Big data to duży, złożony zbiór wartościowych danych, których nie da się przeanalizować prostymi, standardowymi metodami. Wartościowych na tyle, na ile ich analiza może prowadzić do zdobycia nowej wiedzy.
Big data dotyczy także Ciebie
W klasycznym ujęciu Big data dotyczy ogromnych ilości danych zbieranych i przetwarzanych przez superkomputery. Dzięki rozwojowi technologii, również i zwykli użytkownicy zaczęli się mierzyć z takimi zbiorami danych. Jeśli korzystasz choćby z Google Analytics, wiesz o czym mowa.
Przypomnij sobie swoje pierwsze doświadczenia, gdy przed oczami ukazały Ci się setki wskaźników, wykresy, informacje o odwiedzinach z wyszukiwarki na różne frazy kluczowe, zmieniające się trendy, drogi użytkowników przez kolejne podstrony, czas który na nich spędzili. Wskaźniki klikalności, sprzedaży, wskaźniki odrzuceń i inne. Na początku, gdy nie znamy odpowiednich procedur i nie wiemy które dane są najważniejsze, można od tego oszaleć!
I to jest właśnie kluczem – Big data wymaga nowego sposobu działania – eksperckiego podejścia do analizy danych, wyciągania i weryfikowania wniosków, nieustannej aktualizacji i używania odpowiednich narzędzi do uczenia się ze zbiorów danych, których nie da się objąć zdolnościami analitycznymi mózgu jednego człowieka.
Przykłady big data
Dane big data przetwarzane na każdym kroku to także:
- wskaźniki kliknięć w reklamy
- wyszukiwania słów kluczowych i stron internetowych
- transakcje bankowe
- posty publikowane w mediach społecznościowych i ich skuteczność, zasięg itp.
Co jeszcze jest zbierane jako informacje big data? Praktycznie wszystkie działania internautów jako klientów marki, czyli:
- wysyłanie WhatsAppów, udostepnienia w mediach społecznościowych
- geolokalizacja telefonów komórkowych
- dane na temat zachowania klientów używających aplikacji
- czas spędzony na czytaniu artykułów, opisów produktów itp.
Wiemy już, że dane Big data to wartościowe dane, ale jak je uzyskać? Można to zrobić w sposób niesklasyfikowany lub na podstawie baz danych przechowywanych w predefiniowanych tabelach.
Oto konkretne przykłady wykorzystania big data:
- Netflix wykorzystuje big data do prognozowania popytu wśród odbiorców.
- Przedsiębiorstwa identyfikują na podstawie danych wzorce oszustw.
- Firmy uczą maszyny i trenują modele samouczenia się maszyn.
Szybkie, różnorodne, prawdziwe
Jak rozpoznać, że to informacje Big data? Otóż cechują się one:
- różnorodnością – czyli dane są różnego typu – liczby, teksty, dźwięki czy wideo
- ilością – często liczone w terbajtach czy petabajtach
- szybkością – są szybko odbierane, przetwarzane i wykorzystywane dalej
W ostatnich latach istoty nabrały jeszcze dwie cechy: prawdziwość i wartość.
Te wszystkie informacje są ważne, o ile jesteś sprecyzowanym klientem danej marki i o ile informacje o tobie są spójne i przydatne. To informacje o twoich zachowaniach, z co za tym idzie – o preferencjach, potrzebach i zwyczajach. Na ich podstawie można sporządzić sylwetkę danego klienta i dopasować do niego przekaz reklamowy oraz produkt czy usługę.
Świetnym przykładem jest projektowanie aplikacji w oparciu o UX, czyli doświadczenie użytkownika. Pierwsze wersje aplikacji zazwyczaj nie są idealne. Producenci zbierają więc dane o zachowaniu użytkowników, przeprowadzają ankiety i kwestionariusze. I w oparciu o uzyskane dane, ulepszają swoje aplikacje, by jeszcze lepiej spełniały oczekiwania i dostarczały przyjemnych, pozytywnych wrażeń. To właśnie stąd regularne aktualizacje, kolejne wersje i unowocześnienia.
Jak zdobywać dane?
Dobrze jest zidentyfikować miejsca interakcji pomiędzy sprzedawcami czy usługodawcami a konsumentami, jak:
- e-maile, czaty i inne punkty wsparcia klienta
- wejścia na strony internetowe, aplikacje i inne platformy wirtualne
- tweety, komentarze, posty na Instagramie i inne przejawy aktywności w mediach społecznościowych
- Narzędzia analityczne, jak Google Analytics, narzędzia do monitorowania fraz kluczowych,
- czujniki ruchu, beacony i inne zapisy ruchu
Firmy wykorzystują wnioski z analizy danych, do podejmowania skuteczniejszych decyzji, planów i usprawnień.
