
スモール・データは、保存場所を問わず、アプリケーションやサービスからアクセスでき、データ量の増加に応じてコストのかかるデータ・ストアやウェアハウスを構築する必要はありません。
スモール・データのユースケース
スモール・データには、次のようなユースケースが考えられます。
カスタマー・サービス：顧客に関する詳細な情報は、企業がより迅速な問題解決を提供するのに役立ちます。電話番号の認識や、問題（遅延したフライトなど）の事前知識は、カスタマー・サービス担当者が問題をより適切に処理したり、自動応答サービスに転送したりするのに役立ちます。
経費と資産管理：企業は、経費を正確に追跡し、固定資産を報告するのが難しいことがよくあります。スモール・データにより、全体的な組織効率をより明確に把握できます。これは、ビジネス活動を最優先事項に合わせるために活用できます。
従業員の定着率：未消化の休暇や病気休暇の活用不足など、従業員の活動の軽微な変化を観察することは、従業員のモチベーションレベルを示す可能性があります。この情報は、保持方法や、企業文化や職場環境の改善に役立つ情報となります。
パーソナライズされたショッピング：ウェアラブル・デバイス、ハンドヘルド・デバイス、センサー、監視カメラ、小売 IoT デバイスから作成されたスモール・データセットを使用して、店内のカスタマー・エクスペリエンスを向上させることができます。
スモール・データの傾向
興味深いことに、ガートナーの2021年のトップ10のデータおよび分析トレンドは、ビッグ・データではなく、小規模で広範なデータが、特定のユースケースや複雑なAIの問題に関するデータ不足という課題に関連する組織の問題を解決するために使用されていることを示しています。
幅広いデータは、コンテキストと意思決定を向上させるために、いくつかの小規模で多様な非構造化・構造化データソースの分析をサポートします。一方で、スモール・データは、より少ないデータで有用な洞察を提供するデータ・モデルを活用できます。
また、従来の履歴データではなく、よりスモール・データセットやスモール・データ技術をAI技術が使用できなければならないことも示唆されています。従来の履歴データの多くは、COVID-19によるビジネス環境の変化を考慮すると、現在では無関係となっている可能性があるからです。
