Interview mit Laura Patterson

Laura Patterson ist Expertin darin, den Wert von Marketing zu beweisen und zu verbessern. Sie ist eine vertrauenswürdige Beraterin mit globaler Expertise in der Kundenbindung in den Bereichen Technologie, Finanzdienstleistungen, Biowissenschaften und Fertigungsindustrie.

Laura ist eine ergebnisorientierte Führungskraft mit unternehmerischer Erfahrung und einer Leidenschaft dafür, Unternehmen dabei zu helfen, Erkenntnisse aus Daten zu gewinnen, Metriken zu entwickeln und Prozesse zu entwerfen, um das Wachstum voranzutreiben, Kundennutzen zu schaffen und die Geschäfts- und Marketingleistung zu verbessern.

Mariia Bocheva, Business Development Executive bei OWOX BI, hatte die großartige Gelegenheit, im Rahmen unserer Recherchen zum Stand der Digital Analytics Einblicke von Laura zu erhalten. Alle Gedanken sind in folgende Kategorien unterteilt:

Laura Patterson: Analytics ist die Fähigkeit, Berechnungen oder Mathematik auf Daten anzuwenden. Im Wesentlichen ist Analytik die Fähigkeit zu analysieren und Analysen durchzuführen. In unserer Welt sind diese Bestandteile dieser Analyse Daten. Wenn Sie in der Analytik, im Marketing oder in einem anderen Bereich der Organisation arbeiten, der mit Analytik zu tun hat, müssen Sie in mehreren Bereichen starke Fähigkeiten entwickeln, und ich möchte über fünf dieser Fähigkeiten sprechen.

Die erste Fähigkeit muss also in Daten liegen. Sie müssen wissen, wie man Daten sammelt, wie man feststellt, welche Daten wichtig und relevant sind, und wie man sicherstellt, dass die Daten sauber sind. Sie müssen Kenntnisse über Methoden zum Organisieren und Verwalten Ihrer Daten haben.

Zweitens müssen Sie sich als Analytiker mit Mathematik auseinandersetzen. Sie müssen verschiedene Analysetechniken verstehen, wie man sie anwendet und aus den Mustern, die entstehen, Bedeutung ziehen.

Dies bringt uns zur dritten Fertigkeit, dem Modellieren. Analytics ist die Grundlage für die Erstellung wichtiger Modelle wie Segmentierungsmodelle, Attributions- und Mischungsmodelle, Kampagnenrisikomodelle, Kundenabwanderungs-, Abwanderungs- und Loyalitätsmodelle. Als Analyst möchten Sie mit der Verwendung von Analysen zum Erstellen und Erstellen Ihrer Modelle vertraut sein.

Viertens ist ein guter Analyst in der Lage, die Daten in aussagekräftige, relevante und umsetzbare Erkenntnisse zu übersetzen, die dem Unternehmen helfen können, bessere Entscheidungen zu treffen. Während es für einen Analysten leicht sein mag, die Muster und Erkenntnisse in den Daten zu erkennen, helfen gute Analysten den Menschen, die sich auf sie verlassen, dies ebenfalls zu erkennen. Deshalb ist es wichtig, dass Analysten gute Geschichtenerzähler sind und mit Bildern kommen.

Analytiker zu sein erfordert eine gute Fähigkeit zur Visualisierung.

Durch die Datenvisualisierung können andere sehen, was Sie sehen, und verstehen, was wichtig ist. Die Daten, die Sie zur Visualisierung auswählen, sollten den Menschen helfen zu verstehen, warum Sie eine bestimmte Vorgehensweise empfehlen oder warum ein bestimmtes Ereignis eintritt.

Und der letzte, den ich erwähnen möchte, ist vielleicht der wichtigste Punkt, die Kommunikation. Kommunikation ist Hard- und Soft Skill zugleich. Sie müssen in der Lage sein, zu schreiben und zu artikulieren, was Ihre Erkenntnisse sind. Wenn Sie Ihre Ergebnisse nicht kommunizieren können, werden Sie als Analyst Probleme haben.

LP: Drei Soft Skills, die mir sofort einfallen, sind Problemlösung, kritisches Denken und Zusammenarbeit. Welchen Sinn hat eine Analyse, wenn sie der Organisation nicht dabei hilft, erfolgreicher zu werden? Im Marketing müssen wir der Organisation helfen, den Wert der Kunden zu finden, zu halten und zu steigern. Wir müssen also verstehen, wie wir Analysen einsetzen können, um der Organisation dabei zu helfen, diese Chancen und möglicherweise alle Probleme zu nutzen, die bei der Erreichung dieser Ziele auftreten können.

