Small Data

von | 21.11.2019 | Prozesse & Methoden | 0 Kommentare

​“Der aus dem englischen Sprachraum stammende Begriff Big Data bezeichnet Datenmengen, welche beispielsweise zu groß, zu komplex, zu schnelllebig oder zu schwach strukturiert sind, um sie mit manuellen und herkömmlichen Methoden der Datenverarbeitung auszuwerten. Big Data wird häufig als Sammelbegriff für digitale Technologien verwendet, die in technischer Hinsicht für eine neue Ära digitaler Kommunikation und Verarbeitung und in sozialer Hinsicht für einen gesellschaftlichen Umbruch verantwortlich gemacht werden. Dabei unterliegt der Begriff als Schlagwort einem kontinuierlichen Wandel; so wird mit ihm ergänzend auch oft der Komplex der Technologien beschrieben, die zum Sammeln und Auswerten dieser Datenmengen verwendet werden.“ So definiert Wikipedia Big Data.¹

Google listet in 0,43 Sekunden „ungefähr 6.440.000.000 Ergebnisse“ zu Big Data auf. Big Data ist im wahrsten Sinne des Wortes big. Es ist eine internationaler Markt mit Global Playern. Es ist ein Versprechen für Transparenz. Transparenz über Kunden und Anwender, über Motive und vielleicht sogar über „versteckte“ Wünsche. Und das ist toll, oder? Jeder gewinnt: die Unternehmen, die Ihre Kunden besser verstehen, und zusätzliche Umsatz generieren. Die Data Analysten und Hersteller, die sich über zahlreiche Unternehmen als Auftraggeber freuen. Und die Endkunden und Anwender, die das erhalten, was sie schon immer wirklich wirklich wollten.

Nutzen Sie in Ihrem Unternehmen schon Big Data? Falls nicht, habe ich einen Vorschlag für Sie: Wie wäre es mit „Small Data“? Alles was Sie dazu benötigen, haben Sie bereits heute im Einsatz.

Small Data, Big Data oder Smart Data

Was ist denn Small Data? Auch hier kann Wikipedia helfen: „Small data is data that is ’small‘ enough for human comprehension. The term ‚big data‘ is about machines and ’small data‘ is about people. This is to say that eyewitness observations or five pieces of related data could be small data. Small data is what we used to think of as data. The only way to comprehend Big data is to reduce the data into small, visually-appealing objects representing various aspects of large data sets. Big Data is all about finding correlations, but Small Data is all about finding the causation, the reason why.“²

Frei ins Deutsche übersetzt: „Small Data sind Daten, die ‚klein‘ genug für das menschliche Verständnis sind. Der Begriff ‚Big Data‘ bezieht sich auf Maschinen und ‚Small Data‘ auf Menschen. Das heißt, dass Beobachtungen von Augenzeugen oder kleinere Sets an verknüpften Informationen Small Data sein können. Small Data wurde früher einfach als Daten betrachtet. Die einzige Möglichkeit, Big Data zu verstehen, besteht darin, die Daten in kleine, optisch ansprechende Objekte zu reduzieren, die verschiedene Aspekte großer Datensätze darstellen. Bei Big Data geht es darum, Zusammenhänge zu finden, während es bei Small Data darum geht, die Ursache und den Grund dafür zu verstehen.“

Aha. Big Data ist was für Maschinen, Small Data ist was für Menschen. Wieder was gelernt. Ich dachte doch glatt, Big Data würde zwar mit „Maschinen“ analysiert und ausgewertet, wäre aber auch was für Menschen. So kann man sich täuschen. Und was ist dann „Smart Data“?

Wieder kennt Wikipedia eine Antwort: „Smart Data sind Datenbestände, die mittels Algorithmen nach bestimmten Strukturen aus größeren Datenmengen (vgl. Big Data) extrahiert wurden und sinnvolle Informationen erhalten. Diese Daten wurden bereits vorher gesammelt, geordnet und analysiert und für den Endverbraucher vorbereitet. Dabei müssen die Daten auch von dem Nutzer verstanden werden können, um ein sinnvolles Ergebnis erzielen zu können. Smart Data kann sowohl benutzt werden, um unter Nutzung von Rohdaten neue Erkenntnisse zu gewinnen, als auch um Modelle zu schaffen, die für die Analyse von Daten genutzt werden können.“³ Wenn ich es richtig verstehe, geht es bei Smart Data um die Aufbereitung der Analyse von Big Data. Durch Maschine und/oder Mensch.

Persönlich wäre ich froh, wenn sowohl Big Data, als auch Small Data smart aufbereitet würden. Mir ist nicht klar, was das Gegenteil von Smart Data sein könnte; eine nicht-smarte Aufbereitung oder Auswertung? Das ergibt wohl wenig Sinn. Auch bezweifele ich, dass es sich bei dem Begriff „Smart Data“ um eine versteckte Kritik an der Sammelwut von Unternehmen handelt: Daten zu sammeln, um sie zu sammeln, und um zukünftig mit einer Maschine clevere Erkenntnisse zu extrahieren – wer macht denn so etwas? Außer …

Small Data für Ihre Kunden

Worauf möchte ich hinaus? Ich kann Ihnen nicht sagen, ob sich ein Investment in eine Big Data Lösung und eine Analyse von gefühlt unendlichen Datensätzen für Sie und Ihr Unternehmen lohnt. Aber ich weiß, dass häufig gar keine „magische“ Verknüpfung von Datensätzen durch eine teure Maschine notwendig ist. Mit geringem Aufwand können Sie Ideen für Ihr eigenes Handeln und Wirken gewinnen. Das Einzige, was Sie dafür benötigen, ist ein klarer Fokus, der Wille zur Verbesserung und einen Zugriff auf ausgewählte Informationen, die bereits heute in Ihren Systemen schlummern.

Dazu ein Beispiel:

  • Wie lange wartet ein Kunde in der Warteschleife Ihrer Hotline?
  • Wie häufig „muss“ der Kunde bei Ihnen in der Hotline anrufen, bevor er mit jemanden über sein Problem sprechen kann?
  • Wie häufig ist Ihre Hotline in den vertraglich vereinbarten Zeiten nicht erreichbar?
  • Wie viele Kunden „dürfen“ Ihr Supportmitarbeiter parallel im Chat gleichzeitig betreuen?

Viele Unternehmen „optimieren“ den eigenen Support in Richtung Auslastung. Böse Zungen würden vielleicht sogar sagen: in Richtung Überlastung. Die wenigsten Unternehmen optimieren in Richtung Kunden, so dass diese die bestmögliche Betreuung erfahren. Und dieser Punkt adressiert nur die Erreichbarkeit, und nicht die eigentliche Problembehandlung. In anderen Worten: den Faktor Zeit.

Ich verrate Ihnen etwas: die wenigsten Menschen warten gerne. Nicht in einem Cafe auf den vor 15 Minuten bestellten Kaffee, nicht im Autohaus auf einen Verkaufsberater und nicht an Ihrer Hotline für 25 Minuten. Die wenigsten suchen gerne nach Fachverkäufern, die sich eher verstecken als freiwillig ihre Hilfe anzubieten. Oder warten 6 Wochen auf ein neues Sofa. Guter oder sogar sehr guter Service als Wettbewerbsfaktor scheint für viele Organisationen etwas gänzlich Unbekanntes zu sein.

Natürlich gibt es noch viele weitere Beispiele:

  • Was passiert in Ihrem Unternehmen mit Kundenfeedback?
  • Wie reagieren Sie auf Anfragen, Bewerbungen, Einladungen, Kooperationswünsche oder Angebote anderer Unternehmen, die nicht Ihren Wünschen entsprechen?
  • Wie häufig verschieben Sie die Lieferung von Updates oder Upgrades, obwohl sie entsprechend kommuniziert wurden?
  • In wie vielen Systemen werden in Ihrem Unternehmen Informationen zu Kunden gespeichert?
  • Wie viele Ihrer Webshop-Besucher brechen den Besuch ab, obwohl Produkte im Warenkorb liegen?

Vermutlich dürften Ihre Antworten schon genügend Optimierungspotential bieten. Auf eins der Beispiele möchte ich kurz exemplarisch eingehen: Kundenfeedback. Vielleicht bieten Sie in Ihrer Organisation Kunden die Möglichkeit, strukturiert Feedback zu geben. In Form einer kleinen Skala oder mit Smileys auf Ihrer Website oder auch per Fragebogen am Ende einer Veranstaltung.  Sicherlich kennen Sie durch Ihre private Internetnutzung die inzwischen relativ üblichen Fragen à la „Wie zufrieden waren Sie mit …“, „Wie bewerten Sie …“ oder „Würden Sie uns weiterempfehlen?“. Vielleicht haben Sie sogar schon mal eine negative Bewertung abgegeben. Und was ist dann passiert? Ich würde wetten, dass in 99 von 100 Fällen nichts passiert ist. Zumindest haben Sie nichts von einer Konsequenz, einer thematischen Auseinandersetzung, oder einer Verbesserung mitbekommen. Also: für Sie ist nichts passiert. Niemand hat sich gemeldet. Niemand hat nachgefragt, sich entschuldigt oder Besserung gelobt. Und was hat das mit Ihnen gemacht? Waren Sie begeistert? Haben Sie sich gefreut? Haben Sie im Bekannten- oder Kollegenkreis von dieser „tollen“ Erfahrung berichtet?

