Si tomamos las 100 mejores innovaciones de nuestro tiempo, tal vez el 60% o el 65% de ellas se base realmente en Small Data. Es el caso de Snapchat, que fue descubierto por casualidad, o del post-it. Sin embargo estamos obsesionados con el Big Data y el problema es que con él nos olvidamos de la creatividad. El Big Data tiene que ver con el análisis del pasado, pero no tiene nada que ver con el futuro. El Small Data se basa en observaciones aparentemente insignificantes que se descubren en la propia casa de los consumidores, y que se refiere a todo, desde la forma en que guardan sus zapatos hasta la manera que tienen de colgar sus cuadros. Esto es lo que afirma Martin Lindstrom.
Tanto en Marketing como en Redes Sociales, es costumbre querer trabajar sobre nichos de mercado muy numerosos. ¡Cuántos más miembros de un nicho o de una comunidad de intereses comunes encontremos, mejor!
El Big Data nos ayuda a conseguir ese objetivo de almacenamiento de gran cantidad de datos, y nos facilita el uso de procedimientos para encontrar patrones repetitivos que nos permitan realizar informes estadísticos incluso modelos predictivos.
Varias son las técnicas de análisis de datos que tendremos que poner en marcha en función del sistema de almacenamiento que hayamos utilizado. La técnica de Asociación nos permite encontrar relaciones entre diferentes variables bajo la premisa de causalidad; La técnica de Minería de Datos (Data Mining) tiene como objetivo encontrar comportamientos predictivos y engloba el conjunto de técnicas que combina métodos estadísticos y de machine learning con almacenamiento en bases de datos; La técnica de Agrupación (Clustering) nos permite dividir grandes grupos de individuos en grupos más pequeños de los cuales no conocíamos su parecido antes del análisis. El propósito es encontrar similitudes entre estos grupos y el descubrimiento de nuevos, conociendo cuáles son las cualidades que lo definen: Y por último el Análisis de Texto (Text Analytics) nos facilita extraer información de los datos más comúnmente generados por las personas, como son e-mails, búsquedas web o contenidos, y así modelar temas y asuntos o predecir palabras.
El éxito de Amazon por ejemplo, se basa en la minería de datos masiva, que realiza cruzando los patrones de compra de un usuario con los datos de compra de otro, y creando así anuncios personalizados y boletines electrónicos que incluyen justo aquello que el usuario quiere en ese instante. Y eso le ha convertido en la empresa líder en ventas cruzadas.
Nike va un paso más allá a nivel de organización, ya que fabrican un producto básico para sus usuarios: las zapatillas. Los 7 millones de usuarios generan una gran cantidad de datos para medir el rendimiento y su mejora, por lo que la empresa genera unos clústeres con los patrones de comportamiento de sus usuarios. Uno de sus objetivos por ejemplo, es controlar el tiempo de vida de sus zapatillas, encontrando fórmulas para mejorar la calidad.
Pero como paso previo al Big Data aparece el Small Data.
Si el Big Data implica datos complejos, capacidad de procesamiento y almacenamiento de datos, filtrado, análisis, etc., el objetivo del Small Data, es organizar toda esta información para hacerla comprensible.
El Small Data se centra en convertir en conocimiento aquellos datos más accionables, mientras que el Big Data es la investigación a gran escala sobre la obtención de esos datos. Si nos centramos en el Small Data obtendremos datos para saber cómo están funcionando nuestras acciones y mejorar aquello que estamos midiendo, aunque nos perderemos los posibles descubrimientos resultantes de esa investigación a gran escala.
La importancia del Small Data es que nos aporta datos lo suficientemente pequeños como para la comprensión humana, ya que trata los datos en un volumen y formato que lo hace accesible, informativo y procesable.
Y es que el término Big Data trata de máquinas y el Small Data trata de personas.
Aproximadamente la cuarta parte del cerebro humano está involucrado en el procesamiento visual, por lo que la única manera de comprender los datos grandes es la reducción de los datos en objetos pequeños haciéndolos visualmente atractivos para que puedan ser comprendidos por los seres humanos.
Mientras que en internet el Big Data es bueno para la realización de transacciones mediante un clic, “se toma lo que uno quiere y adiós”, el Small Data está impulsado por las experiencias en las compras, el sentido de comunidad, de los sentidos, de todo lo que no se puede replicar en línea.
Como conclusión de todo ello, Martin Lindstrom afirma, que el problema actual es que el mundo empresarial está totalmente cegado por los grandes volúmenes de datos. Sin embargo, es muy difícil describir las emociones utilizando datos. Esa es la dificultad.
Un excelente ejemplo de la enorme fuerza del Small Data es el caso de Lego. En 2002 y cuando Lego estaba casi en quiebra, la compañía recurrió al Big Data. Con ello llegó a la conclusión de que la generación acostumbrada a la gratificación instantánea acabaría con su producto. En base a estos resultados decidieron aumentar el tamaño de los bloques pequeños con los que funcionaban hasta entonces. En 2003 la situación era prácticamente irreversible.
Entonces la compañía decidió entrar en los domicilios de los consumidores de toda Europa. En una reunión con un niño alemán de 11 años, le preguntaron de qué se sentía más orgulloso. Él dijo: “De mis zapatillas de deporte”. El muchacho les mostró un par de viejas deportivas gastadas. Luego explicó por qué: “Es la prueba de que soy el mejor skater de la ciudad. Nadie maneja el patinete mejor que yo, y mis deportivas son la prueba de ello”. Inspirado por la conversación con el niño y al darse cuenta de la calidad del conocimiento que podrían obtener hablando con la gente, Lego recurrió a este tipo de métodos y volvió a reducir el tamaño de los bloques, inventó la Lego Movie y en la actualidad está de nuevo entre los grandes.
Y es que para conocer las emociones de la gente hay que conocer a la gente.
Por Fernando Álavarez Díaz de Cerio, autor de La Música del Marketing
