fbpx
Small Data Small Data

Qué es eso de Small Data?

Hablemos sobre conjuntos de datos que son pequeños o Small Data!

Tal como lo decía anteriormente en otro artículo: estamos en un momento del tiempo, en el cual muchos dicen que “la data es el nuevo petroleo” y, dado que la información es poder, para evitar generar aún más desigualdad entre las clases, es necesario que la población pueda entenderla, servirse de ella y, sobre todo, acceder a la misma.

 

via GIPHY

 

Tal como sucede en el mundo físico, en el ámbito digital algunos datos están al alcance de todos y, otros se encuentran más escondidos y son difíciles de hallar. Curiosamente, al igual que el petroleo y sus derivados, mucha de esa data que se encuentra con dificultad, es la que más valor tiene!

 

La data es muy importante en muchas áreas, ya que permite obtener información valiosa y tomar decisiones informadas. En el mundo empresarial, la data puede ayudar a las empresas a entender mejor a sus clientes y a mejorar sus productos o servicios.

 

via GIPHY

 

Y entonces … Small Data qué es? 

 

Small Data se refiere a conjuntos de datos que son pequeños en términos de tamaño o cantidad que pueden ser manejados y/o analizados de manera rápida y eficiente utilizando herramientas y técnicas convencionales (en algunos casos). Esto puede incluir conjuntos de datos que tienen pocas filas o pocas columnas, o conjuntos de datos, lo cual, los hace  fáciles de procesar y analizar porque tienen una estructura y un formato sencillos.

 

Small Data se puede utilizar para hacer inferencias y sacar conclusiones en una variedad de contextos que, a menudo ayudan a responder preguntas específicas u obtener información detallada sobre un tema o un conjunto de datos en particular. Ejemplo: determinar que hace que los clientes compren, cómo generar leads, la estrategia adecuada, etc…

 

via GIPHY

 

En contraste, Big Data se refiere a conjuntos de datos muy grandes que pueden ser difíciles de procesar y analizar utilizando herramientas y técnicas convencionales. Estos conjuntos de datos pueden tener millones o incluso billones de filas o columnas, y pueden incluir una variedad de tipos y formatos de datos diferentes. Debido a su gran tamaño, se suelen utilizar técnicas y herramientas especializadas para procesar y analizar big data, como el análisis de datos en la nube o el análisis de datos distribuido.

 

via GIPHY

 

Cuáles son los casos de uso más frecuentes de Small Data?

 

Small Data puede usarse o aplicare en una amplia variedad de contextos y situaciones. Algunos casos de uso comunes incluyen:

 

  1. Analizar conjuntos de datos relacionados con una empresa, como el rendimiento financiero, el comportamiento del cliente o el rendimiento del personal. Esto puede ayudar a las empresas a tomar decisiones estratégicas y a mejorar su rendimiento.
  2. Investigación científica de datos relacionados con experimentos o observaciones para hacer inferencias y sacar conclusiones sobre sus investigaciones.
  3. Analizar conjuntos de datos relacionados con sociedades, como datos demográficos o encuestas de opinión para tomar decisiones relacionadas con el bienestar social y la política.
  4. Analizar datos de salud como las historias médicas o datos de estudios clínicos con la finalidad de tomar decisiones sobre el tratamiento y a mejorar la atención médica.

 

via GIPHY

 

Todo es felicidad al usar Small Data? 

 

La respuesta corta es: no! Hay algunas contraindicaciones o limitaciones a tener en cuenta al usar Small Data, como por ejemplo:

 

  1. Si la muestra es pequeña o está sesgada de alguna manera, eso puede limitar la utilidad de los resultados.
  2. Debido a que Small Data se basa en conjuntos de datos más pequeños, puede no ser tan preciso como Big Data y, por lo mismo, pueden existir errores o a sesgos debido al limitado tamaño de la muestra.
  3. Small Data a menudo se utiliza para hacer inferencias en un contexto específico o para responder a preguntas específicas, lo cual, puede hacer que sea difícil generalizar los resultados a otras situaciones o contextos.
  4. En ocasiones, puede ser necesario utilizar herramientas especializadas para manejar conjuntos de datos más grandes o más complejos. Hecho que puede aumentar el costo y la complejidad del análisis.

 

via GIPHY

 

Leave a Reply

Your email address will not be published. Required fields are marked *