در صورتی که شرکت‌ها از اصول و قواعد خاصی تبعیت کنند، وجود داده‌های بزرگ(Big Data) می‌تواند ایجاد مزیت رقابتی نماید.

الفبای تجزیه و تحلیل اطلاعات شرکت‌ها


داده‌های بزرگ عبارت است از: اطلاعات قابل‌اندازه‌گیری در مقیاس بسیار زیاد که بیشتر توسط رفتار مردم در اینترنت یا رسانه‌های اجتماعی ایجاد می‌شود. امروزه وجود این اطلاعات ذهن شرکت‌ها، دانشگاه‌ها و رسانه‌ها را مشغول کرده است و مدیران به ایده‌هایی که به‌واسطه بررسی جزئیات رفتار مشتریان شان از الگوهای خرید آنها و از طریق داده‌های بزرگ به‌دست می‌آید، علاقه‌مند هستند. این ایده‌ها مشخص می‌کنند که مشتریان چه چیزی دوست دارند.
این نوید وجود دارد که تحلیل اطلاعات اینترنتی تا حدود نسبتا زیادی در کامپیوترها جمع‌آوری شده و علاوه بر آن مرتب، فیلتر و مدل شده است.
بدون شک، داده‌های بزرگ تغییر دهنده بازی بازاریابان خواهد بود، اما بعضی از آنها می‌توانند از مزایای وجود این اطلاعات نسبت به دیگران بهره بیشتری ببرند. امروزه به علت وجود تجهیزات خودکار استخراج داده‌ها، بسیاری از مدیران فکر می‌کنند که به راحتی قادر خواهند بود تا مسیرهای حرکتی را که قبلا غیر قابل‌تشخیص بوده‌اند، آشکار سازند، اما تحلیل اطلاعات دردسر بیشتری از صرف دانستن داده‌ها دارد.
اتخاذ تصمیمات درست مستلزم آن است که تحلیلگران زبده، پرسش‌های درستی را مطرح نمایند. تحلیل اطلاعات نباید با پرسش «چه چیز» (What) متوقف شود، بلکه باید به‌دنبال چرایی یک پدیده باشد. شرکت‌ها برای پاسخ به این سوالات و بهره‌گیری کامل از پتانسیل اطلاعات موجود باید از ابتدا شروع کنند و سیر تکاملی تجزیه و تحلیل بازار در 25 سال گذشته را نظاره کنند. من هرگاه در هسته مرکزی یک برنامه تحلیل قوی قرار گرفته‌ام سه نکته کاربردی مهم آموخته‌ام: رویکردی تئوری محور اتخاذ کنید و از تجزیه و تحلیل کورکورانه اطلاعات بپرهیزید، برای به‌دست آوردن یک دید کلی از مشتریانتان و بازارها تلاش کنید، در عمل یاد بگیرید.

با یک تئوری آغاز کنید
بدون وجود یک تئوری درباره چگونگی شکل‌گیری ارجحیت‌ها و اولویت‌های مصرف‌کنندگان و عملکرد آنها، یک تحلیلگر به سرعت در انبوه اطلاعات موجود گم می‌شود و دیگر تمام قدرت پردازش موجود در جهان نیز به او کمکی نخواهد کرد. باید شروع کار با یک فرضیه صریح و روشن درباره نیاز مشتریان و چگونگی خلق ارزش برای آنها باشد، این می‌تواند یک محصول جدید در آزمایشگاه باشد که شما فکر می‌کنید پتانسیل تبدیل شدن به یک محصول موفق را دارد یا ممکن است گروهی از مشتریان در بازار باشند که به هیچ تامین‌کننده خاصی وفادار نیستند و در واقع خریداران مرددی هستند که شما می‌توانید با ایجاد اندکی تغییرات آنها را جذب کنید. در این زمان شما اطلاعاتی برای تست فرضیه خود جمع‌آوری می‌کنید و تحلیل آنها برای شما به ایده‌هایی جهت گسترش عرضه ارزش خلق شده و آوردن مشتریان به بازار شما منجر خواهد شد. تقسیم‌بندی مشتریان شما و مشتریان احتمالی شما بر اساس رفتارهای مشابه یا اولویت‌های آنها می‌تواند منجر به استراتژی‌های موثری برای دستیابی به این مشتریان شود.
به طور مثال، یک شرکت داروسازی تلاش می‌کند تا فروش دارویی را که کم بود، افزایش دهد. آنها ابتدا برای این کار بسیاری از کارکنان فروش را از کار برکنار کردند، این تصمیم می‌توانست باعث آرایش استراتژیک‌تر نیروهای باقی‌مانده در واحد فروش شود. فرضیه رهبران شرکت این بود که برنامه فروش فعلی، به طور موثری پزشکانی را که برای درمان بیماری، این دارو را تجویز می‌کنند، هدف قرار نداده است.
برای آزمایش این فرضیه، شرکت مجموعه بزرگی از اطلاعات مربوط به پزشکانی را که از این دارو برای درمان بیماری استفاده می‌کنند، جمع‌آوری کرد- چه تعداد نسخه هر ساله توسط این پزشکان نوشته می‌شود؟ تعداد نسخه‌های آنها افزایش می‌یابد یا کاهش؟ و پزشک به ترکیب دارویی کدام شرکت سازنده این دارو وفادار است (این شرکت یا رقبا)- این اطلاعات باعث شد تا این شرکت اطلاعات جالبی را در بازار شناسایی کند: پزشکانی که در تعداد زیادی از نسخه‌هایشان این دارو را تجویز می‌کردند، تعداد نسخ نوشته شده توسط کدام پزشکان در هر سال افزایش داشته است و پزشکانی را که به فرمولاسیون سازندگان این دارو وفادار نبودند و سازندگان دیگر را قبول داشتند. تیم فروش به سرعت و یکراست به سراغ استفاده از این فرصت رفت و نتایجی فراتر از انتظارشان به‌دست آمد.

