Indietro

Big Data e Small Data: giocatori di un’unica partita

30 Marzo 2020

Lavorare in modalità data-driven è un approccio mentale e pratico che sempre più aziende dovrebbero attuare. La possibilità di raccogliere immani quantità di dati da parte delle realtà produttive è a portata di mano. Non farlo sarebbe uno spreco di tempo e di efficienza.
Sì, siamo nel campo dei Big Data. I dati che spesso si estraggono o si comunicano sono però in forma “grezza”: risultano difficilmente interpretabili senza un codice di lettura, senza strumenti intermedi che li rendano leggibili e, come si usa dire, actionable (azionabili, realmente utilizzabili). In sintesi, i Big Data rappresentano una massiccia raccolta di dati (perfino ZetaByte) che possono essere strutturati secondo dei criteri o completamente randomici e casuali (informazioni dai social, da campagne media, da video e audio)
Le aziende, pur partendo dai Big Data, hanno perciò bisogno di informazioni chiare e precise per prendere le proprie decisioni. E questo è l’ambito in cui acquistano importanza gli Small Data: si tratta del prodotto finale delle Data analysis, le indicazioni che emergono dalle indagini sulle estrapolazioni.
Ma allora i Big Data a che servono? Malgrado qualcuno la pensi diversamente, i Big Data non sono in competizione con gli Small Data. Anzi, nella maggior parte dei casi, senza i primi non esisterebbero i secondi.
Se anche volessimo far riferimento ai panel di ricerca, si passa sempre da una prima raccolta “massiva” di informazioni per poi ricevere un report con le conclusioni delineate.
Che si parli di Big Data o (soprattutto) di Small Data, una cosa è certa: la precisione è l’elemento fondamentale. Qui, i dettagli fanno la differenza.
La bravura nel produrre insight veramente utilizzabili sta innanzitutto nella qualità dei Big Data iniziali. Poi, è fondamentale la scelta dei modelli di analisi da applicare e la capacità di porre le giuste domande. Anche per questo motivo, spesso ci si rivolge ad algoritmi ed Intelligenza Artificiale in grado di estrarre solo dati interessanti e, su questi, porre tutta la massima attenzione.
Il processo “Big Data —> Analisi —> Small Data intelligibili” è di sicuro valore, ma può avere un limite: mostra uno status quo, ma non spiega del tutto perché un certo target si comporta in un determinato modo. Al contrario, la raccolta di Small Data tramite panel ha l’indubbia qualità di riuscire a rispondere meglio a tale quesito, pur non essendo esente da difetti.
In ultima analisi, non c’è però alcun motivo di schierarsi. Per comprendere a fondo una realtà complessa, sarebbero da utilizzare entrambi gli approcci (budget permettendo) per ottenere tutte le informazioni possibili.
Come spesso accade, anche in questo campo la collaborazione e la sinergia sono gli elementi chiave.