HTML

Piackutatás.blog.hu

Piackutató és marketinges szubkultúra. Kortárs piackutatás, cutting-edge technológiák, kutatási konferenciák, kutatási hírek a hazai és az angolszász piacokról - friss gondolatok, friss hírek a kutatási iparágból, első kézből. A blogot a Forecast Research kutatója szerkeszti.

Piackutatás Hírek

Hírlevél! Emailben értesülhetsz a blogon megjelent új cikkekről. A korábbi Feedburner-es hírlevél sajnos nem működik, újra fel kell iratkoznod, pl. ITT vagy ITT. (Csak add meg a blog RSS URL-jét: https://piackutatas.blog.hu/rss és az email címedet.) Még több hír kell? Iratkozz fel erre a csatornára is: https://www.piackutatas-hirek.hu/rss/osszes-hir

Tagek - Főbb témakörök

access panel (9) acnielsen (2) adat (63) adatbányászat (24) adatbázis (24) adatgyűjtés (14) adatminőség (3) adatrögzítés (2) adatvédelem (3) adatvizualizáció (54) ad hoc (3) affectiva (2) agb nielsen (2) agyhullámelemzés (16) agyszkennelés (13) AI (4) algoritmus (2) álláshirdetés (4) antropológia (1) apple (5) arcfelismerés (9) archetípus (2) arckódolás (13) árérzékenység vizsgálat (3) arf (1) árvizsgálat (3) asszociáció (1) asszociatív technika (1) átirat (2) atkári csaba (1) attitűd (1) augmented reality (1) authority site (1) automata tesztelés (1) avatar (2) b2b (2) babocsay ádám (1) bacher jános (1) barcza enikő (2) bar chart (1) bevásárlóközpont (1) big data (24) big mac index (1) bimodális megoszlás (1) biometria (4) bioszenzor (2) blind teszt (4) blog (9) bpto (2) brainstorming (3) brand (4) branding (2) brand equity (1) brand power (1) brand price trade off (1) brief (2) business intelligence (4) buzzword (1) call center (3) capi (2) casro (1) cati (8) cawi (2) célcsoport (7) chart (39) chio (1) chris anderson (2) cint (3) client service (1) coca cola (14) coke (8) conjoint (2) conjoint elemzés (1) conness (1) consumer insight (18) cookie (1) corvinus egyetem (8) crowdsourcing (1) csoportdinamika (5) csoporthatás (2) customer satisfaction survey (2) David McCandles (1) deli (1) deliberative poll (2) demográfia (6) desk research (1) detektívtükör (10) diagram (4) digg (1) digitális etnográfia (8) digitális média (1) digividuals (1) diktafon (1) disney (1) divat (1) diy (19) diy kutatások (38) domino pizza (1) Dove (1) dove (1) do it yourself survey (35) dunnhumby (2) eeg (4) elkísért vásárlás (1) ellenőrzés (1) előteszt (2) emg (1) emlékkonferencia (1) emotimeter (2) ep választás (1) érdekesség (4) érzékszervi teszt (4) érzelemfelismerés (2) esomar (46) esomar price study (2) etnográfia (37) exit poll (1) exit store (1) eye tracking (21) facebook (22) faktoranalízis (1) feitel balázs (1) felmérés (4) fenomenológia (1) field research (1) finn raben (4) fisheye (1) fmcg (10) fmri (6) fogyasztói csoport (2) fogyasztói magatartás (79) fókuszcsoport (102) fókusz stúdió (14) forrester (11) free (2) gallup (3) gallup poll (1) gamification (10) gazdaságkutatás (2) géczi tamás (2) geofencing (3) geolokáció (5) geolokációs marketing (2) geotargeting (1) gfk (15) gfk emo sensor (1) gfk europanel (1) globális kutatás (7) global market research (3) gmail (1) gmi (1) google (15) google consumer surveys (2) Google Glass (1) gps (1) grafikon (6) groupon (2) guide (2) gvh (1) gyorsétterem (1) hackathon (1) hall teszt (1) hálózatkutatás (6) hálózatok (6) hans rosling (2) henry ford (2) hibahatár (1) hibrid kutatás (3) hipotézis (2) hírlevél (6) hoffmann (1) hoffmann márta (3) hólabda módszer (1) home teszt (3) home use teszt (1) honomichl jelentés (1) hőtérkép (2) humor (34) iat (1) idegtudomány (8) időmérleg (1) ifjúságkutatás (5) immersion day (1) immersive research (1) imperium (1) implicit association test (2) implicit technika (3) index (1) infografika (56) innováció (14) insight (24) insight community (3) intellio visiscan (1) interactive voice response (1) interjú (4) interjúkészítő robot (2) interjúvázlat (1) internet (1) internet penetráció (1) internet technológia (1) in store marketing (3) ipad (6) iphone (11) ipsos (19) iskola (1) iso (10) ivr (1) iWatch (1) iwatch (1) jacobs (1) jakab áron (2) jövőkutatás (8) kantar (6) karrier (6) kártyaválogatás (2) képzés (2) kérdezőbiztos (18) kérdőív (38) kérdőíves interjú (14) kérdőívszerkesztés (11) kétnyelvű kérdezőbiztos (1) kindle (2) kisérőlevél (1) kiss bíborka (2) ki kicsoda (7) kkv (5) kkv piackutatás (1) klenovszki jános (9) kognitív lingvisztika (1) kólapiac (3) kollaboratív felmérés (1) kollázs (4) koncepcióteszt (1) konferencia (41) konjunktúrakutatás (1) kontextus (2) konzultáció (1) kördiagram (8) korreláció (1) kozák ákos (4) közbeszerzés (4) közösségi média (59) közvéleménykutatás (134) kreatív online (1) ksh (3) kurucz imre (2) kutatási iparág (115) kutatásmódszertan (7) kutatás konferencia (4) kutatócentrum (1) kvalitatív (55) kvantitatív (13) kvótás mintavétel (1) lifelogging (4) linkedin (4) loréal (1) mácsai tamás (1) márkaépítés (26) márkaerő (17) márkaérték (4) márkaismertségi kutatás (1) márkakutatás (25) márkapreferencia (32) márka kommunikáció (32) marketing (74) marketingkutatás (104) marketingkutató magazin (5) marketingstratégia (9) marketing insight (10) markettools (1) market research (15) marlboro (1) mba (1) mcdonalds (2) mckinsey (1) médiakutatás (12) megfigyelés (9) mélyinterjú (16) mém (5) memetika (1) memetikai marketing (2) memrb (1) mesterséges intelligencia (4) mészáros józsef (2) microsoft (1) milka (1) millenniumi generáció (1) millward brown (10) minőségbiztosítás (11) minőségi piackutatás (7) minőségi piackutatásért egyesület (1) mintanagyság (2) mintavétel (4) mmsz (2) mobil kutatás (21) moderátor (20) moderators guide (3) motivációkutatás (12) motívumkutatás (3) mp3 (1) mra (2) mroc (16) mrsz (1) multimédia (1) műszeres mérés (7) mutf (3) mystery calling (1) mystery shopping (8) mystery visit (1) nano kérdőív (2) napi chart (19) natural language processing (1) near field communication (1) népsűrűség (1) nestlé (1) netnográfia (5) net promoter score (3) neurológia (8) neuromarketing (31) neuroökonómia (2) new mr (10) nézettség mérés (2) nfc (1) nielsen (8) nigel hollis (3) nlp (2) nonverbális kommunikáció (3) nordsee (1) nps (3) nrc (6) nyelvi relativizmus (1) ogilvy (4) okostelefon (11) oktatás (1) omnibusz (3) online (30) online analitika (1) online community (27) online fókuszcsoport (18) online közösség (33) online kutatás (102) online marketing (1) online market research (1) online market research in Hungary (1) online panel (51) online piackutató (1) online video (4) openamplify (1) opinion leader (2) optimus (1) panel (46) panelmenedzsment (2) páros interjú (1) pártpreferencia (1) pay for performance (1) peanut labs optimus (1) pepsi cola (4) persil (1) pet (1) piacbefolyásolás (5) piaci stratégia (4) piackutatás (957) piackutatási diákverseny (9) piackutatás állás (2) piackutatás ázsiában (1) piackutatás blog (7) piackutatás felszabadítási front (2) piackutatás hírek (125) piackutatás képzés (1) piackutatás mém (1) piackutatás