HTML

Piackutatás.blog.hu

Piackutató és marketinges szubkultúra. Kortárs piackutatás, cutting-edge technológiák, kutatási konferenciák, kutatási hírek a hazai és az angolszász piacokról - friss gondolatok, friss hírek a kutatási iparágból, első kézből. A blogot a Forecast Research kutatója szerkeszti.

Piackutatás Hírek

Hírlevél! Emailben értesülhetsz a blogon megjelent új cikkekről. A korábbi Feedburner-es hírlevél sajnos nem működik, újra fel kell iratkoznod, pl. ITT vagy ITT. (Csak add meg a blog RSS URL-jét: https://piackutatas.blog.hu/rss és az email címedet.) Még több hír kell? Iratkozz fel erre a csatornára is: https://www.piackutatas-hirek.hu/rss/osszes-hir

Tagek - Főbb témakörök

access panel (9) acnielsen (2) adat (63) adatbányászat (24) adatbázis (24) adatgyűjtés (14) adatminőség (3) adatrögzítés (2) adatvédelem (3) adatvizualizáció (54) ad hoc (3) affectiva (2) agb nielsen (2) agyhullámelemzés (16) agyszkennelés (13) AI (3) algoritmus (2) álláshirdetés (4) antropológia (1) apple (5) arcfelismerés (9) archetípus (2) arckódolás (13) árérzékenység vizsgálat (3) arf (1) árvizsgálat (3) asszociáció (1) asszociatív technika (1) átirat (2) atkári csaba (1) attitűd (1) augmented reality (1) authority site (1) automata tesztelés (1) avatar (2) b2b (2) babocsay ádám (1) bacher jános (1) barcza enikő (2) bar chart (1) bevásárlóközpont (1) big data (24) big mac index (1) bimodális megoszlás (1) biometria (4) bioszenzor (2) blind teszt (4) blog (9) bpto (2) brainstorming (3) brand (4) branding (2) brand equity (1) brand power (1) brand price trade off (1) brief (2) business intelligence (4) buzzword (1) call center (3) capi (2) casro (1) cati (8) cawi (2) célcsoport (7) chart (39) chio (1) chris anderson (2) cint (3) client service (1) coca cola (14) coke (8) conjoint (2) conjoint elemzés (1) conness (1) consumer insight (18) cookie (1) corvinus egyetem (8) crowdsourcing (1) csoportdinamika (5) csoporthatás (2) customer satisfaction survey (2) David McCandles (1) deli (1) deliberative poll (2) demográfia (6) desk research (1) detektívtükör (10) diagram (4) digg (1) digitális etnográfia (8) digitális média (1) digividuals (1) diktafon (1) disney (1) divat (1) diy (19) diy kutatások (38) domino pizza (1) dove (1) Dove (1) do it yourself survey (35) dunnhumby (2) eeg (4) elkísért vásárlás (1) ellenőrzés (1) előteszt (2) emg (1) emlékkonferencia (1) emotimeter (2) ep választás (1) érdekesség (4) érzékszervi teszt (4) érzelemfelismerés (2) esomar (46) esomar price study (2) etnográfia (37) exit poll (1) exit store (1) eye tracking (21) facebook (22) faktoranalízis (1) feitel balázs (1) felmérés (4) fenomenológia (1) field research (1) finn raben (4) fisheye (1) fmcg (10) fmri (6) fogyasztói csoport (2) fogyasztói magatartás (79) fókuszcsoport (102) fókusz stúdió (14) forrester (11) free (2) gallup (3) gallup poll (1) gamification (10) gazdaságkutatás (2) géczi tamás (2) geofencing (3) geolokáció (5) geolokációs marketing (2) geotargeting (1) gfk (15) gfk emo sensor (1) gfk europanel (1) globális kutatás (7) global market research (3) gmail (1) gmi (1) google (15) google consumer surveys (2) Google Glass (1) gps (1) grafikon (6) groupon (2) guide (2) gvh (1) gyorsétterem (1) hackathon (1) hall teszt (1) hálózatkutatás (6) hálózatok (6) hans rosling (2) henry ford (2) hibahatár (1) hibrid kutatás (3) hipotézis (2) hírlevél (6) hoffmann (1) hoffmann márta (3) hólabda módszer (1) home teszt (3) home use teszt (1) honomichl jelentés (1) hőtérkép (2) humor (34) iat (1) idegtudomány (8) időmérleg (1) ifjúságkutatás (5) immersion day (1) immersive research (1) imperium (1) implicit association test (2) implicit technika (3) index (1) infografika (56) innováció (14) insight (24) insight community (3) intellio visiscan (1) interactive voice response (1) interjú (4) interjúkészítő robot (2) interjúvázlat (1) internet (1) internet penetráció (1) internet technológia (1) in store marketing (3) ipad (6) iphone (11) ipsos (19) iskola (1) iso (10) ivr (1) iwatch (1) iWatch (1) jacobs (1) jakab áron (2) jövőkutatás (8) kantar (6) karrier (6) kártyaválogatás (2) képzés (2) kérdezőbiztos (18) kérdőív (37) kérdőíves interjú (14) kérdőívszerkesztés (11) kétnyelvű kérdezőbiztos (1) kindle (2) kisérőlevél (1) kiss bíborka (2) ki kicsoda (7) kkv (5) kkv piackutatás (1) klenovszki jános (9) kognitív lingvisztika (1) kólapiac (3) kollaboratív felmérés (1) kollázs (4) koncepcióteszt (1) konferencia (41) konjunktúrakutatás (1) kontextus (2) konzultáció (1) kördiagram (8) korreláció (1) kozák ákos (4) közbeszerzés (4) közösségi média (59) közvéleménykutatás (134) kreatív online (1) ksh (3) kurucz imre (2) kutatási iparág (115) kutatásmódszertan (7) kutatás konferencia (4) kutatócentrum (1) kvalitatív (55) kvantitatív (13) kvótás mintavétel (1) lifelogging (4) linkedin (4) loréal (1) mácsai tamás (1) márkaépítés (26) márkaerő (17) márkaérték (4) márkaismertségi kutatás (1) márkakutatás (25) márkapreferencia (32) márka kommunikáció (32) marketing (74) marketingkutatás (104) marketingkutató magazin (5) marketingstratégia (9) marketing insight (10) markettools (1) market research (15) marlboro (1) mba (1) mcdonalds (2) mckinsey (1) médiakutatás (12) megfigyelés (9) mélyinterjú (16) mém (5) memetika (1) memetikai marketing (2) memrb (1) mesterséges intelligencia (4) mészáros józsef (2) microsoft (1) milka (1) millenniumi generáció (1) millward brown (10) minőségbiztosítás (11) minőségi piackutatás (7) minőségi piackutatásért egyesület (1) mintanagyság (2) mintavétel (4) mmsz (2) mobil kutatás (21) moderátor (20) moderators guide (3) motivációkutatás (12) motívumkutatás (3) mp3 (1) mra (2) mroc (16) mrsz (1) multimédia (1) műszeres mérés (7) mutf (3) mystery calling (1) mystery shopping (8) mystery visit (1) nano kérdőív (2) napi chart (19) natural language processing (1) near field communication (1) népsűrűség (1) nestlé (1) netnográfia (5) net promoter score (3) neurológia (8) neuromarketing (31) neuroökonómia (2) new mr (10) nézettség mérés (2) nfc (1) nielsen (8) nigel hollis (3) nlp (2) nonverbális kommunikáció (3) nordsee (1) nps (3) nrc (6) nyelvi relativizmus (1) ogilvy (4) okostelefon (11) oktatás (1) omnibusz (3) online (30) online analitika (1) online community (27) online fókuszcsoport (18) online közösség (33) online kutatás (102) online marketing (1) online market research (1) online market research in Hungary (1) online panel (51) online piackutató (1) online video (4) openamplify (1) opinion leader (2) optimus (1) panel (46) panelmenedzsment (2) páros interjú (1) pártpreferencia (1) pay for performance (1) peanut labs optimus (1) pepsi cola (4) persil (1) pet (1) piacbefolyásolás (5) piaci stratégia (4) piackutatás (956) piackutatási diákverseny (9) piackutatás állás (2) piackutatás ázsiában (1) piackutatás blog (7) piackutatás felszabadítási front (2) piackutatás hírek (125) piackutatás képzés (1) piackutatás mém (1) piackutatás