البيانات الصغيرة

وقد كتب بوند عن هذا الموضوع لمجلة فوربس، ^{[ 10 ]} أخبار التسويق المباشر، ^{[ 11 ]} CMO.com ^{[ 12 ]} وغيرها من المنشورات.

بحسب مارتن ليندستروم في كتابه " البيانات الصغيرة": "في أبحاث العملاء ، تُعرَّف البيانات الصغيرة بأنها ملاحظات سلوكية تبدو غير مهمة، لكنها تحتوي على سمات محددة للغاية تشير إلى حاجة غير مُلبَّاة لدى العميل. تُشكِّل البيانات الصغيرة أساسًا للأفكار الرائدة أو الطرق الجديدة كليًا لإحداث نقلة نوعية في العلامات التجارية." ^{[ 13 ]} يعتمد منهجه على الجمع بين ملاحظة عينات صغيرة والحدس. ^{[ 14 ]} يستطيع المسوّقون الحصول على رؤى سوقية من خلال جمع البيانات الصغيرة عبر التفاعل مع الناس ومراقبتهم في بيئاتهم الخاصة. ^{[ 14 ]} بالمقارنة مع البيانات الضخمة، تتمتع البيانات الصغيرة بالقدرة على إثارة المشاعر وتقديم رؤى حول الأسباب الكامنة وراء سلوكيات العملاء. ^{[ 15 ]} قد تكشف هذه البيانات معلومات تفصيلية عن شخصية الفرد، سواء كانت انطوائية أو انبساطية، وثقته بنفسه، وما إذا كان يواجه مشاكل في علاقاته، وما إلى ذلك. ^{[ 15 ]} ووفقًا لليندستروم، تُنظَّم العلاقات بين الأفراد وشرائح العملاء وفقًا لأربعة معايير:

1. المناخ: يكشف على سبيل المثال كيف تؤثر بيئة الشخص على نظامه الغذائي.
2. الحكم: السلطة أو الحكومة المسؤولة
3. الدين: يشير انتشار الدين في بلد ما، اعتمادًا على مدى تأثيره، إلى ما إذا كانت عملية صنع القرار لدى الشخص تتأثر بنظام معتقداته .
4. التقاليد: تؤثر الأعراف الثقافية على سلوكيات الناس وتفاعلاتهم.

تُقلل العديد من الشركات من شأن قوة البيانات الصغيرة، إذ تستخدم عينات من ملايين المستهلكين بدلاً من إدراك قيمة الملاحظة الدقيقة للعينات الصغيرة في أبحاث السوق . ^{[ 14 ]} في كتابه، يُعرّف ليندستروم "السبعة عناصر" التي ينبغي على الشركات مراعاتها في محاولة استخلاص رؤى قيّمة حول العملاء واتجاهات السوق من خلال البيانات الصغيرة المُستقاة من عملائها: ^{[ 15 ]}

1. جمع المعلومات: فهم الطريقة التي تُترجم بها الملاحظات داخل المنزل.
2. الأدلة: الكشف عن انعكاسات عاطفية مميزة أخرى يمكن ملاحظتها.
3. التواصل: تحديد عواقب السلوك العاطفي.
4. السببية: فهم المشاعر التي يتم استحضارها.
5. الارتباط: تحديد التاريخ الأولي لظهور السلوك أو العاطفة.
6. التعويض: تحديد الرغبة غير الملباة أو غير المحققة.
7. المفهوم: تحديد "الفكرة الكبيرة" للتعويض عن حاجة المستهلك المحددة.

بعض عملاء ليندستروم، مثل سلسلة متاجر لويز فودز، نظروا إلى البيانات من منظور مختلف، واختاروا بالفعل التفاعل المباشر مع العميل. "بمجرد دخولك متجرهم، ستجد مجتمعًا رائعًا، حيث يتصرف كل موظف بأسلوب مميز، مستوحى من البيانات الصغيرة". ^{[ 4 ]} بذلت سلسلة المتاجر قصارى جهدها لجعل العميل يشعر وكأنه في منزله. جميع سلوكيات الموظفين مستوحاة من آراء العملاء التي جُمعت من مقابلات مباشرة في منازلهم.

بدأ باحثون في جامعة كورنيل بتطوير تطبيقات لمراقبة المشاكل الصحية لدى المرضى، بالاعتماد على بيانات صغيرة. هذه مبادرة من مختبر البيانات الصغيرة في كورنيل، ^{[ 16 ]} بالتعاون الوثيق مع كلية طب وايل كورنيل ، بقيادة ديبورا إسترين .

طوّر مختبر البيانات الصغيرة سلسلة من التطبيقات، لا تقتصر على جمع بيانات آلام المرضى فحسب، بل تشمل أيضًا تتبع عاداتهم في مجالات مثل التسوق من البقالة. فعلى سبيل المثال، في حالة مرضى التهاب المفاصل الروماتويدي ، الذي يتسم بنوبات وهدأة لا تتبع دورة محددة، يجمع التطبيق المعلومات تلقائيًا، مما يسمح بالتنبؤ بموعد حدوث النوبة بناءً على تغيرات طفيفة في السلوك. وتشمل التطبيقات الأخرى المطورة مراقبة التسوق الإلكتروني للبقالة، للاستفادة من هذه المعلومات من كل مستخدم لتكييف مشترياته مع توصيات أخصائيي التغذية، أو مراقبة لغة البريد الإلكتروني لتحديد الأنماط التي قد تشير إلى "تقلبات في الأداء الإدراكي، أو التعب، أو الآثار الجانبية للأدوية، أو قلة النوم، وغيرها من الحالات والعلاجات التي عادةً ما يتم الإبلاغ عنها ذاتيًا وتناولها ذاتيًا". ^{[ 17 ]}

استخدمت خدمة البريد الأمريكية ( USPS) تقنية التعرف الضوئي على الأحرف (OCR) لقراءة ومعالجة 98% من الرسائل المكتوبة بخط اليد و99.5% من الرسائل المطبوعة آليًا. وبفضل دمج هذه التقنية مع عينة بياناتها الصغيرة من الرموز البريدية الأمريكية، بات بإمكان خدمة البريد الأمريكية معالجة أكثر من 36,000 رسالة بريدية في الساعة. ^{[ 18 ]}

في عام 2015، أنشأت شركة بوينغ مختبر تحليلات بيانات الفضاء بالتعاون مع جامعة كارنيجي ميلون للاستفادة من ريادة الجامعة في مجال التعلم الآلي وتقنيات اللغة وتحليلات البيانات . ^{[ 19 ]} ويهدف أحد مشاريع هذه المبادرة إلى توحيد سجلات الصيانة باستخدام الذكاء الاصطناعي لخفض التكاليف بشكل كبير.

لا توجد حاليًا إجراءات موحدة لتوثيق سجلات الصيانة، مما ينتج عنه مجموعات بيانات صغيرة وغير منظمة . ونتيجة لذلك، يصبح من الصعب للغاية على فنيي الصيانة ترجمة هذه الاختلافات في سجلات الصيانة خلال فترة زمنية قصيرة. مع ذلك، وباستخدام الذكاء الاصطناعي ومجموعة بيانات محدودة من مصطلحات صيانة الطائرات الشائعة، يصبح من الممكن ترجمة هذه السجلات ديناميكيًا في الوقت الفعلي. وبحسب مجلة هارفارد بزنس ريفيو، فإن استخدام الذكاء الاصطناعي لتعزيز سرعة ودقة سير عمل صيانة شركات الطيران سيوفر مليارات الدولارات . ^{[ 20 ]}