napja (5) piackutatás napja konferencia (6) piackutatás története (1) piackutató (352) piackutatók magyarországi szövetsége (8) piackutató bot (6) piackutató intézetek (8) piackutató robot (8) pie chart (17) pilot interjú (1) Pinterest (1) pintér róbert (3) pixer (3) pmsz (26) politikai véleménykutatás (13) populáció (1) portfolioblogger (30) postteszt (1) posztgraduális képzés (1) powerpoint (14) ppt (17) prediktív analitika (2) preteszt (5) prezentáció (19) prezi (3) price sensitivity measure (1) price study (2) primer piackutatás (1) prizma (1) próbavásárlás (7) professzionális piackutatók társasága (6) projektív technikák (2) promedius (1) psm (2) pspp (1) pszichodráma (1) pszichológia (3) qr kód (7) qsensor (1) quantified self (1) quick and dirty (2) readers digest (1) reckitt benckiser (1) red bull (2) reklám (18) reklámkutatás (11) reklámteszt (12) relevant id (1) reprezentatív (8) reprezentativitás (1) research international (1) research liberation front (1) research world (5) retail audit (1) rfid (4) river sample (1) river sampling (1) rlf (1) roi (6) round robin (2) rss (2) sapir whorf (1) sara lee (1) scholl (1) screening questions (1) script (1) second life (3) shopper kutatás (3) síklaki istván (1) Síklaki István (1) skinvertising (1) SMS kutatás (1) social media (30) social network (7) SoLoMo (2) spin doctor (1) spontán márkaismeret (1) spss (9) stan sthaunathan (2) starbucks (1) statisztika (71) steve jobs (4) storytelling (1) superbrands (1) surf (1) survey (4) surveygizmo (1) survey monkey (8) synovate (6) szakértői interjú (1) szakértő válaszol (1) szavazás (7) szegmentáció (5) szekunder piackutatás (1) szekvenciális monadikus (1) szemantika (2) szemiotika (7) szemkamera (20) szemkamerás vizsgálat (18) szemkövetés (12) szemkövetéses vizsgálat (15) szerepjáték (2) szignifikáns (2) szimulált depriváció (2) szociálpszichológia (2) szociodemográfia (2) szociológus (1) szondaphone (3) szonda ipsos (5) szövegelemzés (10) szubkultúra (1) szűrőkérdőív (1) tablet (1) taktikai piackutatás (4) támogatott márkaismeret (1) tanácsadás (6) tanulmány (1) tárki (1) társadalomkutatás (6) társadalomstatisztika (3) társadalomtudomány (6) tartalomelemzés (3) technológia (4) technológiai szingularitás (4) telefonos kutatás (16) telemarketing (6) tematikus ajánló (8) tender (1) terepnapló (1) termékfejlesztés (12) termékteszt (5) tervező team (2) tesco (4) tesco direct (1) tesztáruház (1) tesztpiac (1) tetszési index (1) texting (1) text mining (2) tns (8) tns hoffmann (1) tobii (1) toborzás (2) toluna (6) topline (2) történetmesélés (1) tracking kutatás (1) transzhumanizmus (2) trend (90) trendkutatás (2) triád interjú (1) truesample (3) twitter (21) u&a (1) üdítőpiac (1) ugc (1) ügyfélelégedettségi kutatás (2) ügyfélkapcsolat (2) új piackutatás (7) unilever (3) usage attitude (1) usp (1) utópia (2) vakteszt (2) válaszadó (2) választáskutatás (1) valóságshow (1) valószínűségi mintavétel (3) vásárlóerő (1) vélemény (2) véleményvezér (1) venn diagram (9) vevőelégedettségi kutatás (1) vezérfonal (2) videó etnográfia (2) világpiac (2) virtuális kérdezőbiztos (1) virtuális piackutatás (2) viselhető eszközök (1) viselkedés gazdaságtan (5) visszaemlékezés (2) vizi ferenc (2) Vizi Ferenc (1) vizuális etnográfia (2) vörös csilla (2) web2.0 kutatás (3) web analitika (1) web tracking (1) who is who (7) widget (1) wikipedia (1) wom (1) workshop (3) youtube (1) y generáció (9) závecz tibor (1) zweifel (1) Címkefelhő

