string(62) "http://thecave.hu/wp-content/uploads/2016/09/norbert-boros.jpg"

Feb 28, 2018 | 4 months old

A small data az új big data?

A 2018-as első Evolution konferencia előadásunkon arról beszéltünk, hogy mi van a big data mögött? Hogyan lehet megtaláni a számok mögött meghúzódó érzéseket és sztorikat, amelyek nem számszerűsíthetők?

Nézzünk szembe az igazsággal: A big data nem ígér semmit önmagában. A felhalmozott adatok mennyisége sem ígér több lehetőséget, csak egy céltalan eszköz lehet, és néha éppen a small data adja a megoldást a kezünkbe az adatzajban, ami megállíthatatlanul növekszik.

Felmerül kérdés, hogy mi hívta életre a big data keltette adatzajt? Egy ősrégi igény.

 

Döntéseket kell hoznunk

 

Mindenki jól akar dönteni, mindenki tudni akarja mi a helyes következő lépés, mert a jövő félelmetes. Szóval jó érzés, ha van valami, ami biztosítékot ad a jövőre vonatkozó döntéseink meghozatalakor. A régi idők embere orákulumokhoz fordult, aki megmondta mit hoz a jövő. A modern kor üzleti döntéshozójának az orákuluma a big data lett.

A big data ipar 122 milliárd dolláros üzlet

Ezért nőtt hatalmasra a big data ipar. Azonban míg big data-ba fektetni könnyű, használni az adatokat meglehetősen nehéz. Ezért is több mint 70%-a a big data projekteknek nem nyereséges.

Miért nem segít mindig a big data?

Számos oka van, annak, hogy sokan miért nem tudnak boldogulni az adatokkal. De általában hiányzik valami a képletből, amit a big data sem tud megadni önmagában.

 

Mi okozta a Nokia vesztét?

 

Tricia Wang 2009-ben a Nokinál dolgozott etnográfus kutatóként és valami rendhagyóra bukkant. Ekkoriban még a Nokia volt az egyik legnagyobb mobiltelefongyártó a világon. Tricia Kínában élt és dolgozott, itt folytatta a kutatásait, utcai árusokkal vegyült, internet kávézókban töltötte az idejét, hogy megfigyelhesse a fogyasztókat. Az egyik nagyon fontos megfigyelése az volt, hogy alacsony keresetű emberek is hajlandóak fizetni az okostelefonért. Akár a fizetésük felét is hajlandóak voltak okostelefonra költeni.

A következtetése és az ajánlása az volt a Nokia számára, hogy módosítsák a termék stratégiát, az akkori elit fogyasztóknak szóló okostelefonokról térjenek át megfizethető áru okostelefonokra a kis keresetű fogyasztók tömegét megcélozva.

A Nokia főhadiszállásán viszont nem tudtak mit kezdeni Tricia megfigyeléséveivel. Azt mondták a minta kicsi volt, kevesebb mint 100 ember, nekik viszont több milliós adatbázisuk van, ahol nem látták bizonyítékát Tricia megfigyelésének.

Ma már tudjuk mi történt a Nokiával, 2013-ban megvette őket a Microsoft és maximum 3%-át sikerült elérniük a globális okostelefon piacnak.

Számos oka volt a Nokia bukásának, de ahogyan ez az eset is példázza az egyik ok gyaníthatóan, hogy túlzottan a számokra támaszkodtak. Nagyobb értéket adtak a kvantitatív adatoknak, nem tudták mit kezdjenek azokkal az adatokkal, amik nem mérhetőek.

Valami hiányzott, amit a big data ebben az esetben nem tudott megadni.

Sok vállalat azt hiszi, hogy az adatok méretével párhuzamosan növekszik a biztonság, de ez nem így van szükségszerűen. Mindez nem a big data hibája, hanem arról szól a történet, hogyan használjuk a big data-t.

Egy olyan végtelennek tűnő körrel állunk szemben, mint mikor azt hisszük tudunk valamit, de minél többet tudunk annál inkább úgy érezzük, hogy egyre kevesebbet tudunk. Szóval a big data néha adhat egy hamis bizonyosságot, hogy minden tudunk, de közben új talányok jönnek folyamatosan képbe.

Kell valami vagy valaki, ami betölti a réseket, amiket a számok önmagukban nem feltétlenül adnak ki. Valahogy meg kell találni a sztorikat, érzéseket, amiket nem lehet számszerűsíteni.

Szokás számos néven illetni ezt a valamit, de nevezzük small data-nak, ami megmutatja az adatok mögött meghúzódó humán oldalt.

