Muito se fala de Big Data e sua importância para as empresas em um mercado que é cada vez mais pautado por dados, em que é necessário lidar com grandes volumes de informações diariamente. Porém, diante desse mesmo cenário, surge a tendência do Small Data.
Hoje, as organizações precisam de um cultura data driven, isto é, orientada aos dados. O mercado já não tem espaço para decisões e estratégias tomadas e criadas com base em intuições e achismos. Tudo precisa ser definido com base em informações concretas, seguras e reais coletadas junto a clientes, parceiros, concorrentes, etc.
O Small Data surge em um contexto em que as empresas se voltam mais para a qualidade dos dados do que para a sua quantidade. Afinal, diante de tantas informações disponíveis, é preciso refletir sobre quais são realmente importantes para construir estratégias eficazes.
Um estudo da Gartner prevê que, até 2025, 70% das organizações vão mudar seu foco do Big Data para o Small Data, dando mais importância para ferramentas de análise e tornando as soluções de Inteligência Artificial menos dependentes de grandes volumes de dados. A seguir, vamos entender melhor sobre o conceito de Small Data, sua relação com o Big Data e seu uso. Acompanhe!
O que é Small Data?
Small Data é a estratégia que foca na qualidade dos dados coletados, e não no volume. O objetivo é trazer somente aquelas informações que sejam realmente relevantes para a criação de estratégias, ações e campanhas.
Hoje, no mercado, existem muitas ferramentas capazes de lidar com grandes volumes de dados, coletando-os, armazenando-os e interpretando-os. No entanto, é preciso ter em mente que nem todos serão úteis para a orientar a tomada de decisão.
É importante, sim, ter uma visão mais abrangente dos dados do mercado. O que o Small Data se propõe, porém, é uma filtragem mais apurada das informações. Caso contrário, excessos sempre geram perdas, isto é, sem um processo qualitativo aliado ao quantitativo, as empresas perdem insights valiosos e deixam de tomar decisões tão rapidamente quanto poderiam.
Quais são as diferenças entre Small Data e Big Data?
Big Data é o nome dado às grandes quantidades de dados — estruturados ou não. As ferramentas de Big Data são aquelas capazes de coletar, armazenar e interpretar essas informações. Para isso, elas se baseiam em 5 características: volume, variedade, velocidade, veracidade e valor.
E claro que, para lidar com tamanha quantidade de informação, o Big Data exige uma estrutura tecnológica — hardware e software — mais robusta, geralmente acompanhada de soluções mais avançadas como Inteligência Artificial e Machine Learning.
Por outro lado, o Small Data, como vimos, foca em pequenos volumes de informações (já estruturadas), buscando trazer respostas precisas para demandas específicas. A ideia é que os dados apresentados sejam acessíveis e mais facilmente compreensíveis. E, para isso, geralmente não é necessária uma estrutura tão potente quanto à do Big Data.
Dito isso, é importante deixar claro que não se trata de estratégias excludentes ou concorrentes, pelo contrário: elas são complementares. Como comentamos, é preciso aliar uma abordagem quantitativa (Big Data) com uma qualitativa (Small Data).
Assim, se o Big Data ajuda a entender mercados inteiros, tendências e variações, quando se trata de compreender comportamentos ou fenômenos em menor escala, é preciso uma estratégia mais focada e enxuta. É por isso que o Small Data é tão importante do ponto de vista das pessoas e ajuda a entender melhor o consumidor, seus interesses e comportamentos.
Como analisar Small Data
A análise do Small Data acontece de forma diferente do que é feito com o Big Data. Como estamos tratando de uma abordagem mais concentrada e uma análise de menor escalada e de fatores mais humanos, a presença de uma pessoa por trás dessa análise é mais importante.
Se o Big Data pode ser deixado a cargo de ferramentas automatizadas, o Small Data exige uma integração maior entre a inteligência tecnológica e as habilidades dos profissionais da equipe.
Nesse sentido, ferramentas utilizadas no dia a dia, sobretudo na área de Customer Success, por exemplo, são excelentes fontes de informações para entender melhor a persona do negócio.
Essa análise deve focar em dados que sejam mais simples e concretos, que ajudem a identificar oportunidades, dar mais eficiência aos processos e melhorar o relacionamento com os clientes.
Como se dá a aplicação de Small Data nos negócios?
No livro Small Data: Como Poucas Pistas Indicam Grandes Tendências, o autor Martin Lindstrom traz exemplos de empresas que superaram momentos de dificuldade utilizando-se dessa estratégia.
Uma das organizações citadas é a Lego. Segundo Lindstrom, a empresa viu como suas vendas caíram drasticamente por conta, especialmente, das novas tecnologias e opções de entretenimento mais atraentes para as crianças e adolescentes.
Para superar a crise, a Lego, então, buscou conhecer melhor o seu público e entender quem eram as pessoas que ainda consomem seus produtos.
Por meio de pesquisas e entrevistas, a empresa identificou características em comum a essas pessoas e, a partir das respostas obtidas, extraiu insights que direcionaram as estratégias da organização, incluindo o redesign das peças de Lego. O resultado foi o aumento das vendas e a retomada de um lugar de destaque na fabricação de brinquedos.
O caso da Lego é emblemático. De acordo com o autor, ao tentar analisar o comportamento dos seus consumidores com o Big Data, a empresa recebia dados que não necessariamente refletiam a realidade e os gostos das crianças que realmente gostavam de legos. Sem o Small Data, provavelmente ela teria ido à falência.
Foi o foco em dados qualitativos, em uma perspectiva micro, que proporcionou à organização entender o que ela havia feito de errado e redirecionar suas estratégias.
Saiba como usar dados para aperfeiçoar os processos de sua empresa. Acesse nosso Guia Data Driven e veja a importância da análise de dados e como utilizá-los para melhorar o desempenho do seu negócio.