Creative Commons licenc

Creative Commons Licenc

Big data sorozat (4. rész) - Forradalmak

2013.01.17. 16:34 Forecast Research - www.forecast.hu

„Nem lehet kezelni azt, ami nem mérhető.” (Irodalmiasabb fordításban: „Az ember csak olyasmit irányíthat, amit előtte már megismert.”)

BigData_4.jpgSok bölcsesség van ebben a mondatban, melyet egyaránt tulajdonítanak W. Edwards Deming-nek és Peter Drucker-nek, és amely rámutat, miért is olyan fontos a digitális adatok kiaknázása. Egyszerűen azért, mert a segítségével a menedzserek képesek mérni az üzleti folyamatokat, ezt a tudást pedig közvetlenül alkalmazhatják a szakmai döntéshozatalban és célok elérésében.

Vegyük példának a kereskedelmet. A könyvesbolti eladók nyomon tudják követni, mely könyveket viszik a vásárlók, és melyeket nem. Ha lenne hűségprogramjuk, akkor ezeket a vásárlásokat egyéni vásárlókhoz csatolva visszakereshetnék. Ahogy az online shopping megjelent, a fogyasztói viselkedés megértése egyszerre kulcsszerepet kapott. Az online kereskedők nem csupán azt követhetik nyomon, mit vettek a vásárlóik, de azt is, hogy mi mindent tekintettek végig, hogyan navigáltak az oldalon, mennyire befolyásolták őket a promóciók, a kritikák vagy a weboldal layout-ja, ahogy megállapíthatnak hasonlóságot egyének és csoportok között. Korábban a kutatók algoritmusokat fejlesztettek ki annak előrejelzésére, mit olvasnának a vásárlóik legközelebb – ezek az algoritmusok mind jobban és jobban működtek, amikor a vásárló egy-egy ajánlásra reagált vagy utasította el azt. A hagyományos kereskedés során nincs lehetőség ilyen információhoz jutni, de ha lenne, akkor sem lehetne arra megfelelő időben reagálni. Nem véletlen, hogy az Amazon is számtalan utcai könyvesboltját megszüntette.

Az Amazon sikertörténete a következő elven alapszik: a digitális korszak vállalataitól azt várjuk, hogy olyan dolgokat érjenek el, melyekről az előző üzleti generáció csak álmodhatott. A big datának azonban a hagyományos üzleti modellek átalakításában is lehet szerepe. A versenyelőny megszerzésére is remek lehetőség (az online vállalkozások sikerének titka mindig abban rejlett, tudják-e megfelelően értelmezni adataikat). A téma részletezése során kiderül, hogy a big datában rejlő lehetőségek sokkal jelentősebbek, mint bármely más múltbeli módszer. A pontosabb mérési eredmények jobb és pontosabb döntésekhez vezetnek. Jobb előrejelzés okosabb döntést jelent. Hatékonyabb beavatkozást eszközölhetünk, főleg olyan területeken, ahol a szigorú szabályoknál nagyobb szerep jut az ösztönöknek, megérzéseknek.

Ahogy a big data elemzés módszere és eszközei népszerűvé válnak, megdönthetetlennek hitt elméleteket is megdönthet majd a tapasztalati tudásról vagy a menedzsment gyakorlatáról. Az okos, előrelátó szakemberek meglátják majd a big data igazi lényegét: a menedzsment forradalmasítását. Bár, mint minden nagy változás az üzleti szférában, a big data módszer adaptálása egy-egy vállalat számára óriási falat lesz, és segítő kezet kíván. Szó se róla, ez a típusú átalakulás olyan folyamat, amellyel a cégvezetőknek muszáj megbarátkozniuk.

Valóban új dologról beszélünk?

A cégvezetők gyakran kérdezik: ’a big data is csupán egyfajta elemzési módszer, nem?’ Valóban, mégpedig a következő vonatkozásban: a big data módszer, ahogy ezt megelőzően a különféle elemzési módszerek is, az adatok összegyűjtésére, majd azok segítségével történő üzleti versenyelőny megszerzésére irányul. Mégis van három alapvető különbség.

Terjedelem. 2012-ben naponta 2.5 exabyte adat keletkezett, mely szám minden 40 hónapban megduplázódik. Másodpercenként több adat forog körbe a neten, mint amennyit az internet teljes, globális forgalma volt 20 évvel ezelőtt. Mindez lehetővé teszi a cégek számára, hogy adatok petabyte-jainak sokasáságával dolgozzanak egyetlen adatkészleten belül – nem csak az internet esetében. Vegyünk egy példát: becslések szerint a Walmart óránként több mint 2.5 petabyte adatot gyűjt be a vásárlási tranzakciókból. Egy petabyte egyenlő egy kvadrillió byte-al, vagy másképpen: 20 millió irattartó szekrénynek megfelelő adattal. Egy exabyte ennek a tízszerese, vagyis egybillió gigabyte.

