Interview mit Jim Sterne

Jim Sterne ist der Gründer des Marketing Analytics Summit (ehemals eMetrics Summit), emeritierter Direktor der Digital Analytics Association, Autor von 12 Büchern, ein talentierter Redner und insgesamt eine großartige Person und Spezialist.

Mariia Bocheva hatte das Vergnügen, Jim im Juni 2019 auf dem Marketing Analytics Summit in Las Vegas zu treffen, einige Monate nachdem dieses Interview stattgefunden hatte. Mariia hat bereits vollständige Berichte über den ersten und zweiten Tag dieser Konferenz veröffentlicht.

Mariias Interview mit Jim behandelte die folgenden Themen:

Kommunikation ist der Schlüssel : mit Menschen in Meetings sprechen, PowerPoint-Präsentationen halten, Dashboards teilen. Dies könnte als Hard Skill bezeichnet werden, weil es so notwendig ist, aber eigentlich ist es eine soziale Kompetenz, also eine Soft Skill.

JS: Wenn wir über Hard Skills sprechen, sprechen wir zuerst über Daten selbst – Datensammlung, Bereinigung, Aufbau einer Pipeline . Im Wesentlichen die Data-Engineering-Seite. Wenn Sie gerne in einem Unternehmen arbeiten, das groß genug ist, um Dateningenieure zu haben, müssen Sie diese Dinge nicht tun.

Was eine notwendige harte Fähigkeit ist, ist zu wissen, woher die Daten kommen . Wie wird es verarbeitet, vorverarbeitet und integriert, bevor Sie es in die Hände bekommen? Man muss den Rohstoff verstehen.

Eine andere, die ich sehe, sind Statistiken . Es ist absolut nicht erforderlich, ein Statistiker zu sein, aber es ist sehr wichtig, Statistik im Allgemeinen zu verstehen, damit Sie die Konzepte anwenden können. Hard Skills beinhalten die Kenntnis Ihrer Werkzeuge. Wie Adam Greco sagt: „Je mehr Sie Ihre Werkzeuge kennen, desto mehr Optionen haben Sie, desto mehr Fähigkeiten haben Sie.“

Wenn Sie schließlich in die Tiefe gehen möchten, studieren Sie R oder Python , je nachdem, woran Sie mehr interessiert sind – Statistik oder maschinelles Lernen. Auch hier ist es absolut nicht notwendig, aber sehr hilfreich.

JS: Das hängt wirklich von vielen Faktoren ab. Wenn ich ein Team von hundert Analysten habe, brauche ich vielleicht keine Leute, die wissen, wie man SQL, Python und R verwendet. Andererseits schadet es nie.

Muss ich ein erfahrener Programmierer sein? NEIN. Aber muss ich verstehen, was vor sich geht und was hinter den Kulissen passiert? JA.

Es ist nützlich zu wissen, wie TCP/IP funktioniert, es ist nützlich zu wissen, wie HTTPS funktioniert, es ist wertvoll zu wissen, wie Codierung abläuft. Ob es unbedingt notwendig ist, hängt von Ihrem Team ab .

Wenn Sie die einzige Person sind, die mit SQL arbeitet, müssen Sie darin besser werden, weil Sie die einzige sind. Aber wenn Sie ein ganzes Team von SQL-Experten haben, müssen Sie es nicht sein; aber Sie sollten verstehen, worüber sie sprechen, damit Sie gute Fragen stellen können.

Ein Klempner muss nicht wissen, wie ein Kupferrohr hergestellt wird, aber wenn er es weiß und dann auf ein seltsames Problem stößt, kann er sagen: Oh, das ist ein Problem bei der Herstellung .Weil er dieses zusätzliche Wissen hat. Also ist es notwendig? Nein, aber es ist immer nützlich.

