Small Data kann das Zauberwort für alle Unternehmen sein, deren Datenvolumen (noch) nicht für Big Data ausreicht oder die unsicher sind, wie sie der Herausforderung der Datenanalyse begegnen sollen.

Wir werden nun verraten, wie das Small-Data-Konzept im Detail aussieht und welche Vorteile es bietet — auch im Vergleich zu Big Data.

Kleine Daten — weniger ist besser als nichts

Während Big Data und unternehmerische Datenkompetenz in aller Munde sind, gibt es viele kleine und mittlere Unternehmen, die von dem Thema ziemlich ahnungslos sind. Es kommt nicht selten vor, dass es an den Grundlagen und Technologien mangelt, um größere Datenmengen überhaupt zu generieren. Aber selbst wenn sie verfügbar sind, was nützen Daten in großen Mengen, wenn niemand in der Lage ist, sie auszuwerten, geschweige denn daraus irgendwelche Maßnahmen abzuleiten?

Bevor das Thema Datenerhebung und Datenmanagement jedoch komplett ad acta gelegt wird, sollten KMU über das Small Data-Konzept nachdenken. Auch wenn der Begriff als solcher nicht klar definiert ist, bietet die Kernidee vielfältige Möglichkeiten, auch kleine Datenmengen effektiv zu nutzen. Dadurch können Digitalisierung und Wachstum in Zeiten intensiven Wettbewerbs vorangetrieben werden. Und das bei einem überschaubaren Kosten- und Ressourceneinsatz.

Wenn es für Big Data nicht reicht…

… das ist kein Grund, datengestützte Fakten zugunsten des Bauchgefühls zu ignorieren. Selbst kleine Datenmengen, die bereits verfügbar sind, können in verschiedenen Aspekten sinnvoll verarbeitet werden. Das Prinzip dahinter ist logischerweise dem des großen Bruders sehr ähnlich, obwohl das Credo „Jäger und Sammler“ etwas in den Hintergrund tritt. Darüber hinaus spielen die Themen Aufwand und Kosten bei kleinen Daten eine wichtigere Rolle.

Daten sind die wichtigste Ressource, über die Unternehmen verfügen. Dies gilt auch für kleine und mittlere Unternehmen. Genau wie große Unternehmen und globale Institutionen können auch KMU einen großen Mehrwert aus ihren Daten ziehen. In der Praxis kann dies sogar die Auswertung einer einfachen Excel-Tabelle sein. Ganz nach dem Motto: „Kleine Rinder machen auch Mist“. Andererseits wäre es fatal — da sind sich die Experten einig —, das Thema Datennutzung aus Angst vor hohen Kosten oder Unsicherheit bei der Umsetzung einfach zu ignorieren.

Kleine Daten treffen auf KI — Potenziale erkennen

Wenn es um Schlagworte wie KI und Algorithmen geht, denken viele KMU an manchmal futuristische Technologien, die mit dem Tagesgeschäft wenig zu tun haben. Oder sogar Roboter-Supercomputer, die heute schon intelligenter sind als die Person, die sie geschaffen hat.

Natürlich weiß inzwischen fast jeder, dass Algorithmen und künstliche Intelligenz selbst in kleinsten Alltagsgegenständen wie einem Sprachassistenten oder einfachen Online-Marketing-Tools wie Google Ads zu finden sind. Manchmal ist es jedoch schwierig, beim Datenmanagement eher klein als groß zu denken. Aber genau darum geht es beim Small-Data-Ansatz.

Die Berichterstattung in den Medien tut uns allen einfach so, als ob KI riesige Datenmengen benötigt und dass sich sonst keine vernünftigen Analysen generieren lassen. Das stimmt nicht. Mit Hilfe spezieller Anwendungen können selbst aus kleinen Daten große Erkenntnisse gewonnen werden. Darüber hinaus können externe Quellen, Statistiken und Wissensdatenbanken genutzt werden, um die speziell extrahierte Datenmenge anzureichern. Ich weiß wie!

Von Big Data zu Small Data — Daten zielgerichtet analysieren

Drehen wir den Spieß um: Ein großes Unternehmen hat Unmengen an Daten. Unglaubliche Menschenmengen. Tatsächlich gibt es so viele Daten, dass selbst Datenanalysten nicht mehr wissen, wo sie anfangen, weitermachen und enden sollen. Auch hier kann es sinnvoll sein, trotz Big-Data-Anforderungen einen Small-Data-Ansatz zu verfolgen — wenn auch nur in einigen Bereichen und wo lineare Zusammenhänge identifiziert werden müssen.

Denn kleine Daten bedeuten nicht nur, dass es wenig (er) Daten gibt. Es kann auch bedeuten, mit kleineren Datenmengen zu arbeiten, da sie einfacher zugänglich und zu verstehen sind. Oder weil sie bereits „sauber“ und daher analysebereit sind. Es gibt auch andere Vorteile, zum Beispiel in Bezug auf Datenschutz, Effizienz und Agilität. Und weltweit, auch in Bezug auf Nachhaltigkeit und ökologischen Fußabdruck, weil weniger Ressourcen verbraucht werden.

Anstatt sich im schwarzen Loch der Datensilos zu verlieren, nutzt man strukturierte Daten einfach in kleinem Maßstab und arbeitet die einzelnen Aufgaben Stück für Stück ab.

Datenqualität statt Datenmenge

Der Vergleich mit menschlichen Entscheidungen beweist, dass das Konzept funktioniert. Auch hier sind kleinere Datenmengen die Grundlage, denn alles andere würde die Menschen schnell überfordern. Insgesamt kann festgestellt werden, dass je klarer die Frage ist, desto weniger Daten ausreichen, um sie zu beantworten. Und die Leute, die sich mit dem Thema beschäftigen, kommen auch mit.

Ob im großen oder im kleinen Maßstab, Unternehmen sollten ihre Daten auf jeden Fall nutzen. Kleine Daten können ein guter Türöffner sein und sind relativ preiswert. Es ist wichtig, dass sich KMU bewusst sind, dass es bereits geeignete Lösungen und Anwendungen für ihre spezifischen Anforderungen gibt.

Und wenn Sie neugierig darauf sind, wenden Sie sich einfach an unsere Experten. Als erfahrener IT-Dienstleister und Liebhaber neuer Technologien stehen wir Ihnen beratend zur Seite. Finden Sie gemeinsam mit uns heraus, welches Potenzial in Ihren Datensätzen schlummert und wie Sie es nutzen können, um das Wachstum, die Digitalisierung und die Entwicklung Ihres Unternehmens zu stärken.

---

Weitere Links:
COM-Magazin, NZZ

Lesen Sie den Originalartikel auf IT-SERVICE.network