Sebesség. Számos alkalmazás esetében az adatok begyűjtésének sebessége még fontosabb is, mint a terjedelem. A valós idejű vagy közel valós idejű információ lehetőséget ad a vállalat számára, hogy versenytársainál fürgébb lehessen. Példának okáért Alex ’Sandy’ Pentland és MIT Media Lab csapata a mobiltelefonokról szerzett be lokalizációt jelző adatokat arra vonatkozóan, hány ember parkolt a Macy’s parkolóiban a Black Friday napján – ez az a nap, amikor a karácsonyi vásárlási szezon rajtol az USA-ban. Mindez lehetővé tette az eladási mutatók előrejelzését ezen a kritikus napon azelőtt, hogy a Macy’s maga leközölte volna az adatokat. Az effajta rapid insight adatok egyértelmű versenyelőnyt jelentenek a Wall Street-i elemzőknek és az első vonalbeli menedzsereknek, cégvezetőknek.

Sokszínűség. A big data magában foglalja a szöveges üzeneteket, frissítéseket, közösségi hálóra feltöltött fotókat, érzékelők által begyűjtött adatokat, GPS szenzorok jeleit, és így tovább. A big data több forrása is meglehetősen új a piacon. A közösségi média generálta adatok például éppoly fiatalok, mint maguk a közösségi oldalak: a Facebook 2004-es, míg a Twitter 2006-os indulású. Ugyanez vonatkozik az okostelefonokra és egyéb mobil eszközökre, melyek hihetetlen mennyiségű adatot kínálnak a fogyasztókról, azok tevékenységeiről és tartózkodási helyeiről. Ezek az eszközök ma mindenütt jelen vannak, így könnyen elfeledkezünk arról, hogy az iPhone mindössze 5 éve létezik, míg az iPad 2010-ben került a piacra. Ennek megfelelően mindazok a strukturált adatbázisok, amelyek üzleti információt tároltak az előbb említett eszközök megjelenése előtt, nem alkalmasak a big data feldolgozására. Ugyanakkor az elemzési-számítási folyamat egyre csökkenő költségei – a folyamat részei: tárolás, memória, feldolgozás, sávszélesség stb. – azt jelzik, hogy a korábban drágának tartott adatközpontú módszerek is egyre elérhetőbbé válnak.

Ahogy egyre több és több üzleti tevékenység kerül digitalizált rögzítésre, ezek az új információforrások és az egyre olcsóbb megoldások új korszak hajnalát jelzik; egy olyan korszakét, ahol óriási mennyiségű digitalizált adat áll rendelkezésre szinte bármilyen üzleti témáról. A mobiltelefonok, az online shopping, a közösségi média, az e-kommunikáció, a GPS vagy egyéb szenzorokkal ellátott gépek mind-mind adatok zuhatagát hozzák létre működésük melléktermékeként. Ma mindegyikünk egy élő adatgenerátor. A rendelkezésre álló adatok sokszor nem rendszerezettek – nincsenek adatbázisba tömörítve – azonban rengeteg értékes információt tartalmaznak, mely felfedezésre vár. Az elemzések korábban szigorú döntéshozatali technikákat eredményeztek; a big data módszere egyszerűséget és nagyobb hatalmat hozhat. A Google kutatási igazgatója, Peter Norvig szerint „ma sincsenek jobb algoritmusaink, csak több adatunk.”

Az adatközpontú vállalatok teljesítménye

A másik gyakori kérdés a szkeptikusok szájából: „Mi a bizonyíték arra, hogy a big data használata növelni fogja az üzleti teljesítményt?” Az üzleti sajtó napi szinten prezentál olyan anekdotákat, sztorikat, miszerint a siker titka az adatközpontú gondolkodás. Az igazság azonban az , hogy senki sem veszi eléggé komolyan a fentebb feltett kérdést. A szégyenletes hiány pótlására létrehoztak egy csapatot a MIT Center for Digital Business-nél, együttműködésben a McKinsey üzleti tecnológia csapatával, Lorin Hitt-tel, a Wharton szakemberével és Heekyung Kim-mel, a MIT doktoranduszával. Azt tűzték ki célul, hogy bizonyítják a feltevést, miszerint az adatközpontú vállalatok jobban teljesítenek. 330 észak-amerikai vállalat első emberével készítettek előre szervezett interjúkat, szervezeti és technológiai menedzsment módszereik iránt érdeklődve, valamint teljesítmény mutatókat gyűjtöttek be tőlük éves jelentéseik és független források alapján.