درک تجربه مشتری
یکی از درس‌های کلیدی تاریخ علم بازاریابی زمانی است که یک منبع اطلاعاتی جدید در دسترس قرار می‌گیرد و هر کسی به سرعت شیفته آن می‌شود، اما شرکت‌های هوشمند یک گام به عقب می‌روند و برای به‌دست آوردن یک دید کلی از مشتریان شان و بازار تلاش می‌کنند. آنها با اشتیاق و بدون چشم پوشی یا کوچک انگاشتن اطلاعات دیگری که ممکن است زوایای دیگری از تحلیل را روشن سازد به کاوش و بررسی منبع اطلاعاتی جدید می‌پردازند.
به یاد داشته باشید که این اولین باری نیست که یک انقلاب اطلاعاتی، بازی را برای بازاریابان تغییر داده است. گذارهای قبلی نیز همیشه هموار و آرام نبوده‌اند.
در اواسط دهه 1980 معرفی دستگاه بارکد اسکنر، شرکت‌ها را موفق به جمع‌آوری و ثبت اطلاعات در زمان خروج کالا از فروشگاه‌ها گرداند که تا قبل از آن، اطلاعات آنها محدود بود. شرکت‌ها می‌دانستند که چه چیزهایی را ارسال و حمل کرده‌اند و می‌توانستند آمار فروش خود را با ثبت اطلاعات به دست آورند، اما با ظهور اسکنرها آنها می‌توانستند مشاهده کنند که واقعا چه اتفاقی در پایانه‌های فروش رخ‌داده است. در نخستین سال‌های ظهور این تکنولوژی، داده‌های جدید به‌دست آمده باعث چند حرکت اشتباه شد.
مدیران بیش از حد بر سیاست‌های قیمتی تمرکز کردند و از اصول بازاریابی مثل مالکیت برند و برند‌سازی غفلت ورزیدند. هر چند که شرکت‌ها مد‌ل‌های آماری پیچیده‌تری را توسعه دادند و انرژیشان را بر آن متمرکز کردند و اسکنرها به مهم‌ترین وسیله برای بازاریابی مصرف‌کننده و خرده‌فروشی در 30 سال گذشته تبدیل شدند.
امروزه دانش مربوط به بخش فروش توسعه یافته است و شامل اطلاعات مشتریان وفادار و ایجاد کارت‌های تسهیلات ویژه برای آنها می‌شود و برای خرده‌فروشان بینشی درباره رفتارهای خرید خانوار‌ها و اینکه چه چیزهایی را در سبد خرید شان قرار می‌دهند، فراهم می‌کند.
همانند اشتباهات بازاریابی رخ‌داده در سال‌های ابتدایی تکنولوژی بارکد، تحلیل جدیدترین منبع داده‌های بزرگ نیز می‌تواند منجر به اشتباهاتی شود. بسیاری از خرده‌فروشان می‌گویند: «من همه چیز را درباره اینکه چه چیزی در قفسه‌هایم موجود است و خریده می‌شود می‌دانم. من درباره مشتریانم که کارت‌های تسهیلات ویژه دارند، اطلاعات زیادی دارم؛ اما وقتی که ما کالاهای بیشتری شبیه به چیزهایی که آنها در حال حاضر خریداری می‌کنند در قفسه‌ها قرار می‌دهیم، آنگاه شاهد رشدی که توقع داریم، نیستیم.»
از چه چیزی غفلت می‌شود؟ احتمالا با تمرکز بر جدیدترین منبع داده‌های موجود، خرده‌فروشان به‌طور ندانسته، دیدشان از مشتریانشان را به صورت تک بعدی گسترش می‌دهند. به هر حال، آنچه که او نیاز دارد گسترده‌ترین نگاه ممکن به مسیر خرید یک مشتری است. ما گاهی این دورنما را «یک روز در زندگی» می‌نامیم که بدان معناست که درک کامل چگونگی تعامل شما با یک مشتری با تعاملات دیگر او با خرده‌فروشان دیگر، کسب‌و‌کارهای دیگر، کانال‌های خرید یا فعالیت‌ها تطابق دارد. رشد شما، بدون وجود این بینش که چه چیزی مشتری را به رفتن به جای دیگری به جای شما بر می‌انگیزد، غیرقابل‌پیش‌بینی خواهد بود.

