Небольшие предприятия часто предполагают небольшие объемы данных, но есть способы извлечь из этого пользу. В мире больших данных гигабайты стоят меньше гроша, но в нашем случае даже незначительные объемы могут помочь вынести пользу. Маленькие интернет-магазины сталкиваются с той же проблемой, что и их гигантские конкуренты: выяснить, кто их покупатели и как им продавать нужный товар.

Создание big data из небольших данных

Mailchimp, давно известный продажей решений для электронного маркетинга малому бизнесу, также является игроком в области больших данных. Как пояснил Дэвид Дьюи, главный специалист по анализу данных Mailchimp, у компании есть собственный отдел специалистов по анализу данных, компьютерных ученых и даже математиков.

«Вы получаете возможность, не нанимая человека». — сказал Дьюи.

На внутренней стороне Mailchimp хранит петабайты данных от своих клиентов, анонимизированных для защиты конфиденциальности, но доступных для анализа. Mailchimp использует свою модель машинного обучения, чтобы внести свой вклад в модель малого бизнеса клиента. 

Небольшие предприятия могут сравнить свои показатели со средними показателями клиентской базы Mailchimp, чтобы получить объективную оценку. Это дает возможность уточнить свои слабые места и посмотреть где и что можно улучшить для получения максимального результата. По сути, Mailchimp стремится предоставить малым предприятиям преимущества машинного обучения на основе больших данных путем объединения имеющихся у них не совсем больших данных.

Использование небольших данных как Business GPS

Другой подход заключается в том, чтобы подключиться к потоку данных в режиме реального времени, объяснил Марк Стаус, председатель и главный исполнительный директор Proof Analytics. 

«Нетрудно использовать данные по мере их сбора. Это дает вам возможность наблюдать и повышает уверенность в результатах» — сказал он.

По словам Стауса, для руководителей бизнеса достаточно уровня уверенности около 50 — 70%. Возможность пересчета в момент их сбора делает небольшие данные похожими на GPS.

 «Это позволяет вам ориентироваться в проблеме и вносить изменения моментально, не иначе, как изменение маршрута во время поездки» — сказал Стаус.

Знакомые приемы и трюки с небольшими данными

Небольшая статистика, информация, другие данные всегда рядом, даже если вы не используете платформу или сервис для их анализа. 

«Дело не столько в алгоритме, — сказал Скотт Бринкер, вице-президент по экосистеме платформы HubSpot. — Это больше о содержании. Насколько хорошее содержание этой информации? »

Алгоритмы больших данных могут отсортировать миллионы перестановок и процессов, чтобы предсказать, какое предложение может стать лучшим для ваших клиентов. Но машина может дать сбой, а вот трезвый рассудок хорошего маркетолога — редко. От того маленькое количество данных всегда легче контролировать привычными методами вручную, чтобы подобрать лучшее предложение для клиента или своего бизнеса. 

Net Promoter Score (NPS) просто собирает ответы из этих небольших всплывающих окон опроса клиентов, в которых пользователя просят оценить услугу или продукт по шкале от 1 до 10. Анализ ответов простой: девятки и десятки — промоутеры. Ниже шести — недоброжелатели. 

По словам Бринкера, A/B-тестирование — это еще один метод, поскольку тактика оптимизации конверсии существует уже более десяти лет. Контент-маркетинг и поисковая оптимизация — это тоже небольшие игры с данными и с маленькими данными повышение эффективности в этих сферах куда проще, а вероятность ошибки ниже.

Сколько данных достаточно?

Большие данные могут подавить сами себя просто из-за своего размера. «Существует фундаментальная разница между культом точности во всей науке о данных и практической реальностью бизнеса», — сказал Стаус. «Доступность данных — настоящая проблема», но «небольшие данные» гораздо более доступны, потому что их легче собрать и хранить.» 

По словам Стауса, многие большие пулы данных или хранилища закрываются, потому что они дороги в обслуживании и безопасности, в то время как «извлечение ценности» было меньше, чем хотелось бы. Он добавил, что с помощью анализа можно взглянуть на общую картину данных организации, но собранная информация в режиме реального времени, может быть более полезной.

Выбор наилучшего подхода к небольшим данным

В конце концов, Mailchimp предоставляет «аутсорсинговую экспертизу» малому онлайн-бизнесу. Такими предприятиями управляют несколько человек или даже один, который просто физически не может быть профессионалом во всех сферах. Им часто не хватает времени и опыта для проведения собственного анализа с целью выявления лучших предложений для клиентов, оценки клиентской жизненной позиции или даже того, как и когда отправлять напоминания по электронной почте, чтобы стимулировать рост продаж.

По словам Дьюи, Mailchimp выполняет анализ, разрабатывает программу и представляет ее клиенту из малого бизнеса. Proof Analytics предпочитает предоставлять рекомендации, которые помогают в принятии решений. По словам Стауса, при достаточной автоматизации не нужен специалист по данным, а нужен только аналитик. 

« Даже в этом случае будет достаточно аналитика на неполный рабочий день. Снижение риска при принятии решения — это цель, поскольку «плохое решение [может быть] дорогостоящим», — отметил Стаус.