Hay pocas cosas más poliédricas que Big Data, cambia totalmente según desde dónde lo mires.
Si miramos a Big Data desde la V de variedad, es decir, de la posibilidad de integrar nuevas fuentes de datos, principalmente desestructurados, entonces Big Data tiene mucho que aprender de la investigación de mercados.
Big Data es -en parte- heredero del business intelligence y del data mining, cuya experiencia está en el manejo de los “datos duros” (siempre los hemos llamado así, al menos desde este lado del poliledro), operaciones, transacciones, importes, uso/ no uso de canales, frecuencia, cantidad, recurrencia, etc. Pero Big Data, con su V de Variedad, nos permite entrar a jugar con los “datos blandos”, incorporarlos en el proceso analítico del business intelligence o del data mining.
Y precisamente los que venimos del mundo de la investigación de mercados somos especialistas en trabajar con esos “otros datos”, con la información desestructurada en su forma y, lo que es más importante, en el fondo. El fondo de los datos blandos es que hablamos de emociones, actitudes, expectativas, necesidades… todo lo que está detrás y mueve a los datos duros.
Transformar los datos en conocimiento –además de un arte sólo al alcance de los data scientist y de los unicornios- no es sólo una cuestión de cálculos, estadísticas y algoritmos, también tiene que ver con la empatía, con saber qué hay detrás de los datos, qué están representando, ponerse en lugar de los clientes a partir de la información que facilitan para darle a los datos el valor que tienen. En ese ejercicio necesario, los que venimos de la investigación de mercados tenemos mucho que aportar.
Uno de los aspectos más críticos de este proceso de incorporar otras fuentes de datos (u otras visiones del cliente) al business analytics es identificar qué fuentes son útiles y qué pueden traslucir sobre los clientes o consumidores y cómo hacer ese ejercicio de transducción. Me explico, una cosa es decir “voy a escuchar qué dicen mis clientes en Twitter” y otra muy distinta es llegar a conocer -no lo que dicen de mi marca- sino sus actitudes, intereses, motivaciones, expectativas… a partir de ese ruido conversacional. Creo que este es el principal reto y aportación que tenemos en este momento desde la investigación de mercados hacia el Big Data –y particularmente desde la psicología (acabo de perder unos cuantos amigos con este matiz)-: identificar los patrones y modelos que permitan extraer de las redes sociales, de los movimientos por la web, del perfil digital de los clientes, cuales son las intenciones, motivaciones, actitudes… los “por qués”, que explican los “qués” que están en los “datos duros”.
Estamos en ello, seguiremos informando!