JS: Ja, das ist sehr verbreitet. Die Empfehlungen beziehen sich auf Cross-Training. Ich hielt eine Präsentation (vor vielleicht 15 Jahren in Deutschland), in der ich erklärte, was ein Analyst tut und wie die Aufgabe des Analysten darin besteht, den Menschen im Unternehmen bei ihrer Arbeit zu helfen.

Es ist wichtig zu verstehen, was andere erreichen wollen . Dann hob jemand aus dem Publikum die Hand (was für diese Art von Publikum ungewöhnlich ist) und fragte: Muss ich alle anderen Jobs in der gesamten Firma verstehen? Und ich sagte JA! Das stimmt, das ist dein Job. Es ist gut zu wissen, was Menschen erreichen wollen, um ihnen zu helfen, aber es ist auch gut, wenn sie genug über Daten verstehen.

Ich habe ein Beispiel für abteilungsübergreifendes Training in Analytik. Als David Rhee bei Adidas arbeitete, beschloss er, dass sein Team seine Fähigkeiten verbessern musste. Also wechselte er sie durch verschiedene Verantwortlichkeiten. Er würde einen E-Mail-Analytics-Mitarbeiter nehmen und ihn mit der Anzeige beauftragen; Beauftragen Sie eine Display-Person mit Social-Media-Metriken und übertragen Sie ihr dann die Verantwortung für Web-Metriken. Während des Jahres drehte er die Leute. Wenn Sie also 3 oder 4 Jahre dort waren, haben Sie gelernt, wie man alles macht.

Und während meine sofortige Reaktion ist: Oh mein Gott! Ich muss ganz von vorne anfangen! Ich habe ein Jahr damit verbracht, dieses Zeug zu lernen und jetzt wirst du mich einfach ins kalte Wasser werfen und ich muss wieder schwimmen lernen, seine Antwort war ja, du musst. Dadurch erfuhr das gesamte Team, was die anderen taten. Wenn Sie also eine Entscheidung zu treffen haben, treffen Sie diese aus der Perspektive der Organisation und nicht ich bin für E-Mails zuständig. Das kann der ganzen Abteilung helfen. Und ich denke, dass diese Methode auch anders funktionieren kann.

Als jemand hereinkam und sagte: Mir wurde ein besserer Job bei jemand anderem mitten in der Firma angeboten .David hat sie ermutigt und unterstützt, weil er gesagt hat, wissen Sie, in zwei, drei oder fünf Jahren kommen Sie zurück, um für mich zu arbeiten, und Sie werden schlauer sein, weil Sie neue Sachen gelernt haben .Wenn wir das auf den Unterschied zwischen Analytics und Marketing anwenden, kann ein Analytiker einen Tag im Monat damit verbringen, einem seiner Analytics-Kunden zu folgen, mit den E-Mail-Marketing-Leuten abzuhängen, mit den Social-Media-Metrik-Leuten abzuhängen und zu beobachten, was sie tun tun und wie ihr Tag aussieht. Das wäre wertvoll.

JS: Für Analysten ist es Domänenwissen und das Wissen um die Ziele anderer Menschen. Und für Marketer geht es darum, wie man Daten anwendet. Bei der Kommunikation geht es nur darum zu wissen, was die Ziele der anderen Person sind und was ihre Kämpfe sind. Und das gilt für jede Beziehung – egal ob geschäftlich oder privat.

Es heißt Empathie und erfordert Wissen über die Situation der anderen Person.

J S: Der größte Fehler ist zu denken, dass die Analyse von Daten ausreicht . Das liegt nicht daran, dass es nur ein Teil des gesamten Geschäftsökosystems ist. Es ist sehr wichtig, die Ziele und Herausforderungen, die Politik und die begrenzten Ressourcen des gesamten Ökosystems zu verstehen.

Ich denke, die einfachste Antwort auf meine eigenen Fehler ist der häufigste Fehler, den ich mache, nämlich anzunehmen, dass die Daten sauber und vertrauenswürdig sind. Wenn man viel arbeitet, vergisst man leicht, dass etwas nicht stimmt.

