Kis data kis gond – big data nagy gond?

A digitálizáció előretörésével az életünk egészen apró, hétköznapi momentumai is követhető nyomot hagynak maguk után a virtuális térben. Nem akarjuk megijeszteni az olvasót, de egyes becslések szerint naponta közel 2,5 exabyte adat termelődik világszerte, így a Föld egy lakójára napi 318 megabyte digitális lábnyom jut. Vigasztalódhatunk azzal, hogy ha már egyszer a nyomok megszülettek, csak egy jó detektív kell a megértésükhöz.

Mára szinte közhely, hogy az egyre növekvő adatcunami vállalatunk szempontjából releváns adatainak leválogatása, tárolása és elemzése elengedhetetlen az üzleti sikerhez – ez vezetett a Big Data meglehetősen gyors előretöréséhez. Mégis mit jelent ez ma vállalatok számára? Ha adattrilliárdok segítik megérteni, hogy a vásárlók, a felhasználók mikor és hogyan találkoznak a márkánkkal, van-e még szükség megkérdezés és mintavétel alapú piackutatásra? Lecserélhetjük-e az adatfelvételi költség nélkül generálódó, házon belül elérhető, folyamatosan frissülő, sokrétű adatbányákra és azok bányászaira az emberi véleményre és beszámolókra építő megkérdezést, dobhatjuk-e a piackutatóinkat, ejthetjük-e a piackutatási partnereinket? Vagy elég jó detektív önmagában is a Big Data?

Nem mind arany, ami fénylik

A kávézó pultjánál három, harmincas évei elején járó nő. Klára, kicsit még mindig kényelmetlenül elegánsan, eszpresszója mellé egy café lattét is elvisz. Ma kezdődik a második hete a ruhaszalonban, új főnöknőjének kedveskedne. A szalon nem kimondottan kiegyensúlyozott vezetője határozottan későn kelő, nem nyit ki tíz előtt. Kész szerencse, így Klára még reggel, munka előtt elintézheti az ügyeit. Ma beugrott a gyógyszertárba – valahogy szűnni nem akaró fejfájása van, mióta munkába állt –, és a postán befizette TV számláját, az egyetlen csekket, aminél nem tudja megszokni az internetes fizetést. Most itt áll a pultnál, és miközben már megszokásból Paypassol, a délutánon járnak a gondolatai. Elhatározta, hogy nem engedi át magán az új főnöknő stresszét, és jógára cseréli a heti kétszeri kick boxot. Gondolataiba merülve kifelé majdnem elsodorja Juditot, de egy mosolyváltáson kívül – évek óta ide járnak – épp csak annyi történik, hogy Klára észhez tér, órájára néz, és sietősebbre veszi lépteit. A szalonhoz vezető úton megérzi kedvenc, hetek óta kifogyott parfümje illatát, be is lép a nyitott ajtajú illatszerboltba, de hirtelen meglátja magát kívülről, a kávékkal a kezében, és ki is fordul az üzletből.
Judit mosolyog a szélvészlányon, kicsit irigykedik is rá, észrevette, hogy mostanában olyan csinosan öltözik. Ő futós-szaladósban, éppen csak beért tíz perccel nyolc előtt az elsőssel, előtte bedobta a háromévest az óvodába, jó lesz, ha kicsit kapkodja magát, megígérte a nagymamájának, hogy még kilencig odaér. A hét első felében ő jár hozzá, és az ügyes-bajos intézendők is az övék. Már csak a csekket kell befizetnie – el nem tudja képzelni, a Nagyi miért nem engedi még mindig átutalni – és a gyógyszertárba is be kell ugrani, mert a gyerekek gyógyszertári listájára elfelejtette felírni a nagymama fájdalomcsillapítóját, pedig olyan jól kitalálta, hogy ezt az utat megspórolja neki a férje. Ez a reggeli negyedóra, várakozással együtt, amit a kávézóban tölt, ez az ő ideje, ilyenkor senkinek nem kell az igényeire figyelnie, és úgy ihatja egy plusz eszpresszóval a lattéját, ahogy csak akarja. Letelik a negyedóra, nagy levegő, indulás. Még egy utolsó kísértés a parfümériánál, régóta szeretne magára valami figyelemfelkeltő újdonságot, van még arra pár perc. Amint betér, rájön, hogy ebben a hónapban új célra gyűjt, nem költekezhet, az új jógakurzus árát valahogy ki kell szorítania a családi költségvetésből.
Emma fehér köpenyében irtó rosszul érzi magát, robot módjára kér egy kávét, a gondolatai végig az előző este körül forognak. Bosszantó, a készpénzét az ehavi utolsó csekkre tette félre egy borítékban. Kifizeti a sorban mögötte álló új kolleganője eszpresszóját is, hogy legyen értelme kártyával fizetni, de aztán otthagyja, nincs kedve most beszélgetni. Zaklatott, nem akarja elhinni, hogy tényleg szakított vele, és tényleg azért a nőért… Csak kiugrott a kórházból, muszáj volt eljönnie, de a műszakja még sokára ér véget. Visszafelé majd bemegy fejfájás csillapítóért a gyógyszertárba, ő sosem vesz ki a kórháziból, elvből sem, de tőle aztán ne is kérdezősködjenek. A papírpohárral a kezében sétál vissza, lesújtva bámészkodik, és az illatfelhőben meglátja a férfit – ne már, tényleg idejön parfümöt venni neki?! Beront, de még mielőtt észrevennék, ki is fordul az üzletből. Na, most már bőven lesz mit mesélnie a barátnőjének jógán délután! Csak szedje össze addig magát…

