সুচিপত্র:
আপনি কি দিনে 30 মিনিট আপনার উত্পাদনশীলতা বৃদ্ধি করতে চান? আপনি যদি কেবল সেই কার্যকলাপগুলিতে মনোনিবেশ করতে পারেন যা আপনার দল এবং সংস্থাকে সর্বাধিক মূল্য দেয়, তবে এটি আপনার পক্ষে কী করবে? চিন্তা করুন. আপনার কার্য দিবসে আসলে কী গুরুত্বপূর্ণ এবং জরুরী কাজগুলি করার জন্য আপনি কতটা সময় ব্যয় করেন? আগ্রহী? তাহলে কীভাবে এটি অর্জন করা যায়? ভাল, ছোট ডেটা ব্যবহারের মাধ্যমে।
কিসের অপেক্ষা? প্রত্যেকে যে ডেটা নিয়ে কথা বলছে তা কি বড় ডেটা নয়? এটি, তবে সম্ভবত ছোট ডেটা কথোপকথনের একটি বৃহত অংশের দাবিদার। এখানে আমরা ছোট ডেটা কী এবং কীভাবে এটি প্রায়শই বড় ডেটার চেয়ে বড় পঞ্চ প্যাক করতে পারে তা একবার দেখে নিই।
ছোট ডেটা কী?
ছোট ডেটা এমন ডেটা ক্যাপচার করে যা মানব মস্তিষ্কের দ্বারা উপলব্ধিযোগ্য পর্যাপ্তরকম এবং যথাযথ। সাধারণত এটি কোনও সংস্থার একক ইউনিটের জন্য একটি নির্দিষ্ট উদ্দেশ্যে সংগ্রহ করা হয়, যেমন কোনও দলে ব্যক্তি পৃথক ক্রিয়াকলাপে কতটা বাস্তব প্রচেষ্টা ব্যয় করা হচ্ছে তা রেকর্ড করে। ছোট তথ্য সংগ্রহের কারণটি শুরুতেই প্রতিষ্ঠিত। এই ক্ষেত্রে, কোনও দল কীভাবে এর মূল্য সরবরাহ করে তা অনুকূল করে তোলার লক্ষ্য নিয়ে এটি সংগ্রহ করা হবে।
তুলনা করে, বড় ডেটার ফোকাসটি যতটা সম্ভব সংস্থাগুলিতে যতটা সম্পর্কিত তথ্য সংগ্রহ করছে এবং তারপরে এটি কীভাবে প্রশ্নের উত্তরগুলিতে সহায়তা করতে পারে তা নির্ধারণ করার জন্য এটি বিশ্লেষণ করছে। আমাদের বিক্রয় পরিসংখ্যান বাজারের প্রবণতা এবং আরও বিক্রয় সুযোগ সম্পর্কে আমাদের কী বলে? গ্রাহক প্রশ্নগুলি পরিচালনা করতে আমাদের সহায়তা দলটি কতটা ভাল? আনুমানিক বাজেটের তুলনায় ওভারশুট কমাতে আমাদের প্রকল্প বিতরণ প্রক্রিয়াটি কোথায় উন্নত করতে হবে?