Analytiker zu sein bedeutet auch, mit anderen Menschen zusammenzuarbeiten.

Das Sammeln von Daten, das Erstellen von Modellen und das Erstellen eines Aktionsplans ist kein Soloakt. Höchstwahrscheinlich müssen Sie mit anderen in der Organisation zusammenarbeiten, seien es Personen aus den Bereichen Finanzen, Vertrieb, Service usw. Gute Analysten müssen in der Lage sein, Menschen zusammenzubringen und mit ihnen zusammenzuarbeiten, um die Modelle zu erstellen und am Aktionsplan mitzuarbeiten.

Schließlich ist eine der wichtigsten Fähigkeiten, gute Fragen stellen zu können. Der Sinn der Forschung, der Sinn der Analytik besteht darin, Fragen zu beantworten. Gute Fragen helfen Analysten weiterEntscheidungen über den Markt, Kunden, Produkte, Wettbewerber usw.

LP: Ich denke, dass Sie als Analyst mit analytischen Tools, Prozessen und Methoden vertraut und auf dem Laufenden sein müssen. Sie werden wahrscheinlich nicht alle beherrschen oder kompetent sein. Aber Sie müssen wissen, was sie sind und wann Sie sie verwenden. Wenn Sie nicht über das Fachwissen verfügen, wenden Sie sich an interne oder externe Experten. Ich finde es hilfreich, ein Netzwerk von Menschen zu haben, die Experten auf verschiedenen Gebieten, Methoden und Tools sind.

LP: Wir alle machen Fehler. Erkenne sie an und repariere sie. Die Fehler können aus schlechten oder falschen Daten, fehlerhafter Mathematik oder dem Fehlen einer Schlüsselvariablen resultieren, die sich auf die Ergebnisse auswirkt. Ich erinnere mich, dass ich in meinen frühen Jahren einen bestimmten Fehler gemacht habe und mein Mentor mich gefragt hat: Hat es den Beziehungen zu einem Kunden wirklich geschadet? Ja oder nein? Wird es unser Geschäft wirklich ruinieren? Ja oder nein? Der eigentliche Zweck war, mir klar zu machen: Wenn ich einen Fehler gemacht habe, was habe ich daraus gelernt ? Was würde ich beim nächsten Mal in der gleichen Situation tun?

„Es ist leicht, mit einem Fehler zu kämpfen; niemand ist perfekt. Das Streben nach Perfektion und Exzellenz ist großartig, aber man muss daran denken, dass manchmal gut gut genug ist.“

Wir fliegen nicht zum Mond, wir bauen keine Rakete, das ist nicht unsere typische Arbeit. Wir versuchen, der Organisation dabei zu helfen, datengesteuerte, evidenzbasierte Geschäftsentscheidungen zu treffen. Wir wollen genau sein und klare Richtungsanweisungen geben.

Das bedeutet, dass wir in der Sprache der Wirtschaft sprechen müssen. Das ist vielleicht ein Fehler, den viele Analysten machen und an dem jeder Analyst arbeiten muss. Wir können uns in die Daten, die Mathematik und die Muster verlieben. Diese sind nur dann gut, wenn wir deren Verdienst und Wert den Menschen im Unternehmen vermitteln können. Wir arbeiten in der Wirtschaft, wir müssen Geschäftsleute sein, also müssen wir die Sprache der Wirtschaft sprechen. Es spielt keine Rolle, wer Ihr interner oder externer Kunde ist: CTO, CEO, Vertriebsteam, Marketingteam, Entwicklerteam – Sie müssen ihre Sprache sprechen, damit sie Sie verstehen. Das ist eines der wichtigsten Dinge, die ich je gelernt habe.

LP: Die meisten unserer Herausforderungen drehen sich um die Daten. Herausforderungen wie, dass es überhaupt keine Daten gibt oder dass ihre Qualität schlecht ist oder dass sie schwer zugänglich sind oder dass sie an so vielen Stellen und in so vielen Formaten nicht einfach oder schnell verwendbar sind. Außerdem gibt es eine Prozessfrage. Es gibt keine klar definierten Prozesse zur Verwaltung von Daten, zur Durchführung von Analyse-„Weltraum“-Projekten, zur Verwendung von Analysen und zur Präsentation der Ergebnisse.