Big data a społeczeństwo informacyjne
Warto jeszcze przez moment zatrzymać się przy tak rozległej bazie informacji jako zjawisku. Jest ono globalne. Informacja jest dzisiaj powszechna, priorytetowa, atrakcyjna. Żyjemy w społeczeństwie informacyjnym, cywilizacji informacji. Tak przeogromny dostęp do danych wpływa na biznes i marketing na całym świecie. Taka jest właśnie cena za oglądanie wielu rzeczy w Internecie za darmo – dostęp do informacji o nas, o tobie. Jesteśmy podglądani, oceniani, analizowani – czy to się nam podoba czy nie.
Dzięki informacjom o naszych preferencjach, Internet proponuje Ci różne produkty dopasowane do Twojego gustu. Dla niektórych osób to prawdziwa zmora – oglądasz na Allegro czerwoną torebkę, a potem „chodzi ona za Tobą” przez kilka dni. Widzisz ją wszędzie – oglądając filmy na YouTube, czytając artykuły, słuchając podcastów.
Skutkiem ubocznym może być tzw. przebodźcowanie, czyli uczucie zmęczenia i rozdrażnienia, co – podobnie jak w przypadku np. jedzenia czy substancji chemicznych, może spowodować zwiększoną tolerancję na dany bodziec. W efekcie bronimy się przed takimi „atakami”. Przestajemy zwracać na nie uwagę, szybko zamykamy reklamy, unikamy serwisów i mediów, które wywołują w nas zbyt wiele frustracji.
Wnioski uzyskane dzięki analizie Big data są jednak nieubłagane – ekonomicznie i marketingowo opłaca się „atakować” w ten sposób klientów. Jest to tak zwany remarketing, czyli wielokrotne i różnorodne podsuwanie odbiorcy naszych treści i produktów, ponieważ klient często podejmuje decyzję zakupową dopiero po kilkukrotnym zetknięciu się z daną propozycją.
Co dają nam informacje Big data?
Informacje big data monitorują problemy klientów, na przykład problem z zalogowaniem się w witrynie internetowej. Używanie przez klientów sklepu zbyt wielu loginów. Monitorują sposób sortowania produktów, na przykład czy klienci sortują asortyment sklepu od ceny wyższej do niższej czy odwrotnie. Pozwala to z kolei zauważyć, którzy klienci są najlepiej zorientowani w cenach – to ci, którzy sortują od najniższej ceny. Sposób sortowania klientów pozwala wyłapać również klientów nastawionych entuzjastycznie – szukają oni najczęściej w pierwszej kolejności najnowszych produktów.
Ponadto Big data pozwala monitorować również ilość produktów oglądanych przed zakupem. To cenna informacja, pozwalająca odpowiednio zareagować podczas procesu sprzedaży. Na przykład proponując klientowi rabat, kiedy przypuszczamy, że zamierza on zrezygnować z zakupu.
W końcu bardzo cenne jest to, jakie opinie piszą konsumenci. A także, w jaki sposób czytają. Jeśli na przykład klienci sklepu czytają opinie, nie należy im w wynikach wyszukiwania permanentnie prezentować produktów z niskimi ocenami. Informacje Big data pozwalają również monitorować hashtagi używane przez klientów w social mediach.
Nowoczesna technologia Big data pozwala też uzyskać dane bardziej kompleksowe, co zwiększa zaufanie do danych.
Big data to symbioza
Jak wiele tematów dotyczących marketingu, big data może, a wręcz powinna być symbiozą, czyli interakcją opartą na obopólnych korzyściach. Dlatego podręczniki typu „Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!” radzą, aby za każdy fragment prywatności zabrany klientowi ofiarować mu jakąś użyteczną usługę. Na przykład aplikacja śledząca położenie konsumenta może jednocześnie przekazywać mu jakąś cenną informację związaną z tym właśnie położeniem (na przykład związaną z bezpieczeństwem). A klienci logujący się do sklepu mogą z kolei liczyć na spersonalizowaną obsługę.
Trochę historii
Kiedy ludzie zaczęli zdawać sobie sprawę z tego, że generują dużo danych? Było to około 2005 roku, a więc w czasach, kiedy Internet zaczął rozgaszczać się na dobre w naszej codzienności. W 2006 roku stworzono platformę Hadoop zmniejszającą koszty przechowywania i ułatwiającą obsługę dużych zbiorów danych.
Rozwój Internetu spowodował podłączanie coraz większej ilości urządzeń i obiektów, co pozwoliło zgromadzić dane na temat schematów użytkowania tych danych przez konsumentów. Potem znaczącym źródłem jeszcze większej ilości danych stała się technologia samouczenia się maszyn, zaczątki tak zwanej sztucznej inteligencji.
