Courses tabs

Der er ikke noget indhold i denne kategori

Vælg venligst en anden kategori

Der er ikke noget indhold i denne kategori

Vælg venligst en anden kategori

custom add this

Undgå typiske benspænd

”Big Data” er efterhånden et meget omtalt fænomen i marketingverdenen. Og som så meget andet “nyt”, deler det vandene. De store datamængder rummer nemlig uendelige muligheder, men risikoen for at drukne er også evigt tilstedeværende, og mange marketingfolk kommer til kort, når de skal gøre ”Big Data” anvendeligt i deres arbejde. Umiddelbart springer to væsentlige udfordringer i øjnene:

Den første udfordring er, at marketingfolk er vant til at arbejde med data på et meget overordnet niveau, typisk nøgletal som fx kendskabsgrad, kampagneeksponering eller loyalitetsindekser.

”Big Data” er noget helt, helt andet. Her er der tale om store mængder data, tusinder eller milioner af gigabyte, en datamængde, der desuden vokser eksplosivt dag for dag.

For at tage et kendt eksempel, så genererer Facebook 500 terabyte, det samme som 500.000 gigabyte, nye data hver dag. Typisk er disse data også ustrukturerede, hvilket betyder, at de ikke har et format, man umiddelbart kan læse ind i en almindelig database eller statistik-program.

Uden de rette analysemetoder og hjælpemidler er de enorme datamængder umulige at overskue – og hvordan skal man så kunne omsætte dem til konkrete marketingsaktiviteter?

Nødvendige analytikere

Dataanalytikere bliver dermed en nødvendig medspiller i marketings arbejde med ”Big Data”. Og allerhelst som en integreret del af det daglige arbejde i marketingafdelingen. Kigger vi ud i verden på de virksomheder, der har succes med brug af data i marketing, oplever vi da også, at de har mindst én dataanalytiker i marketingteamet.

Men det er ikke nok blot at hyre en dataanalytiker. Den anden udfordring er nemlig, at mange analytikere ikke har de nødvendige værktøjer til at håndtere ”Big Data”.  De værktøjer, man hidtil har anvendt til dataanalyse, kan ikke bruges på de gigantiske mængder af mere eller mindre ustrukturerede data, som virksomhederne ligger inde med i dag.

Resultatet er, at der bruges unødvendig megen tid på blot at håndtere data, fordi man forsøger at presse metoder, der er beregnet til små datamængder, ned over ”Big Data”-analyser. Til stor frustration for analytikerne selv og til skuffelse for marketingfolkene. Analytikerne har simpelthen brug for nye værktøjer for at kunne arbejde med ”Big Data”.

Værktøjerne findes

Den gode nyhed er, at analysemetoderne til ”Big Data” (”Big Data Analytics”), udvikler sig i lyntempo i disse år. Teknologier som MapReduce og NoSQL, udviklet af blandt andre Google, Amazon og Facebook, samt cloudbaserede løsninger som for eksempel Microsofts Windows Azure og Amazons AWS, har gjort det muligt at behandle datamænger, der var utænkelige for bare få år siden.

Og det parakdoksale er, at disse løsninger rent faktisk er både billigere og hurtigere at starte op end traditionelle data warehouse løsninger. Hvor traditionelle Business Intelligence-investeringer typisk først når break-even efter 23-25 måneder, sker dette ofte allerede efter 4-6 måneder i ”Big Data Analytics”-projekter.

Den eneste hage ved de nye ”Big Data” analysemetoder er, at det stadig er småt med standardiserede ”plug and play”-løsninger. Som virksomhed er man derfor afhængig af højt specialiserede kompetencer, hvilket stadig er sjældne blandt danske datafolk.

Er det besværet værd?

Spørgsmålet, der står tilbage, er så, om ”Big Data Analytics” reelt er besværet værd lige nu. Skal man gå i gang nu, eller kan man lige så godt vente på, at der dukker standardløsninger op, der kan løse virksomhedens dataudfordringer?

Svaret er: ”Kom i gang!”. ”Big Data Analytics” kommer i fremtiden til at være en væsentlig differentiator og et vigtigt konkurrenceparameter – også for virksomheder, hvor databehandling ikke er en del af kerneproduktet.

Se blot på Amazon. I grunden er Amazon ”bare” et online stormagasin, men Amazon har differentieret sig ved at være de bedste til at anbefale produkter baseret på ”Big Data Analytics”.

Eller Facebook, hvor ”Big Data Analytics” bestemmer, hvilke annoncer hver af de 800 mio. medlemmer skal se, og desuden hjælper medlemmerne med at finde lige netop deres venner.

Eller de banker, der er begyndt at bruge ”Big Data Analytics” til at analysere deres kunders kontoudtog: De kan opdage, om kunden for eksempel har købt hus, er blevet gift, har fået børn, har købt bil eller er blevet fyret, og dermed målrette deres rådgivning og tilbud til kunden.

Kom i gang nu

Men hvordan kommer man så i gang med at udnytte ”Big Data Analytics” i sin markedsføring – hvis man ikke allerede har nået Amazon- eller Facebook-højder?

Ligegyldigt om man har de relevante kompetencer i huset, eller om man skal bruge eksterne konsultenter, vil jeg anbefale at starte med et enkelt pilotprojekt, hvor man kører et enkelt gennemløb af analysecyklussen: saml data, analysér, visualisér og del insights.

Det kan hurtigt skabe synlige resultater og involvering blandt både marketingfolk og datafolk. Og når først både marketing og IT begynder at se den værdi, et samarbejde kan skabe for virksomheden, er jorden gødet til for alvor at tage fat og mere systematisk kortlægge de muligheder for værdiskabelse, der er med ”Big Data Analytics”.

Jacob Sørensen er Customer Analytics Lead hos Accenture Management Consulting i Danmark.

Kommentarer