Interview mit Danny Mawani Holmgaard

Wir haben Yulia Tkachova, die Produktmanagerin bei OWOX, gebeten, sich an Danny Mawani Holmgaard, den leitenden Analysten bei Impact Extend, zu wenden. Hier ist eine kurze Liste der Themen, die sie angesprochen haben:

Yulia Tkachova: Lernen wir uns kennen! Erzählen Sie uns von sich und Ihren Erfahrungen.

Danny Mawani Holmgaard: Ich bin Lead Analyst bei der Agentur für digitales Marketing Impact Extend. Ich arbeite nicht nur mit Google Analytics, sondern auch mit Data Engineering, dem Aufbau von Datenpipelines, der Integration von Online- und Offline-Daten und dem Aufbau von Datenmodellen. Ich kombiniere und analysiere Daten, damit sie sowohl strategisch genutzt werden können, um zu zeigen, ob wir auf dem richtigen Weg sind oder etwas geändert werden muss, als auch operativ, um sicherzustellen, dass sich die Daten in den richtigen Systemen befinden, damit darauf reagiert werden kann.

YT: Wie bist du dazu gekommen, dich mit Marketing Analytics zu beschäftigen?

DH: Ich bin eigentlich zufällig auf diesen Karriereweg gestoßen. Zuerst habe ich digitales Konzeptdesign studiert und wollte Webdesignerin werden. Ich habe Google Analytics aus Spaß zu einem meiner Schulprojekte hinzugefügt, und plötzlich wurde mir klar, wie sehr Sie den gesamten strategischen Prozess beeinflussen können, von den Designentscheidungen bis hin zur Schaffung einer besseren Erfahrung für die Benutzer bei gleichzeitiger Verbesserung der Geschäftsergebnisse. Eins führte zum anderen, und ich habe in den letzten sechs Jahren mit Daten gearbeitet.

YT: Was magst du am meisten und am wenigsten an deiner Rolle?

DH: Ich freue mich sehr über neue Projekte und das Entwerfen einer Lösung von Grund auf neu. Das bedeutet, dass Sie vom Scoping der erforderlichen Datenquellen zum Schreiben des Codes für die Verbindung mit verschiedenen Datenbanken und APIs übergehen müssen. Andere Bereiche, die mir wirklich Spaß machen, sind zu sehen, dass unsere Bemühungen tatsächlich eine Wirkung für unsere Kunden haben (Wortspiel beabsichtigt), indem wir ihnen die Informationen geben, die sie benötigen, aber nie für möglich gehalten hätten, um ihr Geschäft mit datengesteuerten Entscheidungen voranzutreiben.

Der am wenigsten „lustige“ Teil meiner Arbeit passiert, wenn etwas kaputt geht und repariert werden muss. Es kann ziemlich schwierig sein, Daten zu erhalten, nachdem Ereignisse eingetreten sind, die nicht nachverfolgt werden können. Leider kann man bei der Datenerhebung nie alles vorhersehen, was schief gehen kann. Dies kann alles sein, von einer schief gelaufenen Bereitstellung bis hin zu jemandem, der eine Einstellung in seinem System falsch konfiguriert. Das Beste, was Sie tun können, ist, Monitore für Ihre Daten einzurichten und von Zeit zu Zeit einen Frühjahrsputz durchzuführen, um sicherzustellen, dass Sie eine gute Leistung aufrechterhalten und aus Fehlern lernen.

YT: Was bedeutet DH: Daten verwertbar zu machen, ist etwas, das wir für alle unsere Kunden zu erreichen versuchen. Für mich sind umsetzbare Daten Informationen, die Sie innerhalb der Organisation aktiv nutzen und nutzen können, sei es etwas Komplexes wie die Berechnung des Customer Lifetime Value für Kunden über alle Kanäle und die anschließende Verwendung in Ihren Marketingautomatisierungssystemen, um auf Anzeigen basierend auf den Kosten zu bieten Marge und Verkaufswahrscheinlichkeit von Produkten oder etwas so Einfaches wie das Erstellen von Zielgruppen in Google Analytics, die Ihnen beim relevanten Retargeting helfen. Alles in allem geht es darum, sicherzustellen, dass die gesammelten Informationen verwendet werden können, um Änderungen basierend auf den von Benutzern durchgeführten Aktionen dynamisch vorzunehmen, um Conversions zu fördern oder ein besseres Benutzererlebnis zu bieten.

YT: Welche Fähigkeiten und Software schlagen Sie vor, um Daten verwertbar zu machen?