JS: Das erste, was Sie tun müssen, ist, genügend Daten zu haben. Wenn Sie ein Startup sind, haben Sie keine Daten. Das ist ein Problem. Wenn Sie ein kleines Unternehmen sind, haben Sie sehr wenige Daten, was ebenfalls ein Problem darstellt.

Wenn Sie ein mittelständisches oder großes Unternehmen sind, haben Sie Daten, aber keine Infrastruktur. Sobald Sie über Daten verfügen, benötigen Sie Tools und die Fähigkeiten, diese Tools zu verwenden. Und Ihre Tools und Fähigkeiten müssen ausgereift genug sein, um einen Mehrwert zu bieten.

Und wenn Sie groß genug sind und über Datenquellen verfügen, müssen Sie Dinge wie das Erstellen von Dashboards automatisieren oder Marketingentscheidungen und -abläufe tatsächlich automatisieren. Die größte Herausforderung besteht darin, Änderungen aus diesen Daten auf reale Situationen anzuwenden.

Bringen Sie alle dazu, an Daten zu glauben . Ich bin mir nicht sicher, ob die Möglichkeiten von Analysesystemen wirklich von der Größe des Unternehmens abhängen, sondern von der Reife des Unternehmens und den verfügbaren Ressourcen.

JS: Die größte Herausforderung besteht darin, alle in die gleiche Richtung arbeiten zu lassen. Es ist Organisationsfähigkeit. Als Analyst liebe ich Daten und ich möchte, dass jeder Daten liebt. Es ist eine große Aufgabe, das Unternehmen davon zu überzeugen, dass es eine gute Sache ist. Es ist ein sehr häufiges Problem, dass ein Unternehmen Daten liebt oder sagt, dass sie es tun, aber sie verwenden sie nur, um ihre eigene Meinung zu bestätigen, oder sie verwenden sie schlecht.

Das häufigste Problem ist die schlechte Nutzung von Daten durch Missverständnisse und den menschlichen Wunsch, sich selbst als erfolgreich zu zeigen.

JS: Ich denke, wir haben mehr Technologien, als wir wissen, was wir damit anfangen sollen. Im Jahr 2005 hat uns Avinash Kaushik beigebracht, dass man, wenn man 10 US-Dollar für Analysen ausgibt, 9 US-Dollar für Menschen und 1 US-Dollar für Technologie ausgibt, und wir sind immer noch dabei. Es gibt wirklich schlaue Leute, die wirklich unglaubliche Technologien erschaffen. Und es übersteigt ein bisschen unsere Fähigkeit, alles zu nutzen.

Stellen Sie sich ein System vor, das alle Informationen sammelt, bereinigt, alles in einem zentralen Repository zusammenfasst und viele Entscheidungen trifft. Indem Sie der richtigen Person zur richtigen Zeit die richtige Botschaft zeigen, erzielen Sie mehr Umsatz, Ihre Kunden sind zufriedener und ein solcher Ansatz ist immer kostengünstiger. Es wäre toll, wenn es funktionieren könnte. Aber um alle Teile zusammenzubringen, müssen Sie viel Technologie einsetzen, und all diese verschiedenen Tools, die Sie verwenden müssen, werden von Tag zu Tag komplexer.

Ich brauche also 15 verschiedene Tools, und ich muss mit allen ein Experte sein, damit sie alle großartig funktionieren. Sie können drei Stunden damit verbringen, mit einem Tool zu arbeiten, und dann ändert jemand etwas – es gibt eine neue Version eines Tools, jemand hat einen Link falsch gekennzeichnet oder etwas geht schief. Wir haben also 15 Minuten Perfektion und dann verbringen wir den Rest unseres Lebens damit, alles zum Laufen zu bringen .

JS: Nun, meine neueste Arbeit ist maschinelles Lernen. Das ist meine Antwort ;-)

Es sind nur verschiedene Arten von Software, aber es ist immer noch Software und sie erledigt Dinge. Der Spezialist sollte also sehen, wann es angemessen ist, dieses Tool zur Lösung dieses Problems zu verwenden, und wann es übertrieben ist, weil es zu teuer oder zu kompliziert ist.

