Piackutatás blog

Mindenki beszél róla, de még senki nem látta, mi az? Hát persze, hogy a Big Data. Az adatbányász és Üzleti intelligencia (Business Intelligence, BI) szakértők kicsit meg is vannak sértődve, hogy a marketingesek, piackutatók és a mainstream média ellopták tőlük a sztorit. (Igaz, ez alapvetően az ő sztorijuk – volt.) Annak ellenére, hogy kis túlzással lassan bulvártéma lesz belőle, nem igazán értjük, tudjuk, hogy mi is ez. Fussunk neki még egyszer. A piackutatók szempontjából, természetesen.       

Chagall: A cirkuszi ló

Íme, néhány közhelyszerű kulcsmegállapítás a médiából:

• A Big Data példa nélkül álló lehetőségeket, de ugyanennyi kihívást is tartogat
• A Big Data felhasználása üzleti problémák megoldására még gyerekcipőben jár, a cégvezetőkön azonban óriási a nyomás, hogy a Big Data-ból valódi üzleti versenyelőnyt kovácsoljanak
• Az korai alkalmazóknak köszönhetően számos remek Big Data kezdeményezésre van már példa
• A piackutatók egyelőre a partvonalról figyelik az eseményeket
• A hagyományos piackutató üzleti modell és az új Big Data modell közötti szakadék áthidalásához új képességekre, készségekre van szükség

A 4V modell

Nagy a zűrzavar a Big Data körül. A kifejezés alapvetően arra utal, hogy sokkal több adat létezik napjainkban, mint akár néhány évvel ezelőtt, és céllá vált e különféle forrásokból származó adathalmazok összesítése, szintetizálása, méghozzá a jobb, sikeresebb üzleti döntések meghozatala érdekében.

A Big Data-t leíró ún. „4V” tökéletesen illusztrálja, hogy miért beszélhetünk Big Data forradalomról:

• „Volume” - az információ mennyisége. Az adatok mennyisége napjainkra valóban sokkoló méreteket öltött.
• „Variety” - az adatok sokfélesége, változatossága. A social media csak egy része a Big Data-nak, bár kétségkívül jelentős része. Ide sorolhatóak még a viselkedéstani (fogyasztói magatartással kapcsolatos) adathalmazok, a tranzakciós adatok, a videók, a fényképek, a GPS adatok, a hangfelvételek stb.
• „Velocity” - az adatok terjedési sebessége. Az adatokhoz való hozzáférés és az adatelemzés sebessége nagyon megugrott, lehetővé téve ezzel az ún. streaming adatok (adatfolyamok) elemzését.
• „Veracity” - Az adatok érvényessége. A fentiek egyike sem ér semmit, ha az adatokat nem sikerül valós időben, a vállalatok számára az üzleti döntéseket segítő módon integrálni és szintetizálni. A fogyasztók által (például viselkedést felmérő teszt során) elmondottak összevetése a fogyasztók valós cselekedeteivel (viselkedési vagy tranzakciós adatokkal, melyek egyre növekvő mértékben származnak valós idejű, mobil kereskedelmi folyamatokból), ez az, ami sok mindent meg fog változtatni.

Nagy sztori, nagy munka

A Big Data ígérete abban rejlik, hogy olyan történetet „mesél el”, amit korábban senki, és még gyorsabban is teszi, mint ahogy bárki más tenné. Összegezve a Big Data ugrást jelent onnan, hogy „mi történt?”, vagy „mi történik éppen?” oda, hogy „mit jelent az adat?” és „várhatóan mi fog történni?”

A Big Data elemzés jelenleg még gyerekcipőben jár, ezt kár tagadni. Bár bekövetkezett az adatok robbanása, de a kinyerhető insight-ok egyelőre nem képesek lépést tartani ezzel.

A folyamatban az egyik kihívás annak megfejtése, hogy miről is szól az adott „párbeszéd”, majd ezt mérhető értékekké konvertálni, hogy ezután megkezdődhessen a fogyasztói élményre vagy fogyasztói elégedettség mérésére irányuló elemzés. A szakértők ezt a folyamatot, ennek helyes mederbe terelését nevezik „Szent Grálnak”.