Klára, Judit, Emma: azonos korú, városi nők. A történetükben ejtett digitális lábnyomaik teljesen azonosak: Paypassal fizetett latte és eszpresszó reggel 8 és 9 között, egy doboz fájdalomcsillapító a patikában, egy tévészámla csekken a postán, egy vásárlás nélküli belépés a parfümériában, egy délutáni időszakban kifizetett jógaóra. Az adatok ugyanazok lesznek mindhárom esetben, a Big Data eszközei mindhárom vásárló, felhasználó tevékenységét egyformának rögzíti. Sőt, egyformának is láttatja, hiszen az eltérő élethelyzetek és motivációk mögé nem lát. Még akkor sem, ha ügyfélazonosítóval összekötve megmutatja, hogy Klára csak két hete vesz két kávét, hogy most vált jógára a kick boxról, de hogy miért teszi ezeket, ahhoz nem ad támpontot. Ezekről az átlagos napokról kevés olyan poszt, fórumbejegyzés születne, ami segítene megérteni a miérteket az adathalmazok mögött. Pedig igazán nem mindegy, hogy meg tudja-e a tartani a duplakávé vásárlást a kávézó, mint ahogy nem elhanyagolható a kick box edző számára sem, hogy tudja, Kláráit edzésformája stresszlevezető hatásával lehetne meggyőzni a folytatásról. Nem lényegtelen egy telekommunikációs szolgáltatónak, hogy valaki azért fizeti számláját még mindig csekken, mert a Nagyi akkor érzi magát biztonságban, ha nála az igazolószelvény, vagy azért, mert olyan elvetemülten kellemetlen vásárlói élményt ad a szolgáltató honlapja. Egyáltalán nem mindegy, hogy az árak, a rosszul szerkesztett illatok miatt fordulnak ki a parfümériából a fiatal nők vagy szimplán azért, mert a magánéletük elsodorja őket (és nincs egy megfogó marketing eszköz a bejáratnál, amivel ezt arra a vásárlásra elfelejthetik).

Nincs az a szolgáltató, amely számára önmagában üdvözítő a tények, a vásárlói, felhasználói cselekvés akár tömeges ismerete. A vásárlói és ügyfélélmény megértése elengedhetetlen az ügyfelek megtartásához és az új vásárlók eléréshez. Márpedig a Big Data ehhez önmagában félkarú óriás. Elmondja, mit tettek az ügyfelek, de azt, hogy miért tették, már önmagában nem tudja megválaszolni.

Veni, Vidi, Vici… és a Big Data nagy V-i

A Big Data jött, viszonylag gyorsan és dinamikusan, látott, és sok mindent láttat, de még korántsem győzött. Az üzleti életben adatboomról beszélnek, az üzleti analitikára költött összegek az előrejelzések szerint továbbra is dinamikusan nőnek. Ezzel együtt a Big Data gyakorlati alkalmazása még korántsem általános. Világszinten is csak a vállalatok kevesebb, mint fele számol be arról, hogy az elmúlt egy évben élt az adatbányászat eszközeivel, és ez hazai viszonylatban sincs másképp.

