Markkinatutkijan työ ei ole katoamassa. Mutta se muuttuu paljon, ja hyvä niin.
Suuri osa nykyisistä työvaiheista automatisoituu. Samalla tutkijalle avautuu mahdollisuus ottaa nykyistä suurempi rooli: ei vain tiedon tuottajana, vaan ihmisenä, joka auttaa määrittelemään ongelman, haastaa oletuksia ja rakentaa parempia päätöksiä. Tai oikeastaan se ei ole mahdollisuus, vaan se on vaatimus.
Tähän pääseminen edellyttää asiaa, joka on helppo sanoa ja vaikeampi tehdä: perinteisen tontin rajoja pitää uskaltaa ylittää.
Voit kehittyä paremmaksi ja silti menettää arvoasi
Ammatillisessa kehittymisessä ajattelemme helposti, että jos tulemme koko ajan paremmiksi siinä, mitä teemme, myös arvomme kasvaa.
Se ei välttämättä päde. Ei ainakaan, jos kehittyy asioissa, joiden suhteellinen arvo jatkuvasti pienenee.
Ongelma ei siis ole vain se, että lakkaa kehittymästä. Ongelma voi olla, että jatkaa kehittymistä väärään suuntaan.
Markkinatutkija on voinut pitkään rakentaa osaamisensa melko selkeän rungon varaan: tutkimusdesign, kyselylomakkeet, otanta, analyysi ja raportointi. Nämä taidot ovat edelleen tärkeitä, eikä niitä pidä vähätellä.
Mutta niiden ympärillä oleva maailma muuttuu. Osa työvaiheista nopeutuu, osa halpenee ja osa siirtyy automaation hoidettavaksi. AI kiihdyttää muutosta entisestään, mutta sama muutos on ollut käynnissä jo ennen AI:n vallankumousta. Tekninen osaaminen on jatkossakin välttämätöntä, mutta yhä harvemmin se yksin erottaa tekijän muista.
Siksi oman uran kannalta kannattaa välillä kysyä: mistä työstä minulle kannattaa maksaa viiden vuoden päästä?
Jos vastaus on, että täsmälleen siitä kuin nykyisinkin, miettisin vastausta uudelleen. Muuten realiteetit voivat jossain kohtaa iskeä pahasti kasvoille.
Hyvä keskitaso halpenee
AI nostaa kaikkien perustason kyvykkyyttä. Ensimmäinen analyysi, tekstiluonnos, yhteenveto tai tutkimussuunnitelma syntyy jo nyt paljon nopeammin kuin ennen. Kehitys tuskin pysähtyy tähän.
Hyvä keskitaso siis halpenee. Ja ollaan rehellisiä, valtaosa markkinatutkimuksesta on juuri tätä hyvää tai ei edes niin hyvää keskitasoa.
Ihmisen ei pidä yrittää kilpailla AI:n kanssa tekemällä samoja asioita hieman nopeammin. Sen sijaan on mietittävä, mitä kannattaa tehdä sillä ajalla ja osaamisella, joka vapautuu.
Asiakkaan haastaminen on yksi esimerkki. Hyvä tutkija ei vain ota briefiä vastaan, toteuta siinä määriteltyä tutkimusprojektia ja vastaa valmiiksi annettuun kysymykseen. Hän arvioi, onko kysymys oikea, mitä sen taustalla oletetaan ja kestävätkö oletukset tarkastelua. Usein tärkein lisäarvo syntyy siitä, että uskaltaa sanoa: tämä ei vaikuttaisi olevan se ongelma, jota teidän pitäisi ratkaista.
Toinen on luovuus. Sen merkitystä markkinatutkimuksessa aliarvioidaan mielestäni jatkuvasti. Hyvä tutkimus ei ole vain menetelmien oikeaoppista soveltamista ja siistin PowerPointin rakentamista. Tarvitaan luovuutta kysyä jotain, mitä muut eivät kysyneet, yhdistää asioita, joita muut eivät yhdistäneet, rakentaa parempi tutkimusasetelma ja nähdä datassa jotain, mitä muut eivät nähneet.
Kurinalaisuus varmistaa, että johtopäätös kestää. Luovuus auttaa löytämään johtopäätöksiä, joita ei muuten olisi syntynyt.
Ja sitten tarvitaan kykyä kertoa, mitä tästä kaikesta seuraa. Kun ensimmäinen analyysi ja kelvollinen tekstiluonnos syntyvät helposti, olennaisen valitseminen muuttuu tärkeämmäksi. Kaikkea ei pidä näyttää. Pitää ymmärtää, mikä asiakkaan kannalta merkitsee jotain, miten löydökset liittyvät toisiinsa ja mitä niiden perusteella pitäisi tehdä. Datan taakse on helppo piiloutua, mutta samalla sinusta tulee helposti korvattava.
Tästä ei kuitenkaan seuraa, että jokaisen tutkijan pitäisi yrittää olla erinomainen kaikessa.
