Nasza strona używa cookies. Korzystając ze strony, wyrażasz zgodę na używanie cookies, zgodnie z aktualnymi ustawieniami przeglądarki. Rozumiem

Wykorzystaj Small Data, zanim przejdziesz do Big Data i AI

Sprawdź, jak zoptymalizować swoje działania na podstawie Small data, aby wyzwania wynikające z pracy przy Big data i AI Cię nie przerosły.

Jeśli chodzi o swobodne i w pełni świadome kierowanie się danymi zebranymi w badaniach rynku, dla wielu firm takie działanie to porwanie się z motyką na słońce. Zanim zajmiesz się Big Data, czy sztuczną inteligencją, dobrze zrozum własne zebrane dane i uwolnij potencjał swojego “Small Data”, czyli istniejących już źródeł danych. Kluczami do sukcesu są tutaj dostęp, wdrożenie i integracja. W innym przypadku zderzysz się ze ścianą.

Pracując w marketingu, terminy Big Data i AI słyszy się ciągle, czy to użyte poprawnie, czy też przemycone do rozmowy. Będąc firmą technologiczną, która jest mocno powiązana z dziedziną badań rynkowych, natychmiast dostrzegliśmy ten potencjał.

Problemem jest wchodzenie w inicjatywy Big Data i AI, podczas gdy firmy, które to robią, nadal nie uporały się z opracowaniem inicjatyw opartych na podstawowych badaniach rynkowych i wykorzystaniu zasobów ludzkich. 

Innymi słowy, organizacje te muszą najpierw określić podstawowe wymogi, które umożliwią czerpanie korzyści z wykorzystania tak mocno zaawansowanych narzędzi.


Trzy zasady zwiększenia wpływów biznesowych w oparciu o dane z badań rynkowych

Co przez to rozumiemy? W skrócie poniższe zasady warunkują gotowość do przejścia do inicjatyw Big Data i AI:

Integracja

Większość firm ma już dostęp do dużej ilości danych związanych z badaniami rynku i zachowaniami klienta. Wiele z nich poważnie myśli o Big Data, ale niewielkiej ilości udało się wyciągnąć trafne wnioski i w pełni zrozumieć ścieżkę klienta. Na przykład, wielu badaczy stara się łączyć ze sobą rozbieżne źródła danych wokół wspólnego mianownika, takiego jak kategoria produktu, czy segmentacja klientów.

Jeżeli chodzi o dane, ważna jest nie tyle trafność wyciągniętych wniosków, co ich unifikacja. Przeszkody dla zintegrowanego insightu wynikają głównie z czynników kulturowo-organizacyjnych (np. różne dane w różnych działach). Największym wyzwaniem i czynnikiem motywującym zarazem jest tutaj integracja, harmonizowanie i dopasowywanie mocno różniących się źródeł w celu wyciągnięcia sensownych korelacji i schematów, które zaprocentują przy wyciąganiu wniosków i podejmowaniu decyzji. Jeżeli nie udało Ci się tego osiągnąć na Twoich "małych danych", to będzie ciężko o sukces z Big Data.

Szeroki dostęp

W wielu firmach dostęp do danych z badań rynkowych jest ograniczony i mają go głównie eksperci, którzy “z łatwością” zrobią z nich użytek. Dane te są więc pewnego rodzaju czarną skrzynką dla zwykłych pracowników, którzy i tak mogliby je umiejętnie wykorzystać. Wprowadzenie więc takich terminów jak Big Data, czy AI, które dla wielu pozostaną wiedzą tajemną, pogorszy sprawę.

Kluczem do wyzwolenia całkowitego potencjału tych danych jest emancypacja, a nie izolacja. Oznacza to zapewnienie możliwości bezpiecznego, łatwego i efektywnego przetwarzania danych dla wszystkich użytkowników danych. Wymaga to jednak nowego rodzaju systemu, który załamie tradycyjny podział między modułami analitycznymi i obrazowania, co nazywamy “bezpiecznymi i samoobsługowymi wizualizacjami analitycznymi.”

Wdrażanie

Zwykłe zapewnienie szerszego dostępu do tych danych nie wystarczy. Rezultaty mogą być niezadowalające, jeśli odpowiedni system raportowy nie jest rozpowszechniony w danej organizacji. Oznacza to, że taki system musi być mocno oparty na intuicji (musi nie wymagać szkoleń) i wystarczająco dopasowany do różnych stylów pracy, aby zapewnić pracownikom poczucie kontroli. Nie wystarczy zmusić do pracy z takim systemem, pracownicy muszą chcieć to robić.

U jednego z naszych klientów, wskaźnik wdrożenia skończył z 200 aktywnych użytkowników przy ich systemie do 2,000 z naszym. Można się tylko domyślać, jak duży wpływ będzie to miało na poprawę insightu i wyników.

 
Pułapka “myślenia życzeniowego” 

“Sztuczna inteligencja to wszystko, co nie zostało jeszcze stworzone”.

Taki żart krąży w kręgach ludzi związanych z AI. Tłumaczyć go można tak, że maszyna jest w stanie wykonać coraz więcej rzeczy, które, jak się kiedyś wydawało, wymagały inteligencji, jednak okazuje się, że to tak naprawdę problem obliczeniowy. Tak więc definicja AI jest stopniowo uszczuplona. To zjawisko określa się jako “efekt AI”.

W pewnym stopniu to ta sama pułapka psychologiczna, w jaką wpada wiele firm, gdy myśli o AI i Big Data.

Marketing mierzy się z jednym z bardziej złożonych wyzwań: jak wyciągać wnioski i schematy z gigantycznego i chaotycznego eksperymentu na marketplace'ach. Podczas gdy zwrot ku rozwiązaniom online i lepsza zdolność przeprowadzania testów A/B jest pomocna, to cały czas jest to jednak czubek góry lodowej. 

Najwyraźniej potrzebny jest cud, coś, co jest w stanie uchwycić nieskończoną różnorodność oraz ilość danych, z której nauczymy się znajdować konkretne wzorce i zasugeruje nam optymalne decyzje. I tutaj pojawia się Big Data oraz AI.

Te dwie koncepcje są bardzo obiecujące na dłuższą metę. Jednak jakby obiecujące nie były, ważne jest, by pamiętać, że obydwie są na dość wczesnym etapie rozwoju i w większości najbardziej interesujących (i złożonych) scenariuszy ich skuteczność nie została potwierdzona.

Wprowadzenie Big Data i AI nie powinno być wykorzystywane jako wymówka przed usuwaniem problemów z optymalnym wykorzystywaniem już zebranych danych. Nie powinno też stać na przeszkodzie dążenia do łatwo osiągalnych celów, z których można uzyskać duża wartość.


Naucz się chodzić (Small Data), zanim zaczniesz biegać (Big Data i AI)

Wiele firm zaczynających przygodę z Big Data i AI nadal jest bardzo daleko od wykorzystania potencjału zebranych "Small Data", a także wykorzystania umiejętności, doświadczenia i inteligencji swoich pracowników.

Jeśli Twoja organizacja nie jest w stanie zoptymalizować swoich działań na podstawie "Small Data", to wyzwania wynikające z pracy przy Big Data i AI mogę Was przerosnąć. Najpierw zainwestuj w integrację, łatwy dostęp i adopcję podejścia opartego na danych.

Nie przegap treści Bulldogjob
Subskrybuj artykuły