Még ennél is nagyobb kihívás annak kifundálása, hogyan is lehet összesíteni és szintetizálni teljesen eltérő adatfolyamokat. A szervezetek, vállalatok többnyire öröklött rendszerekkel rendelkeznek, ilyenek például a historikus tracking tanulmányok, a szindikált forrásanyagok, a fogyasztóvédelmi adatok, a social media-ból származó adatok, a mobiltelefonos adatok, stb. Mindezeknek az összefésülése a különféle „adatraktárakból” olyan kihívás, amelyre a szakma még keresi a megoldást.

Matematikus, nyelvész, kognitív szakértő

Egyes Big Data szakértők úgy fogalmaznak, hogy a vállalatokkal folytatott megbeszéléseik során önmagában a Big Data-ról nem sok szó esik. Helyette azt vitatják meg, hogy segíthet a módszer az üzleti problémák gyorsabb megoldásában, mégpedig oly módon, hogy az adatokat és az adatforrásokat egyetlen központi adatbázisba tömöríti, olyan formátumban, amely valamennyi érdekelt félnek hozzáférést biztosít. A fogyasztói élmény „360 fokos”, valós időben történő felmérése sokkal hasznosabb és sokkal több insight-ot hozhat, mint egyetlen adatbázis vagy éppen a hónapokkal ezelőtt rögzített adatok elemzése.

A legtöbb technológiai vállalat a matematikára alapoz, és olyan mintákat, motívumokat keres, amelyek segítségével könnyebben elemezhet. A márkák, termékek percepciójának ilyen módon való árnyaltabb vizsgálata kritikus fontosságú és egyre inkább lehetségessé válik. A kognitív tudományokban, számítógépes matematikában vagy nyelvészetben jártas szakemberek bevetésének segítségével leleplezhetővé válhatnak a valódi érzések, pl. a csalódottság, irritáció, zavarodottság, harag vagy felháborodottság. Egy brand menedzser számára igen hasznos annak megértése, hogy mi az, amire a fogyasztók a legszenvedélyesebben reagálnak.

Továbbá a viselkedési, tranzakciós vagy történeti adatok valamely módon történő integrálása lehetőséget nyújtana az ún. szegmentációs elemzésekre, amelyek képesek lehetnek előre jelezni a jövő történéseit. (Legalábbis egyes szakértők szerint. Mások vitatják ezt.)

Versenyelőny

Bár van némi vita arról, hogy a Big Data-t esetleg fel lehetne használni a mesterséges intelligencia fejlesztésére, néhányan figyelmeztetnek, hogy ez még nem realitás és valószínűleg egy ideig még nem is lesz az.

A vállalatvezetők úgy érzik, hogy a Big Data rengeteg lehetőséget kínál, és éppen ezért, a módszert idejekorán adaptálók már azon vannak, hogyan tudnának belőle versenyelőnyt kovácsolni. A megtérülés (ROI) is fontos kérdés, hiszen a brand menedzserek többnyire arra használják fel a Big Data-t, hogy marketing vagy kommunikációs tevékenységüket fejlesszék, krízis menedzsmentet támogassanak, vagy éppen más, üzlet-specifikus problémát kezeljenek.

A megtérülés mérése nehéz dolog, hiszen a marketingben rengeteg érintkezési felület létezik – a fogyasztó meghall egy reklámot a rádióban, rákeres a neten termékre, majd elmegy az üzletbe és megvásárolja, stb.   

Néhány példa    

• A közösségi médiában zajló beszélgetéseket a kutatók mérési adatokká konvertálhatják át a Like-ok, a látogatók száma, az ún. Klout-érték (befolyás mértéke) alapján.
• Az ügyfél joggal kérdezheti: „Hogyan szerezzek több vevőt?” A Big Data módszere képes arra, hogy a fogyasztói elégedettséget mérő adatokat (beleértve a közösségi médiában vagy az okostelefonokon folytatott beszélgetéseket) összekapcsolják az attitűdöt vizsgáló adatokkal. Mindezekből új adathalmaz hozható létre, ezzel egyidejűleg új, szerencsésebb megközelítést kínálva arról, hogyan szerezhető még több vásárló.
• Az AT&T vállalatnál a stratégia hagyományosan az összesített adatok használata. Mégis egyre több figyelmet fordítanak az aprólékos adatokra, a tranzakciós vagy felhasználói szintű adatokra. A Big Data megteremtette a lehetőséget, hogy vegyük ezeket az adatokat, és oly módon nyerjünk ki belőlük információt, ami hagyományos megközelítésben nem működne, pl. stratégiai insight-ok esetében.
• Az AT&T arra használja a Big Data-t, hogy olyan adatokat kombináljon össze, amire korábban nem volt lehetőség. Összeköti például az attitűdbeli és elégedettségi adatokat (melyek ehhez hasonló kérdésekből származnak: „Mennyire elégedett a szolgáltatójával?” vagy „Jó munkát végzünk a megszakadt hívások terén?”) azokkal a tényleges tapasztalati adatokkal, melyek arra vonatkoznak, hogy valójában milyen színvonalú a telefonhálózat működése a megszakadt hívások tekintetében. A Big Data ilyen irányú képessége sokkal pontosabb, sikeresebb módszert teremtett meg.
• A Coca-Cola rendkívül sikeres Super Bowl kampánya számos csatornán keresztül integrált adatokat.  
• A Walmartban a polcokon egymás mellé pakolták ki a sört és a pelenkát, mert rájöttek, hogy a pelenkát vásárló apukák szívesen veszik meg a sört is az áruházban, mivel úgysincs idejük kocsmába járni.