DH: Das hängt hauptsächlich von den Ressourcen und dem Ehrgeiz Ihres Teams ab. Das Wichtigste ist, herauszufinden, was Sie erreichen wollen, und sich Ziele zu setzen. Sie müssen nicht mit großen Datensätzen arbeiten oder in der Lage sein, fortgeschrittene statistische Programmierungen durchzuführen, um Ihre Daten verwertbar zu machen. Beginnen Sie einfach und bauen Sie von dort aus auf. Dies kann alles sein, von der Sicherstellung, dass Ihre Analysedaten korrekt gemessen werden, bis hin zum Hochladen von Rückerstattungen oder Kostendaten, um zu erfahren, bei welchen Produkten Sie Geld verlieren.

Verwenden Sie im Allgemeinen die Daten, die Sie derzeit zur Verfügung haben, und fangen Sie klein an. Wenn Sie mit zu großen Projekten beginnen, bevor die Organisation damit fertig wird, riskieren Sie, wertvolle Teamressourcen für ein Projekt zu verschwenden, das scheitern könnte. Meiner Meinung nach ist der wichtigste Soft Skill die Fähigkeit, neugierig und kreativ zu sein, mit welchen Daten das Geschäft vorangebracht werden kann. Alle technischen Aktionen kommen erst an zweiter Stelle, da sie nicht nützlich sind, wenn sie nicht strategisch eingesetzt werden können.

YT: Was ist mit den Tools, mit denen Sie auf Daten reagieren können?

DH: Um die Ausgaben für Produkte zu reduzieren und es unseren Kunden zu ermöglichen, ihre Ressourcen für Strategie und Ausführung zuzuweisen, haben wir unsere ETL-Prozesse (Extrahieren, Transformieren, Laden) mithilfe der Google Cloud Platform selbst erstellt. Dies macht es uns leicht, kostengünstig zu skalieren. Wir verwenden hauptsächlich R, Python und SQL für unsere Datenprozesse, aber wir verwenden auch einige Anbieter, die uns helfen, wie z. B. Funnel. io und OWOX, da sie viele Datenkonnektoren von Anzeigenplattformen zu geringen Kosten direkt aus der Box verarbeiten können.

Der Nachteil beim Aufbau eines Setups wie dem unseren besteht darin, dass wir lange gebraucht haben, um effiziente Modelle zu erstellen, die mit großen Datensätzen und fortgeschrittenen statistischen Modellen umgehen können, von denen wir glauben, dass sie eine ausreichend gute Qualität für die Produktion haben. Ich bin ein großer Fan von ETL-Tools wie Azure Databricks, Alteryx und ähnlichen Produkten, die mit integrierten Funktionen einen Großteil der Data-Engineering-Arbeit reduzieren können. Diese Tools können jedoch sehr teuer sein und erfordern dennoch viel Know-how, um Ergebnisse zu erzielen. Wenn Sie ein teures Tool verwenden, denken Sie daran, es richtig zu verwenden, damit es Einnahmen bringt, anstatt Ihr Budget zu strapazieren.

YT: Vor ein paar Tagen mochten wir beide Mikko Pippos Beitrag darüber, warum Werbetreibende Geld verschwenden. Gibt es weitere Punkte, die Sie der Checkliste von Mikkos empfehlen würden? Warum verschwenden Vermarkter ihr Budget und wie können Sie dies vermeiden?

DH: Mikko ist einer der klügeren Typen, die ich kenne, und wenn Sie ihm nicht folgen, empfehle ich Ihnen, dies zu tun. Wenn ich seinen Beitrag ergänzen könnte, würde ich versuchen, die Daten, die Sie bereits haben, wie z. B. Daten zu Kundentreuepunkten, Rückerstattungen oder Kundensegmenten, anzureichern. Dies ist ziemlich einfach, wenn Sie die Client-, Benutzer- oder Transaktions-ID in Ihrem Analyse-Setup vorhanden haben.

Der Grund, warum Menschen nicht die richtigen Gründe für die Datenerhebung haben oder ihre Daten nicht verwenden, ist, wie Mikko sagt, mangelnde Bildung. Wenn Sie nicht wissen, was die Daten für Sie tun können, oder wenn Sie nicht wissen, wie die Zahlen in der Organisation aussehen sollen, ist es sehr schwierig, etwas zu tun.

Analysen können beängstigend und schwierig zu handhaben sein. Meistens ist es nicht so, dass die Leute, die mit den Daten sitzen, sie nicht verwenden wollen. Es geht hauptsächlich darum, dass diese Person keine Zeit hat, ihre Kompetenzen zu skalieren. Es liegt daher an der Organisation, eine Umgebung aufzubauen, in der Personen mit Zugriff auf Daten lernen können, wie sie Analysen verwenden, oder eine externe Agentur finden können, um die Personen zu unterstützen, die die Geschäftsentscheidungen treffen.

