SlideShare a Scribd company logo
1 of 22
Download to read offline
Mats Rönne
Account Planning Group
21 november 2013
Vad är

Big Data?

• För stora datamängder för vanliga (stor)datorer
• Parallella processer på stort antal servrar
• Från vetenskap till affärsvärld
– Meteorologi
– Biologi
– Fysik

Internet
Finansmarknad

• Big Intelligence
– Beskrivande statistik – mängd, volym

• Big Data
– Induktiv statistik – korrelaton, sekvenser
• Volume
– 2,5 kvintiljoner (triljoner)
(2 500 000 000 000 000 000) byte ny data

• Velocity
– CERN Large Hadron Collider: 150 miljoner sensorer,
40 miljoner gånger per sekund => 0,001 % används

• Variety
– 400 miljoner tweets, 125 miljoner timmar YouTube,
1 terrabyte aktietransaktioner

• Voracity
– 1/3 av beslutsdata upplevs som tveksam kvalitet
Big Data is Big
• 13 300 000 hits på Google
– ”Marketing strategy”
– ”Content marketing”
– ”Brand management”
– ”Consumer insight”
– ”Account planning”
– ”TV advertising”

8 820 000 hits
4 750 000 hits
2 990 000 hits
1 170 000 hits
889 000 hits
834 000 hits

…men
– ”Lady Gaga”
– ”David Beckham”

101 000 000 hits
19 200 000 hits
Big Data marketing
• Tesco Clubcard (1995)

• Amazon (1995, 1997)

• Google (1998, 2004)
Det första problemet…
Insikt
Analys
Information
Data

Big Data =
Big Insight ?
5 antaganden för Big Data
1.
2.
3.
4.
5.

Big Data visar vad vi tycker och känner
Att samla data är samma som att förstå
”Vad” driver ”Varför”
Teknik och analytics har svaren
Prediktiva analyser är träffsäkra

Colin Strong, GfK
Har vi rätt språk?
Följare

Fans

Lojalitet
Engagemang

Relation
Passion
Förtroende

Ambassadör
”Most of us find it hard enough
to have good relationships
with people in our lives,
let alone with the brands we buy.”
Bruce McColl,
Global CMO, Mars
Transaktion eller relation?
Transaktion?
1) Beteendeeffekter: (förändring i) vad
målgruppen gör
2) Intentionseffekter: (förändring i) vad
målgruppen säger sig vilja göra
3) Attitydeffekter: (förändring i) vad
målgruppen tycker
4) Kännedomseffekter: (förändring i) vad
målgruppen känner till
Försäljningspåverkan

Marknadsföring verkar på två sätt
Säljdrivande/aktivering
Stark initial effekt,
men avtar snabbt

Varumärkesbyggande
Låg initial effekt, men håller i sig

Tid
Olika funktion och resultat
50
45
40
35
30
25
20
15
10
5
0

80
70
60
50
40
30

20
10
0

Rationellt
fokus

Kombinerat Emotionellt
fokus
fokus

Aktiveringseffekter
Varumärkeseffekter

Rationellt
fokus
Priseffekt
Vinst 1 år

Kombinerat Emotionellt
fokus
fokus
Lönsamhetseffekt
Vinst 3 år
Vad kreativitet betyder
8
7
6
5
4
3
2
1
0
Kreativt belönade
SOV effektivitet

Inte belönade
Priseffekt
Dilemmat med Big Data
Direkt (kortsiktig) effekt
40
35
30

”Relying on Big Data
is a sure way to
f*** your brand”
Les Binet, DDB/IPA Datamine

25
20
15

10
5
0
Kreativt
Ej
Brand Rationell
belönad belönad fame
Balanserad analys
Långsiktig

Långsiktig tillväxt
Prisnivå/elasticitet
Brand equity

Indirekta/emotionella
effekter
Brand fame
SOV effekter
Explicita/associativa
effekter
Respons (on/off-line)

Kortsiktig

Kortsiktig
försäljningsförändring
Framtiden?
Från Big Data till
•
•

Better data (analys)
Connected data
(inte bara beteende)

•

Smarter data
(sociologi/antropologi/
psykologi)