Was halten Sie von der Idee, vorhandene Informationen konkret zu nutzen und sie fortan nicht mehr konkret zu ignorieren? Klingt smart, oder? 😉

Small Data für Ihre Mitarbeiter

Was für Kunden gilt, gilt auch für Kollegen, Mitarbeiter und Vorgesetzte. Auch hier gibt es zahlreiche, leicht zu nutzende Informationen. Die Arbeitszeiterfassung bspw. ist nicht umsonst ein Kontrollinstrument und dient gleichzeitig auch als Selbstschutz. Was machen Sie mit Mitarbeitern, die viele Überstunden leisten? Wie gehen Sie mit Kollegen um, die regelmäßig Verbesserungsvorschläge für das unternehmensweite Ideenmanagement liefern? Wie bewerten Sie Weiterbildungswünsche einzelner Mitarbeiter? Wie bescheiden Sie Anfragen auf Heimarbeit und den impliziten Wunsch nach mehr selbstbestimmter Arbeit? Was machen Sie mit einem Mitarbeiter, der seinen Hund mit ins Büro bringen möchte? Oder was tun Sie, wenn ein Mitarbeiter eine Gehaltserhöhung haben möchte, um die gleiche Bezahlung wie sein Kollege zu erhalten?

In Bezug auf Mitarbeiter gibt es eine nahezu unendliche Menge an Daten, die Sie einfach analysieren, auswerten und nutzen können. Damit meine ich noch nicht mal die Informationen, die im täglichen Miteinander verbal oder nonverbal ausgedrückt und nicht auf einer Maschine gespeichert werden. Ich meine tatsächlichen die zahlreichen Informationen, die in entsprechenden Systemen landen oder bereits gelandet sind. Die nachgelesen werden können. Die als Datensatz mit einer 1:1 Relation zur Verfügung stehen. Die wirklich „small“ sind.

Die gute Nachricht

Oftmals speichern Organisation Informationen von und über Kunden und/oder Mitarbeiter. In CRM-Systemen, Mitarbeiterdatenbanken, Excel-Listen und sonstigen Programmen. In manchen Unternehmensbereichen werden diese Daten regelmäßig genutzt, bspw. für die Planung neuer Features oder die Entwicklung von Produkten. Fernab solcher Entwicklungsbereiche werden verfügbare Informationen aber selten zielgerichtet verwendet. Für mich ist das überraschend, denn es braucht für die Analyse keinen Big Data Ansatz. Es braucht keine Verknüpfung von 20 verschiedenen Datensätzen, die in 5 unterschiedlichen Systemen gespeichert werden. Es braucht weder eine Kombination von Daten nach einer Analyse von einer Millionen Informationen, noch ein Mathematik-Studium. Alles was es braucht ist ein klarer Blick, und die Bereitschaft, in einem bestimmten Punkt etwas besser werden zu wollen. Bestimmt können Sie mit Ihrer Organisation einen schnelleren Service anbieten. Und Feedback aktiv zur Kundenpflege nutzen. Und Mitarbeiter fördern. Und das Arbeitsklima verbessern. Und …

Die gute Nachricht lautet: alles was Sie für Small Data benötigen, haben Sie bereits in Ihrem Unternehmen. Sie müssen es lediglich nutzen. Natürlich am besten smart.

 

Hinweise:

Allein aus Gründen der besseren Lesbarkeit habe ich auf die gleichzeitige Verwendung männlicher und weiblicher Sprachformen verzichtet. Sämtliche Personenbezeichnungen gelten für alle Geschlechter.

[1] Big Data bei Wikipedia
[2] Small Data bei Wikipedia
[3] Smart Data bei Wikipedia

Michael Schenkel

Michael Schenkel

t2informatik GmbH

Michael Schenkel leitet das Marketing bei t2informatik. Gerne bloggt er über Projektmanagement und Requirements Engineering. Und er freut sich ganz sicher, wenn Sie sich mit ihm auf eine Tasse Kaffee und ein Stück Kuchen treffen.

Share This