Маркетинговые исследования VS Data Science

Автор: Дмитрий Казаков 25.11.2018

Маркетинговые исследования и наука о данных (Data Science) имеют что-то общее. Они имеют решающее значение для бизнеса, который хочет узнать больше о своих потребителях или рынке и принять более эффективные стратегические решения.

Профессиональная деятельность, как исследователей рынка, так и data scientist-ов вращаются вокруг данных и огромного количества их источников, из которых они могут быть получены. Основная цель для обоих – понять, как данные могут способствовать более разумному эффективному принятию решений. Оба направления выполняют в организации одну функцию и являются двумя сторонами одной монеты.

Теперь попытаемся понять, смогут ли эти направления стать единым.

Переход от исследования рынка к Data Science

Мы знаем, что исследования рынка и Data Science не являются одним и тем же. Итак, что делает их разными, и как могут исследователи рынка и data scientistы приносить пользу компании?

Прежде чем мы сможем ответить на это, мы должны вспомнить цель исследования рынка и того, как появилась наука о данных (Data science). Многие из нас уже знают, что исследование рынка – это процесс сбора информации о потребностях и предпочтениях потребителей или информации о рынке. Часто исследование проводится с использованием статистических методов или методов, которые собирают и анализируют данные, чтобы делать какие-либо выводы. Конечно, на сегодняшнем рынке цифровых ландшафтов исследования эволюционировали, чтобы иметь доступ к гораздо большим источникам и возможностям..

Но со взлетом Интернета и появления  множества новых типов данных, компании стали нуждаться в лучшем средстве для понимания и экстраполяции информации. Наука о данных стала актуальной из-за необходимости собирать, анализировать и экстраполировать информацию из новых, неструктурированных и огромным по размеру источников данных. Другой причиной появления data science стало появление новых вопросов от бизнеса, на которые раньше ответить было достаточно сложно (например предикативные модели и прогнозы). В то время как наука о данных также включает в себя методы статистики, этот приток данных был больше всего того, что когда-либо видели маркетологи и исследователи рынка. В результате этого потребовался новый набор навыков и инструментов.

Наука о данных и маркетинговые исследования

Наука данных, в некотором смысле, выходит за рамки возможностей исследования рынка. На самом деле это разделение появилось намного раньше, чем мы думаем, начавшееся с маркетинга на основе баз данных и интеллектуального анализа данных. Но это не означает, что рыночные исследования уступают науке о данных. Data Science  вышла за рамки исследований, чтобы использовать более надежные научные и технологические методы. Исследования же работают на своем поле и также имеют определенные преимущества.

Методы науки о данных, используемые для анализа этой информации, часто включают в себя программирование, алгоритмы и машинное обучение. Как следствие data scientistы  должны уметь больше, чем исследователи, и, как правило, являются частью IT-команды. Наука о данных также оценивает более широкий спектр различных типов данных: таких как структурированные, неструктурированные и полуструктурированные данные. В результате их процесс обычно начинается с определения того, какие методы и типы данных им нужны:

  1. Постановка задач и определение проблематики
  2. Определение гипотез
  3. Оценка и выбор методов сбора данных
  4. Определите типа данных, необходимых для целей организации
  5. Интеграция и очистка данных
  6. Анализ данных с помощью моделирования данных, машинного обучения, статистического моделирования и алгоритмов
  7. Оценить и понять результаты. Донести результаты до пользователей информации
  8. Если необходимо внедрить решения в IT-инфраструктуру компании

Тем не менее, этот процесс в целом не отличается от процесса маркетингового исследования. Таким образом, наука о данных, хотя и отличается, по-прежнему похожа в процессе на маркетинговые исследования. Мы видим, что это всего лишь две части одной головоломки.

 

Research science?

Напомним, что исследование рынка использует более привычные методы сбора данных о потребителях. Data science иногда использует нестандартные и более сложные методы сбора и анализа данных. Кроме того, наука о данных может собирать гораздо больше, чем просто данные о потребителях. Наоборот, часто данные о потребителях комбинируются с многими другими данными о компании и ее внешней среде, что дает возможности находить необычные открытия в информации. Но и у data science есть недостаток. Часто Data scientistы ограничены информацией внутри компании или ту, к которой они имеют доступ, также часто такие данные не имеют контекста. Именно здесь появляется возможность связать data science и традиционными исследованиями. Оба направления предназначены для сбора информации для улучшения процесса принятия решений.

Data science предоставляет разнообразный и нестандартный набор идей. Маркетинговые исследования создают связь между этими знаниями, уточняют их. Для того чтобы перевести результаты на конкретные нужды, разработки продукта или разработки стратегии.

Ни один бизнес никогда не добивался успеха, просто глядя на данные в отчетах или базах. Одновременное усиление и взаимное обогащение маркетинговых исследований и data science необходимо для принятия гибких и быстрых решений, которые помогают компании процветать. Совокупное понимание и применение науки о данных и маркетинговых исследований будет силой, с которой нужно считаться; бренды, ищущие преимущества, могли бы хорошо сочетать и использовать оба направления.

Research science новый термин, объединяющий маркетинговые исследования и Data science, может побуждать бренды отвечать на непростые вопросы бизнеса и для разработки основы персонализации продуктов и оптимизации путей их клиентов.

По ссылке можно найти исследование компании GutCheck посвященное теме Research Science.

 

Похожие и просто интересные посты:

Заказать маркетинговое исследование. Как делать это правильно.
Я как работник сферы маркетинговых исследований очень часто вижу проблемы и трудности в процессе проведения маркетингово...
О важности правильной выборки на примере "синдрома пустого гнезда"
Синдром "пустого гнезда" всего лишь миф, появившийся благодаря расширенной интерпретации результатов исследова...
Ёмкость и размер рынка
Небольшой пост о разнице между размером (market size) и ёмкостью рынка (market capacity). Почему то часто эти понятия пу...

Комментарии закрыты.