napja (5) piackutatás napja konferencia (6) piackutatás története (1) piackutató (352) piackutatók magyarországi szövetsége (8) piackutató bot (6) piackutató intézetek (8) piackutató robot (8) pie chart (17) pilot interjú (1) Pinterest (1) pintér róbert (3) pixer (3) pmsz (26) politikai véleménykutatás (13) populáció (1) portfolioblogger (30) postteszt (1) posztgraduális képzés (1) powerpoint (14) ppt (17) prediktív analitika (2) preteszt (5) prezentáció (19) prezi (3) price sensitivity measure (1) price study (2) primer piackutatás (1) prizma (1) próbavásárlás (7) professzionális piackutatók társasága (6) projektív technikák (2) promedius (1) psm (2) pspp (1) pszichodráma (1) pszichológia (3) qr kód (7) qsensor (1) quantified self (1) quick and dirty (2) readers digest (1) reckitt benckiser (1) red bull (2) reklám (18) reklámkutatás (11) reklámteszt (12) relevant id (1) reprezentatív (8) reprezentativitás (1) research international (1) research liberation front (1) research world (5) retail audit (1) rfid (4) river sample (1) river sampling (1) rlf (1) roi (6) round robin (2) rss (2) sapir whorf (1) sara lee (1) scholl (1) screening questions (1) script (1) second life (3) shopper kutatás (3) síklaki istván (1) Síklaki István (1) skinvertising (1) SMS kutatás (1) social media (30) social network (7) SoLoMo (2) spin doctor (1) spontán márkaismeret (1) spss (9) stan sthaunathan (2) starbucks (1) statisztika (71) steve jobs (4) storytelling (1) superbrands (1) surf (1) survey (4) surveygizmo (1) survey monkey (8) synovate (6) szakértői interjú (1) szakértő válaszol (1) szavazás (7) szegmentáció (5) szekunder piackutatás (1) szekvenciális monadikus (1) szemantika (2) szemiotika (7) szemkamera (20) szemkamerás vizsgálat (18) szemkövetés (12) szemkövetéses vizsgálat (15) szerepjáték (2) szignifikáns (2) szimulált depriváció (2) szociálpszichológia (2) szociodemográfia (2) szociológus (1) szondaphone (3) szonda ipsos (5) szövegelemzés (10) szubkultúra (1) szűrőkérdőív (1) tablet (1) taktikai piackutatás (4) támogatott márkaismeret (1) tanácsadás (6) tanulmány (1) tárki (1) társadalomkutatás (6) társadalomstatisztika (3) társadalomtudomány (6) tartalomelemzés (3) technológia (4) technológiai szingularitás (4) telefonos kutatás (16) telemarketing (6) tematikus ajánló (8) tender (1) terepnapló (1) termékfejlesztés (12) termékteszt (5) tervező team (2) tesco (4) tesco direct (1) tesztáruház (1) tesztpiac (1) tetszési index (1) texting (1) text mining (2) tns (8) tns hoffmann (1) tobii (1) toborzás (2) toluna (6) topline (2) történetmesélés (1) tracking kutatás (1) transzhumanizmus (2) trend (90) trendkutatás (2) triád interjú (1) truesample (3) twitter (21) u&a (1) üdítőpiac (1) ugc (1) ügyfélelégedettségi kutatás (2) ügyfélkapcsolat (2) új piackutatás (7) unilever (3) usage attitude (1) usp (1) utópia (2) vakteszt (2) válaszadó (2) választáskutatás (1) valóságshow (1) valószínűségi mintavétel (3) vásárlóerő (1) vélemény (2) véleményvezér (1) venn diagram (9) vevőelégedettségi kutatás (1) vezérfonal (2) videó etnográfia (2) világpiac (2) virtuális kérdezőbiztos (1) virtuális piackutatás (2) viselhető eszközök (1) viselkedés gazdaságtan (5) visszaemlékezés (2) Vizi Ferenc (1) vizi ferenc (2) vizuális etnográfia (2) vörös csilla (2) web2.0 kutatás (3) web analitika (1) web tracking (1) who is who (7) widget (1) wikipedia (1) wom (1) workshop (3) youtube (1) y generáció (9) závecz tibor (1) zweifel (1) Címkefelhő

