Осенью 2020 года наши коллеги провели очень важное и серьёзное мероприятие: Форсайт-сессию «Исследовательская индустрия: тренды и окна возможностей»[1]. Мы подробно ознакомились с рассуждениями наших коллег по цеху, и в свою очередь решили проанализировать, какие же из основных тенденций будут определять будущее исследовательской индустрии. В своих размышлениях мы пришли к выводу, что прошедший после сессии год полностью подтвердил те тенденции и тренды, которые выделили коллеги в своей работе. И в результате у нас родились некоторые «заметки», которыми мы хотели бы поделиться.
Одним из глобальных направлений рынка исследований многие эксперты называют работу с big data. Попробуем разобраться в том, какую пользу могут принести «большие данные» заказчику. Есть много рассуждений на тему того, какой цифровой след в настоящее время оставляет практически каждый житель нашей страны. При этом нет никакой необходимости пользоваться Интернетом, в любом случае «следы» остаются. Самый яркий пример – оплата покупок банковской картой. Не секрет, что каждый продавец в настоящее время обязан зарегистрировать онлайн-кассу, и передавать все фискальные данные в налоговую службу. В этой работе есть посредник, без которого ритейлу не обойтись, это оператор фискальных данных. Сложно представить, какое количество данных накопилось у ОФД за время их работы, и если появится теоретическая возможность проанализировать эти данные, то вся цепочка от производителя до конечного продавца может получить крайне необходимую информацию: от частоты покупок, дат их совершения, до товарных предпочтений определённых групп населения.
Возьмём для примера совершенно другой тренд: активный образ жизни и занятия спортом. В этой сфере всё большую популярность завоёвывают устройства фиксации активности, носимые гаджеты, фиксирующие любую физическую активность и передающие данные в приложения. При наличии доступа к таким данным у исследователей открываются широчайшие перспективы от персонализации рекламных предложений конкретным пользователям до анализа объёмов и перспектив продаж спортивного оборудования.
Только в двух этих примерах возможности анализа данных и их прикладное применение ограничиваются лишь фантазией исследователя. И всё же есть несколько серьёзных ограничений, которые не позволят аналитику полноценно использовать такие данные.
- Доступ к этим данным всегда ограничен или закрыт. Банки, цифровые экосистемы, операторы фискальных данных, производители носимых устройств не позволят получить доступ к этим данным, а во многих случаях он будет ограничен законом.
- У большинства исследователей недостаточно компетенций. Даже самый продвинутый социолог или маркетолог с огромным опытом работы в прикладной сфере не часто является параллельно аналитиком «больших данных», и имеет представление о работе в СУБД. Работа с такой информацией – прерогатива скорее IT-специалистов, чем социологов и маркетологов.
- Конкуренция на рынке операторов big data. Ни один из операторов, получающих и работающих с большими данными, не может быть уверен в объективности и достаточности аккумулируемой информации. Возникает необходимость получать данные сразу из нескольких источников. И здесь встаёт вопрос конкуренции. Вряд ли операторы big data заходят делиться с конкурентами.
- Проблема качества и количества данных. Каждая компания, которая в своей работе имеет возможность накапливать «большие данные», в какой-то момент задумается о том, как можно их использовать. И здесь возникает проблема достаточности этих данных для анализа. Охватывают ли эти данные достаточное количество пользователей, чтобы результат можно было экстраполировать на более широкие группы? Достаточно ли переменных в этих данных, чтобы получать новые, востребованные данные? Есть ли необходимость анализировать их собственными силами, или нужно привлекать специалистов? Можем ли мы расширить диапазон получаемых данных, и есть ли в этом необходимость? Чтобы получить ответы на эти вопросы, необходимо нанимать дополнительных сотрудников или воспользоваться услугами сторонних аналитиков.
- Закрытые результаты. Мы уверены, что исследования на основе «больших данных» уже ведутся, и такие операторы, как, например, крупные цифровые корпорации, достаточно давно наращивает объёмы таких проектов. Дело в том, что результаты таких исследований также закрыты и не являются публичными, доступа к ним нет даже у экспертного сообщества. Вряд ли глобальные цифровые экосистемы, как инициаторы таких исследований, или же значительные заказчики, для которых они проводятся, когда-либо опубликуют эти данные.
У всех этих проблем есть те или иные пути решения.
- Компании, имеющие в распоряжении большие данные, могут самостоятельно развивать сферу их прикладного анализа, нанимать в штат профильных специалистов;
- Специалистам-исследователям необходимо получать дополнительное образование и расширять сферы своих компетенций. При этом такой эксперт должен в первую очередь обладать квалификацией в IT, и уже во вторую – иметь социологический, психологический и маркетинговый исследовательский потенциал, уметь фантазировать и формулировать гипотезы, обладать «социологическим воображением».