Loista jossain. Mutta älä jää yhden tempun poniksi.
Jos yrittää olla strategi, data scientist, kvalitutkija, ekonomisti, Suomen paras esiintyjä ja AI:n erikoisasiantuntija yhtä aikaa, päätyy helposti olemaan keskinkertainen kaikessa.
Ei toivoton tilanne sekään.
Mutta parempi tilanne on loistaa jossain ja täydentää sitä muilla asioilla.
Syvä menetelmäosaaminen, poikkeuksellinen kyky analysoida dataa, vahva liiketoimintaymmärrys, luovuus, erinomainen tarinankerronta tai vakuuttava esiintymistaito voivat kaikki olla vahvoja kilpailuetuja.
Mutta yhden asian syväosaaminen ei riitä, jos sitä ei osaa yhdistää ympäröivään maailmaan. Yhden tempun poni ei kauaa naurata.
Arvo syntyy yhä useammin syväosaamisen ja riittävän laajan ymmärryksen yhdistelmästä. Jossain pitää olla oikeasti hyvä. Samalla pitää ymmärtää riittävästi ympäröivästä maailmasta, jotta omaa erityisosaamistaan osaa käyttää oikeiden ongelmien ratkaisemiseen.
Erinomainen analyytikko, joka ei osaa kertoa mitä analyysistä seuraa, on lopulta varsin hyödytön. Loistava tutkimussuunnittelija, joka ei ymmärrä asiakkaan liiketoimintaa, voi ratkaista väärää ongelmaa erittäin tehokkaasti. Hauska tarinankertoja ilman riittävää ymmärrystä datasta taas saattaisi sopia paremmin stand up -koomikoksi.
Tarvitaan sekä syvyyttä että leveyttä. Ei kaikkea kaikesta, vaan tarpeeksi ympäriltä.
Raja-aitojen kaataminen ei tarkoita tutkimuksesta luopumista
Tästä ei seuraa, että markkinatutkimuksen osaaminen menettäisi merkitystään. Kaikkea muuta.
Markkinatutkijalla on erittäin käyttökelpoinen selkäranka. Osaamme suhtautua dataan epäillen. Ymmärrämme mittausvirheitä. Tiedämme, että korrelaatio ei ole syy-seuraussuhde ja että vakuuttavalla graafilla voi johtaa lukijaa helposti harhaan ymmärtämättä sen taustoja. Osaamme erottaa havainnon tulkinnasta ja ymmärrämme, mitä aineistosta oikeasti voidaan päätellä.
Ymmärrämme siis datasta paljon aivan perusasioita, jotka ovat monilta täysin hukassa. Tällaista ajattelua tarvitaan maailmassa, jossa dataa, analyyseja ja valmiilta kuulostavia vastauksia syntyy koko ajan enemmän. Maailma on täynnä käyttökelvotonta dataa.
Tutkimusosaamisen rajojen ulkopuolelle meneminen ei tarkoita metodisen selkärangan hylkäämistä. Päinvastoin: juuri se pitää ottaa evääksi mukaan uusille alueille.
Tulevaisuuden markkinatutkijan ei tarvitse muuttua geneeriseksi konsultiksi. Paljon kiinnostavampi vaihtoehto on olla poikkeuksellisen hyvä tutkija, joka pystyy toimimaan myös tutkimuksen ulkopuolella.
Ja jos taas olet konsultti, joka ymmärtää dataa poikkeuksellisen syvästi, olet varmasti vahvoilla.
Kehittyminen tarkoittaa välillä epämukavuutta
Haluan omassa tekemisessäni kehittyä aina tekemään asioita hieman paremmin. Oma teesini on, että jos parin vuoden takaiset tekemiset eivät edes vähän nolota, on kehittyminen jossain kohtaa loppunut.
Pientä kehitystä pitää tapahtua päivittäisessä työssä jatkuvasti. Mutta suurimmat kehitysaskeleet vaativat enemmän.
Omalla kohdallani liiketoimintajohdossa työskentely pakotti katsomaan markkinaa toisesta suunnasta. Esiintymisestä oppi nauttimaan vain tekemällä sitä riittävän pitkään. Asiakkaiden haastaminen piti opetella, samoin oman näkemyksen sanominen riittävän suoraan.
Viimeksi mainitun olen ehkä oppinut jo liiankin hyvin. Mutta liian pitkälle pehmennetty viesti ei aina mene perille, ja selkään taputtelijoita asiakkailla on yleensä riittävästi omasta takaa.
Mutta kun laukoo ajatuksiaan suoraan, on hyvä muistaa yksi asia: suoruus ilman perusteluja on vain mielipide, pahimmillaan jopa ilkeyttä. Jos jotain väittää, pitää pystyä näyttämään, mihin väite perustuu.
Myös tutkimusdatasta kertominen piti opetella uudella tavalla. Kaikkea ei tarvitse eikä pidä näyttää. Olennaista on kiteyttää, rakentaa löydöksistä tarina ja antaa askelmerkkejä eteenpäin. Vaatii paljon enemmän rohkeutta olla näyttämättä asioita kuin näyttää kaikki.