Creative Commons licenc

Creative Commons Licenc

Big Data, Mid Data, Small Data

2014.03.21. 13:07 Forecast Research - www.forecast.hu

„Az American Marketing Association Big Data-val kapcsolatos konferenciája után még inkább meg vagyok győződve arról, amit már korábban is gyanítottam, amikor az utóbbi években a Fortune 1000-be tartozó cégek vezetőivel tárgyaltam. Igen kevesen járnak még csak a közelében is annak, ami a Big Data lényege lenne – szerintem mondjuk nincs is szükségük erre – arról azonban el kellene gondolkodniuk, mit kezdenek az ún. Mid Data-val!” – írja blogjában Tom HC Anderson, piackutató sztárblogger és megmondóember. Lehet, hogy a piackutatók is jobban tennék, ha a Big Data helyett a Mid Data-ra koncentrálnának?

big01.jpg

Big Data így, Big Data úgy. Úgy tűnik, mintha mindenki erről beszélne manapság, mégis igen kevés piackutató foglalkozik valóban a témával. Vajon kell-e egyáltalán foglalkozni vele?

Aki ezt a cikket olvassa, az jó eséllyel piackutató vagy üzleti elemző, aki fogyasztói insight-okkal vagy valamilyen kapcsolódó területtel foglalkozik. Nagyon itt lenne az ideje, hogy leszűkítsük a Big Data definícióját és bemutassuk a sokkal reálisabb képet adó, jóval jelentősebb Mid Data fogalmát, ami valójában jellemzi, miből is indult ki a Big Data.

Az új fogalom magyarázatának csak úgy van értelme, ha a Big Data-n és a Mid Data-n kívül eső adatokra is kreálunk egy új fogalmat, ez lesz az ún. Small Data.

Small Data

A Small Data magában foglalhat bármit az egyéni interjúktól kezdve a kvalitatív kutatásokon vagy a néhány ezer fős kérdőíves megkérdezésen alapuló kvantitatív, longitudinális tanulmányokig. Ilyen mértékű adatmennyiség esetén a kvalitatív és a kvantitatív adatok még simán értelmezhetőek együtt, hiszen nem esnek bele az általánosságban meghatározott (és bevallottan laza) Big Data kategóriába. Láthatjuk, hogy egy bizonyos méret (mintanagyság) helyett a Big Data jelenlegi definícióját a szóban forgó szervezet képességeivel összefüggésben lehet megválaszolni. Általánosságban Big Data-nak az értékelhető, amit a hagyományosan igénybe vett szoftverek segítségével lehetetlenség kiértékelni.

Képzelhetjük, hogy ez a definíció bizony egy IT szakember vagy egy hardverekkel kereskedő álma, hiszen a szituáció lényege az, hogy az adott cégnek nem állnak rendelkezésre az adatelemzéshez szükségek eszközök, a megoldás pedig az, hogy többet, jóval többet kell infrastruktúrára költenie.

Mid Data

Mi is a Mid Data? A Big Data fogalom kialakulásánál azok az adathalmazok, melyeket most Small Data-nak hívunk, könnyen válhattak volna Big Data-vá is. Például egy 30,000–50,000 adatmezőt tartalmazó, fogyasztói elégedettséget felmérő kutatás eredménye néha sikeresen, gond nélkül elemezhető olyan elérhető, népszerű elemző szoftverekkel, mint például az SPSS. Ha azonban ehhez az adathalmazhoz már a fogyasztói kommenteket (nyílt kérdéseket) is hozzávesszük, a feldolgozás folyamata jelentősen lassulhat, túl hosszúra nyúlhat vagy komoly nehézségekbe ütközhet.

