Najprościej zdefiniować small data jako zbiór danych, który jest wystarczająco mały, żeby być zrozumiały dla człowieka. W przeciwieństwie do ogromnych zbiorów nieustrukturyzowanych danych, które produkują wielkie technologiczne korporacje, te dane łatwo zaimportować do arkusza kalkulacyjnego i przeanalizować samodzielnie.  

Małe dane są, według twórcy tego terminu, Martina Lindstroma, autora książki „Small Data: The Tiny Clues that Uncover Huge Trends”: 

• Dostępne 

Nie wymagają dostępów do skomplikowanych programów czy przedzierania się przez potężne bazy danych i wyodrębniania z nich konkretnych części – to dane, które dotyczą zwykłych problemów klientów firmy i dostępne są z poziomu CRMa czy dowolnego programu do analizy danych, a nawet z rozmów z klientem lub potencjalnym klientem i wniosków zapisanych na karteczce. 

• Zrozumiałe 

Małe zbiory danych są łatwiejsze do zrozumienia i analizy. Zwykle dotyczą co najwyżej kilku wskaźników, a nie są zbiorem wszystkich danych dostępnych firmie. W ten sposób łatwo je uchwycić i przekazać dalej, nawet nie będąc analitykiem. 

• Zachęcające do działania 

Small data zazwyczaj dotyczą użytkownika albo klienta i dostarczają informacji o przyczynach jego zachowania. Dlatego łatwo na ich podstawie podjąć konkretne działania, czy choćby zaprezentować je w przystępny wizualnie sposób. 

A co, jeśli mamy wielkie zasoby danych? Z big data także da się wyodrębnić te mniejsze zbiory – jednak do ich analizy zazwyczaj służą w tych wypadkach cyfrowe algorytmy, które dzielą nieustrukturyzowane dane na konkretne podzbiory. 

Dlaczego start-up powinien zwrócić uwagę na „małe dane”? 

Świeże start-upy korzystają z małych zestawów danych nieco z przymusu – ich użytkownicy i potencjalni klienci nie zostawiają codziennie terabajtów danych, z których łatwo z pomocą nauczania maszynowego wydobyć korelacje. Za to wnioskowanie na podstawie małych zestawów danych może pozwolić start-upom choćby: 

• Zidentyfikować różne potrzeby grup docelowych i dookreślić same grupy  
• Zwalidować wstępne założenia dotyczące strategii cenowych 
• Sprawdzić, czy na rynku istnieje potrzeba na nowe rozwiązania 
• Słuchać klientów i poprawiać UX 
• Dostosowywać produkt do lokalnych różnic i potrzeb 
• Sprawdzać, czy potencjalni użytkownicy dobrze reagują na mailingi, czy dodatkowe usługi. 

Analiza małych danych pozwala start-upom szybko podejmować decyzje i weryfikować założenia z którymi wchodzą na nowy rynek, a dzięki temu uniknąć kosztownych błędów – nawet bez zatrudniania zespołów analityków. 

Chcesz tworzyć biznes oparty na danych i na nich zarabiać? Dowiedz się, jak robią to inni.