Az adatközpontú döntéshozatal ötlete nem mindenkinek nyerte el tetszését. Sőt, különféle megközelítések és ötletek egész sorával találkoztak. Mindennemű elemzés közül, melyeket lefolytattak, egynek az eredménye tűnt ki leginkább: egy vállalat minél inkább adatközpontúnak jellemezte magát, annál jobb pénzügyi és operatív eredményeket ért el végül. Különösen igaz ez az adott szektor legjobb harmadában szereplő cégekre; 5%-kal eredményesebbek lettek és 6%-kal nagyobb profitot értek el, mint vetélytársaik. A teljesítménybeli különbség a munkaerő, szolgáltatások és befektetések, valamint egyéb költségek elszámolása után is jelentős maradt. Statisztikai és gazdasági jelentősége a tőzsdei felértékelődésben is megmutatkozott.

Új döntéshozatali kultúra

A big data módszer technológiai kihívásai nagyon is valósak. A menedzsment terén tapasztalható kihívások azonban jelentősebbek – kezdve a senior vezetői gárda szerepével.

El szabad-e hallgattatni a legjobban kereső vezetőket? A big data egyik legkritikusabb aspektusa az a hatása, amit a döntéshozatali folyamatokra mér, mintegy megjelölve, kik hozhatják meg ezeket a döntéseket. Amennyiben nem elegendő adat áll rendelkezésre, annak megszerzése túl költséges, vagy digitálisan nem elérhető, akkor értelmes ötletnek tűnik a legmagasabb pozícióban lévő szakemberekre bízni a döntést, amit tapasztalataik és megszerzett benyomásaik, kapcsolataik alapján hoznak meg. Az effajta döntéshozatalt nevezzük ösztönösnek. A szakemberek próbálják kitalálni, mit hozhat a jövő – mi történhet, hogy működik majd egy-egy adott dolog – majd ennek megfelelően fognak bele a tervezésbe.  

A különösen fontos döntések esetén általában a cég magasan jegyzett szakemberei jönnek szóba, vagy olyan drága, külsős szakértők, akiket tudásuk és múltjuk feljogosít erre. A vállalatokon belül ezeket a fontos döntéseket mindig az ún. HiPPO-ra (highest-paid person’s opinion: a legjobban fizetett szakember véleménye) bízzák.

Biztosra vehetjük, hogy a szeniorvezetők nagy többsége adatközpontúan gondolkodik és hajlandó feladni saját ösztöneit, benyomásait, ha az nem egyezik az adatokkal. Mégis,  napjaink üzleti világában még mindig sokkal nagyobb szerep jut a tapasztalatoknak és ösztönöknek, mint a szilárd adatoknak. A kutatók vizsgálódásuk során egy ötpontos összetett mérőskálát hoztak létre annak mérésére, mennyire adatközpontú egy adott vállalat. A válaszadók mintegy 32%-a hármas vagy az alatti értékelést adott saját cégének.

Új szerepek vannak születőben. A big data mozgalom iránt érdeklődő vezetők előtt két lehetséges út áll; vagy a „mit mond erről az adathalmaz?” kérdéssel operálnak fontos döntések meghozatala előtt, folytatva a sort olyan kérdésekkel, mint „honnan származik az adott adat?”; „milyen típusú elemzést hajtottak végre rajta?”; „mennyire vagyunk biztosak az eredményekben?” (A válaszokat hamar meg lehet majd találni, ha a vezetők valóban ezt az utat választják). A másik lehetséges út az, ha hagyják, hogy az adattenger eluralkodjon felettük, hiszen kevés olyan jelentőségteljes momentuma lehet a döntéshozatali folyamatnak, mint amikor egy adat megcáfolja a vezető szakember állítását.

Ha a megoldandó problémákat nézzük, a szakavatottak tudása, véleménye ma is kulcsfontosságú. A hagyományos értelembe vett szakértők – egy-egy szakterület kiválóságai – azok, akik képesek meglátni a rejtőzködő kihívásokat, lehetőségeket. A PASSUR például minél több olyan szakembert próbál alkalmazni, akiknek kiterjedt szaktudása van a főbb amerikai repterek működési elveiről, szabályairól. Az ilyen szakemberek fontossága felbecsülhetetlen a jövőbeli piaci történések előrejelzése szempontjából.

Ahogy a big data mozgalma kibontakozik, a szakértői vélemény jelentősége úgy fog megnövekedni. Nem csupán azért lesznek fontos szereplők, mert tudják a válaszokat, hanem azért is, mert tudják, mit kell kérdezni. Pablo Picasso is erre gondolhatott, amikor a következőt mondta: „A számítógépek teljesen haszontalanok. Csak válaszokat adnak, de nem tudnak kérdezni.”