Big data + small data = Whole picture

 

Netflix: Amikor a legnagyobb big data cég túl lépett a big data-n

 

A Netflixet technológiai szempontból a hihetetlenül jó ajánló rendszeréről ismerjük. Ez lényegében meghatározza, hogy mit fogunk nézni legközelebb, a historikus adataink, értékeléseink és a Netlflix tesztjei alapján. Sőt pénzt is ad a Netflix annak, aki ezt az algoritmust még jobbá tudja tenni.

De rájöttek, hogy az ajánlórendszer további optimalizálásával elért siker járulékos csupán. Felvettek egy etnográfust, aki olyasmit fedezett fel, amit az adatok nem adtak ki.

Binge watching

Ő fedezte fel, hogy az emberek szeretik darálni a sorozatokat, néha rosszul érzik magukat tőle, mégis ezt teszik.

Miután validálták az ötletet, egy eléggé egyszerű lépéssel álltak elő. Ahelyett, hogy az éppen nézett sorozathoz hasonlót ajánlottak volna, ugyanannak a műsornak a más epizódjait és évadjait kezdték ajánlani. Hiszen így segítik a binge watcolást.

A Netflix ezzel nem csak a saját üzletét alakította át, hanem azt is, hogyan fogyasztjuk a média tartalmakat.

 

Hogyan mentette meg a small data a Lego-t?

 

2003-ban a Lego komoly bajba került, az azt megelőző évhez képest 30%-os forgalom csökkenés miatt szenvedett. 2004-ben pedig további 10% tűnt el.

Az igazsághoz hozzátartozik, hogy a 90-es évek közepétől a Lego stratégiát váltott és az alap terméküktől kicsit eltávolodtak. Ekkor már gyermek ruházati termékeket, magazinokat, videojátékokat is gyártottak. Valamikor ebben a periódusban a menedzsment eldöntötte, hogy a kis építőkockákról áttérnek a nagy építőkockákra, mert szerintük az Y generáció buta, türelmetlen, és nem kell nekik a kis elemekre épülő játék.

Az összes nagy mintára épülő elemzésük azt sugallta, hogy a digitális natívok, tehát az 1980 után születettek elvesztették az érdeklődésüket a Lego iránt.

Valamennyi adat arra utalt, hogy a _generációm_ a technológia hatására az úgynevezettet “instant gratification” miatt – ami körülbelül azonnali kielégülést jelent – nem jön lázba egy Lego jellegű játéktól.

Úgy tűnt a Lego lehúzhatja a rolót, de nem ez történt. A megoldást a small data hozta el számukra is. 2004-ben etnográfiai kutatásokat végeztek, ami körülbelül annyit tesz, hogy elmentek néhány kisgyerek otthonába és kis időt töltöttek el velük.

Végül Németországban egy 11 éves kisfiú mentette meg a Lego-t. Kiderült, hogy minden amit a digitális bennszülöttekről tudnak tévedés.

Egy ponton megkérdezték a német fiút, hogy mire a legbüszkébb a szobában? A srác gördeszkás volt, és egy pár megviselt Adidas cipőre mutatott. Ezek a cipők voltak ugyanis a trófeái.

A cipő ütött- kopott volt, de ezekkel a kopásokkal a srác a többieknek tudta demonstrálni, hogy ez és ez a kopás ennek vagy annak a gördeszkás trükknek az eredménye. Ezzel a cipővel demonstrálta a gördeszkás skilljeit a barátainak.

Arra jöttek rá ekkor, hogy a gyerekek szociális valutaként használják a képességeket.

Tehát a gyerekeknek számít a skill, a képesség, még akkor is ha sok időbe telik azt megszerezni, még ha nagy kihívást jelent akkor is.

Ettől kezdve a Lego az alap termékére kezdett fókuszálni. Az építő elemek ismét normál méretűek lettek, vagy még kisebbek, az összerakásig sokkal több melóval lehetett eljutni.

Innentől a Lego a kihívásról, az erőfeszítések árán megszerzett tapasztalatokról szól, éppen ellenkezőjéről annak, amit a korábbi, nagy adatokra elemző kutatások sugalmaztak.

 

A big data nagyon jó arra, hogy korrelációkat találjon, akár automatikusan. Néha azonban több szükséges, valahonnan hipotézisekhez kell jutni. Az előbbi példákban azt szemléltettem, hogyan lehet megtalálni ezeket a hipotéziseket az ügyfeleknél, a felhasználóknál. Ennek eszköze a small data, ami apró megfigyelésekre épül, amiket az ügyfeleink hagynak maguk után, mint valamiféle emocionális DNS-t. A lényeg az, hogy találkoznod kell az ügyfeleddel vásárlóddal ezt nem lehet kihagyni.

Ez a fajta small data ad választ a miértre és a big data-val kombinálva szinte garantálja a sikert.

 

by Norbert Boros

Norbert is one of the partners of The Cave. As a professional leader, he focuses on growth.

Sign up to our newsletter

Don’t miss any of the articles. Follow us!