Parece não haver dúvida de que hoje os dados estão cumprindo o papel que o petróleo desempenhou no século 18: é um ativo importante que todos desejam acessar. Mas, como Michael Palmer observou, os dados brutos, como o petróleo bruto, são inutilizáveis até serem processados. A indústria de insights e as empresas direcionadas para dados sabem que nem todos os dados são criados da mesma forma: cada parte de dados requer uma classificação específica, técnica de processamento, segurança e armazenamento, entre outras coisas.
As principais mentiras na classificação de dados
Vamos nos afastar do mundo dos insights por um momento e dar uma olhada no universo da segurança de dados. Para pessoas encarregadas da segurança de dados, público, interno, confidencial, restrito e "top secret" poderiam ser alguns exemplos de classificações válidas. Neste exemplo, a classificação é um fator importante, pois os custos de valor e proteção são significativamente diferentes em cada cenário. Na indústria de pesquisa de mercado, as coisas não são tão diferentes. A classificação de dados terá definitivamente um impacto em qualquer estudo (começando com o valor dos dados).
A classificação é essencial para estruturar e entender quaisquer fenômenos. Uma única parte de dados pode ser classificada ou visualizada de forma diferente por profissionais de marketing, pesquisadores, gerentes de segurança de dados, etc. Dependendo do que estamos procurando, teremos que escolher uma classificação ou outra. Isso é vital, uma vez que uma classificação inadequada de dados poderia levar à desinformação e afetar nossos negócios.
Classificação de dados na indústria de pesquisa de mercado
Nós já examinamos várias maneiras de classificar dados: contínuo/discreto, móvel/não móvel, visível/oculto, interno/externo, etc. Porém, de forma mais ampla, temos falado sobre dois tipos de classificação de dados:
-
Dados qualitativos / Dados quantitativos
-
Dados offline / Dados online
Não se preocupe - esta não é outra postagem com definições de dados qualitativos, quantitativos, offline e online, e não vamos entrar no difícil debate qualitativo/quantitativo, offline/online. Em vez disso, meu objetivo é defender um novo modelo de classificação que nos ajudará na extração de insights mais rigorosos.
Atualmente, o conceito “centrado no cliente” tornou-se uma palavra muito em voga nos departamentos de marketing pelo mundo. Ao contrário do marketing tradicional, que foca em produtos, comunicação e canais, uma estratégia de marketing centrada no cliente o coloca a frente e ao centro, assumindo que, ao criar uma experiência positiva, alcançaremos a tão amplamente buscada fidelidade do cliente. Mas como esta abordagem centrada no cliente pode ser aplicada à classificação de dados?
Os dados necessários para a geração de insights são gerados por pessoas (consumidores). Ao colocar o cliente no centro da experiência, estamos focando no elemento gerador de dados. Esta abordagem não só nos permite classificar os dados de forma mais eficiente, mas também nos ajuda a visualizar todos os tipos de dados atuais e futuros.
Uma abordagem centrada no cliente
Ao utilizar uma abordagem centrada no cliente, podemos classificar dados em duas dimensões diferentes: a metodologia de coleta utilizada e a natureza da informação.
A primeira está diretamente relacionada à metodologia de coleta; isso nos permite discriminar dados declarados/ativos e dados comportamentais/passivos. Os dados declarados são coletados da participação ativa das pessoas, seja quando respondem pesquisas sobre suas opiniões, motivações e contexto, ou quando relatam qualquer tipo de informação de forma proativa. Em outras palavras, quando as pessoas sob pesquisa são responsáveis por fornecer dados ativamente, esses dados são considerados declarados. Os dados comportamentais tem sua base na observação do comportamento das pessoas. Nesse caso, as pessoas sendo estudadas não desempenham um papel ativo no processo de entrega de dados.
A segunda dimensão relevante é a natureza final da informação: são os dados subjetivos ou objetivos? Os dados subjetivos abrangem sentimentos, intenções, preferências, opiniões, etc. São instáveis e variáveis, pois as pessoas podem mudar de opinião. Os dados objetivos, por outro lado, se referem a fatos inquestionáveis, como o preço que um consumidor pagou pelo telefone celular, em qual partido político votou ou qual marca de carro dirige. Estas partes de dados são fatos e não podem mudar.
Ao combinar essas duas dimensões, podemos determinar quatro tipos de dados de pesquisa de mercado:
-
Dados objetivos comportamentais
-
Dados objetivos declarados
-
Dados observados subjetivos
-
Dados observados declarados
Agora que podemos classificar dados a partir de uma perspectiva centrada no cliente, podemos perguntar qual tipo de dados devemos usar em nossa pesquisa.
Qual tipo de dados devemos usar? A pergunta de um milhão de dólares.
É impossível responder tal pergunta em apenas uma frase ou parágrafo. Há artigos inteiros sobre este tópico (se você deseja realmente mergulhar neste tópico, recomendamos fortemente a seguinte leitura: Quando devemos perguntar, quando devemos medir (em inglês). Mas uma coisa é certa: utilizar o tipo de dados incorreto pode afetar seriamente a viabilidade da sua empresa.
Você já pode ver que, com base na natureza do estudo, é óbvio se devemos utilizar dados subjetivos ou dados objetivos, pois isso é determinado pelo objetivo do estudo.
Derivar o plástico de matérias-primas não tem nada a ver com o processo de obter gasolina do petróleo bruto. Nosso objetivo deve determinar a abordagem e os recursos que utilizamos. O mesmo acontece com a análise de dados, com uma diferença fundamental: ao processar o petróleo, o produtor é forçado a selecionar apenas um tratamento específico para cada produto. Já o processamento de dados produz insights de alta qualidade, com base nas fontes de dados utilizadas. Na próxima vez que você iniciar um projeto de pesquisa, seria bom ter isso em mente!