A nyílt kérdésekre adott fogyasztói válaszokkal együtt az eredeti adatbázis nagyméretű növekedésen mehet keresztül. Ekkorra Big Data-ról beszélünk, amihez sokkal hatékonyabb szoftveres megoldásra lenne szükség. Ebben az esetben szerencsésebb a Mid Data fogalom bevezetése, hiszen itt még csak alakuló Big Data-ról beszélünk, és az ilyen méretű adatbázis kezelésére több elérhető áru szoftver is kínálkozik.

Big Data

Most, hogy kiharaptunk egy darabot a Big Data-ból és Mid Data-nak neveztük el, itt az ideje, hogy újradefiniáljuk a Big Data-t, de legalábbis elhatároljuk egymástól a Mid Data-t és a „valódi” Big Data-t.

A Big Data és a Mid Data közötti különbségek megállapításához tisztáznunk kell azok dimenzióit. A Gartner elemzője, Doug Laney híres-hírhedt mondata volt, miszerint a Big Data háromdimenziós, ami azt jelenti, hogy folyamatosan növekedő terjedelme, változatossága és terjedési sebessége van, ez az ún. 3V modell (van ún. 4V modell is).

A különbségek tisztázásához azonban mindössze két változót, a költséget és a hozzáadott értéket kell figyelembe venni. A megtérülést (ROI) csak a ráfordított költségben (akár idő, akár pénzköltség) és az elvárt értékben lehet mérni. Mindez a Big Data elemzési módszer gyakorlatisságát is jelzi.

Bár tudjuk, hogy bizonyos adatok eredendően értékesebbek más adatoknál (100 emailben érkezett ügyfélpanasz például jóval többet ér, mint 1000 véletlenszerű Twitter-bejegyzés az adott kategóriában), egy dolog azonban biztos. A nem kielemzett adat értéke egyenlő a nullával.

A Mid Data-val ellentétben a Big Data, a „valódi” Big Data már pontosan az a kategóriája az elemzésnek, ami – a befektetett időt és pénzt nézve (amikor a befektetett erőforrásokkal nem arányos mértékű insigh-ok születnek) – esetleg nem éri meg, nincs értelme. A Mid Data intervallumán kívül eső elemzések sokszor elméletben és gyakorlatban is kivitelezhetetlenek a cégek számára.

Másrészről viszont a Mid Data lehet a mézes bödön a Big Data számára. Az ilyen elemzés lehetséges, értékkel bíró és belefér a költségekbe.

Mi legyen?

A Mid Data jelenti a szakma számára kínálkozó jelenlegi legnagyobb lehetőségeket. A valós, könnyen elérhető insight-okat itt lehet learatni.

A „valódi” Big Data viszont lehet, hogy már túl van azon a ponton, hogy megtérülő befektetés lenne. „Valódi” Big Data projekten dolgozó szakemberek tevékenykednek például a híres Large Hedron Collider projekten (CERN). (Ellentétben ezzel a projekttel, a fogyasztási cikkeket gyártó cégek jelentős része jelenleg még nem hajlandó semmilyen szoftver-, vagy hardverbefektetésre a Big Data elemzése céljából.) A Collider esetében az adatok nagyságrendje (150 milliónyi szenzor másodpercenként 40 milliós adatforgalmat bonyolít) miatt az elemzés nem megvalósítható, de erre nincs is szükség. Sőt, a CERN szakemberei egyáltalán nem is elemzik ki ezt a típusú Big Data-t. Helyette kiszűrik az ütközési pontok 99.999 %-át, és csak arra a másodpercenkénti 100 ütközésre koncentrálnak, ami érdekes, lényeges a számukra.

A szakma képviselői számára az a jó hír, hogy amennyiben őszinték vagyunk fogyasztóinkkal, úgy a megértésük nem különösebben bonyolult. Ma már kiváló, elérhető árú Mid Data szoftverek kaphatóak mind szöveg-, mind adatbányászatra – ezek a módszerek már nem igényelnek exabyte méretű adathalmazt vagy szerverek ezrein párhuzamosan futó szoftvereket. Bár a magazinok vagy a konferenciák felszólalói szeretnek az Amazon, a Google vagy a Facebook példájára hivatkozni, még ezek a viszonylag ritka példák is kész sci-fi-nek tűnnek az idegenek számára, és nem részletezik például a szóban forgó vállalatoknál megszokott mintagyűjtési módszereket.