A menedzsment öt kihívása

A cégek csak akkor lesznek képesek learatni a big data mozgalom babérjait, ha kellően alkalmazkodnak a változásokhoz. Van öt terület, ami különösen fontos ebben a kérdésben.

Vezetés. A big data-korszakban sikeressé váló cégek nem egyszerűen a jobb vagy több adat miatt lesznek azok, hanem azért, mert olyan vezetői gárdával bírnak, amely egyértelmű célokat jelöl ki, definiálja a sikert, és a megfelelő kérdéseket teszi fel. A big data nem teszi feleslegessé a víziókat, az insightok fontosságát. Épp ellenkezőleg, ma is szükségünk van olyan vezetőkre, akik meglátnak egy nagyszerű üzleti lehetőséget, értik a piaci fejlődés menetét, kreatívak és céltudatosak, sajátos meglátásokkal rendelkeznek, van meggyőzőerejük, képesek a kemény munkára, és hatékonyan bánnak mind a fogyasztókkal, mind a dolgozóikkal, mind a részvényeseikkel. A következő évtized sikeres vállalatai azok lesznek, melyek vezetői képesek mindezeket megvalósítani miközben megváltoztatják döntéshozatali mechanizmusaikat is.

Tehetségek menedzselése. Ahogy az adatok egyre olcsóbbak lesznek, az azokon dolgozók úgy válnak egyre fontosabbá. Ilyenek például az adatbányászok és más szakemberek, akik óriási terjedelmű információval dolgoznak nap mint nap. A statisztika fontos tudomány, ámde a big data elemzéséhez kulcsfontosságú ismereteket ritkán tanítják a hagyományos statisztikai kurzusokon. A legfontosabbak talán azok a képességek, amellyel megtisztítjuk és rendszerezzük az adatokat; hiszen az adatok manapság ritkán lelhetőek fel rendszerezett, strukturált formában. Az adatok megjelenítésének eszközei hasonlóan értékesek lesznek. Az adatbányászok mellett számítógépes szakemberek egész sora foglalkozik majd az óriási méretű adatbázisokkal. A kísérletek megtervezésével megbízott szakértők segíthetnek áthidalni a korreláció és az ok-okozati összefüggések között lévő szakadékot. A legjobb adathalász szakemberek képesek az üzlet nyelvén beszélni, és segíteni a vezetői réteget abban, hogy olyan új megoldásokat találjanak, melyek során alkalmazható a big data módszere. Nem meglepő, hogy pokoli nehéz ilyen szakembereket találni, mert óriási igény van rájuk a piacon.  

Technológia. A big data terjedelmét, sebességét és sokszínűségét kezelni tudó technikák rendkívüli mértékű fejlődésnek indultak az utóbbi években. Ezek a technológiák nem vészesen drágák, a legtöbb használt szoftver nyílt forráskódú. Az egyik leggyakrabban használt keretrendszer, a Hadoop a beérkező adatokat olcsó lemezeken tárolja, emellett azok elemzésére is kínál eszközöket. Persze ezek az szoftverek olyan képességeket is igényelnek, melyek ma még hiányoznak a legtöbb IT-részleg fegyvertáraiból, melyeknek azon kell dolgozniuk, hogy a releváns belső és külső adatforrásokat eggyé integrálják. A technológiákra túlzott figyelmet fordítani nem szerencsés, de fontos összetevői a big data stratégiának.

Döntéshozatal. Egy hatékony szervezet működésének titka, hogy az információt és a döntéshozatal jogát a megfelelő személynek, személyeknek a kezébe adja. A big data korszakában, ahol az információ folyamatosan keletkezik és átalakul, a szakértői vélemény pedig sokszor nem azt jelenti, amit jelentenie kellene. Egy ügyes, szemfüles vezető olyan rugalmas szervezetet fog kialakítani, amelyben a „nem itt találták ki” szindrómát minimalizálja, a funkcionális együttműködést pedig maximalizálja. A problémát jól értő szakembereket össze kell hozni a megfelelő adattartalommal, de olyan szakemberekkel is, akik a megfelelő problémamegoldó technikákkal bírnak.