 
Bár sok nagyvállalat végez említésre méltó munkát, még mindig igen fragmentált a Big Data területe, és senki sem rendelkezik helytálló stratégiával. Ahogy egy szakértő fogalmaz: „az út még csak most kezdődik, a Big Data csak gyerekcipőben jár.”

Ami a turizmust illeti – különös tekintettel a szállodaláncokra és az online utazási oldalakra –  ebben a szektorban is használják a Big Data módszert egyrészt megjósolni, hogy kik lehetnek a legjobb vevőik, és milyen típusú üzenetekre lenne szükség az elérésükhöz. Ún. mikro-szegmentációs módszert alkalmaznak a különféle szegmensek eltérő megszólítására.

A hagyományos piackutatási üzleti modell és a Big Data modell közti különbségek

Például az AT&T újabban olyan specialistákat alkalmaz, akik tapasztaltak a Big Data terén. Ennek az lett az eredménye, hogy ritkán alkalmaznak piackutató vállalatot erre a tevékenységre.

A piackutatás előtt ott van a marginalizálódás veszélye, tekintve, hogy szakma „kenyerét” adó kutatási technikák – kérdőívek, fókuszcsoportok – feltehetően hanyatlásba kezdenek a Big Data valós idejű beszélgetésekre irányuló észlelési és szintetizálási képességének és más adatokkal való kombinálásának fényében. (Ez a folyamat jó ideig eltarthat.)

A piackutatók előtt álló, egyik jellemző kihívás a Big Data és egyéb előrejelző módszerek paradigmaváltásához szükséges készségek, képességek megszerzése. Ez a ’skill set’ ugyanis szerteágazóbb, mint bármely más piackutatási módszer esetében. Talán ez az oka annak, hogy a piackutatók még nem igazán képesek értékelni e módszert.

A jövő adatzsenije (data scientist) olyan szakember lesz, aki négy teljesen különálló tudományterületet képes ötvözni:

• Hagyományos matematikai, statisztikai elemző módszerek
• Adatok, adatforrások irányítása, felügyelete
• Hagyományos, fogyasztó-központú piackutatás
• Tanácsadás / Üzleti optimalizálás

Az olyan egyének, akik a data scientist képességeivel bírnak, kiterjedt ismeretekkel rendelkeznek matematikából, fizikából és pszichológiából is. Továbbá képesek az adatokból az értelmet, a jelentőséget kinyerni és abból egy sztorit kreálni. Ilyen készségekkel bíró szakembereket találni embertelenül nehéz, így pl. az AT&T csapatokat hozott létre, melyek tagjai között vannak adatirányítási specialisták éppúgy, mint fogyasztói-kutatás szakértők. Az AT&T saját piackutatói részlege pedig szoros együttműködésben dolgozik az IT részleggel.  

Következtetések

A Big Data módszernek köszönhetően létrejött új kutatási eszközök folyamatosan változnak, lehetőséget teremtve az előrejelző elemzésre. Ez a folyamat jelentős és sürgető igényt generált az ún. data scientist szakember megjelenésére, aki kiaknázhatja a Big Data lényegét, a megszerzett információt pedig hatékonyan adhatja át üzleti célok megvalósítására. Bár a piackutatók nem állnak a legjobban az új módszer alkalmazásával kapcsolatban, mindazonáltal megvan bennük minden képesség, ami ahhoz szükségeltetik, hogy fontos insight-okat nyerjenek ki a Big Data-nak nevezett adatfolyamból.