Nyt sama koskee AI:ta. Sitä pitää opetella käyttämään sekä laadun parantamiseen että työn tehostamiseen. Ei siksi, että AI olisi vastaus kaikkeen, vaan siksi, että olisi aika omituista jättää hyvä työkalu käyttämättä vain siksi, ettei sitä ennen ollut.
Mutta pelkkä AI:n käyttötaito ei ole kilpailuetu. Se alkaa olla perusedellytys. Kilpailuetu syntyy siitä, mitä osaat sen avulla tehdä.
Älä kehitä vain nykyistä osaamistasi
Jos olet teknisesti taitava analyytikko, opettele tunnistamaan, mitkä löydökset ovat asiakkaalle oikeasti merkityksellisiä ja mitä niiden perusteella voidaan tehdä.
Jos olet hyvä strategi, opettele ymmärtämään tutkimusmenetelmiä ja tulkitsemaan dataa niin, ettet rakenna vakuuttavaa näkemystä väärien johtopäätösten päälle.
Jos olet hyvä projektinjohtaja, opettele ymmärtämään asiakkaan liiketoimintaa ja niitä realiteetteja, joissa tutkimuksen tuloksia pitäisi pystyä hyödyntämään.
Jos olet erinomainen esiintyjä, opettele analysoimaan ja tulkitsemaan niin hyvin, että sinulla on myös jotain sanottavaa.
Ja jos AI tekee jonkin nykyisen työvaiheesi pian yhtä hyvin kuin sinä, älä käytä kaikkea energiaasi siihen, että yrittäisit voittaa koneen sen omassa pelissä. Käytä vapautuva aika opettelemalla jotain vaativampaa.
Tavoite ei ole kerätä CV:hen mahdollisimman pitkää taitolistaa. Tavoite on kasvattaa omaa kykyä ratkaista arvokkaita ongelmia.
Jos kaikki uuden opettelu tuntuu mukavalta, ei ehkä ole mennyt tarpeeksi kauas omalta tontiltaan.
Markkinatutkimuksella on tässä paljon voitettavaa
Tämän kaiken voi lukea uhkana. Tai mahdollisuutena.
Tutkimusalalla määrittelemme usein oman tonttimme turhan kapeaksi. Osaamme paljon sellaista, josta olisi hyötyä huomattavasti laajemmassa roolissa, mutta tekeminen rajautuu silti helposti tutkimusprojektien ympärille.
Raja-aitojen kaataminen avaa toisenlaisen mahdollisuuden.
Tutkimusosaamista voidaan käyttää hinnoittelussa, tuotekehityksessä, asiakasstrategiassa, brändin johtamisessa, portfolioissa, kasvun etsimisessä ja monessa muussa päätöksessä, jossa epävarmuutta pitäisi vähentää ennen kuin rahaa tai aikaa laitetaan peliin.
Silloin markkinatutkimus ei kutistu. Sen käyttöalue laajenee.
Ja tutkijan rooli voi samalla kasvaa. Emme ole vain ihmisiä, jotka tuottavat tietoa päätöksentekijöille. Voimme olla mukana määrittelemässä, mitä pitäisi selvittää, mitä vaihtoehtoja kannattaa harkita, millä perusteella päätös tehdään ja miten saatua tietoa viedään käytäntöön.
Se vaatii rohkeutta mennä oman ammattikunnan rajojen yli. Ja juuri siinä on myös alan mahdollisuus.
Ja ehkä jossain vaiheessa on turha kysyä, onko tällainen ihminen enää market researcher, insight manager vai jotain ihan muuta. Nimike on sivuseikka. Olennaisempaa on, millaisia ongelmia osaa ratkaista ja kuinka paljon arvoa osaamisellaan pystyy tuottamaan.
Se mikä riitti ennen, ei enää riitä. Hyvä niin.
Markkinatutkimuksen tekeminen hyvin on edelleen arvokas taito. Mutta markkinatutkimuksen tekeminen hyvin ei yksin enää riitä määrittelemään hyvää markkinatutkijaa.
Loista jossain. Täydennä sitä muulla. Mene välillä alueelle, jossa et vielä osaa. Opettele käyttämään uusia työkaluja. Opettele ymmärtämään asiakkaan liiketoimintaa paremmin. Opettele sanomaan, mitä datasta mielestäsi seuraa, ja ole valmis perustelemaan se.
Tee sama uudelleen ensi vuonna. Jos kehitys pysähtyy, muu maailma menee menojaan.
Markkinatutkijan tulevaisuutta ei turvata puolustamalla sitä, mitä markkinatutkija on aina tehnyt. Se turvataan viemällä vahva tutkimusosaaminen paikkoihin, joissa siitä syntyy enemmän arvoa. Siinä tulevaisuudessa markkinatutkimukselle ja markkinatutkijalle on enemmän käyttöä, ei vähemmän.
