La strategia aziendale è sempre più connessa ai Big data! Nell’era della digital transformation e della customer experience, le informazioni si presentano in volumi crescenti, che provengono da una varietà di fonti e che cambiano pelle velocemente. Ecco perché bisogna andare oltre i Big data e puntare sull’analisi interpretativa dei dati, sfruttando i Thick data.

In questo articolo andiamo a capire le dinamiche che stanno alla base di una strategia vincente per sfruttare i dati aziendali e valorizzarli per creare valore aggiunto a supporto delle decisioni. L’articolo pone enfasi sul ruolo chiave dei thick data o “dati spessi” per dare valore aggiunto sulla qualità interpretativa dei dati.

 

Big data: partire dallo sgrezzamento delle informazioni

Chi opera quotidianamente con i dati, conosce a fondo  la necessità “maniacale” di  procedere a interventi manutentivi costanti delle base dati disponibili! Infatti, spesso abbiamo a che fare con dati grezzi, disomogenei e da sistemare!

Pertanto, prima di passare all’elaborazione del dato e alla creazione di report, occorre eseguire:

– interventi di data cleansing

– Matching di dati.

– Costruzione di database adeguatamente aggregati e automatizzati.

– Realizzazione di report o dashboard di sintesi.

 

Ricorda: non basta avere dati ben strutturati e sintetizzati con dashboard ad effetto, adeguatamente costruiti con tecniche di data visualization, se poi non si procede ad una analisi qualitativa e interpretativa delle normazioni raccolte. Occorre automatizzare il più possibile il processo di sintesi dei dati periodici, per dedicare più tempo a comprendere le dinamiche sia positive sia negative, che hanno portato ad un determinato risultato o perfromance aziendale.

 

thick data

Il potere nascosto dei Thick data

Come abbiamo accennato nelle suddette righe, l’analisi interpretativa dei dati deve seguire un approccio non solo quantitativo ma anche qualitativo.

Solo favorendo un simile approccio interpretativo delle informazioni raccolte, si può dare impulso proattivo ed efficace all’interpretazione dei dati.

In altre parole occorre puntare anche a fattori, esterni ai dati disponibili.

Bisogna andare oltre il semplice aspetto di un numero, che ad esempio evidenzia una varianza positiva o negativa rispetto al target di periodo pianificato.

 

Ricorda: Non è sufficiente avere una grande quantità di dati aziendali e potenti software per elaborarli e sintetizzarli. Guardare oltre è fondamentale. Puntare alla sensitivity delle persone è il vero valore aggiunto quando di interpretano i dati aziendali.

 

Quando si parla di Thick data significa rivolgere l’attenzione ad aspetti strettamente connessi ai pareri delle persone, ai loro comportamenti, alle loro reazioni, alle loro esperienze emozionali.

Un aspetto decisamente importante da non trascurare è quello del real time. Oggi, possiamo avere dati sempre aggiornati e dinamici.

Pensate che potere possono avere i big data se adeguatamente relazionati con quella che pensa la gente e sul loro modo di compattarsi.

 

 

 

Thick data e big data

 

Stiamo pertanto parlando della necessità di analizzare i dati misurando le performance e i risultati raggiunti: volumi di vendita, principali clienti, settori, rete di vendita, ecc.

Perché le vendite questo mese sono andate meglio del mese scorso?

Quali fattori hanno influenzato questo risultato positivo? Che Cosa ha spinto i miei clienti a comprare di più durante questo periodo?

Ad esempio, le spinte, che hanno influenzato le vendite potrebbero essere diverse:

– fattore puramente stagionale

– attuazione di una specifica campagna promozionale

– organizzazione di un evento

– messa sul mercato di un nuovo prodotto

– comunicazione efficace e persuasiva , che ha coinvolto emotivamente i clienti, creando nuovi percorsi di user experience

La parola d’ordine è pertanto quella di porsi delle domande per interpretare al meglio i dati e comprendere il perché le persone hanno agito in un determinato modo. Ascoltate le reazioni delle gente e coinvolgetele per farle sentire parte di un qualcosa che vada oltre il prodotto stesso.

