Hvordan omsætter vi data til kreativite idéer?
•Download as PPTX, PDF•
0 likes•141 views
I den optimale verden bør de sublime kreative idéer opstå i krydsfeltet mellem det analytiske og det kreative. Man kan ikke ændre verden, hvis man ikke forstår den. Men er vi gode nok til at udnytte data til de kreative idéer, eller er der en indbygget konflikt som spøger?
Recommended
Recommended
More Related Content
Similar to Hvordan omsætter vi data til kreativite idéer?
Similar to Hvordan omsætter vi data til kreativite idéer? (20)
More from Advice A/S
More from Advice A/S (12)
Hvordan omsætter vi data til kreativite idéer?
- 1. Signe Zacher Carlsen, Advice Sune Thøgersen, Advice
- 2. ”If you can get creativity and data working together you can do remarkable things” Nick Rappolt, CEO Beyond 2
- 3. 3 Mennesket har altid brugt værktøjer
- 4. 4 Her er nogle af vores nyeste: AI Machine learing Big data Algoritmer Chatbots
- 5. 5 Og data er hot stuf …
- 6. 6
- 7. 7
- 8. Der er buzz om data og kreativitet 8
- 9. Hvad siger de … De peger på konflikten mellem nørden & kunstneren De viser, hvordan data er brugt til at skabe kreativ automatisering og personalisering De fortæller den gamle historie om at viden og indsigter er grobund for gode kreative løsninger 9
- 10. Men hvad taler vi egentligt om? Hvad er data? Hvad er kreativitet? 10
- 11. 11 Hvad er data? • Det er i overflod • Data er et råmateriale, der skal forarbejdes
- 12. Data er i overflod 12
- 13. 13 Google Analytics Adobe Analytics Siteimprove Buzzsumo Searchmetrics Facebook insights (pages + ads) Facebook Audience Insights Linkedin Insights (pages + ads) Twitter Analytics Google Sheets AdForm Google DoubleClick CRM Survey Influencer-reach Offentligt tilgængelige databaser
- 14. Data er et råmateriale, der skal forarbejdes for at kunne bruges
- 15. De gennemsnitligt tilfredse: 71/100 26% De utilfredse: 52/100 23% De meget utilfredse: 21/100 8% De meget tilfredse: 86/100 43%
- 16. 16 THICK DATA + BIG DATA (DYBDE) (SKALA )
- 19. At skabe noget nyt 19
- 20. Problemløsning
- 21. Storytelling
- 22. Data er en måde at lytte på 22 Kreativitet er nødvendig for at svare
- 23. Men hvordan omsætter vi så data til kreative løsninger? 23
- 24. 24 Den klassiske: Data => Viden => Indsigter
- 25. 25
- 30. ”CRM” tjek SoMe Post Landing Pages SoMe Post SoMe Post Google AdWords Website Banners Mail til potentielle leads/Alumne Inspirationsmøde Email-triggers TLF Google Display Banners Content fra inspirationsmøde Retargeting Nyheds- brev Retargeting Lead Ads
- 31. Data kan også skabe noget nyt 31
- 32. 32 The house of clicks
- 34. Data kan fortælle historier 34
- 35. 35
- 36. 36
- 37. 37
- 38. 38
- 39. 39
- 40. 40
- 41. 41
- 42. Hvordan kommer man i gang? 42
- 43. 43 1. Gør data transparent Data skal forarbejdes og gøres synligt for at blive relevant for andre end nørden.
- 44. 44 2. Sæt fart på data Hvis du venter på det fulde billede, kommer du aldrig i gang
- 45. 45 3. Sæt nørden og kunstneren sammen Kreative skal være nysgerrige og datasultne og datafolk skal turde mene noget og lege mere
- 46. Once big data is worked into the front-end of the creative process, the results are dramatic. 46
Editor's Notes
- Evt. som et slide til hver med et sigende billede.
- 80% af al data er ustruktureret 90% af al data i verden er skabt indenfor de sidste to år.
- Kvantitativ indsigt: Jo længere man har været medlem, jo mindre tilfreds er man Kvalitative indsigter: Når man har betalt så længe for et medlemskab, så er éns tærskel for fejl lavere når først man får brug for medlemskabet Når man har været medlem længe er man også mere erfaren, og organisationens tilbud matcher ikke de erfarnes behov Løsning: Skab et helt nyt tilbud til de erfarne, der viser, at I forstår dem og deres situation
- Kvantitativ indsigt: Jo længere man har været medlem, jo mindre tilfreds er man Kvalitative indsigter: Når man har betalt så længe for et medlemskab, så er éns tærskel for fejl lavere når først man får brug for medlemskabet Når man har været medlem længe er man også mere erfaren, og organisationens tilbud matcher ikke de erfarnes behov Løsning: Skab et helt nyt tilbud til de erfarne, der viser, at I forstår dem og deres situation
- Vi kombinerer thick og big data med afsæt i den specifikke problemstilling. For at danne et komplet billede er vi metodeuafhængige og ved, at det kræver både kvalitativ og kvantitativ analyse for at skabe de bedste løsninger, fordi det generere forskellige typer af viden. Integrating big data and thick data provides organizations a more complete complete context of any given situation. For businesses to form a complete picture, they need both big and thick data because each of them produce different types of insights at varying scales and depths. Big Data requires a humongous N to uncover patterns at a large scale while Thick Data requires a small N to see human-centered patterns in depth. Men i alt snakken omkring big data, algoritmer, AI, microsegmentering mm., er der begyndt at opstå en modreaktion, som anerkender at data fortsat er vigtigt, men at man måske har stirret sig blind på data som det der skal redde branchen. På de internationale bureauer opruster man nu med etnologer igen, verdens største annoncør, P&G, har erkendt at man måske har målrettet sin markedsføring mod for smalle målgrupper, og flere af konsulenthusene har endelig erkendt, at det ikke handler om Big data og mængden af data, men af actionable small data. Companies must seek to analyze and improve their user experience using the subjective and participative techniques described above, but also more objective data-driven methods to gain business and brand insights. There are two main methods of gathering objective data. The first is the study of human behaviour through anthropological observation. The second is through number-crunching, deep analytics and big data. A balance between these quantitative and qualitative collection methods is required to become successful. Thick Data is data brought to light using qualitative, ethnographic research methods that uncover people’s emotions, stories, and models of their world. It’s the sticky stuff that’s difficult to quantify. It comes to us in the form of a small sample size and in return we get an incredible depth of meanings and stories. Thick Data is the opposite of Big Data, which is quantitative data at a large scale that involves new technologies around capturing, storing, and analyzing. For Big Data to be analyzable, it must use normalizing, standardizing, defining, clustering, all processes that strips the the data set of context, meaning, and stories. Thick Data can rescue Big Data from the context-loss that comes with the processes of making it usable. (Tricia Wang, etnography matters)
- Det er ikke sejt at gøre noget for at være sej. Tværtimod er det meget pinligt. Når man gør noget for at virke ældre eller cool, er det helt afgørende, at det ikke bliver afsløret, at man gør det for at fremstå ældre eller cool.