Expertintervjun: Vad är Big Data och lite tips på hur komma igång

Michael Plim­soll är Adobes expert inom Big Data och per­son­alis­er­ing. För­ra veck­an var han i Sverige och vi tog tillfäl­let i akt och ställde lite frå­gor kring Big Data.

https://blogsimages.adobe.com/digitaleurope/files/2013/09/Mike-Plimsoll.jpg

Michael har mån­ga års erfaren­het av dig­i­tal mark­nads­föring och arbe­tar idag som indus­tri mar­ket­ing direc­tor inom Adobe. Tidi­gare var han ans­varig för att sät­ta upp och imple­mentera strate­gin för att opti­mera försäljnin­gen online på BskyB genom att arbe­ta med analys, kundin­sik­ter, attribuer­ing, mul­ti­kanalsseg­menter­ing, test­ning, per­son­alis­er­ing med mera. Tidare job­bade han som kun­dans­varig på Ogilvy och Won­der­man Inter­ac­tive med kon­ton som AMX, Microsoft, IBM och BT.

Vad är big data? Hur ser Adobe på big data och generellt?
Big data blir ibland mis­stolkat då ter­men ”Big Data” inte hand­lar bara om voly­men eller stor­leken på data. Forrester ger en bra sam­man­fat­tning som beskriv­er Big Data som ”tekniken eller teknolo­gi­er som gör att hanterin­gen av data i extrem skala blir prisvärd”. Vi pratar ock­så om de 5 V:na som ska­par Big Data – Volym (sum­man av data som ska proces­sas), Velocity/hastighet (hastigheten som datat är till­gäng­ligt och proces­sat i), Verac­i­ty (osäk­er­heten beroende på inkon­sekvent eller okom­plett data, för­dröjn­ing, etc), Vari­a­tion (alla oli­ka typer av data som finns till­gäng­li­ga) och Värde (de oli­ka nivåer­na av värde som oli­ka data står för). Det finns mån­ga oli­ka app­lika­tion­er för dessa attrib­ut, och där­för finns Big Data rep­re­sen­ter­at i allt från väder­prog­nos­ticer­ing, finan­siel­la bedrägerier och risk­analys för medicinutveckling.

Inom Adobe fokuser­ar vi på hur Big Data kan använ­das för att för­bät­tra kundup­plevelsen, och på så sätt lever­ara ett bät­tre värde och ROI för mark­nads­föraren. Vi fokuser­ar på Rätt Data och Smart Data. Vi försök­er iden­ti­fiera de mest värde­ful­la delar­na av data från mul­ti­pla käl­lor som när de kom­bin­eras, kan använ­das för att ge en ökad insikt av kun­der­nas beteende och agerande. Vi säk­er­ställer ock­så att data är till­gäng­lig i realtid, så vi har den mest opti­mala kund­bilden när den verk­li­gen hän­der, eller som vi väl­jer att kalla det, inom den sista millisekunden.

Det låter tekniskt, var­för pratar mark­nads­förare om Big Data?
Allt efter­som mark­nad­splat­tfor­mar väx­er, upp­står mer och mer data om kun­den. Analys­da­ta från webben, sociala medi­er, mobilt, video, CRM, call cen­ter, ePOS och andra 3e part data som email eller annonsvis­ning innebär att tillväx­ten av data är expo­nen­tal. När du inklud­er­ar tex en smart­phone eller andra upp­kop­plade enheter – tänk Nike+ Fuel band, dig­i­tal TV, etc – och andra uppgifter som sam­las från kun­der­na genom dagli­ga aktiviteter, blir tillväx­ten log­a­r­it­misk. Genom att sät­ta sam­man den­na data och utnyt­t­ja den på ett kor­rekt sätt, kan mark­nads­förare ska­pa en sann bild av sina kun­der och säk­er­stäl­la att de kom­mu­nicer­ar rätt bud­skap, till rätt per­son i rätt ögonblick. Men det stop­par inte där, utan med den­na insikt av kund­be­teende, så kan mark­nads­förare förstå den verk­li­ga påverkan som deras mark­nadsin­satser har. Vil­ka kanaler influer­ar varan­dra och vil­ka gör det ej? Predik­ti­va algo­rit­mer som kräver data kan ock­så lev­er­eras via Big Data för att bestäm­ma den opti­mala mediein­vesteringar, de rät­ta kund­seg­menten och rätt tid för kom­mu­nika­tion. I kor­thet, Big Data kan lev­er­eras av mark­nads­förare för att lev­er­era högre ROI genom en ökad förståelse av sina kunder.

Vi har mån­ga datakäl­lor, var bör­jar jag?
Det förs­ta steget är att sät­ta dina mål. Vad är det ni vill upp­nå? Från det­ta kan du förstå vilken data som är värde­full och vil­ka käl­lor av data som hjälper dig att nå dina upp­sat­ta mål. Hit­ta rätt data baser­at på dina mål!
Det andra steget är att förstå hur den­na data kan sam­manstäl­las på ett sätt att du/ni kan agera i rätt tid baser­at på era mål. Du behöver ock­så förstå hur du ska visu­alis­era datan och hur du vill iden­ti­fiera rel­e­van­ta KPI­er och nyck­eltal. Vil­ka mod­eller ska du använ­da och när ska du använ­da dem? Härifrån kan du upprepa och utveck­la din data genom att läg­ga till nya dat­a­para­me­trar när behovet finns. Försök aldrig att sam­manstäl­la all data på en gång utan några tydli­ga mål för då kom­mer ni inte att få ut svar på den enklaste frå­gan.

Kan du ge några exem­pel på resul­tat och förde­lar som vi kan få genom att arbe­ta med Big data?
Leno­vo är ett bra exem­pel där de har satt sam­man 6 oli­ka käl­lor av data – webb, efterköps­da­ta, CRM, call cen­ter, email och live chatt. Det­ta gav dem en kom­plett bild av deras kund­kanaler, vilket möjlig­gorde för dem att fokusera sina mark­nadsin­vesteringar för att nå ökad kon­ver­t­er­ing och kund­nöjd­het. Resul­tat­en talar för sig själ­va, med en 495 % ökning i klick vidare från land­ningssi­dan, 26 % ökning i intäk­ter genom ett rik­tat innehåll i utcheck­nin­gen samt en 12 gånger ROI-ökn­ing bara de förs­ta 6 månader­na.

Vi tackar Michael för dessa svar och häl­sar hon­om välkom­men till­ba­ka till Sverige senare i höst.

Se en kort film om Leno­vo här:

Lad­da ner For­resters rap­port kring hur du kan för­bät­tra din online test­ning här.