- Компаниям-операторам нужно идти по пути взаимодействия, находить возможности компилировать данные, выделять из них блоки, которые можно на определённых условиях раскрывать;
- Что касается качества данных, то здесь нужно проанализировать запрос, и понять, какой именно набор данных может стать предметом исследования, какие переменные и индикаторы позволят делать востребованные выводы и рекомендации. И снова здесь не обойтись без специалиста-исследователя Представим себе ситуацию, что мы имеем некоторый набор данных о событиях, произошедших в определённом месте и в определённое время (См. Схему 1). Очевидно, что и в этом массиве данных обнаружатся некоторые зависимости, которые, возможно, будут интересны определённому кругу лиц. И всё же мы уверены, что ни этих данных, ни выводов на их основе, будет недостаточно, а их прикладная значимость будет слишком мала. Здесь и потребуется то самое «социологическое воображение». Каких данных недостаточно, какие индикаторы, оси и, возможно, дополнительные события, необходимы в этом массиве, чтобы получить нужную информацию? Какие гипотезы должны быть сформулированы, чтобы понять, каких сведений нам не хватает? Именно поэтому роль исследователя в таких проектах нельзя недооценивать;
Схема №1. Набор данных о некоторых событиях
Ещё одно поле для исследований – цифровой след, который оставляют пользователи на публичных площадках в сети, таких как социальные сети, форумы, комьюнити, блоги и т.д. В рамках многих социально-политических исследований аналитики Фонда «ИЭСИ» проводили контент-анализ этих источников и столкнулись с одной важной проблемой. В публикациях и диалогах пользователей преобладает негативная информация в оценках социально-политической сферы. Нейтральные или положительные посты практически отсутствуют. По этой причине говорить об объективности данных, полученных в результате таких исследований нельзя.
В социально-политической сфере в обозримом будущем отказ от традиционных методов проведения исследований, таких как фокус-группы, личные интервью, экспертные и глубинные интервью, невозможен. В объективной реальности их просто нечем заменить. Наиболее валидные данные в этой сфере исследований можно получить лишь при живом общении, при условии высокой квалификации модераторов и качественном рекруте информантов.
В сфере маркетинга и прикладных коммерческих исследований следует выделить высокую заинтересованность в прямом взаимодействии производителя с потребителем. Сейчас мы наблюдаем некоторый всплеск исследований, направленных на непосредственное выявление вкусов и предпочтений покупателей, на оценку их клиентского опыта. При этом разработкой дизайна исследования и анализом данных чаще всего занимаются штатные сотрудники самих компаний-производителей, а вот исследовательские агентства принимают участие в этих проектах лишь в качестве сборщиков данных. Такая тенденция будет получать развитие, экспериментальные исследования, исследования в сфере CX и UX, имеющие основной целью получение обратной связи от непосредственного потребителя продукта или услуги будут всё более актуальны, но проводиться они будут чаще всего силами самих производителей. В этой ситуации тренд на перетекание кадров из исследовательских агентств в сферу производства будет нарастать.
Кроме того, нужно обязательно упомянуть об исследованиях, которые нельзя назвать масштабными, массовыми. В первую очередь мы имеем в виду проекты, предваряющие запуск стартапов, вывод на рынки совершенно новых, уникальных продуктов. В этих случаях никак нельзя обойтись без экспертной оценки, и оценки самими потребителями. «Большие данные» и «цифровой след» позволяют делать выводы об уже совершённых действиях, они в прошлом, и лишь частично могут помочь в проведении таких исследований.
В результате мы имеем четыре наиболее востребованных направления для работы:
- Работа с big data, в которой в первую очередь важно иметь квалификацию в IT, и уже во вторую быть экспертом в области социологии, психологии и маркетинга;
- Работа в области социально-политических исследований, где востребованы квалифицированные модераторы-аналитики;
- Прямое взаимодействие производителя с потребителем, где важную роль будут играть CX и UX проекты, а исследователь может выступать квалифицированным специалистом, работающим непосредственно на крупные компании.
- Проекты, имеющие целью вывод на рынок уникальных продуктов, оценка стартапов, позволяющие скорректировать стратегию и получить данные о востребованности.
[1] Подробнее в документе ВЦИОМ: https://profi.wciom.ru/fileadmin/file/nauka/grusha2020/forsait_2020.pdf