Você ligou a TV hoje? E o rádio? Provavelmente você usou um aplicativo no seu smartphone. Talvez tenha comprado ingredientes para o jantar na loja ou comprado um novo frasco de xampu online.
Todas essas atividades são ações simples e cotidianas. Mas, no mundo vasto, interconectado e, frequentemente, digital de hoje, elas também são pontos de dados valiosos.
É importante ressaltar que eles podem ajudar as marcas e os profissionais de marketing a entender as necessidades dos consumidores, tomar melhores decisões para atender a essas necessidades e, por fim, impulsionar o crescimento de seus negócios. Mas, primeiro, as marcas e os profissionais de marketing precisam entender todos os dados.
O tamanho e o escopo dos dados que todos nós geramos na era digital atual podem ser impressionantes, e a Nielsen mede grande parte deles. Considere o seguinte: a Nielsen coleta 1,7 bilhão de registros de visualização de TV por mês, 6,7 bilhões de transações em lojas por mês e 1,6 trilhão de impressões online por ano! Organizar as enormes e, às vezes, confusas pilhas de dados geradas por nossas ações diárias e transformá-las em informações úteis, práticas e significativas — ao mesmo tempo em que somos administradores responsáveis dos dados e garantimos a privacidade das pessoas — requer conhecimentos e habilidades específicas.
Felizmente, as tecnologias e plataformas emergentes que fornecem novas fontes de dados para marcas e profissionais de marketing também estão possibilitando novas ferramentas e meios para medir e extrair insights desses dados. É função das equipes de ciência de dados buscar novas fontes de dados e ferramentas analíticas que possam ajudar a analisar (e, assim, compreender) o Big Data criado pelos consumidores. Usando métodos, processos, algoritmos e sistemas científicos, os cientistas de dados estão descobrindo insights valiosos dentro desses conjuntos crescentes de pontos de dados.
Na Nielsen, aproximadamente 1.100 cientistas de dados têm a tarefa de encontrar métodos sólidos e repetíveis para “ligar os pontos” para nossos clientes e contar uma história sobre as necessidades de seus consumidores. Embora os “pontos” nessa analogia representem os pontos de dados aparentemente ilimitados disponíveis para nossos clientes em seus esforços para entender seus consumidores, são as conexões que nossos cientistas de dados são capazes de gerar que são a principal contribuição para a tomada de decisões de nossos clientes e o combustível para seu crescimento.
Como membro da equipe de cientistas de dados da Nielsen, trabalho no desenvolvimento de soluções personalizadas para integrar dados e criar conexões importantes para nossos clientes. Essas soluções incluem fusões de dados, segmentações personalizadas de público, análises de ROI e metodologias completamente novas para integrar fontes de dados a fim de responder a perguntas comerciais específicas sobre os consumidores.
Não há dúvida de que as novas tecnologias e o Big Data estão revolucionando a forma como medimos o consumo de mídia e os produtos que compramos. Mas também é importante lembrar que eles têm suas limitações.
As tecnologias não são normalmente criadas com a medição em mente. E, como resultado, o Big Data pode ser tendencioso de várias maneiras. Pense no controle remoto que você usa para mudar de canal na TV, por exemplo. Ao pressionar um botão, um sinal é enviado para uma caixa, e esse sinal gera dados. Mas esses dados são limitados no que podem revelar sobre você. Por exemplo, eles não sabem se foi você quem pressionou o botão ou outro membro da família. Dados tendenciosos podem levar a insights errôneos sobre os consumidores e a decisões inadequadas por parte dos profissionais de marketing.
Aqui está outro exemplo: dispositivos conectados à TV e serviços de vídeo sob demanda por assinatura permitem que os consumidores escolham o que querem, quando querem. Mas apenas cerca de 60% dos americanos possuem esses dispositivos. Como resultado, os dados desses dispositivos não representam toda a população dos EUA. Além disso, esses dados precisam ser comparados às métricas da TV linear para fornecer uma visão holística do cenário televisivo.
Na Nielsen, utilizamos painéis juntamente com Big Data para associar pontos de dados a pessoas reais. Um painel bem construído pode eliminar muitos dos vieses inerentes ao Big Data. Por exemplo, utilizamos nossos painéis de TV dos EUA para representar estatisticamente a população do país — por idade, etnia e nível de renda. Ao combinar os insights desses painéis com o Big Data que a Nielsen recebe de decodificadores de TV a cabo, graças à colaboração com empresas de TV a cabo, conseguimos descobrir quem está por trás do controle remoto. Assim, uma abordagem híbrida de medição envolvendo painéis e Big Data pode fornecer a granularidade e os detalhes do Big Data e oferecer a redução de vieses e a representatividade de um painel.
E com o aumento exponencial da potência oferecida quando colocamos a inteligência artificial (IA) em ação, nunca foi tão importante garantir que as entradas de dados sejam limpas, confiáveis e representativas. Não atender a esses critérios significa simplesmente que você está produzindo volumes maiores (graças à IA) de resultados ruins. É importante lembrar que, se a entrada for ruim, a saída também será. Os dados considerados “bons o suficiente” simplesmente não são bons o suficiente no mundo da IA.
Os próprios cientistas de dados também desempenham um papel fundamental na redução do viés nas medições. Embora nossas equipes de ciência de dados realmente incluam alguns estatísticos muito talentosos, muitos podem se surpreender ao saber como nossas equipes são realmente diversificadas. As equipes de ciência de dados da Nielsen incluem associados de diversas formações, como matemática, ciências comportamentais, engenharia química, física, ensino, economia e engenharia da computação, entre muitas outras. Essas perspectivas variadas ajudam a garantir que consideremos diferentes pontos de vista em nossas medições.
Em última análise, no mundo atual do Big Data, cada vez mais disciplinas empresariais — sejam elas finanças, atendimento ao cliente, recursos humanos, análise de mídia, etc. — estão evoluindo para incorporar a ciência de dados em suas respectivas práticas. Capacitar mais pessoas com diferentes formações com conhecimentos básicos de métodos estatísticos, programação e habilidades analíticas abre as portas para uma melhor tomada de decisões em diferentes áreas de negócios atualmente.
Acredito que isso seja um bom presságio para o futuro da ciência de dados, desde que esses novos participantes do campo compreendam os vieses e as considerações necessárias para obter insights de qualidade a partir dos nossos pontos de dados diários.
