Si fa un gran parlare di big data, il tema del secolo nel campo della business intelligence. Le discussioni spaziano dalla semplice definizione di cosa siano i big data, alle applicazioni aziendali dei big data, fino alle implicazioni sociali di vivere in un ambiente “infestato” dai big data. Uno dei temi più interessanti per i ricercatori di marketing è se i big data sostituiranno la ricerca di mercato tradizionale e la renderanno obsoleta oppure no.
Oggi quasi tutto viene osservato passivamente e gestito in modo digitalizzato, attraverso app o la tracciatura dei social media e dell’utilizzo dei siti internet. Quindi abbiamo la possibilità di utilizzare risorse di dati che in precedenza non erano state sfruttate o non esistevano, per affrontare in modo rapido e approfondito vari argomenti, che riguardano i comportamenti e le preferenze delle persone. Sono altresì disponibili strumenti e metodi efficaci per analizzare e combinare vari set di dati, cosicché la gamma di contenuti disponibili è impressionante. Il sentiment dei consumatori viene catturato sui siti Web e sui vari social media; l’esposizione alla pubblicità è registrata non solo dai set-top box ma anche dai tag digitali e dai dispositivi mobili che comunicano con i televisori. Dati comportamentali come il volume delle chiamate, i modelli di acquisto e gli acquisti stessi sono ora disponibili in tempo reale…
Pertanto molte delle informazioni che erano precedentemente fornite dalla ricerca tradizionale, tramite sondaggi e indagini quantitative, possono essere ora acquisite attraverso le grandi fonti di dati. E tutti questi dati sono generati su base continuativa, indipendentemente da qualsiasi processo di ricerca. “Conducting a survey [to answer a research question] should be the last resort” ha detto Tom Smith in nella sua presentazione alla BigSurv18 Conference a Barcelona.
Ma prima di suonare la campana a morto per la ricerca tradizionale, dovremmo ricordarci che ciò che conta nella ricerca è la capacità di rispondere alle domande.
A BigSurv18, molti relatori hanno in effetti ipotizzato un compromesso: piuttosto che scegliere una fonte di dati piuttosto che un’altra, perché non combinare le fonti di dati in modo tale da massimizzare i rispettivi punti di forza e minimizzare i punti deboli di ciascuna fonte – realizzando un’integrazione dei dati?
Ad esempio, i dati di un sondaggio possono essere utilizzati per correggere l’errore di misurazione dei Big Data, problema molto frequente. Tali stime “ibride” manterrebbero alcuni dei benefici del massiccio set di dati, combinandoli con l’accuratezza del sondaggio, per produrre infine stime migliori della stima di una singola fonte.
In effetti, capita abbastanza spesso che i Big Data non possano rispondere a domande specifiche poste da ricercatori e utenti di dati. Questo perché, a differenza dei dati dei sondaggi, i Big Data sono “trovati” e non “progettati”. E’ per questo che i ricercatori continueranno a ricorrere a sondaggi per una vasta gamma di domande alle quali non è possibile rispondere con un set di dati “trovato”. E’ un fatto accertato che spesso i Big Data siano di formato grezzo, non strutturati o, nella migliore delle ipotesi, parzialmente strutturati. Ciò rende necessario attuare forme di cleaning e cleansing dei dati particolarmente efficienti e selettive, ma questo tipo di pulizia dei dati non è spesso sufficiente. Abbiamo quindi bisogno di creare un “contesto” consapevole attorno ai Big Data, che valorizzi l’esperienza pregressa, la capacità analitica e le competenze dei ricercatori. In effetti, molti analisti stanno puntando sulla capacità di gestire l’incertezza inerente ai Big Data quale skill competitivo, per supportare un processo decisionale migliore e più affidabile.
Rimane tuttavia vero che, come hanno dimostrato molti presentatori di BigSurv18, i Big Data sono molto validi per rispondere a molte domande “non esposte”, vale a dire domande che vengono estrapolate nel processo di estrazione di Big Data, attraverso il data mining. I Big Data sono quindi in grado di generare insights e sollevare questioni nuove e nuovi modi di interpretare i fenomeni misurati.
In definitiva l’integrazione costituirebbe un vantaggio reciproco. Operativamente ciò richiederebbe solo tanta creatività e la messa in campo di un team con esperienza in analisi dei dati, informatica e statistica.
Molti osservatori pensano inoltre che la stessa esistenza dei Big Data generi ulteriori domande che i Big Data non possono soddisfare, cosicché quelle domande possono essere affrontate meglio dalla ricerca tradizionale. In questo modo, con l’aumentare dei Big Data, assisteremo a una crescita parallela della presenza e alla necessità di “small data” per rispondere alle domande che i primi pongono.
Sotto altri punti di vista, saranno proprio i Big Data a “liberare” la ricerca tradizionale dalla raccolta di diversi dati di base, in modo che essa non dovrà più concentrarsi su ciò che sta accadendo, (flussi di vendite, transazioni, ecc.), perché lo faranno i Big Data. La ricerca tradizionale potrà piuttosto concentrarsi sulla spiegazione del perché stiamo osservando determinate tendenze o deviazioni dalle tendenze. Grazie a questo potremo finalmente risolvere il problema dei sondaggi eccessivamente lunghi?
I grandi colossi della ricerca a livello mondiale si stanno attrezzando per offrire prodotti integrati, che combinino Big Data e indagini a campione tradizionali. Ne è un esempio GutCheck Constellation,
Secondo la visione di GutCheck l’unione dei dati di fonte primaria con i Big Data produce una conoscenza ancora più completa dei consumatori e fornisce il tessuto connettivo tra ricerca e risultati. Combinando il perché e il cosa derivati dalla ricerca tradizionale, con il chi e il come dei Big Data, si può comprendere anche dove e quando raggiungerli al meglio.
Questo schema illustra in modo articolato il modello concettuale del servizio di GutCheck.
Notiamo che in base allo schema la ricerca tradizionale rimane ancora la risposta migliore a varie esigenze conoscitive, tra le quali preferenze e abitudini, comportamenti, intenzione di acquisto, esistenza di barriere o resistenze e relative cause comportamenti, intenzione di acquisto, esistenza di barriere o resistenze e relative cause.
Link al Blog di Sandro Savoldelli – ricercatore di marketing ⇒