Por: Jorge Juárez Li
Chief Behavioral Officer de FutureLab
Desde hace un tiempo, las empresas han comenzado a emplear el Big Data, con el fin de aumentar su competitividad en las distintas industrias. Esto debido a que permite crear modelos estadísticos y predicciones, reduciendo los riesgos de operación al incursionar en un mercado y plantear nuevos cambios. Además, porque los líderes en las organizaciones tienden a valorar más aquello que se puede medir. Sin embargo, aquello que escapa a las métricas y al análisis masivo de datos, puede permitirnos no sólo mejorar la experiencia de nuestro servicio, sino encontrar los insights que permiten innovar. ¿Y en dónde encuentro esos datos? en la Deep Data.
Hablar de Deep Data es de un conocimiento que se centra en el ser humano, mientras que hablar de Big Data es centrarse en las métricas. Para poder encontrar esa Deep Data se requiere de metodologías cualitativas, donde a través de la observación, las entrevistas y las situaciones experimentales, podemos escuchar las historias de las personas, lo que sienten, sus miedos, alegrías y lo que están imaginando para el futuro.
Vale señalar, que no se trata de optar o por el Big Data o el Deep Data, sino que lo central es poder saber cómo articular a ambas. De ese modo, no solo identificaremos lo que las personas consumen, sino los porqués y cómo lo hacen. Una cosa es saber qué series ven las personas en Netflix, y otra poder saber por qué miran tal programa y cuáles son los rituales para poder ver su serie favorita. De hecho, Netflix, contrato a un etnógrafo que le proporciono Deep Data, y que permitió que Netflix se enfocara en hacer distintas temporadas en lugar de hacer una diversidad de series.
Hoy en día, debido a la pandemia ocasionada por el covid 19, muchas empresas se han visto forzadas a transformarse e incluso, a pesar de la situación económica, la competencia dentro de una industria ha crecido. En consecuencia, visualizar los consumos emergentes, a través del Deep Data, permite ganar no solo una propuesta de valor diferente, sino generar productos y servicios que generen experiencias transcendentes.
Un dato para considerar es que, según una investigación de Gartner del 2016, el 60% de los proyectos de Big Data, fracasan. Una forma de evitar el fracaso es poder complementar la información con Deep Data. En ese sentido, coincido con Tricia Wang, cuándo plantea que la data cualitativa, permite contextualizar los datos numéricos, y, por ende, darle valor.
Finalmente, el desafío inicia por empezar a confiar en el Deep Data, y visibilizar su importancia no solo porque genera insights potentes y accionables, sino que además ayuda a dar sentido a las predicciones del Big Data. En ese sentido, las organizaciones tienen que poder gestionar sus diferentes datas, para poder tener la Big Picture de los diferentes desafíos.