• Big

Insight/Big Idea?
mr@planner.se
mats@penetrace.com
mats@smartcompany.se
070 5905050
@saltis99

More Related Content

Similar to Big data - PlannerFed av Mats Rönne

Similar to Big data - PlannerFed av Mats Rönne (20)

Att leda i digital transformation med Screen Interaction 160930
Att leda i digital transformation med Screen Interaction 160930Att leda i digital transformation med Screen Interaction 160930
Att leda i digital transformation med Screen Interaction 160930
 
Competitive Intelligence in the Age of Social Computing
Competitive Intelligence in the Age of Social ComputingCompetitive Intelligence in the Age of Social Computing
Competitive Intelligence in the Age of Social Computing
 
Speaking session Cloud media Oslo 190212
Speaking session Cloud media Oslo 190212Speaking session Cloud media Oslo 190212
Speaking session Cloud media Oslo 190212
 
SKL LEDA no 1 DigJourney 160926
SKL LEDA no 1 DigJourney 160926SKL LEDA no 1 DigJourney 160926
SKL LEDA no 1 DigJourney 160926
 
Customer Experience Management 2017 170516
Customer Experience Management 2017 170516 Customer Experience Management 2017 170516
Customer Experience Management 2017 170516
 
Att leda digital transformation för Enfo 160315
Att leda digital transformation för Enfo 160315Att leda digital transformation för Enfo 160315
Att leda digital transformation för Enfo 160315
 
IBM Finance Forum - Information som strategiskt vapen
IBM Finance Forum - Information som strategiskt vapenIBM Finance Forum - Information som strategiskt vapen
IBM Finance Forum - Information som strategiskt vapen
 
Compare föreläsning och workshop 181121
Compare föreläsning och workshop 181121Compare föreläsning och workshop 181121
Compare föreläsning och workshop 181121
 
High way to hell v1.0
High way to hell v1.0High way to hell v1.0
High way to hell v1.0
 
Presentation Digital transformation – What, Why and How. IHM Stockholm
Presentation Digital transformation – What, Why and How. IHM Stockholm Presentation Digital transformation – What, Why and How. IHM Stockholm
Presentation Digital transformation – What, Why and How. IHM Stockholm
 
Bankdagen 2018, Charlotte Svensson, Bonnier News
Bankdagen 2018, Charlotte Svensson, Bonnier NewsBankdagen 2018, Charlotte Svensson, Bonnier News
Bankdagen 2018, Charlotte Svensson, Bonnier News
 
Styrelsens roll i digital transformation. DigJourney för Stockholms Handelska...
Styrelsens roll i digital transformation. DigJourney för Stockholms Handelska...Styrelsens roll i digital transformation. DigJourney för Stockholms Handelska...
Styrelsens roll i digital transformation. DigJourney för Stockholms Handelska...
 
Open Data
Open DataOpen Data
Open Data
 
Easits användarkonferens 171004 ext v2
Easits användarkonferens 171004 ext v2Easits användarkonferens 171004 ext v2
Easits användarkonferens 171004 ext v2
 
Att leda digital transformation IHM 160414 Malmö
Att leda digital transformation IHM 160414 MalmöAtt leda digital transformation IHM 160414 Malmö
Att leda digital transformation IHM 160414 Malmö
 
KentorTalks 11 november Digital transformation - Från vision till verklighet
KentorTalks 11 november Digital transformation - Från vision till verklighetKentorTalks 11 november Digital transformation - Från vision till verklighet
KentorTalks 11 november Digital transformation - Från vision till verklighet
 
KentorTalks 11 november Digital transformation - Från vision till verklighet
KentorTalks 11 november Digital transformation - Från vision till verklighetKentorTalks 11 november Digital transformation - Från vision till verklighet
KentorTalks 11 november Digital transformation - Från vision till verklighet
 
Digitaliseringsdagarna KommITS 170424
Digitaliseringsdagarna KommITS 170424Digitaliseringsdagarna KommITS 170424
Digitaliseringsdagarna KommITS 170424
 
Visualisera & arbeta smartare
Visualisera & arbeta smartareVisualisera & arbeta smartare
Visualisera & arbeta smartare
 
