Che differenza c’è tra Thick Data e Big Data?
Può essere difficile prendere decisioni, soprattutto di fronte a delle ambiguità.
Ciononostante, i decision-makers aziendali affrontano quotidianamente decisioni vitali, alcune delle quali hanno un impatto significativo sui consumatori.
Di conseguenza, desidereranno naturalmente prendere le migliori decisioni possibili.
Tuttavia, spesso è necessario che facciano previsioni quasi impossibili sul futuro affinché questo avvenga.
I decision-makers potrebbero non essere pienamente in grado di predire il futuro utilizzando una combinazione di Big Data e Thick Data, ma ci possono andare vicini.
Potrebbe anche interessarti: 5 modi per aumentare l’impatto dei Big Data sul Business
Cosa sono i Thick Data?
I Thick Data, per spiegarli a livello elementare, sono informazioni qualitative – come sentimenti, osservazioni e reazioni – che offrono approfondimenti sulla vita emotiva quotidiana dei consumatori.
Un esempio per raccoglierli è svolgere delle interviste da remoto a diversi nostri utenti, registrandone il dialogo tramite webcam e microfono utilizzando la metodologia di ricerca etnografica.
I Thick Data sono difficili da quantificare poiché cercano di scoprire le emozioni, le storie e le rappresentazioni delle persone legate all’ambiente in cui vivono.
Sono malleabili e vengono raccolti solo in piccole quantità, ma ciò non li rende né irrilevanti né insignificanti.
Al contrario, i Thick Data possono offrirci una prospettiva mai vista prima, e cioè quella legata alle storie cariche di significato che possono influire sulle decisioni aziendali ed aumentare l’empatia con il cliente.
Di conseguenza, se combinati con i Big Data, possono fornirci un quadro più completo dei desideri, delle necessità e delle preferenze dei consumatori.
Ma prima di entrare nel merito, definiamo i Big Data.
Potrebbe anche interessarti: Big Data: perché sono importanti per le Vendite B2B
Cosa sono i Big Data?
Per diverse ragioni, i Big Data sono l’esatto opposto dei Thick Data.
Il fatto che siano di natura quantitativa – ovvero che funzionino con numeri e cifre – è evidente.
I Big Data si distinguono per il fatto che vengono raccolti su una scala così vasta e continuano ad aumentare in modo così esponenziale nel tempo che la maggior parte degli elaboratori non è in grado di raccoglierli, archiviarli ed analizzarli.
Non per niente, c’è un’intera industria da 138,9 miliardi di dollari dedicata ad essi.
Poiché i Big Data vengono raccolti in quantità così grandi, diventano difficili da analizzare: devono essere normalizzati, standardizzati, definiti, aggregati e così via.
Tuttavia, una volta fatto tutto ciò, i Data Scientists possono isolare i trend e fare previsioni concentrandosi su determinate caratteristiche in una grande quantità di dati.
Tutto ciò è fantastico, ma ha un grande difetto: i Big Data sono privi di contesto ed emozione.
Fornendo il contesto cruciale ed il sentimento che viene sprecato quando si utilizzano, i Thick Data possono colmare le lacune nei movimenti rivelati dai Big Data.
Potrebbe anche interessarti: Le migliori tecniche di Business Intelligence per semplificare l’Elaborazione Dati
Perché ai Big Data servono i Thick Data?
Utilizzare solo l’uno o l’altro equivale a spegnere uno dei nostri 5 sensi.
Ognuno di essi è importante in sé e per sé, fornendoci consapevolezza del mondo che ci circonda, ma è quando lavorano assieme che possono darci una visione completa di qualsiasi scenario.
Lo stesso si può dire dei dati.
Le aziende possono mostrare le esigenze dei clienti in maniera più completa unendo Thick Data e Big Data.
Questo perché dagli uni e dagli altri scaturiscono diverse tipologie di informazioni che si completano a vicenda.
I Big Data, come affermato in precedenza, utilizzano grandi volumi di dati provenienti da milioni di punti dati dei clienti per identificare modelli su larga scala, mentre i Thick Data utilizzano selezioni di clienti più piccole per rivelare trend human-centered – cioè “incentrata sull’uomo” – in modo più approfondito.
In altre parole, i Thick Data tentano di incoraggiare la compassione e la comprensione degli esseri umani tra i punti dati, mentre i Big Data identificano i pattern separando i fattori.
Potrebbe anche interessarti: Data Management: cos’è e quali vantaggi può portare in Azienda
Qual è il posto dei Thick Data?
Molte aziende dichiarano che i clienti sono al centro delle loro operazioni, ma quante guardano effettivamente alle informazioni su di essi?
E se anche lo facessero, in che misura i loro dati rifletteranno i sentimenti, le motivazioni sociali ed emotive e le aspirazioni autentiche dei consumatori?
Per ordinare, organizzare e diffondere le informazioni, i Big Data devono essere normalizzati, standardizzati e definiti con caratteristiche ed ipotesi specifiche.
La fattibilità dei loro modelli dipende da ipotesi specifiche.
Se le ipotesi fondamentali non sono corrette, l’intero risultato potrebbe non esserlo ugualmente.
I Thick Data possono aiutarci a mitigare questo rischio.
Mentre i Big Data si basano sul Machine Learning, i Thick Data si basano sul contesto sociale delle interconnessioni dei punti dati.
Vanno oltre i Big Data spiegando come le persone vivono la loro vita quotidiana e perché hanno gusti particolari.
Ciò riduce la quantità di ammortamento che i dati subiscono prima che possano essere utilizzati per l’analisi.
Le spese per una ricerca human-centered vengono tagliate mentre le aziende continuano ad investire nelle tecnologie di Big Data.
È invece fondamentale che prestino molta attenzione alla ricerca etnografica per rimanere al passo con i cambiamenti delle abitudini dei clienti e le variazioni reciproche.
Potrebbe anche interessarti: Come diventare un’Azienda Data Driven
Un atto di bilanciamento
Le nostre spese per i Big Data saranno inutili se finiremo per ottenere le risposte corrette alle domande sbagliate.
È qui che i Thick Data possono aiutarci a ripristinare l’equilibrio.
Guardare oggetti non quantificabili può aiutarci a formulare le domande corrette e guardare oltre i numeri.
Fiducia, vulnerabilità, panico, avidità, desiderio, sicurezza ed altri aspetti sociali, emotivi e culturali possono essere utilizzati per ottenere una migliore comprensione dei consumatori.
Per concludere, le aziende non dovrebbero essere sopraffatte dai Big Data e dovrebbero invece adottare misure sistematiche e convincenti verso di essi.
Devono rendersi conto che i numeri da soli non catturano le emozioni e le esperienze che i consumatori vivono nella loro vita quotidiana e che i dati etnografici sono essenziali per comprendere gli aspetti psicologici che influenzano i numeri.
