Využitie veľkých objemov dát v marketingu a predaji. Svätý grál mnohých marketérov, ktorí by vďaka analýze údajov chceli predávať každému zákazníkovi presne to, čo chce alebo to, čo ešte len bude chcieť. Je tento prístup v súčasnej praxi uplatniteľný? Ako sme sa posunuli vo využití Big Data?
Kašleme na údaje, riadime sa intuíciou
Podľa štúdie Informačná kultúra: využitie komplexného prehľadu v korporácii, ktorú pre spoločnosť SAP vypracovala BARC (Business Application Research Center), popredná nezávislá analytická firma mapujúca trh s biznis softvérom, veľká časť firemných dát končí zastrčená, ignorovaná a zabudnutá v dátových centrách. Až 62 % organizácií využíva menej ako polovicu z nich.
Štúdia vychádzala z názorov 743 ľudí, pričom 58 % z nich tvrdí, že ich firmy vychádzajú pri najmenej polovici svojich rozhodnutí skôr z inštinktov a predchádzajúcich skúseností, ako z dát a informácií. Big Data prácne zozbierané vďaka vernostným systémom, alebo webovým analýzam sú teda stále podceňované. Pritom sú oblasti, kde dnes Big Data vznikajú a kde je ich analýza nevyhnutnosťou. Ide napríklad o marketing, finančné transakcie, burzy, trading, maloobchod kamenných predajní, e-commerce a podobne. Ak sú predsa len analýzy použité, do hry vstupuje ich interpretácia.
Zradná hra čísel
Myslíte si, že futbalový tím, ktorý viac páli na bránu súpera, dáva viac gólov? Omyl. Chris Anderson a David Sally skúmali 8232 zápasov hlavných európskych líg v rokoch 2005 - 2011 a dopracovali sa k pozoruhodnému zisteniu. Tímy, ktoré v zápase ovládli štatistiku striel, nevyhrali ani v 50% prípadov! Pravdepodobnosť je asi taká, ako keď si hodíte mincou.
Ako z teda z údajov vyťažiť čo najviac relevantných informácií pre biznis? Hra čísel pokračuje napríklad korelačnou maticou. Na jednej strane lievika sú miliardy údajov (napríklad pohyb tisícov zákazníkov na internete sledovaný a zaznamenaný vďaka cookies) a na strane druhej, pri užšom výstupe by sme radi videli korelácie, vzťahy a trendy. Korelačná matica poskytuje prvú previerku viac, či menej očakávaných vzťahov. Akákoľvek chyba medzi, matematicky nazvaná hladinou významnosti, znamená že sa môžeme mýliť. Najjednoduchším riešením je vybrať novú vzorku, čo je však často buď ťažko zrealizovateľné (ako by Amazon vymenil vzorku všetkých svojich zákazníkov?) alebo drahé. Napokon zistené a overené korelácie musia byť rentabilné, nielen odložené do zásuvky stola. Walmart napríklad zistil, že Američania, ktorí očakávajú príchod hurikánu, nakupujú nielen viac bateriek, ale tiež sladkých raňajkových suchárov Pop-Tarts. Je tiež známe, že spolu s veľkým balením detských plienok sa dobre predáva pivo, keďže nakupujúcimi sú z dôvodu hmotnosti nákupu zväčša muži. Občas nastávajú kuriózne situácie. Jednu z nich opisuje Charles Duhigg v knihe Sila zvyku. Ide o známy prípad slečny, ktorej Target ponúkol tovar ako pre nastávajúcu matku, pričom o jej tehotenstve nevedeli ani rodičia.
Toto bude zaručene fungovať!
Big Data nie sú svätý grál. Z matematického a štatistického hľadiska je pre dokonalé rozhodnutie potrebný nekonečný počet respondentov (zákazníkov, predajov, odvysielaní, hodení mincou, skúmaných prípadov...) a analýza nekonečného počtu možných vplyvov. Týmto sa zaoberá prediktívna analýza. S veľkým množstvom relevantných údajov a relevantných analýz sa však dá aspoň priblížiť k pravdepodobnosti, k lepšiemu odhadu, že niečo nastane / nenastane, ako bez Big Data. „Úplne dokonalý odhad a hra na istotu je ilúzia. Stále preto budú televízie experimentovať s novými seriálmi, novými reláciami, vymieňať hercov, postavy, scenáristov aj režisérov, meniť vysielací čas a dĺžku relácií. Pretože pravdepodobnosť úspechu možno len odhadnúť. Napokon mnohé vedecké práce hovoria o tom, že rozhodovanie na základe intuície, alebo tzv. crowd sourcing (názor tisícov ľudí) vedú k porovnateľným výsledkom aké poskytnú analýzy,“ uvádza Peter Seyfert, výkonný riaditeľ z mediálnej agentúry OMD Slovakia.