Goodbye marketing & hello big data

Mythische vormen

Big data is niets zonder de toevoeging dat we vanuit die big data informatie kunnen winnen die we voor allerlei analytische toepassingen kunnen gebruiken. Even over de feiten van big data. We creëren met z’n allen 2.200 Peta bytes aan data elke dag. Als we Gartner mogen geloven en hun visie op the internet of things, waarbij alle producten boven de 100 dollar een sensor bezitten die informatie met het internet deelt, dan zal deze hoeveelheid hoogstwaarschijnlijk verdubbelen.

‘Personilized treatment’

Wie gaan er van big data profiteren; natuurlijk de wetenschappers met mogelijke doorbraken op allerlei gebieden; maar ook de gezondheidszorg door het ontwikkelen van volledig ‘personilized treatment’; evenals de voedselproductie en het milieu. Maar ook organisaties die met behulp van analyses uit de big data hun business modellen aanpassen voor bijvoorbeeld meer efficiëntie.

Data analyse

Als we kijken naar de toeleveranciers dan zijn dat de storageleveranciers die de opslagcapaciteit leveren evenals de High Performance Computing leveranciers die de benodigde systeem power kunnen leveren om al die data zeer snel te analyseren. Tot slot de software bedrijven die de algoritmes maken voor analyses die data omzet in relevante informatie.

In het boek “De big data revolutie” van Mayer-Schönberger worden een aantal aansprekende voorbeelden van de mogelijkheden met big data beschreven.

Informatieanalyse

Maar eerst wordt in het boek het principe van steekproeven en extrapolatie onder de loep genomen. Men laat zien dat een dergelijke manier van onderzoek met de huidige informatieanalyse en big data in bepaalde gevallen volledig achterhaald is.

Als je nu bijvoorbeeld wilt zien wat verleden week het best bekeken programma was op tv dan kan je deze specifieke informatie 100% meten. Met de digitale tv is die informatie beschikbaar in de kastjes van de providers, in het analoge tijdperk werd een selecte groep van mensen gebeld en de uitkomsten van die onderzoeken geëxtrapoleerd op basis van modellen.

Een ander voorbeeld is het voorspellen van een griepepidemie op basis van zoekcriteria in Google. Daarbij dan niet het voor de hand liggende zoeken op anti-griepmiddelen maar algemene zoekcriteria bekijken ten tijde van een griepexplosie in een bepaalde stad. Door het gebruik van geavanceerde wiskundige technieken en correlaties met deze zoekcriteria kan men voorspellen tot bijna op het uur nauwkeurig waar en in welke stad de volgende griepexplosie zal losbarsten.

Marketingprincipes

Maar het meest interessante is toch de conclusie die je zou kunnen trekken dat bepaalde marketingprincipes en onderzoeken volledig genegeerd kunnen worden. De uitkomsten zijn belangrijk als gegeven en minder de verklaring waarom de uitkomsten zijn zoals ze zijn.

Prijs voorspelling

Een voorbeeld van dit gegeven gaat over Oren Ettzioni, een vooraanstaande informaticus, die bewust op het laatste moment een vlucht van Seattle naar LA reserveerde om zodoende verzekerd te zijn van de laagste stoel prijs. In het vliegtuig echter bleek dat hij niet de laagste prijs had. Hij wilde met behulp van big data analyses kijken of het mogelijk was te voorspellen, of een stoel prijs zou dalen of stijgen. Hij besloot alle ticket verkopen op een bepaalde route te analyseren en te onderzoeken en combineerde dat met een bestaande reserveringsdatabase en creëerde zo een voorspellingsmodel. Op basis van die informatie kon het systeem voorspellingen over de prijs doen aan de hand van gegevens over alle stoelen op alle vluchten voor het merendeel van de routes in de US.

We hoeven dus kennelijk niet te begrijpen welke ingewikkelde marketingtactieken luchtvaartmaatschappijen gebruiken om de prijzen van hun tickets bepalen. In plaats daarvan kijken we gewoon naar de uitkomsten van het onderzoek.

Betekent dit het einde van marketingtheorieën, ik denk het niet maar het wordt wel tijd om het in een nieuw perspectief te zien.