Cloud Inte Hype Utan Verklighet
Cloud Inte Hype Utan VerklighetCloud Inte Hype Utan Verklighet
Cloud Inte Hype Utan Verklighet
 

Big data - PlannerFed av Mats Rönne

  • 1. Mats Rönne Account Planning Group 21 november 2013
  • 2.
  • 3. Vad är Big Data? • För stora datamängder för vanliga (stor)datorer • Parallella processer på stort antal servrar • Från vetenskap till affärsvärld – Meteorologi – Biologi – Fysik Internet Finansmarknad • Big Intelligence – Beskrivande statistik – mängd, volym • Big Data – Induktiv statistik – korrelaton, sekvenser
  • 4. • Volume – 2,5 kvintiljoner (triljoner) (2 500 000 000 000 000 000) byte ny data • Velocity – CERN Large Hadron Collider: 150 miljoner sensorer, 40 miljoner gånger per sekund => 0,001 % används • Variety – 400 miljoner tweets, 125 miljoner timmar YouTube, 1 terrabyte aktietransaktioner • Voracity – 1/3 av beslutsdata upplevs som tveksam kvalitet
  • 5. Big Data is Big • 13 300 000 hits på Google – ”Marketing strategy” – ”Content marketing” – ”Brand management” – ”Consumer insight” – ”Account planning” – ”TV advertising” 8 820 000 hits 4 750 000 hits 2 990 000 hits 1 170 000 hits 889 000 hits 834 000 hits …men – ”Lady Gaga” – ”David Beckham” 101 000 000 hits 19 200 000 hits
  • 6. Big Data marketing • Tesco Clubcard (1995) • Amazon (1995, 1997) • Google (1998, 2004)
  • 7.
  • 8.
  • 11. 5 antaganden för Big Data 1. 2. 3. 4. 5. Big Data visar vad vi tycker och känner Att samla data är samma som att förstå ”Vad” driver ”Varför” Teknik och analytics har svaren Prediktiva analyser är träffsäkra Colin Strong, GfK
  • 12. Har vi rätt språk? Följare Fans Lojalitet Engagemang Relation Passion Förtroende Ambassadör
  • 13. ”Most of us find it hard enough to have good relationships with people in our lives, let alone with the brands we buy.” Bruce McColl, Global CMO, Mars
  • 14. Transaktion eller relation? Transaktion? 1) Beteendeeffekter: (förändring i) vad målgruppen gör 2) Intentionseffekter: (förändring i) vad målgruppen säger sig vilja göra 3) Attitydeffekter: (förändring i) vad målgruppen tycker 4) Kännedomseffekter: (förändring i) vad målgruppen känner till
  • 15.
  • 16. Försäljningspåverkan Marknadsföring verkar på två sätt Säljdrivande/aktivering Stark initial effekt, men avtar snabbt Varumärkesbyggande Låg initial effekt, men håller i sig Tid
  • 17. Olika funktion och resultat 50 45 40 35 30 25 20 15 10 5 0 80 70 60 50 40 30 20 10 0 Rationellt fokus Kombinerat Emotionellt fokus fokus Aktiveringseffekter Varumärkeseffekter Rationellt fokus Priseffekt Vinst 1 år Kombinerat Emotionellt fokus fokus Lönsamhetseffekt Vinst 3 år
  • 18. Vad kreativitet betyder 8 7 6 5 4 3 2 1 0 Kreativt belönade SOV effektivitet Inte belönade Priseffekt
  • 19. Dilemmat med Big Data Direkt (kortsiktig) effekt 40 35 30 ”Relying on Big Data is a sure way to f*** your brand” Les Binet, DDB/IPA Datamine 25 20 15 10 5 0 Kreativt Ej Brand Rationell belönad belönad fame
  • 20. Balanserad analys Långsiktig Långsiktig tillväxt Prisnivå/elasticitet Brand equity Indirekta/emotionella effekter Brand fame SOV effekter Explicita/associativa effekter Respons (on/off-line) Kortsiktig Kortsiktig försäljningsförändring
  • 21. Framtiden? Från Big Data till • • Better data (analys) Connected data (inte bara beteende) • Smarter data (sociologi/antropologi/ psykologi) • Big Insight/Big Idea?