Майкл Уэйд - Цифровой вихрь [Как побеждать диджитал-новаторов их же оружием]

Практика обнаружения рабочих моделей может повысить как производительность сотрудников, так и их вовлеченность в работу. Тем не менее руководители должны принять во внимание некоторые важные проблемы. Вопросы соблюдения конфиденциальности – самое большое препятствие на пути к принятию этой системы, как сказали предприниматели и руководители высшего звена, с которыми мы беседовали.

Учитывая вполне оправданную тревогу сотрудников, компании-инноваторы пробуют различные подходы к решению проблемы конфиденциальности. Humanyze полагается на добровольность участия и предоставляет контракт, гарантирующий, что личные данные не будут переданы третьим лицам, включая работодателя. VoloMetrix удаляет из анализа информацию, лично идентифицирующую сотрудников, показывая работодателям только данные, объединенные на уровне группы или компании. Организации должны быть предельно честны с работниками (и с государственными чиновниками), говоря о мерах защиты конфиденциальности при внедрении технологий для обнаружения рабочих моделей.

В исторической перспективе многие решения, касающиеся маркетинга и продаж, основывались на демографических и психографических (например, опросах клиентов и фокус-групп) и этнографических исследованиях. Такие источники информации все менее актуальны в цифровом вихре. Опрос клиентов, занимающий от трех до шести месяцев, предоставит компании, возможно, устаревшие сведения, что приведет к принятию решений о продукте или услуге, которые уже не соответствуют текущим потребностям.

Более того, ценность традиционных источников знаний о клиентах, таких как демографические данные, снижается. Они представляют неполную картину современного потребителя, поскольку меняющиеся модели поведения больше не соответствуют типичным профилям покупателя. Результаты такой «постдемографической» культуры потребления могут озадачить компании, которые цепляются за вчерашние представления о покупателях. В Великобритании, например, женщины составляют большую часть игроков в видеоигры, а в период между 2012 и 2013 годами самой быстрорастущей демографической группой в Твиттере были люди 55–64 лет [35] Специалисты Trend Watching, исследовательской и консалтинговой фирмы, говорят об этом так: «Люди всех возрастов и на всех рынках совершенно свободно создают собственную идентичность. В результате модели потребления больше не определяются такими «традиционными» демографическими данными, как возраст, пол, местоположение, доход, семейное положение и так далее». «Post-Demographic Consumerism», Trend Watching, accessed April 6, 2016: trendwatching.com/trends/post-demographic-consumerism/. .

Раскрытие скрытых моделей

Цифровые технологии, в особенности мобильные телефоны и сенсоры, расширяют возможности компаний по определению моделей коммуникации и потребления среди клиентов. Эта новая гиперосведомленность по-новому определяет знания о поведении клиентов, которыми организации могут обладать. Вместо наблюдения за их деятельностью в определенное время (например, во время работы фокус-группы) компании теперь могут наблюдать за поведением клиентов в постоянном режиме. Такая гиперосведомленность создает беспрецедентные возможности для того, чтобы понять нужное сочетание ценности стоимости, взаимодействия и платформы, а затем реализовать его с помощью новых, улучшенных предложений.

Современные смартфоны оснащены большим количеством датчиков: акселерометрами и гироскопами для измерения движения и ориентации, магнитометрами и GPS-чипами для определения местоположения, датчиками температуры и интенсивности света и все чаще фитнес-датчиками, например датчиками сердцебиения и шагомерами {218} 218 David Nield «Do You Really Know Everything Your Phone Is Tracking on You?», TechRadar, July 25, 2015: techradar.com/news/phone-and-communications/mobile-phones/sensory-overload-how-your-smartphone-is-becoming-part-of-you-1210244 . Компании даже пытаются использовать другие способы получения данных об использовании телефона помимо датчиков. Исследователи Samsung обнаружили, что, наблюдая за определенными моделями использования телефона, например скоростью печати и частотой нажатия кнопки «backspace» и «особых символов», можно предугадать эмоциональное состояние пользователя с точностью 68 %, используя алгоритмы машинного обучения {219} 219 Duncan Graham-Rowe «A Smartphone that Knows You’re Angry», MIT Technology Review, January 9, 2012: technologyreview.com/s/426560/a-smart-phone-that-knows-youre-angry/ .

Несколько революционных стартапов, включая Branch.co и inVenture, переосмысливают кредитование в развивающихся странах, предлагая мобильные приложения, которые оценивают кредитоспособность пользователя, основываясь на его особенностях использования мобильного телефона. Такой тип гиперосведомленности чрезвычайно актуален в развивающихся странах, в которых у миллионов потребителей нет доступа к банковским услугам, а недостаточная надежность данных приводит к тому, что у многих людей нет кредитных оценок. Приложения, которые разработали эти стартапы, прослеживают до 10 000 элементов данных каждого пользователя, чтобы оценить его кредитоспособность. Пользователи таких приложений соглашаются поделиться данными своего мобильного телефона в обмен на возможность получить заем. Если их кредитоспособность оценивается положительно, то они могут немедленно получить одобрение кредита и доступ к средствам прямо со своего телефона. Множество заемщиков – владельцы малого бизнеса, которые используют заемы для покупки таких вещей, как топливо и инвентарь. В этом смысле приложения расширяют не только индивидуальные возможности, но и способствуют росту потенциала местного бизнеса.