A Big Data saját magát mindenesetre a győzelem jelével kezdődő kifejezésekkel definiálja. Kezdetben három nagy V-je volt, ezek mellé a Big Data útkeresése nyomán egyre több új V betűs szó társul.
A Volume adja magát, és sokszor Big Data-ként definiálódik az, ahol a rendelkezésre álló adathalmaz kifejezetten nagyméretű. A kérdés persze legtöbbször az: mennyire nagy a nagy? A survey alapú, akár nagymintás megkérdezés adatait tartalmazó adatbázisok szokásosan alig foglalnak néhány tucat, legfeljebb néhány száz megabyte-ot. A Big Data esetében a Big általában minimum terrabyte-ban mérhető.

Azonban ez esetben sem csak a méret a lényeg, pontosabban az adatbázisok mérete mellett más kritériumnak is meg kell felelni, ha a Big Data elemzés címre hajtunk. A Variety, az adatbázisok változatossága az, ami a Big Data további sajátosságát adja. A szokványos adatbázisaink legtöbb esetben jól strukturáltak, az elemzési eszközeink is ehhez a strukturáltsághoz igazodnak. A digitális adatdömping azonban korántsem áll meg ennél, a Big Data kifejezésben a Data nem csupán táblázatokat, strukturált adatbázisokat jelenthet, megosztások, szöveges posztok, hozzászólások, video és hangfile-ok, feltöltött képek mind-mind hozzájárulhatnak a vásárlói viselkedés nyomonkövetéséhez.

Ráadásul a felgyorsult világunkban az adatok sem maradtak statikusak. Velocity – az adatok szinte felfoghatatlan sebességgel áramolnak és állnak rendelkezésre. A szenzorok szinte azonos időben teszik elérhetővé az adatokat, a közösségi hálók eseményei, az internetes tranzakciók részletei folyamatosan update-elik az adatbázisainkat. Amíg szokásosan egy-egy statikus, keresztmetszeti képet vizsgáltunk, ráadásul minderre elég sok időnk volt a következő keresztmetszeti adatbázis megérkezéséig, a Big Data lehetőséget teremt és értelmet is ad az akár naponkénti vagy akár folytonos adatelemzésnek.

Sokrétűsége mellett, a Volume, Variety, Velocity kevésnek bizonyult a felhasználók számára. Az adatok gigantikus mennyiségben áradnak, sokféle formában és észbontó sebességgel, gyűjtésük, tárolásuk, grafikus ábrázolásuk is megoldott, értelmezésükön egyre több adattudós dolgozik. Az üzleti döntéshozóknak mégis hiányérzetük volt, aggódtak az adatok megbízhatóságán és pontosságán, így került az igazságtartalom és relevancia kiemelt elvárássá az adatbányászattal szemben is, így került a Veracity a Big Data nagy V-s fémjelzői közé.

A hiányzó láncszem

A Big Data viselkedést vizsgál, de legtöbbször nem, vagy csak nagyon korlátozottan keresi a miérteket a cselekvések mögött. Az ügyfelek hiányérzete azonban úgy tűnik, csak lassan szűnik, a Big Data jelenleg hiányzó V-jeként ma már a Value-t emlegetik. Értéket adni, értéket teremteni az adatboom korában. Hiába áll rendelkezésünkre adattenger, ha nem tudunk belőle üzleti értéket formálni. Márpedig önmagában a Big Data – mivel csak a viselkedést írja le, a motivációról nem ad képet, és az üzleti döntések legtöbbjéhez elengedhetetlen az ügyfélélmény megértése – önmagában nem a legjobb detektív. Összegyűjti a nyomokat, de az értelmezéshez továbbra is segítségre szorul, pedig a hozzáadott érték, a Big Data világából hiányolt Value éppen a miértek megértése lenne.

A segítség kézenfekvő: a klasszikus piackutatás továbbra is egyszerű és költséghatékony módszer a viselkedések mögött meghúzódó motivációk feltárására. Ha a technológia fejlődésétől megszédülve nem dobjuk el egy az egyben a járt utat, és a megkérdezés alapú piackutatás és a Big Data nem vetélytársak, hanem szövetségesek lesznek, annak igazi nyerteseivé éppen az ügyfélélményt megérteni vágyó üzleti döntéshozók válnak majd.