YT: Was raten Sie Marketern, die echte datengetriebene Profis werden möchten?

DH: Auf jeden Fall klein anfangen. Das Erlernen der Grundlagen der Statistik und die Beherrschung einiger grundlegender Excel-Kenntnisse können Sie weit bringen. Sobald Sie mit der Arbeit mit grundlegenden Datasets und dem Kombinieren von Daten vertraut sind, können Sie auf die Art und Weise skalieren, die am besten zu Ihnen passt. Wenn ich etwas Neues lerne, versuche ich es immer mit einem aktuellen Projekt abzugleichen und versuche, etwas Neues zu lernen, das meine Arbeit verbessert, während ich es tue. Ich begann mit der statistischen Programmierung mit R, weil ich jeden Monat dieselbe Arbeit erledigte, die mich mehrere Tage in Anspruch nahm. Indem ich etwas Neues lernte, reduzierte ich dies auf eine Stunde. Eine Sache, die ich hier erwähnen möchte, ist, dass Sie keine Angst haben sollten, den Projektumfang zu überschreiten. Auch wenn die Stunden, die Sie damit verbringen, etwas zu lernen, den Gesamtgewinn eines Projekts verringern, können Sie alles, was Sie lernen, auf die nächsten von Ihnen erstellten Projekte anwenden, wodurch sie besser und stabiler werden, als wenn Sie die Zeit nicht damit verbracht hätten, zu lernen, wie es geht .

Mein letzter Rat hier ist, einen Weg zu wählen. Man kann nicht einfach alles machen, wenn man es gut machen will. Ich bin definitiv nicht so gut in Statistik wie unser Head of Business Intelligence, und er ist nicht so gut in Data Engineering wie ich, also haben wir unsere definierten Rollen, können uns aber trotzdem gegenseitig in den Grundlagen unserer Arbeit unterstützen. Zusammenarbeit ist der Schlüssel, wenn Sie erfolgreich sein wollen, und es ist nie eine schlechte Sache, externe Mitarbeiter einzustellen, um Ihre Abteilung zu skalieren.

YT: Wer ist deine größte Inspiration in der #measure-Community? Könnten Sie einen Experten markieren, dessen Meinung es wert ist, in unserem Blog geteilt zu werden?

DH: Mark Edmonson ist definitiv ein Typ, der mich täglich inspiriert. Er gibt der Community so viel, ist immer hilfsbereit und entwickelt immer wieder großartige Lösungen, die Analysten auf der ganzen Welt helfen, ihre Arbeit bei der Verwendung der Google Cloud-Plattform zu verbessern.

YT: Was sind Ihre fünf Lieblingsveranstaltungen für Analysten?

DH: Hier sind sie:

• MessenCamp
• Superwoche
• Marketing-Analytics-Gipfel
• Webanalyse Mittwoch
• Analysieren!

YT: Können Sie Ihre fünf besten Blogs oder andere Quellen für Analysten nennen?

DH: Gerne:

• Mark Edmondsons Blog
• Blog von Simo Ahava
• CXL-Blog
• Analytics-Wahn
• Jeffalytics

… Vielleicht auch mein eigener Blog ;) Es gibt so viele gute Ressourcen, die ich auch erwähnen möchte, wie zum Beispiel die Facebook-Gruppe #measureslack und Google Tag Manager. Das Beste an der Analytics-Community ist, dass die Leute gerne großartige Lösungen teilen.

YT: Welche Trends beobachten Sie in der Analytik und welche Trends werden sich in Zukunft fortsetzen und weiterentwickeln?

DH: Serverseitiges Tracking ist definitiv etwas, das Menschen unternehmensübergreifend implementieren werden, da Intelligent Tracking Prevention (ITP) es sonst schwierig macht, genaue Daten zu sammeln. In Bezug auf ITP bin ich da etwas ambivalent. Einerseits dient ITP dem großen Zweck, die Privatsphäre der Benutzer zu schützen. Ich persönlich bin der Meinung, dass Benutzer immer die Wahl haben sollten, welche Informationen sie mit Unternehmen teilen möchten. Auf der anderen Seite verhindert dies auch, dass einige Website-Funktionen wie beabsichtigt funktionieren, wie z. B. automatische Anmeldungen und Personalisierung.