Wichtig ist zu wissen, wann man das richtige Werkzeug einsetzt . Manchmal sind Excel-Tabellen großartig; manchmal reicht eine einfache statistische Regression aus; und manchmal, okay, lassen Sie uns ein maschinelles Lernsystem hochfahren, um zu versuchen, dieses Problem zu lösen oder dieses Ding zu automatisieren. Den Unterschied zu kennen, ist der Wert, den der Analyst auf den Tisch bringt.

JS: Die wichtigste Veranstaltung ist die, die dir am nächsten ist und die du dir leisten kannst. Denn es ist keine gute Veranstaltung, wenn man nicht hinkommt. Der zweitwichtigste Punkt ist, wo Sie Leute treffen können, die Sie kennen, denn so bauen Sie Ihr berufliches Netzwerk auf.

Ich gehe gerne zum DAA Hub in Virginia , das sich hervorragend für einen tiefen Einblick mit Leuten eignet, die schon seit langem Analytik betreiben. Wenn Sie Ihre Karriere sehr ernst nehmen, sollten Sie ein Ticket kaufen. Dasselbe kann ich über Superweek sagen. Das ist ein Ort, an dem wirklich kluge Leute auf faszinierende Weise über wirklich komplizierte Dinge sprechen.

Andererseits ist MeasureCamp eine spannende Community. Das letzte Mal, als ich MeasureCamp gemacht habe, war in Bratislava, Slowakei. Ich kann sagen, dass jedes MeasureCamp, auf dem ich war, dieselbe Einstellung hat. Es ist wirklich interessant: Die Leute versuchen, ganz einfache Probleme zu lösen, und jeder versucht, dem anderen zu helfen. Das tut mir einfach so gut.

Und ich denke, ich sollte wirklich meinen eigenen Marketing Analytics Summit erwähnen! Es stehen mehrere in Europa bevor, und das Hauptereignis findet im Juni in Las Vegas statt.

Ich weise die Leute immer darauf hin, dem DAA-Verein beizutreten, der bereits 15 Jahre alt ist und 5.000 Mitglieder hat. Ich möchte die Leute auch auf den Digital Analytics Power Hour -Podcast hinweisen. Ich würde empfehlen, zurückzugehen und alle Folgen anzuhören.

Und dann natürlich Measure Slack . Früher haben wir uns über E-Mail-Diskussionslisten verbunden. Dann gibt es verschiedene Blogs, in denen sich Menschen aktiv engagieren. Dann gab es viel Bewegung auf Twitter mit dem Hashtag #Maßnahme. Wenn Sie ein Problem, eine Frage oder einen Witz haben oder einfach nur für eine Minute den Kopf aus den Zahlen bekommen und mit Menschen kommunizieren müssen. Heute scheint das Gespräch auf Measure Slack zu laufen und es ist großartig.

Das letzte, was ich hinzufügen möchte, betrifft die #Messkultur. Menschen helfen einander gerne. In unserer Branche dreht sich alles ums Teilen. Wir helfen uns seit vielen Jahren gegenseitig. Deshalb sind all diese Veranstaltungen so wertvoll; Wir sind Menschen, die gerne helfen, teilen und lernen.

Wir danken Jim für solche ermutigenden und frischen Gedanken. Wir hoffen, dass Ihnen dieses Interview gefallen hat und Sie einen ebenso großen Inspirationsschub erhalten haben wie wir. Lieben Sie Ihren Job und Ihre Analytics-Community und hören Sie nie auf, sich weiterzuentwickeln!

Abonnieren Sie unseren Blog, um die nächsten Interviews im Rahmen unserer Recherche zum Stand der Digital Analytics zu lesen und die Erfahrung von Top-Analysten an Ihr Unternehmen anzupassen.