এটি সুস্পষ্ট বলে মনে হতে পারে তবে বড় ডেটার ইনপুট হিসাবে ডেটা এবং এটির প্রচুর দরকার হয়। খুব প্রায়ই, প্রাথমিক প্রশ্নগুলির উত্তরগুলি আরও উত্থাপন করে বড় ডেটা সমর্থন করার জন্য অতিরিক্ত ছোট ডেটা প্রয়োজন হয়। এছাড়াও, এই তথ্যের বিশ্লেষণ সম্পাদন করার জন্য বিক্রেতারা যে সমস্ত সরঞ্জামাদি বিনিয়োগের প্রস্তাব রাখেন, বাড়ির অভ্যন্তরে আনার জন্য উল্লেখযোগ্য বিনিয়োগ এবং সময় প্রয়োজন, সেটআপ এবং ফলাফল দেওয়া শুরু করার জন্য কনফিগার করে offered এটি ডেটাগুলির সমস্ত উত্সের সাথে সংযোগ স্থাপনের শুরু থেকেই একটি সিস্টেম ইন্টিগ্রেশন প্রকল্প এবং ব্যবসায়ের সুবিধা প্রদানের আগে বেশ কয়েক মাস সময় নিতে পারে এমন একটি।
বিপরীতে, ছোট ডেটাতে অল্প বিশ্লেষণের প্রয়োজন হয়, অনেকগুলি অ্যাডহক উপায়ে যেমন স্প্রেডশিট, টাস্ক- এবং ট্র্যাক-ট্র্যাকিংয়ের সরঞ্জামগুলিতে এবং এমনকি ম্যানুয়াল লগ বইগুলিতেও ক্যাপচার করা যায় - এবং দ্রুত এবং সহজেই বিশ্লেষণ করা যায়। আমি দেখেছি যে উত্পাদনশীলতা ব্যস্ততার শুরু হওয়ার এক বা দুই সপ্তাহের মধ্যে ছোট ডেটা থেকে বেনিফিটগুলি আদায় করা সম্ভব। এবং এটি কেবল কারণ কাঁচা তথ্য ক্যাপচার করতে একটু সময় নেয়। সাধারণত, সংগৃহীত ডেটার ফোকাসের কারণে পরিবর্তন এবং উপকারগুলি দ্রুত স্পষ্ট হয়।
ছোট ডেটার বড় সুবিধা
কোচিং এবং দল পরিচালনার ক্ষেত্রে আমার অভিজ্ঞতা থেকে ব্যক্তি ও দলগুলির জন্য ছোট ডেটা থেকে নিম্নলিখিত বেনিফিটগুলির ফলাফল:- সচেতনতা
ছোট ডেটা সচেতনতা সরবরাহ করতে পারে যেখানে ব্যক্তিরা তাদের সময় এবং শক্তি ফোকাস করছে যেখানে তার চেয়েও আরও বেশি মূল্য দেয় us প্রায়শই যখন ব্যক্তিরা ছোট ডেটা ক্যাপচার শুরু করে, তারা দ্রুত কী আবিষ্কার করেছে তার তাৎপর্য বুঝতে পারে।
- ক্ষমতায়ন
ছোট ডেটার মাধ্যমে, ব্যক্তিরা তাদের কার্যকর করতে পারে এমন পরিবর্তনগুলি সনাক্ত করতে পারে এবং দলের অন্যান্য সদস্যদের দ্বারা এটি সমর্থন করে। দলের সদস্যরা তাদের নিজস্ব পরিবর্তনের জন্য দায়বদ্ধ হন।
- প্রবৃত্তি
প্রাপ্ত ইতিবাচক পরিবর্তনগুলির জন্য পরিমাপ করা এবং স্বীকৃত হওয়া পারস্পরিক বোঝাপড়া, মূল্য এবং সংযোগের বৃহত্তর ধারণা তৈরি করতে পারে।
কিভাবে ছোট তথ্য ক্যাপচার করা হয়
একটি সফ্টওয়্যার ডেভলপমেন্ট বিভাগ জুড়ে, বড় ডেটা প্রকল্প পরিকল্পনার তথ্য বিশ্লেষণ করতে পারে, যাতে বিভিন্ন ধরণের প্রকল্প সরবরাহের জন্য প্রয়োজনীয় লোক সংখ্যা, সময়কাল এবং প্রচেষ্টা বিশ্লেষণ করা সম্ভব হয়। কী অনুপস্থিত তা হ'ল প্রতিটি ব্যক্তি কীভাবে প্রকৃতপক্ষে তাদের প্রকল্পের কাজগুলি প্রতিদিনের ভিত্তিতে সম্পাদন করে। এই ছোট ডেটা ক্যাপচার করে আমরা প্রকল্পটি, এর দলগুলি এবং তাদের কার্যদিবসের কাঠামো কীভাবে সেরা করা যায় তা শিখতে শুরু করতে পারি। প্রতিটি ব্যক্তি কোন ধরণের কাজগুলি উপভোগ করে এবং ভাল করে? তারা কোন প্রতিনিধি বা বাদ দিতে চান? কাদের সাথে যোগাযোগের ধরণগুলি সবচেয়ে ভাল কাজ করে? ব্যক্তিদের কোন স্তরের দিকনির্দেশনা এবং পরামর্শদানের প্রয়োজন?