Wenn wir sehen, dass die Daten schlecht oder nicht zuverlässig sind, treten wir einen Schritt zurück und fragen uns: Was können wir tun, um bessere Daten zu erhalten? Manchmal erfordert dies, dass wir Recherchen durchführen, um Primärdaten zu erhalten. Das kann die Dinge verlangsamen. Trotzdem gibt es heute für kein Unternehmen einen Grund zu glauben, dass die Nutzung von Daten außerhalb seiner Möglichkeiten liegt. Meistens besteht die eigentliche Herausforderung darin, zu wissen, welche Daten verwendet werden sollen.

LP : Ich denke, das ist eine Fortsetzung des vorherigen Punktes. Gute Analysen erfordern gute Daten und die richtigen Daten. Dies führt zurück zu Qualitätsdatenmanagementprozessen und -werkzeugen. Verfügt Ihr Unternehmen beispielsweise über einen Datenbestand oder eine Bibliothek. Dieses Tool hilft Ihnen zu wissen, welche Daten Sie haben, wo sie aufbewahrt werden, wie alt sie sind, wem sie gehören und so weiter. Es muss eine Möglichkeit zur Klassifizierung der Daten und Informationen darüber geben, wie die Daten verwendet werden. Dies sind Grundlagen, und doch sind die Menschen allzu oft mehr fasziniert von den glänzenden neuen Werkzeugen und Spielzeugen.

Es ist wie beim Hausbau, wir können uns über die ganze Optik freuen und einige wichtige Grundmechanismen übersehen, wie zum Beispiel die Sanitärinstallationen. Sie haben also ein schönes Zuhause, aber Ihre Wasserleitungen funktionieren nicht, Sie könnten unglücklich sein. Da die Installation Teil der Infrastruktur Ihres Hauses ist, sind die Daten Teil Ihrer Infrastruktur, und Sie müssen auf kleine Details achten und sie in gutem Zustand halten.

Es ist nicht so, dass solche Dinge absichtlich übersehen werden. Wer würde absichtlich seine Sanitäranlagen übersehen? Wie Klempnerarbeiten, obwohl wir glauben, dass sich darum gekümmert wird. Aber das ist einfach nicht der Fall. Es macht einfach mehr Spaß, über die coolen Sachen nachzudenken - das coole neue Tool. Technische Dinge sind langweilig. Informationen zu analysieren – zum Beispiel Kundenrisiken – ist irgendwie langweilig. Das führt uns wieder darauf zurück, warum Analysten wissen sollten, wie sie ihre Daten präsentieren müssen, um sie für das Geschäft wertvoll zu machen.

LP: Ich denke, das ist bei jedem Team üblich. Ich denke nicht, dass es notwendig ist, dies als Problem zu erwähnen, da Missverständnisse in jeder Art von Organisation auftreten können. Wir alle müssen hart arbeiten, um sicherzustellen, dass wir zuhören und klären. Analysten müssen gut zuhören und Fragen stellen können. Wenn Analysten mit jemandem im Marketing sprechen, müssen sie daran denken, dass die Mehrheit der Marketingspezialisten nicht so erfahren mit Daten, Analysen oder Modellen ist wie sie.

• Welche Art von Entscheidungen möchten Sie treffen können?
• Mit wem möchten Sie diese Informationen teilen?
• Was benutzt du heute? Wie gut funktioniert es oder nicht?
• Warum brauchen Sie Ihrer Meinung nach ein Dashboard?

Fragen wie diese tragen dazu bei, Missverständnisse zu reduzieren und sicherzustellen, dass alle aufeinander abgestimmt sind. Ein guter Analyst muss in der Lage sein, diese Fragen zu stellen, um sicherzustellen, dass sein Team ein funktionierendes Produkt liefert.

LP: Es gibt zwei Punkte. Der erste ist die Kultur. Ich komme aus einer Kultur, in der gesagt wurde: Auf Gott vertrauen wir, alle anderen bringen Daten . Während meiner Karriere habe ich in verschiedenen Unternehmen gearbeitet, aber in allen habe ich entweder für Ingenieure oder Finanzexperten gearbeitet – also waren Zahlen und Daten wichtig. Eine datengetriebene Kultur beginnt ganz oben. Die Menschen müssen einen unstillbaren Appetit und eine Leidenschaft für datenbasierte Entscheidungen haben.