Amint a CERN egyik szakembere rámutatott, sokkal lényegesebb a fontos (az érdeklődésnek megfelelő) adatok elemzése, mint a teljes adathalmaz meghódítása.

Ennél a pontnál néhányan csodálkozhatnak, hogyha a Mid Data valóban ennyivel jobb, mint a Big Data, akkor nem lehet, hogy a Small Data jobb mindkettőnél?

A különbséget nyilvánvalóan az adja, hogy az adatok növekedésével nem csak megbízhatóbb eredményekre van kilátás, de olyan összefüggéseket, motívumokat is felfedezhetünk, amely egy hagyományosan kicsi adathalmazban nem tűnnek fel. A piackutatás világában e különbség azt jelentheti, hogy az adott cég felfedez egy új niche termékötletet, vagy éppen rögvest reagál a riválisa lépésére. Gyógyászati körökben ez azt jelentheti, hogy összefüggést fedeznek fel egy kis népességű populációs alcsoport és a rák kialakulásának magasabb kockázata között, életeket mentve ezzel!

A további definíciók és gyakorlati megvalósítások csak erősíthetik a Mid Data-t. Ironikus, de néhány felsővezető már most azt kéri IT-gárdájától, hogy „gyűjtsenek be és elemezzenek minden adatot” (főleg a változóakat, a 3V modell jegyében) egy olyan folyamat részeként, amely során „valódi” Big Data adathalmazokat hoznak létre különböző Mid Data adathalmazokból. Ez a vállalati gyakorlat szemlélteti legjobban az említett megtérülés (ROI) problémáját. A Big Data „Szent Grálként” való üldözése semmilyen valós előnyt nem garantál. Mi, akik mind a Small Data, mind a Mid Data elemzése terén jól képzettek vagyunk, tökéletesen tudjuk, hogy ugyanannak az elemzésnek különböző adatbázisokon való lefuttatása általában eredménytelen.

Körülbelül annyi értelme van a számviteli adatokat a fogyasztói vélemény-adatokkal összevetni, mint az almát a körtéhez hasonlítani. A japán fogyasztókat az amerikai fogyasztókkal összemérni több okból is felesleges és eredménytelen, a kulturális különbségektől kezdve a különféle egyéb különbségekig.

A legtöbbünk számára a Mid Data lesz az, amivel érdemes foglalkozni.

(Piackutatás blog)

2 komment

Címkék: adatbázis adat piackutatás adatgyűjtés adatbányászat portfolioblogger big data business intelligence

Kommentek:

A hozzászólások a vonatkozó jogszabályok  értelmében felhasználói tartalomnak minősülnek, értük a szolgáltatás technikai  üzemeltetője semmilyen felelősséget nem vállal, azokat nem ellenőrzi. Kifogás esetén forduljon a blog szerkesztőjéhez. Részletek a  Felhasználási feltételekben és az adatvédelmi tájékoztatóban.

Tyson925 · http://economy.blog.hu/ 2014.03.21. 17:11:19

" A japán fogyasztókat az amerikai fogyasztókkal összemérni több okból is felesleges és eredménytelen, a kulturális különbségektől kezdve a különféle egyéb különbségekig."

Nem pont az lesz az értelme, hogy felszínre kerülnek ezek a különbségek?

Forecast Research - www.forecast.hu · http://piackutatas.blog.hu 2014.03.21. 17:17:42

Teljesen eltérő adathalmazok összekapcsolásáról van szó. A japán és az amerikai fogyasztók közti különbséget ezer dolog okozhatja, ezt a big data nem válaszolja meg. Gondolom arról is szó van, hogy az adatok struktúrája is eltérő, vagy más körülmények közt, más módszertan alapján gyűjtötték az adatokat, stb. Szóval nem összehasonlíthatóak ezek, még akkor sem, ha technikailag megoldható lenne az elemzésük.
süti beállítások módosítása