কীভাবে পরিবর্তন করে আমরা এমন সুবিধাগুলি অর্জন করি যা বড় ডেটা স্তরে দৃশ্যমান হয় তবে এর ফলে যে পরিবর্তন হয় তা নয়। বড় ডেটা বিশ্লেষণের ফলে প্রায়শই একটি জেনারেলাইজড মডেল তৈরি হতে পারে, উদাহরণস্বরূপ, ধরে নেওয়া যে প্রতিটি ব্যক্তির একই দক্ষতা এবং অভিজ্ঞতার স্তর রয়েছে। প্রতিটি ব্যক্তি কীভাবে প্রকল্পে কাজ করে এবং তার অবদান (তাদের স্বতন্ত্র উপায়ে) এর ক্ষুদ্র ডাটা সুনির্দিষ্ট বিষয়গুলি দেখে, এই ধরণের সুবিধা অর্জন করা যায়।
যেখানে ছোট ডেটা ব্যবহৃত হয়
বড় ডেটা ব্যবহার করে অবশ্যই মূল্য অর্জন করতে হবে তবে মার্কেটপ্লেসের সাম্প্রতিক পর্যালোচনাগুলি এবং পণ্য অফারগুলি সর্বোত্তম অনুশীলন এবং কীভাবে একটি বাস্তবায়ন থেকে সর্বোত্তম মান অর্জন করতে পারে সে সম্পর্কে বিভ্রান্তি খুঁজে পাচ্ছে। গার্টনার দ্বারা সাম্প্রতিক পর্যালোচনাতে দেখা গেছে যে সমীক্ষা করা হয়েছে মাত্র 8% সংস্থা বড় ডেটা অ্যানালিটিকাস বাস্তবায়ন করেছে এবং 57% এখনও গবেষণা এবং পরিকল্পনার পর্যায়ে রয়েছে।
যে কোনও ডেটা বিশ্লেষণের জন্য, কীটি আপনার থাকা সমস্ত ডেটা টানতে হবে না এবং তারপরে মূল্য অনুসন্ধান করার চেষ্টা করবে না, এটি এমন ডেটা ব্যবহার করা যা নির্দিষ্ট প্রশ্নের উত্তর দেওয়ার ক্ষেত্রে সহায়তা করতে পারে। এবং এটি এখানে দুটি মূল কারণের জন্য ছোট ডেটা জিততে থাকে:
- ডেটা সংগ্রহের জন্য কাঙ্ক্ষিত মান এবং কারণটি সামনে থেকে বুঝতে হবে।
- ছোট ডেটা গুণগত এবং পরিমাণগত উত্তর উভয়ই দেয়, সুনির্দিষ্ট পরিবর্তনগুলি সক্ষম করে। অন্য কথায়, ছোট তথ্যগুলিতে কম সাধারণবাদী অনুমান রয়েছে।
শেষ পর্যন্ত, ছোট ডেটা বড় ডেটা প্রতিস্থাপন করবে না, তবে অনেক কিছু আছে যা একটি ছোট ডেটা এনগেজমেন্ট উভয় পদ্ধতির থেকে কীভাবে সেরা হয় তা কীভাবে বড় ডেটা শিখতে পারে। কোনও বড় ডেটা বাস্তবায়নের বিবেচনায়, নিজেকে জিজ্ঞাসা করুন কোন ছোট ডেটা প্রশ্নগুলি আপনাকে মান অর্জন করতে সহায়তা করবে। এটি আপনার ফলাফলের কৌশলটিতে বৃহত্তর পাঞ্চ প্যাক করতে সহায়তা করতে পারে। (বিগ ডেটা অ্যানালিটিক্সে ব্যবসায়ের গোয়েন্দা গ্যাপটি বন্ধ করে দিতে পারে ব্যবসায় বড় ডেটার মূল্য সম্পর্কে অন্য দৃষ্টিভঙ্গিটি পড়ুন?)