Zweitens müssen wir beim Datenmanagement und bei der Datenverwaltung besser werden. Heute haben wir so viele Daten in so vielen Formaten (strukturiert und unstrukturiert) aus so vielen Quellen, die an so vielen Orten gespeichert sind. Es ist schwer zu wissen, was wahr ist. Als ich meine Karriere begann, gab es noch nicht so viele Bewerbungen und wir hatten nicht so viele Datenquellen. Denken Sie an all die Orte, von denen wir heute Daten beziehen müssen – Google Analytics, soziale Medien, E-Mail-Plattformen usw.

Unternehmen brauchen eine Möglichkeit, den endlosen Datenfluss zu verwalten. Um zu wissen, „ welche Daten wir zur Beantwortung der Frage benötigen und wie wir diese Daten am besten analysieren, um die Antwort zu erhalten “.

Das kommt auf das zurück, worüber wir zuvor gesprochen haben. Analysten müssen in der Lage sein, die Daten zu analysieren, aussagekräftige und relevante Muster zu erkennen und die Auswirkungen auf das Unternehmen zu verstehen und zu kommunizieren. Analysten müssen die Daten nicht nur sehen, sondern auch sehen, ob sie von Bedeutung sind. Ich denke, dass diese Sache, zu wissen, wo ein bestimmtes Muster Aufmerksamkeit erfordert, unter Analysten heutzutage fehlt.

LP: Wenn wir über die Entwicklung des Unternehmens sprechen, hat jedes Unternehmen seinen eigenen Lebenszyklus. Ob wir über ein Startup, ein KMU, ein KMU oder ein Unternehmen sprechen, wir sprechen über die Reife des Lebenszyklus. Sie beginnen in Ihrer frühen Wachstumsphase, gehen dann in die Hauptwachstumsphase usw. Ihr Produkt, die Komplexität, die Anzahl der Partner, die Anzahl der Kunden, die Anzahl ähnlicher Produkte auf dem Markt – alles kann sich ändern. Das meinen wir mit der Reife des Geschäfts.

Sie können ein kleines Unternehmen auf einem lokalen Markt sein, aber Sie können eine Vielzahl von Produkten oder Dienstleistungen anbieten. Es spielt keine Rolle, wie groß Sie sind, Sie müssen daran denken, das beste Produkt herzustellen oder den besten Service zu bieten.

Zu Beginn der frühen Phase lauten die wichtigsten Fragen, die Sie stellen werden: Wie bekommen wir Bodenhaftung auf dem Markt? Wie viele Kunden betreuen wir? Bauen wir das notwendige Produkt? Wenn Sie Kunden gewinnen, stellen sich andere Fragen: Wie können Sie diese Kunden halten? Wie steigern wir die Werte dieser Kunden? Unterschiedliche Fragestellungen erfordern unterschiedliche Fähigkeiten. Aber ich denke, ein guter Analyst kann über den gesamten Lebenszyklus hinweg arbeiten. Es geht mehr um die Fragen und Daten als um analytische Fähigkeiten.

Es gibt keinen Grund, warum ein guter Analyst, der in einem Startup arbeitet, nicht auch in einem Unternehmen arbeiten kann; Es gibt keinen Grund, warum er oder sie in einem großen Unternehmen nicht wertvoll sein könnte. Ich sage immer vorsichtig: Sie sind ein Analyst für KMU oder Sie sind ein Analyst für KMU .

Die Reife eines Unternehmens spielt nur in dem Sinne eine Rolle, wie groß die Rolle des Analysten sein kann. Ein Startup benötigt möglicherweise nur einen Analysten, aber ein wirklich großes, robustes Unternehmen benötigt möglicherweise mehrere Analysten, und diese Analysten sind spezialisierter. Aber in einem kleineren Unternehmen sind Analysten eher Generalisten als Spezialisten. In gewisser Weise müssen ihre Fähigkeiten noch breiter sein, weil sie Generalisten sind.

Und wenn Sie zu einem sehr großen Unternehmen gehen, werden Sie vielleicht ein bestimmter Spezialist. Sie werden sehr spezialisiert auf die Modelle sein, die Sie bauen werden. Möglicherweise konzentrieren Sie sich sehr auf Dinge wie Kundenrentabilität und Customer Lifetime Value. Sie werden wirklich gut darin, solche Dinge auf Unternehmensebene zu betrachten. Aber es ist völlig anders als Dinge, die Sie vielleicht in einem Startup betrachten.

LP : Ich weiß, dass letztes Jahr das erste Jahr war, in dem die Ausgaben für Tools für die Marketinganalyse höher waren als die Ausgaben für Leute, die in der Marketinganalyse arbeiten. Ja, Unternehmen investieren immer mehr in Analytics-Tools.

Denken wir daran, dass Marketing Analytics, Analytics im Allgemeinen und Data Science nichts Neues sind. Marketingwissenschaft stand schon vor Jahrzehnten auf dem Lehrplan. Es war damals wichtig und wird auch weiterhin eine wertvolle und stabile Rolle innerhalb der Organisation sein. Wir müssen unsere Fähigkeiten auf dem neuesten Stand halten, um relevant zu bleiben.

Auf dem neuesten Stand zu sein bedeutet, mit neuen Techniken und neuen Werkzeugen vertraut zu sein und sie in einigen Fällen geübt anzuwenden. Möglicherweise benötigen Sie nicht das neueste, teuerste Werkzeug. Wenn Sie bereits ein Werkzeug im Werkzeugkasten haben, das die Arbeit erledigen kann und es gut macht, müssen Sie vielleicht kein Geld für ein neues glänzendes Spielzeug ausgeben. Der Schlüssel liegt darin, die richtigen Werkzeuge zu haben, die Ihnen helfen, Ihre Arbeit effektiv und effizient auszuführen, und zu wissen, wie Sie diese richtig einsetzen.

LP : Ich denke, jetzt ist ein guter Zeitpunkt, um Dinge wie maschinelles Lernen, Blockchain und künstliche Intelligenz zu erwähnen. Diese Dinge wirken sich darauf aus, was mit Daten und der Datenanalyse passiert. Sie müssen die Auswirkungen auf das Geschäft verstehen und wissen, wie sie sich auf Ihre Arbeit auswirken. KI erleichtert die Musterentwicklung. Der Analyst muss derjenige sein, der bestimmt, wann etwas relevant ist, wann es Maßnahmen erfordert, was es für das Unternehmen bedeutet, und dann entscheidet, was er/sie tun muss. Ich denke, diese Art von Analytiker wird überleben und gedeihen.

LP: Ich versuche immer, zu Meetings zu gehen, die mit meinem Beruf zu tun haben. Ich empfehle, mindestens einmal im Quartal etwas zu besuchen. Ja, Sie haben Ihren Abschluss bereits und Sie haben so hart gearbeitet, aber ich glaube, dass Sie einmal im Quartal den Kopf hochlegen, sich umschauen, einen Moment innehalten und sich Zeit für etwas nehmen sollten, das Ihre beruflichen Fähigkeiten verbessern kann .

Es gibt viele Arten von Aktivitäten, die nützlich sein können. Nehmen Sie an Kursen in Ihrer Stadt oder vielleicht online teil, sehen Sie sich einige Tutorials auf YouTube an oder hören Sie sich einen Podcast an – es gibt so viele großartige Möglichkeiten. Finden Sie eine Konferenz mit einem Thema, auf das Sie neugierig sind, gehen Sie dorthin, treffen Sie neue Leute und vernetzen Sie sich mit ihnen, bauen Sie neue berufliche Verbindungen auf, fragen Sie sie, wie sie ihre Probleme lösen. Finden Sie heraus, ob es LinkedIn- oder lokale Berufsgemeinschaften gibt, denen Sie beitreten können.

Die DAA bietet hervorragende Veranstaltungen für Analysten. Werden Sie Mitglied im Verein. Nehmen Sie an ihren Konferenzen teil, vernetzen Sie sich mit Ihren Kollegen, tauschen Sie sich mit ihnen aus. Das Wichtigste ist, Wege zu finden, um an der Spitze Ihres Spiels zu bleiben.

Wir wissen es sehr zu schätzen, dass Laura Zeit gefunden hat, all unsere Fragen zu beantworten und ihre Gedanken zu aktuellen Themen und der Zukunft der Marketinganalyse zu teilen. Außerdem empfehlen wir dringend, die Zusammenfassung von Lauras MACONF-Vortrag zum Thema Prozessmanagement zu lesen.

Lass uns in Kontakt bleiben! Abonnieren Sie unseren Blog, um die nächsten Interviews aus unserer Forschung zum Stand der Digital Analytics zu lesen und die Erfahrung von Top-Analysten auf Ihr Unternehmen anzuwenden.