Por que focar em small data?

A análise de dados é uma peça fundamental para o sucesso de qualquer negócio. Ela permite investigar tendências, comportamentos, expectativas e até mesmo erros que precisam ser reparados.

Graças ao Big Data, as organizações conseguem acessar um vasto leque de informações sobre seus clientes. No entanto, pela alto grau de dados variados, muitas vezes os profissionais ainda não têm capacidade para ler aquelas informações da melhor forma possível. Então, o Small Data entra em cena.

Mais do que adquirir softwares e tecnologias de última geração para interpretar o seu mercado, a perspectiva humana ganha destaque na corrida por competitividade.

Big data x small data

Podemos entender o Big Data como um conjunto de informações que são coletadas em grandes quantidades, são coletados em uma velocidade muito rápida (muitas vezes com ajuda de machine learning) e apresentam uma grande variedade de formas não conectadas, como:

• cliques;
• transações;
• leitores de identificação por radiofrequência (RFID);
• dados financeiros, entre outras.

É uma ferramenta com um processamento de informações econômico e que permite uma visão aprimorada da tomada de decisão, e automação de tarefas.

No quesito volume, o Big Data, normalmente, é representado em grandes quantidades — terabytes, petabytes etc — e requer poder computacional avançado para o seu gerenciamento, sobretudo considerando o número cada vez maior de dispositivos conectados à Internet das Coisas (IoT). 

Como prova dessa complexidade do Big Data, uma pesquisa realizada pela EConsultancy apontou que 52% dos profissionais de marketing relataram que os dados nem sempre estão disponíveis para eles, resultando em pontos cegos. Além disso, 39% reclamaram que os dados eram difíceis de obter e 24% relataram que seus dados estavam obsoletos.

O Small Data, por outro lado, é composto pelos dados que coletamos por meio da pesquisa primária. É um instrumento que permite uma observação mais íntima da sua audiência — suas motivações, atitudes e valores

A ideia é que o Small Data ofereça informações pequenas o suficiente para a compreensão humana. Em comparação com o Big Data, o volume do Small Data é medido em megabytes e gigabytes. Portanto, mais fácil de gerenciar.

Ademais, eles podem ser armazenados e processados em um único computador, e a velocidade dos dados é mais lenta. Outro ponto de distinção é que o Small Data se compõe de detalhes conhecidos — os dados são estruturados (numéricos) e não estruturados (texto, imagens e vídeo). 

Aprendendo a lidar com Small Data

A essência do Small Data é que as empresas possam obter resultados acionáveis, sem que, para tanto, precisem​ adquirir sistemas complexos, normalmente utilizados ​na análise do Big Data. 

Então, antes de colocar em prática essa metodologia, é importante os gestores terem em mente que o trabalho com o Small Data não requer grandes ferramentas como Machine Learning ou Inteligência Artificial.

No cenário de dados, é comum ver empresas investindo pesado em uma grande quantidade de armazenamento de servidor, equipamentos sofisticados de análise, aplicativos de mineração de dados para vasculhar uma rede.

Contudo, o mercado está descobrindo que é possível obter resultados semelhantes usando estratégias de mineração de dados muito menos robustas.

As empresas estão descobrindo que uma ciência de dados altamente tecnológica exige muito esforço. Em alguns casos, isso pode ser canalizado para um data warehouse central, em que algoritmos complexos classificam e processam as informações e entregam relatórios detalhados. 

Porém, coletar um pequeno conjunto de dados às vezes é a melhor rota. Eles permitem que você atue com mais rapidez nas informações. O Small Data representa uma mudança na obsessão pelo emprego excessivo de tecnologias no processamento de dados. Trata-se de um importante recurso na obtenção de informações relevantes, com uma redução significativa de custos.

Andar para depois correr

O Small Data já é uma realidade defendida por muitos pesquisadores e profissionais da área. Eles acreditam que não é viável ter conjuntos de informações enormes para todo tipo de problema. Essa nova perspectiva de lidar com as informações é o futuro da ciência de dados.

Contudo, para o sucesso da estratégia, também é importante que as empresas libertem da dependência de trabalhar com altas tecnologias e foquem primeiramente em dominar o básico.

Isso não significa abrir mão de todos os avanços conquistados ou muito menos que o Big Data vai deixar de existir. A questão é que a maioria dos empreendimentos tem um enorme arsenal de informações, mas não consegue aproveitar todo o seu potencial porque falta o básico.

O mais correto no caso é encarar o Small Data como o primeiro nível nessa escalada de coleta e verificação de dados. Sendo o fator humano essencial para o alcance dos melhores resultados. Os desafios não são simples, mas, com a adoção das diretrizes certas, é possível aproveitar o melhor que um pequeno conjunto de dados pode oferecer.

Abaixo, destacamos quatro pontos que são essenciais para um um profissional comece a trabalhar com dados em menor escala.

Compreenda o básico das estatísticas

A compreensão das estatísticas é um requisito para que os profissionais de dados saibam que tipo de problemas podem ser esperados ao lidar com um pequeno número de observações.

Aprenda as principais estratégias

Para evitar ajustes excessivos e obter resultados precisos a partir do Small Data, torna-se indispensável aprender sobre todas as estratégias, para que então o time de dados consiga fazer um juízo de valor sobre qual a mediada mais adequada para cada caso.

Realize todas as etapas de limpeza e análise

O bom andamento do processo de análise de dados também depende de uma limpeza e investigação ao longo das suas etapas. Para que a tarefa seja cumprida com eficiência, vale investir no uso de ferramentas como Tidyverse na linguagem R ou ferramentas Python para ciência de dados.

Conheça as limitações do modelo

Se você trabalha com determinado modelo sem conhecer as reais limitações desse sistema, existem grandes chances de falhar ao tirar conclusões de suas previsões. Com o Small Data, isso não é diferente. Quem deseja explorar o máximo dessa estratégia deve começar entendendo seus limites.

Diante de um mercado extremamente dinâmico e com o crescente aumento da relevância da capacidade de personalização, a sensibilidade na interpretação do Small Data é, sem dúvidas, um dos principais fatores para que uma empresa se destaque perante os adversários.

Saber unir técnicas e informações é um dos pilares para a atuação inteligente de um negócio. Um detalhe que fará toda a diferença nesse momento é a gestão estratégica de pessoas.