Martin Lindstrom, speaker al Business Trasformation Summit 2018, ci illustra le differenze tra Big Data e Small Data: in cosa consistono? A che esigenze rispondono? Perchè, in un certo senso, sono complementari?
L'esempio di LEGO
Negli anni '80, l'analisi dei Big Data suggeriva a LEGO una preferenza da parte dei bambini per giochi per lo più digitali e che richiedevano meno impegno da parte di chi li utilizzava. Quindi, LEGO ha reso i suoi mattoni più grandi e facili da manipolare. Con la conseguenza che le vendite sono crollate.
Un piccolissimo numero di Small Data – una ricerca etnografica svolta con un giovane skateboarder tedesco di 11 anni – ha rivelato a LEGO la direzione giusta da intraprendere, mostrando l’errore nel credere che i bambini ricercassero solo una gratificazione immediata. LEGO si è focalizzato nuovamente sul suo prodotto principale, ha ripristinato le dimensioni dei mattoni, ha creato soggetti più impegnativi da costruire e, in un decennio, ha superato Mattel diventando il più grande produttore di giocattoli al mondo.
La rivoluzione dei Small Data
Oggi, fortunatamente, stiamo rivoluzionando Internet attraverso l’analisi di insight umani, non digitali, basati quindi sui comportamenti inconsci delle persone. Stiamo riscoprendo il valore dei Small Data.
In ogni studio condotto grazie ai Big Data che porto ai dirigenti delle società, richiamo la loro attenzione su un elemento mancante: esistono specifici e dettagliati insight che possono davvero trasformare il marchio o l’attività? I Big Data sono utili per identificare “medie” generiche di comportamento, che spesso non mostrano le vere specificità e necessità di un’azienda.
Big Data vs. Small Data
Ad esempio, uno studio basato sui Big Data del Journal of Personality and Social Psychology, durato 10 anni e condotto su 250.000 persone, ha analizzato il consumo di musica, monitorando l'evoluzione delle preferenze durante l’arco della vita. La ricerca porta alla identificazione di categorie generiche basate su medie.
La mia ricerca sui Small Data potrebbe invece rivelare che una ragazza canadese di 16 anni non riconosce la sua identità nella musica tipicamente adolescenziale del momento. O che un inglese di 45 anni che ascolta John Coltrane e Chopin (visto che i Big Data dicono che “mediamente" un uomo con quelle caratteristiche li ascolta) in realtà si sente ribelle ed energico come un adolescente e ascolta quindi generi più "aggressivi". Ma ciò non si potrà mai sapere, fino a quando non ci si siede di fronte a queste persone nei loro salotti.
Gli studi sui Big Data mostrano che i ciclisti sono mediamenterilassati e calmi, i corridori tendono ad essere estroversi e i nuotatori sono caritatevoli e ordinati. Inoltre, le persone con molti amici su Facebook tendono ad avere un'autostima inferiore alla media. I Big Data possono rivelare questi megatrend, ma ci vogliono anche i Small Data per comprendere cosa di quello che è emerso è applicabile o meno.
Un modello di analisi dei Big Data, per esempio, ha mostrato un alto livello di abbandono tra i clienti di una banca, suggerendo che fosse necessario un intervento immediato. La banca ha iniziato a redigere lettere chiedendo ai clienti di riconsiderare la loro adesione; ma poi, applicando una analisi di Small Data, ho scoperto che l’abbandono identificato dai Big Data non era conseguenza di una insoddisfazione verso la banca, ma derivava da un numero più elevato del solito di divorzi tra i suoi clienti.
Conclusioni
I Big Data hanno la capacità di connettere milioni di dati per generare correlazioni, ma tali correlazioni vengono compromesse dal momento che gli esseri umani si comportano da esseri umani. Dovremmo immaginare i Big Data e i Small Data come partner in una danza: uno senza l'altro è incompleto.
Leggi l'articolo dell'autore dedicato al caso LEGO.
Articolo di Martin Lindstrom