Vállalati kultúra. Az első kérdés, amit egy adatközpontú vállalatnak fel kell tennie: „Mit tudunk?” és nem az, hogy „Mit gondolunk?” Mindez paradigmaváltást igényel, el kell szakadni az ösztönös megérzések világától. Arra is szükség van, hogy egy sok helyütt tapasztalt rossz szokásnak véget vessünk: sok vállalat aposztrofálja magát adatközpontúnak, akik nem is vagy csak kevéssé azok. Túl gyakran látjuk azt, hogy a vezetők adatok sokaságával kozmetikázzák ki jelentéseiket, hogy úgy tűnjön, döntéseiket szigorúan adatokra alapozva hozták, pedig azok a szokásos HiPPO-módszerrel születtek. Aztán persze megkérték az alkalmazottakat, hogy számokkal, adatokkal is igazolják a döntés helyességét.

(Piackutatás blog)

----------------------------------

A témában korábban megjelent írás a Piackutatás Hírek oldalon:

Big data: Az adatok ébredése, avagy a társadalom újragondolása az adatsokaság nyomán

 

A témában korábban megjelent írások a Piackutatás blogon:

Mit jelent és mire jó a ’Big data’?

Big data sorozat (1. rész) – Hype és valóság

Big data sorozat (2. rész) - Újratöltve

Big data sorozat (3. rész) – Szkepticizmus

2 komment

Címkék: statisztika adatbázis adat piackutatás fogyasztói magatartás adatbányászat big data

Kommentek:

A hozzászólások a vonatkozó jogszabályok  értelmében felhasználói tartalomnak minősülnek, értük a szolgáltatás technikai  üzemeltetője semmilyen felelősséget nem vállal, azokat nem ellenőrzi. Kifogás esetén forduljon a blog szerkesztőjéhez. Részletek a  Felhasználási feltételekben és az adatvédelmi tájékoztatóban.

Zoltán Varjú · http://szamitogepesnyelveszet.blogspot.com/ 2013.01.23. 16:38:17

Gratulálok a sorozathoz! A posztok jól összefoglalják a big data lehetséges használatát, de pár kiegészítést fűznék hozzá.

A felhasználási terület adja magát, az ügyfelek (emberek) viselkedésének feltérképezése. A szkeptikus hangok ellenére külön tudományág alakult ki, a computational social science www.nature.com/news/computational-social-science-making-the-links-1.11243 Az olyan cégek mint pl a Facebook egész magas szinten űzik ezt www.technologyreview.com/featuredstory/428150/what-facebook-knows/ Ez nem csupán analitika, hanem a viselkedés befolyásolására is irányul! Ami kényes etikai kérdéseket is felvet.

Mind a hagyományos, mind pedig az e-kereskedelem egyre inkább integrálja adatforrásait (kezdve a belső adatoktól a közösségi médiában megjelenő hírekig). A Walmart és az eBay pl. külön kutatóhelyeket nyitott s nagyon szofisztikált megoldásokkal rukkoltak elő kereses.blog.hu/2012/10/30/e-kereskedelem_kereses_es_nyelvtechnologia

A big data elválaszthatatlan párja a data science, a nagy adatok elemzésével foglalkozó szakma. Külön fontos megemlíteni, hogy a szakma művelői is kellő óvatosságra intenek mindenkit amikor adatvezérelt működésre akar átállni, hiszen pl. a pénzügyi szektorban már ez lezajlott. Bővebben kereses.blog.hu/2013/01/15/big_data_forradalom

A big data a menedzsment oldalról a probabilisztikus gondolkodás elfogadását és elsajátítását jelenti, hiszen minden adatvezérelt modell statisztikai elemzés eredmény, ami valószínűségi értékekkel dolgozik. Ez gyakran kontra-intuitív, ezért nem könnyű alkalmazkodni hozzá. A legjobban ezt a Managing Uncertainty c. könyv mutatja be www.store.economist.com/Product-New(20041009)-EPO(2)-EB017(1697).aspx

Remélem még sok hasonlóan érdekes írást olvashatok az oldalon a jövőben!

Forecast Research - www.forecast.hu · http://piackutatas.blog.hu 2013.01.23. 17:03:42

Köszönöm az értékes kiegészítést! A téma kimeríthetetlen és a sorozat sem ért még véget. Nemsokára további rész következik a blogon, majd 2 rész a Piackutatás Hírek oldalon. A továbbiakban is figyelni fogom a témában megjelenő angol nyelvű cikkeket, melyeket lehetőség szerint mi is közlünk majd (az érdekesebbeket). Azt hiszem, most nem vagyunk lemaradva, eléggé friss dolgok ezek... És nagyon érdekesek.
süti beállítások módosítása