Ułatwienia dostępu
Określenie „data driven decisions” czyli „decyzje podejmowane na podstawie danych” na dobre zadomowiło się w biznesie. Jednak kojarzy się ono przede wszystkim z wykorzystaniem danych ilościowych, szczególnie Big Data (BD), choć określenie „dane” obejmuje różne rodzaje informacji, także te jakościowe.
Dane ilościowe są wyrażone w cyfrach, pokazują skalę różnych zjawisk (np. wielkość sprzedaży, wielkość grupy docelowej, liczba klientów), ich strukturę (często w postaci procentów – np. udziały w rynku poszczególnych firm), ale także pokazują wybory konsumentów (np. z jakich aplikacji korzystają, jak często, jak długo, jakie filmy oglądamy, na jakie posty reagujemy).
Dane jakościowe, zwane także Thick Data (TD), mają charakter opisowy, dostarczają insights, czyli wartościowych spostrzeżeń, wspierających proces decyzji biznesowych. Nie odnoszą się do skali zjawisk, ale do ich charakterystyki, z uwzględnieniem emocji, przekonań, wartości czy innego rodzaju istotnych, ale niemierzalnych cech. Pokazują, dlaczego wybieramy jakąś opcję spośród innych, jak dokonujemy wyborów, jak budujemy swoje przekonania, dlaczego coś uznajemy za wartościowe, a coś innego nie, jak rozumiemy przekaz, dlaczego niekiedy wykazujemy elastyczność i łatwo z czegoś rezygnujemy, a w innym razem upieramy się przy czymś, choć wydaje się to niezrozumiałe.
Odpowiadając krótko, tak, dane jakościowe mają bardzo dużą wartość, wspierając efektywne wykorzystanie danych ilościowych, w tym Big Data. Znaczenie badań jakościowych widoczne jest zwłaszcza na tle ciągłych zmian i rosnącej konkurencji rynkowej, w świecie nacechowanym niejednoznacznością, w którym podejmowanie decyzji biznesowych wiąże się z rosnącą niepewnością.
Tu właśnie wielkie nadzieje pokładane były w Big Data. I choć niewątpliwie dostępność wielkich zbiorów danych pomaga zoptymalizować wiele procesów biznesowych, to wykorzystanie BD podczas podejmowania decyzji związanych z rozwojem i dopasowaniem do potrzeb użytkowników, okazało się trudne. Szybki napływ, wielkość i złożoność danych ilościowych, a także ich jakość, stały się wyzwaniem, co w konsekwencji utrudnia ich właściwe rozumienie i wyciąganie trafnych wniosków.
Wszyscy mieliśmy okazję obserwować konsekwencje decyzji o wycofaniu się z rozwoju smartfonów przez firmę Nokia, na podstawie wyników analiz na zbiorach BD. Dziś do liderów w tej kategorii zaliczają się Apple, Samsung czy Xiaomi, ale nie Nokia. Zaznaczyć należy, że oprócz danych ilościowych, Nokia dysponowała także danymi jakościowymi, które potraktowała jako nieistotne w zestawieniu z BD, a w odróżnieniu od danych ilościowych, wskazywały one na potencjał rozwojowy rynku smartfonów.
Na naszym podwórku, dobrym przykładem nierozpoznania kontekstu i jego znaczenia dla reakcji konsumentów, jest wprowadzenie alkotubek przez firmę OLV. Firma dobrze radzi sobie w obszarze musów owocowych dla dzieci w tubkach, ale jest to ograniczony rynek, a z roku na rok rodzi się coraz mniej dzieci. Zrozumiałe jest więc poszukiwanie nowej niszy, w której firma mogłaby rozwijać swoją ofertę. Rynek alkoholowy jest znacznie większy, alkohol w opakowaniach o małej pojemności jest popularny, więc od strony ilościowej krok w tym kierunku mógł się wydawać dobrym rozwiązaniem (szanse na zwiększenie sprzedaży i przychodów). Okazało się jednak, że kontekst, w jakim dotąd działała firma (produkty dla dzieci) i negatywne postrzeganie alkoholu w kategoriach społecznych, wywołały tak duży opór, że firma nie tylko musiała wycofać produkt, ale podjęte zostały działania na poziomie regulacji prawnych, ograniczające w przyszłości pojawianie się tego typu produktów w różnych formach (np. alkolody, alkożelki). Błędu Nokii i OLV nie popełniła inna firma. Rozwój Netflix jest przykładem wykorzystania z sukcesem zarówno Big Data, jak i danych jakościowych. Badania jakościowe pozwoliły zrozumieć CO mówią dane ilościowe, które analizował Netflix, jakie płyną z nich WNIOSKI i jakie są MOŻLIWOŚCI ich wykorzystania.
Dlaczego? Ponieważ dane jakościowe zilustrowały KONTEKST, w jakim dane ilościowe nabrały określonego znaczenia. Stało się tak dlatego, że dane pozyskane w badaniu jakościowym zaprojektowanym do potrzeb Netflix, umożliwiły uchwycenie perspektywy użytkowników i wyciągnięcie adekwatnych wniosków. Dzięki temu Netflix mógł dostarczyć nowe rozwiązania, efektywne ekonomicznie i atrakcyjne dla klientów, stając się liderem rynku VOD.
Pojawianie się nowych rozwiązań technologicznych zmienia nasz świat, sprawia też, że dane ilościowe stają się łatwe do pozyskania, a niektóre są ogólnodostępne. Niewątpliwie jest to dużą zaletą. Ale czy dane ilościowe, a nawet BD, wystarczą do podejmowania trafnych decyzji biznesowych? Nasuwa to także pytanie, w jaki sposób na podstawie danych dostępnych dla wszystkich zbudować wyróżniające się produkty, skuteczne strategie i trwałą przewagę rynkową?
Historia Nokii czy OLV pokazuje, że może to być ryzykowne, podkreślając wartość danych jakościowych, które ukazują to, co trudno zobaczyć w danych ilościowych. Dlatego wykorzystanie obu typów danych jest niezbędne w procesie podejmowania decyzji biznesowych, ponieważ dostarczają różne informacje, które wzajemnie się uzupełniają. Dane ilościowe umożliwiają szerokie spojrzenie, a dane jakościowe wskazują jak uchwycić perspektywę użytkownika, by zindywidualizować ofertę i wzmocnić przewagę konkurencyjną. W świecie ciągłych zmian jedyną stałą pozostaje dopasowana do potrzeb informacja, której nie ma jeszcze nikt inny, która pozwala znaleźć właściwą drogę w gąszczu możliwości.
Ilustracja: różnice pomiędzy Big Data i Thick Data oraz ich uzupełniający się charakter
Agnieszka Krężołek specjalizuje się w badaniach rynku lokalnych i międzynarodowych, przedsiębiorczyni, prowadzi niezależną agencję badań rynku Syntei Research & Consulting, oferującą badania rynku dopasowane do kontekstu i eksplorowanych zagadnień oraz wsparcie w tworzeniu efektywnych strategii, mentorka biznesowa.
