(C) 2019 Heuristica. Marek Staniszewski 

Wiedza o kliencie w czasach big data: teleskop czy mikroskop?

 

Coraz większy nacisk, jaki firmy na całym świecie kładą na big data, nakazuje — po raz kolejny — przyjrzeć się temu zjawisku bliżej. Ale z nieco innego punktu widzenia.

 

Nie ulega wątpliwości, że organizacje (właściwie już bez względu na branżę i sektor rynku) wytwarzają i gromadzą coraz więcej danych. Tempo ich produkcji jest zatrważające. W 2025 roku świat wytworzy 180 miliardów gigabajtów danych — szacuje w swoim najnowszym raporcie IDC („Guide to Use of Big Data on an Industrial Scale”, IDC, luty 2017). Liczba ta nie za wiele nam mówi, lecz na wyobraźnię z pewnością działa. Dość powiedzieć, że w 2015 roku wartość ta sięgała niespełna 10% prognozy na połowę przyszłej dekady. Z roku na rok rosnąć będzie biznes opierający się na dostarczaniu narzędzi służących analizie danych; analitycy już są w cenie, a popyt na nich na rynku pracy będzie coraz większy.

 

Skąd tak poważne zainteresowanie dużymi zbiorami danych?
Najoczywistsze przyczyny to:

— konieczność utrzymania pozycji rynkowej bądź ekspansji (a więc naśladowanie zachowań konkurencji, która inwestuje w tego typu rozwiązania cyfrowe);

— potrzeba lepszego zrozumienia konsumentów (aby dopasować ofertę do ich potrzeb);

— lawinowy przyrost danych wewnątrz organizacji (konieczność wykorzystania ich, czyli sprostania wyzwaniu: coś z tymi zasobami należy zrobić, najlepiej zaś odsiewając ziarno od plew i na tej podstawie wyciągać wnioski oraz podejmować trafne decyzje).

 

Big data, czyli olbrzymie zbiory danych to po pierwsze umiejętność gromadzenia zasobów (przeróżnych informacji), po drugie zdolność do ich przetwarzania, po trzecie wreszcie — wyciąganie wniosków. Mechanizm ten zatem bazuje na efekcie skali. Im więcej danych, tym — wydawałoby się — trafniejsze wnioski. Co jednak jeśli organizacja zagalopuje się w przetwarzaniu tych coraz potężniejszych zasobów? W końcu zacznie zjadać własny ogon. Produkując coraz więcej danych (i wartościowych, i śmieciowych; zarówno z wnętrza organizacji, jak i z otoczenia rynkowego), będzie zmuszona inwestować w coraz to nowsze rozwiązania IT, aby sprostać rosnącym ilościom danych. I tak bez końca — bo nic nie wskazuje, aby trend miał ulec zmianie. No dobrze, rozwój technologii sprawi, że zapewne większość firm bez trudu poradzi sobie z tym wyzwaniem. Problem być może leży gdzie indziej. To zapędzenie się w precyzyjnej analityce skutkuje koncentrowaniem się wyłącznie na wynikach pochodzących z big data. Bazujących na efekcie skali, a więc — ujmując rzecz w skrócie — na uśrednionych wskaźnikach. Ale to one właśnie są podstawą decyzji biznesowych.

 

Średnie dane to nie wszystko

Tymczasem „Harvard Business Review” zwraca w niedawnej publikacji na inne niż big data zjawisko — thick data (wydaje się, że najlepiej rozumieć je jako „gęste dane”). Pozornie przeciwstawia je sobie, choć w rzeczywistości oba trendy należy traktować jako równoważne. Doskonale opisał to Philip Seacrest, digital storyteller, dawniej związany m.in. z Google. Jak mówi, dane potrzebują opowieści — i na odwrót. Jeśli bowiem big data sprowadzić do statystyk wynikających z olbrzymich ilości źródeł, to thick data stanowią konkretne przypadki, unikatowe zjawiska, poszczególne postawy i decyzje (np. obecnych bądź potencjalnych konsumentów).

 

Zastanawiając się nad relacją między „big” a „thick”, doszedłem do wniosku, że równie dobrze można by w nauce konfrontować użyteczność teleskopu astronomicznego z mikroskopem. I dyskutować nad wyższością jednego urządzenia nad drugim. A przecież oba od stuleci przyczyniają się do poszerzania naszej wiedzy o świecie. Oba są niezbędne. Identycznie z „big” i „thick”: muszą współistnieć, i być równie mocno doceniane przez liderów biznesu.

 

Jeśli do big data angażujemy analityków i ekspertów ds. IT, to w przypadku thick data przydatni są antropolodzy kulturowi, względnie filozofowie i socjologowie — zauważa Philip Seacrest. Bo „gęste dane” to nic innego jak przyglądanie się ludzkim zachowaniom, postawom zakupowym w znacznie mniejszej skali niż w przypadku analizy dużych zbiorów. To wyciąganie wniosków na podstawie nieraz jednostkowych zdarzeń, zjawisk odbiegających od normy.

 

Jak to było z J.Crew i Lego

Seacrest przywołuje przykład J.Crew. Ta amerykańska marka odzieżowa jeszcze niedawno miała słabą renomę; uważana albo za „obciachową”, względnie sieciową i low—costową (nic nadzwyczajnego, może niczym w Europie szwedzki gigant H&M); toteż wielu skazywało ją na rychły upadek. Rewolucji dokonała Jenna Lyons stając za sterami tej firmy (doskonale historię opisał swego czasu magazyn „Fast Company”) i angażując do współpracy Millarda Drexlera, który stoi za wcześniejszym sukcesem marki GAP. „Fast Company” porównuje ten duet do Steve’a Jobsa i Jonathana Ive’a (głównego designera Apple’a). Dziś J.Crew to marka, którą wielu Amerykanów kojarzy z wyborem Michelle Obamy albo Anny Wintour, Madonny albo Bono z U2. Kluczem do sukcesu tej marki okazało się znalezienie odpowiedzi na proste, wydawałoby się, i jakże istotne pytanie: czego szukają klienci mogący gustować w ubraniach J.Crew, dlaczego wybierają inne sieciowe marki, czym się na co dzień kierują?

 

Kilkanaście lat temu wydawało się, że Lego ma swoje najlepsze lata za sobą. Duńska marka chyliła się ku upadkowi, ale dziś znów święci tryumfy. Legoland sprawił, że Billund z prowincjonalnego miasteczka stało się rozpoznawalnym miejscem pielgrzymowania turystów z całej Europy, z własnym, ważnym portem lotniczym (którego pozazdrości Aarhus, drugie co do wielkości duńskie miasto). W krytycznym momencie liderzy tej firmy zaangażowali do pracy antropologów. Ci zaś udali się do kilkunastu miast świata, aby obserwować doświadczenia dzieci z klockami Lego, a następnie wyciągnąć uniwersalne wnioski. Później zaś wystarczyło zmienić strategię firmy — prawda, że dość radykalnie wracając do korzeni — w zgodzie z potrzebami grupy docelowej (zupełnie innymi niż badania otoczenia rynkowego i globalnych trendów).

 

Czym jest zatem sięganie po big data w oderwaniu od thick data? Przywoływany już Philip Seacrest na świetną odpowiedź: to jak poznawanie nowego miasta tylko i wyłącznie za pomocą map Google’a czy innej aplikacją GPS. I zamiast rozglądać się za inspirującymi widokami, skupiać wzrok na ekranie smartfona.

 

Krzysztof Ratnicyn

 

Please reload

Ostatnie posty

September 3, 2019

Please reload

Archiwum
Please reload

Wyszukaj wg tagów