5 pytań o… Big Data

5 pytań o… to cykl miniwywiadów przeprowadzanych z osobami, które swoim doświadczeniem zawodowym mogą wesprzeć właścicieli małych i średnich firm. Dzisiaj rozmawiamy z Jakubem Dąbkowskim o big data, czyli procesie gromadzenia, analizowania oraz wykorzystywania danych.

Rocket Studio: Co kryje się pod pojęciem Big Data?

Jakub Dąbkowski, CEO Netresearch.pl: Big data to szerokie pojęcie, które można zobrazować przy pomocy prostego przykładu. Wyobraźmy sobie, że prowadzimy nieduży sklepik w małej miejscowości. Jako sprzedawca jesteśmy w stanie poznać wszystkich klientów oraz ich zwyczaje – kojarzymy osoby z ich zakupami. Możemy to osiągnąć dzięki naszym obserwacjom. Znając przyzwyczajenia zakupowe naszych klientów, jesteśmy także w stanie zaproponować im uzupełniające produkty.

Ten sam schemat jest obecny także w większych sklepach, a nawet korporacjach. Odkrywamy, kto kupuje, a kto nie, poznajemy cały proces zainteresowania naszą ofertą. Zauważamy, że nasz biznes się rozwija i przychodzi do niego coraz więcej osób. Nie wszystko jesteśmy już w stanie sami zrozumieć, bo nie mamy tak bezpośredniego kontaktu z klientem. W pewnym momencie nasza pamięć zawodzi.

Wówczas wykorzystujemy narzędzia statystyczne, pozwalające nam odkryć, co kupują nasi klienci „w zestawach”. W rozrastających się firmach mamy różnorodne dane w wielkich ilościach, które powinniśmy na bieżąco analizować. Łącząc wiele obszarów, przechodzimy do big data. Momentu, w którym sami nie jesteśmy w stanie przeanalizować gromadzonych przez nas danych. Tu z pomocą przychodzi nam technologia. Pomoże nam ona w przywróceniu rozróżnialności odwiedzających nas klientów: nie będą już jedynie tłumem, a konkretnymi osobami z danymi preferencjami zakupowymi.

Kto może skorzystać z Big Data?

Przede wszystkim firmy, które w swojej działalności bezpośrednio stykają się z człowiekiem. Jeżeli prowadzę sklep lub sieć i chcę obserwować, co kupują moi klienci, to big data jest właśnie dla mnie. Dodatkowo trzeba liczyć się z inwestycją w IT. Przykład: proponuję moim klientom karty, które będą okazywać podczas każdego zakupu. Zebrane informacje muszę gdzieś gromadzić oraz przetwarzać. W związku z tym potrzebuję oprogramowania czy serwera. Myśląc o tym, warto pamiętać, jaki jest nasz cel. Korzystamy z big data, ponieważ chcemy wiedzieć, co nasi klienci kupują, czy nie są skłonni odejść do innego sklepu oraz jakie dodatkowe produkty możemy im zaproponować.

W jaki sposób Big Data odpowiada na potrzeby przedsiębiorców?

Można powiedzieć, że big data stała się ostatnio „modna”, jednak wielu przedsiębiorców myśli sobie: „skoro jest big, a ja mam małą firmę, to pewnie nie dla mnie”. Bo jest za trudne, za drogie i w sumie nie wiadomo, jak praktycznie to wykorzystać. Przedsiębiorcom po prostu brakuje świadomości na temat tego, co można zrobić gromadząc i analizując dane. Ważne, aby menedżerom dostarczać tę wiedzę. Dodatkowo trzeba się liczyć z pewnymi kosztami: niektóre rozwiązania są bezpłatne, w inne trzeba zainwestować. Zwróćmy uwagę, że trendy, które są teraz np. w USA za kilka lat są u nas w Polsce. Coś, co dzisiaj wydaje się nam nieprzydatne, za parę lat może okazać się podstawą. Nie prześpijmy tego momentu.

Jeśli chodzi o działania marketingowe, to big data jest nieoceniona podczas segmentacji klientów: podziale na tych, którzy są bliscy zakupu na naszej stronie i na tych, którzy pewnie się na niego nie zdecydują.

Jak można zastosować Big Data w praktyce?

Jeśli masz swoją stronę internetową, to możesz „wyciągnąć” z niej dane o użytkownikach. Osobach, które są skłonne żeby coś od ciebie kupić. Możesz także odkryć moment, który jest najbardziej sprzyjający do zakupu. Jeśli poznasz klientów, którzy są o krok od zakupu, możesz tak pokierować skierowanym do nich przekazem, aby upewnić się, że postąpią zgodnie z twoimi oczekiwaniami.

Analizując dane możemy dowiedzieć się, co tak naprawdę wpływa na to, czy klient zdecyduje się na zakup czy też nie. Możemy przewidzieć prawdopodobieństwo zawarcia transakcji. Mamy w zasięgu ręki ogromną ilość informacji o konkretnych klientach.Załóżmy, że mamy konwersję na poziomie 1%, co oznacza, że ze na 100 osób nasz produkt kupi jedna. Brakuje podstawowej informacji: która z nich? Wykorzystując nawet część wspomnianych metod, możemy łatwiej wskazać, która osoba lub grupa osób jest bardziej nastawiona na zakup u nas. Możemy także badać gotowość pozostałych osób do działania na naszej stronie.

Kolejny przykład: mamy stronę internetową, ale nie interesuje nas, którzy użytkownicy są skłonni do zakupu. Wolimy sprawdzić, ilu z nich zamierza od nas odejść, przestać nam płacić. Widzimy ich zachowanie, więc możemy zacząć dowiadywać się, co im przeszkadza i dalej udoskonalać naszą usługę. Decydujemy się, że będziemy sprzedawać inaczej. Zbieramy i analizujemy dane, które pozwolą nam określić kierunek naszego rozwoju. Na podstawie zgromadzonych informacji możemy dopasować naszą ofertę do konkretnej osoby, znając  jej skłonność do oszczędzania lub wręcz przeciwnie – przekładania jakości nad ceną. Podobnych przykładów jest zdecydowanie więcej – z big data możesz korzystać nawet jeśli nie masz wielkiego ruchu.

Z jakich narzędzi można korzystać podczas analizy danych?

 Najprostszym narzędziem, z jakiego można korzystać jest MS Excel – większość z nas ma go na swoim komputerze. Policzy nie tylko średnią, ale także bardziej skomplikowane miary. Są także darmowe języki programowania – R oraz Python, czy oprogramowanie PSPP i Mathematika. Podczas analizy danych kwestia narzędzi jest jednak drugorzędna. O wiele ważniejsze jest określenie swojego celu biznesowego (np. zrozumienie zachowania użytkowników na mojej stronie). Wychodząc od tego pytania, zastanawiasz się co dalej i zaczynasz analizować te dane. W zależności od tego, czego potrzebujesz, takie narzędzie wybierzesz. Możesz także skorzystać z pomocy specjalistów, w zależności od tego ile masz danych.

 unnamed

Polecam także:

0 komentarzy:

Dodaj komentarz

Chcesz się przyłączyć do dyskusji?
Feel free to contribute!

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *