Forblændet af adgangen til enorme mængder af kvantitativ data bliver en stor del af intuitionen og tilliden negligeret. Dette på bekostning af revolutionerende kreative ideer og dybe kvalitative datasæt som Thick Data, der ellers har til formål at producere og udvikle nye teorier frem for reaktivt at teste og optimere de eksisterende.

I en kommunikationsbranche hvor den integrerede ydelse er blevet en hellig gral, besluttede vi os for at råbe “kejseren har ikke noget tøj på”, som kun kandidatstuderende kan få lov at gøre det. Det førte til et stk. afhandling, som vi døbte: “Hvad du overser, når du ser det hele”, hvori vi udforskede skyggesiden af integreret kommunikation.

Dette er vores første indlæg, hvori vi argumenterer for, at marketing- og kommunikationsansvarliges forhold til data har brug for et kvalitetstjek.

Store datasæt er ikke lig med store ideer
Med den digitale revolution er begrebet Big Data naturligt blevet et fænomen, som mange forsøger at tage ejerskab på. I sig selv er tanken om at være den udvalgte, der via binære koder og pivottabeller forstår ‘The Matrix’ også tiltalende, men sandheden er, at verden består af mere end nul- og ettaller.

‘Old news’ tænker du måske. Vores undersøgelse viste dog, at majoriteten på både bureau- og kundesiden fortsat sætter sin lid til de store datasæt, når der skal udvikles og optimeres på nye strategier og koncepter. Som en del af dataforførelsen er big-data-hatten blevet trukket så langt ned over øjnene, at de andre hatte er blevet glemt hjemme i skabet.

Kigger vi nærmere på, hvad Big Data egentlig kan, så er det et rigtig godt middel til reaktivt at teste og optimere på det eksisterende – men Big Data er ikke nødvendigvis det bedste sted at kigge hen for at skabe nye og revolutionerende ideer. Henry Ford’s kendte citat kan give dette argument lidt kontekst:

“Had I asked people what they wanted, they would have said faster horses.”

Pointen er, at hvis vi som kommunikations- og marketingfolk skal gøre os forhåbninger om at være med til at rykke en virksomhed og dets brand, hvis vi skal have medbestemmelse, må vi tænke større og radikalt anderledes. Vi må være proaktive, kreative og være i stand til at tage de chancer, der giver mulighed for at teste nye ideer, som ikke finder støtte i de store kvantitative datasæt. Vi har brug for Thick Data. Forklaring følger.

Thick Data og radikal innovation
For at slippe fri af den trinvise og stiafhængige ideudvikling, der ofte udspringer af Big Data, er der brug for Thick Data, der af Trisha Wang defineres som: “data brought to light using qualitative, ethnographic research methods that uncover people’s emotions, stories, and models of their world”.

Der er brug for dybdegående studier, der med afsæt i forbrugeren og dennes hverdag beskriver alle de små ting, som ikke nødvendigvis springer ud af excellarkets kolonner. Hvor Big Data indfanger adfærdsmønstre i en stor skala, indfanger Thick Data alle de små mellemregninger i vores adfærd. Og det er netop med mellemregningerne, at vi kan kvalificere en intuition og få øje på de uventede nye behov og trends, før de er blevet mainstream. Det er med Thick Data, at vi kan udvikle radikale innovationer, som udfordrer status quo.

Denne logik er et naturligt element i en kundefokuseret tid, hvor forretningsudvikling ofte er lig med udviklingen af nye og unikke value propositions, og en forståelse af forbrugerne er nøglen til succes. Derfor er det en skam, at vi i yderste tilfælde – når vi virkelig giver den gas i den kvalitative researchfase, flotter os med en fokusgruppe.

Ledelse på anden orden
I vores afhandling tog vi udgangspunkt i en teoretisk ramme, der indeholder en ide om ledelse på anden orden. Overordnet vil det sige, at du som leder skal være i stand til at holde to argumenter i hovedet på samme tid og således arbejde på tværs af forskellige logikker. Du skal se tingene fra flere sider og være i stand til at udnytte dette overblik til din fordel.

I dette tilfælde handler det om at veksle mellem brugen af Big Data og Thick Data til at kvalificere nye initiativer. Det handler om at at forstå værdien af begge dataformer for at kombinere dem til et samlet bedre resultat.

De to dataformer er ikke måske substitutter i en enkelt situation, men i stedet komplementære når det hele skal tænkes sammen. Hvor Thick Data er en essentiel ressource for at udvikle nye hypoteser, er Big Data nødvendig for at optimere, tilpasse og således sikre, at performance er i top og omkostninger reduceres.

Vi har forsøgt at opsummere dette i nedenstående model med håb om, at den kan være med til at prikke lidt til dem, der fortsat er forblændede af nyforelskelsen i excel-arket.


Figur: Inkrementel vs. Radikal innovation

Figurforklaring
Figuren illustrerer, hvordan der kan veksles Big Data & Thick Data i et spil mellem reaktivt at foretage små forbedringer af det eksisterende (inkrementel innovation) og foretage store ændringer, der udfordrer status quo (radikal innovation). Her lægges Thick Data ind i som et lag, der kan skabe radikale innovationer og få en ud af det lukkede loop, som Big Data-optimering skaber.

Undersøgelsens (kvalitative) datasæt
Vi var så heldige, at 11 virksomheder åbnede dørene og gav os mulighed for at supplere vores højtflyvende teori med praksis.

Vi interviewede repræsentanter fra otte bureauer med min. 15 medarbejdere og 20 mio. i omsætning. Fordelt ud på de klassiske kategorier havde vi fat i to PR-bureauer, fire mediebureauer og to reklamebureauer. Vi talte med to administrerende direktører og seks Client Service Directors og en Planner. Der var da flere af disse, som talte for, at deres bureau var integreret og ikke kunne sættes i en af de klassiske kategorier. Men for overblikkets skyld er det en diskussion, vi gemmer til et andet indlæg.

Vi interviewede repræsentanter fra tre ‘kunder’, som havde en min. omsætning på 500 mio. og 500 medarbejdere. Her talte vi med 2 marketingchefer, en marketingdirektør og en kommunikationschef.

Vil du vide mere om emnet kan du kontakte Malthe & Marcus lige her.