Darüber hinaus glaube ich, dass ITP dazu führen kann, dass Unternehmen Workarounds vornehmen, die die Menschen dazu zwingen, mehr Informationen preiszugeben, als sie es zuvor tatsächlich getan haben. Beispiele könnten sein, Benutzer dazu zu bringen, sich anzumelden, bevor sie mit dem Surfen auf einer Website fortfahren können, oder Benutzern, die ihre Zustimmung auf der Website nicht geben, den Zugriff zu verweigern. Im derzeitigen Zustand von ITP denke ich, dass es weder für Benutzer noch für Unternehmen optimal geeignet ist. Die Welt befindet sich immer noch in einer steilen Lernkurve in Bezug auf die Einhaltung von Gesetzen und kann dennoch gute Erfahrungen machen. Ich bin gespannt, wie es sich entwickeln wird.

Eine andere Sache, auf die Sie achten sollten, ist die App+Web-Analyseplattform. Es befindet sich noch in einem sehr frühen Stadium, aber ich empfehle dringend, es zu implementieren und darauf aufzubauen, während es sich weiterentwickelt. Auf diese Weise können Sie die Funktionen der Plattform nutzen, sobald Sie sie benötigen. Es kommt auch mit vielen coolen Funktionen wie dem kostenlosen BigQuery-Export.

YT: Vor welchen neuen Herausforderungen stehen Sie in Ihrem Arbeitsalltag im Vergleich zu Beginn Ihrer Karriere als Analyst?

DH: Meine Rolle hat sich stark verändert, von einer eher unterstützenden Rolle zu Beginn meiner Karriere hin zum Antreiben von Projekten von Anfang bis Ende. Zuvor bestand meine Herausforderung darin, zu verstehen, wie die Dinge funktionierten, und mein Bestes zu geben, um sicherzustellen, dass die Berichte die richtigen Metriken anzeigen und dass das Tracking korrekt eingerichtet ist.

Heute weiß ich, wie man diese Dinge macht, und die Schwierigkeiten liegen vor allem in der Kommunikation der Strategie, damit Kunden die Vorteile der Datenerfassung verstehen und darauf drängen, dass ihre Organisationen diese Informationen aktiv nutzen. Kurz gesagt, ich bin von der Ausführung von Implementierungs- und Berichtsaufgaben, die mir zugewiesen wurden, dazu übergegangen, die Strategie und das „Warum“ für den Datenfluss voranzutreiben. Ich glaube, dass es wichtig ist, viel Routinearbeit geleistet zu haben, bevor man in der Lage ist, Strategien zu verstehen und voranzutreiben.

Bevor Sie als Analyst vorankommen und Ihre Fähigkeiten weiterentwickeln können, müssen Sie die Grundlagen beherrschen und verstehen, wie alles miteinander verbunden ist.

YT: Google Analytics oder Adobe?

DH: Ich persönlich nutze Google Analytics eher, da es für alle besser verfügbar ist und eine großartige API hat. Ich denke jedoch, dass Adobe ein starkes und stabiles Produkt mit einigen wirklich coolen Methoden zur Datenanalyse hat und gleichzeitig ein stärkeres Produkt in Bezug auf Compliance ist.

YT: Data Studio, Tableau oder Power BI?

DH: Ich verwende gerne die ShinyDashboards von R, da Sie alles, was Sie wollen, mit beliebigen Arten von Diagrammen auf dynamische Weise erstellen können. Außerdem sind keine teuren Lizenzen erforderlich (es sei denn, Sie möchten ihre gehostete Lösung verwenden).

Um ehrlich zu sein, finde ich, dass all die oben genannten Tools etwas Großartiges haben. Data Studio ist kostenlos und schnell, PowerBI kann billig sein und bietet viele großartige Visualisierungen, und Tableau hat einige wirklich coole Freigabefunktionen und -features, die großartig sind, wenn viele Leute Daten innerhalb der Organisation erforschen und analysieren.

YT: AppsFlyer oder FireBase?

DH: Ich habe hier keine strikte Meinung. Allerdings macht die Entwicklung von APP+Web FireBase gerade jetzt definitiv interessant.

Der Schlüssel zum Erfolg für einen Analysten ist Geduld und die Bereitschaft, bei Null anzufangen. Vielen Dank an Danny für diesen einfachen Ratschlag, der uns hilft, bei unseren Analysen konzentriert und überzeugend zu bleiben.

Wenn dir dieses Interview gefallen hat oder du Fragen an Danny hast, hinterlasse unten einen Kommentar! Vergessen Sie nicht, unseren Blog zu abonnieren, um noch mehr nützliche Vorträge und Artikel aus der Analytics-Welt zu erhalten.