راه رفتن را بیاموزید
اغلب نخستین گام‌هایی که برای به‌دست آوردن، هماهنگ کردن و کاوش منبع داده‌های جدید برمی‌دارید، منجر به به‌وجود آمدن بینش‌های جدیدی خواهند شد. همانطور که شما این بینش را کسب می‌کنید، مهم است تا از مواجهه با رویکردهای جدید و به چالش کشیدن تابوها نیز استقبال کنید.
شما ممکن است چیزهایی درباره مشتریانتان یاد بگیرید که سبب شود، محصولات، خدمات یا استراتژی‌های قطعی را مورد تردید قرار دهید که می‌تواند باعث ایجاد مخالفت دیگران شود. من معمولا پیشنهاد می‌کنم که شرکت‌ها به‌جای اینکه کاملا و به یکباره به سمت تجزیه و تحلیل بروند، ابتدا یک یا چند طرح نمونه (Pilot) را اجرا کنند. این موضوع برای آنها مفید است زیرا به این ترتیب پیش از دویدن، راه رفتن را فرا می‌گیرند. آنها می‌توانند یک محصول، یک محدوده جغرافیایی و یک مساله را که می‌خواهند بر آن تمرکز کنند، انتخاب کنند و به خودشان ثابت کنند که بازگشت هزینه، تلاش و مسوولیت را توجیه خواهد کرد.
برای مثال یک شرکت انرژی جهانی تصمیم گرفت تا برای پاسخ کمی و بهبود بازگشت سرمایه بازاریابی، از مدل‌های پیشرفته تحلیل استفاده کند. مدیران ارشد، دو واحد کسب‌و‌کار را در سه کشور برای اجرای طرح اولیه انتخاب کردند. چارچوب مفهومی و اهداف تمامی پروژه‌ها یکسان بودند، اما عملکرد جایگاه‌های فروش سوخت در اروپا و فروش روغن موتور در آسیا نیازمند مجموعه اطلاعات متفاوت و ابزارهای تحلیل متفاوتی بودند. این تنوع آنها را قادر ساخت تا از تجربیاتی با گستره وسیع‌تری از رویکردهای ممکن بهره جویند و تعیین کنند که کدام رویکرد باید در کجا مورد استفاده قرار گیرد. به‌علاوه، آنها داستان‌های موفقیت‌شان را با سایر واحدهای کسب‌و‌کار و کشورهای دیگر تقسیم کردند تا اشتیاق لازم برای ابتکار عمل به‌وجود آید. نتایج به‌دست آمده هنوز هم یکی از برنامه‌های پیچیده کاربردی است که سرانجام برای عموم ارائه شد، پذیرفته شد و در سراسر جهان مورد استفاده قرار گرفت.

به آغاز بازگردید
بسیاری از مدیران به استفاده از داده‌های بزرگ موجود علاقه‌مند هستند، اما تجربه کمی در مورد آخرین تکنیک‌ها و ابزارهای تحلیل دارند. معمولا درست در آغاز کار می‌پرسند که این کار چقدر هزینه دارد؟ و پاسخی که من وسوسه می‌شوم تا به آنها بدهم این است که «هزینه اتخاذ یک تصمیم نادرست چقدر است؟ هزینه عکس‌العمل کند شرکت کداک نسبت به ظهور تکنولوژی عکاسی دیجیتال چقدر بود؟» اما پاسخ محافظه کارانه من به آنها این است که تجزیه و تحلیل در آغاز به سرمایه گذاری زیاد برای جمع‌آوری و هماهنگ‌سازی اطلاعات نیاز دارد، علاوه بر آن شرکت، به متخصصانی نیاز دارد که برای انجام کارهایی جهت یافتن الگوهای پنهان، تفسیر آنها و تبدیل آنها به بینشی که شرکت بتواند از آن استفاده کند آموزش داده شوند.
اما همانطور که این سه درس اساسی نشان می‌دهد، تحلیل داده‌های بزرگ می‌تواند یک فرآیند قابل‌مدیریت با پتانسیل برگرداندن پاداش‌هایی قابل‌توجه باشد. در حقیقت این تجربه من است که وقتی یک شرکت شروع به سرمایه‌گذاری در تحلیل می‌کند، دیگر هیچ گاه متوقف نمی‌شود و آنچه که آنها در بهبود کسب‌و‌کارشان فرا می‌گیرند بیش از آن چیزی است که پرداخت می‌کنند. تحلیل یک روش سرمایه‌گذاری با بازده مناسب است که به بهبود جایگاه شرکت‌ها در بازار می‌انجامد.