 

Thick data: Sperimentare e captare i segnali del mercato

I Dati che ci permettono di avere un primo focus su quanto fatto rispetto al target prefissato o rispetto allo stesso periodo degli anni precedenti.

I Dati che ci aiutano a fare simulazioni per ipotizzare i possibili scenari futuri.

Oggi tuttavia questa analisi quantitativa non basta. È necessario miscelarla con l’analisi qualitativa.

Occorre analizzare il perché di certi risultati. Su questo aspetto ci vengono in aiuto Thick data!

Questi “dati spessi” sono informazioni di tipo qualitativo. Permettono di ottenere indicazioni sul comportamento e le emozioni del nostro target utenti di riferimento.

I thick data ci permettono di interpretare il contesto situazionale andando oltre la semplice interpretazione numerica  dei risultati ottenuti. Infatti, queste informazioni ci permettono di porci delle domande e ottenere risposte di valore, come ad esempio le seguenti:

– perché i miei clienti privilegiano questo modello?

– quali sono i motivi, che hanno determinate preferenze?

– che cosa ha portato la diffusione di questo nuovo trend?

Come potete comprendere, siamo di fronte a un potenziale davvero prezioso. Elementi chiave per spiegare certi fenomeni o situazioni.

Queste informazioni vanno raccolte con costanza da parte dei brand, che operano come una vera “Customer Company“.

 

Ricorda: Più numeri non necessariamente producono più approfondimenti. – Tracy Wang

 

Thick data e Big data: relazioni e peculiarità complementari

Secondo Tricia Wang, l’integrazione tra big data e thick data fornisce alle organizzazioni un contesto più completo per ogni situazione che si sta analizzando.

Big data e Thick data sono entrambi necessari per i Brand per cogliere le diverse sfumature e ottenere adeguati livelli di approfondimenti.

I numeri per avere impatto hanno bisogno di storie e viceversa. Da qui la stretta relazione tra Big data e Thick spessi.

I Big Data richiedono una gigantesca N per favorire la scoperta di modelli su larga scala; invece i  Thick Data richiedono una piccola N per esaminare nel dettaglio i modelli orientati sulle persone.

I Thick Data si basano sull’apprendimento umano, mentre i Big Data si basano sull’automazione dell’apprendimento.

I Thick Data sono fondamentali per far emergere il contesto sociale delle relazioni esistenti tra i vari elementi;  invece, i Big Data evidenziano invece gli approfondimenti focalizzati su una vastita di elementi che privilegiano l’apetto quantitativo.

Le tecniche Thick Data accettano una complessità irriducibile, mentre le tecniche Big Data isolano le variabili per identificare i pattern.

Con i thick data abbiamo pertanto una perdita di “scala” mentre con i big data perdiamo in “risoluzione”.

 

Thick data e big data

Come raccogliere i Thick data? Quali strumenti?

Le Corporate possono ottenere queste informazioni in diversi modi:

– sondaggi,

– questionari

– focus tematici,

– iniziative video finalizzate a rendere protagonisti direttamente i consumatori, creando tormentoni o iniziative di valore (ad esempio sfruttando il social network Tik Tok)

– ricerche etnografiche

Questi strumenti servono per comprendere il comportamento delle persone e quali sono gli elementi emozionali o istintivi, che le spingono a determinate azioni.

 

Risorse per approfondire

Che cosa sono i Thick data

Beyond Big data: come i Thick data migliorano il business

Marketing antropologico e ristorazione tra Big e Thick data

L’approccio olistico tra Big e Thick data

Il valore di Thick e Big data

Small data: piccoli indizi svelano grandi trend

Data Scientist: come valorizzare i dati aziendali

 

Guarda anche il video di Tricia Wang: “The Human insights missing from big data”