Entrevista con Danny Mawani Holmgaard

Le pedimos a Yulia Tkachova, gerente de productos de OWOX, que se comunique con Danny Mawani Holmgaard, analista principal de Impact Extend. Aquí hay una breve lista de los temas que tocaron:

Yulia Tkachova: ¡Vamos a conocernos! Cuéntanos sobre ti y tu experiencia.

Danny Mawani Holmgaard: Soy analista principal en la agencia de marketing digital Impact Extend. Trabajo no solo con Google Analytics sino también con ingeniería de datos, configurando canalizaciones de datos, integrando datos en línea y fuera de línea y creando modelos de datos. Combino y analizo los datos para que puedan utilizarse estratégicamente, mostrando si estamos en el camino correcto o si es necesario cambiar algo, y operativamente, asegurándome de que los datos estén en los sistemas correctos para que se pueda actuar en consecuencia.

YT: ¿Cómo empezaste a lidiar con el análisis de marketing?

DH: De hecho, me topé con esta carrera por accidente. Al principio, estaba estudiando diseño de concepto digital y quería ser diseñador web. Agregué Google Analytics a uno de mis proyectos escolares por diversión y, de repente, me di cuenta de cuánto puede influir en todo el proceso estratégico, desde las opciones de diseño hasta la creación de una mejor experiencia para los usuarios y la mejora de los resultados comerciales. Una cosa llevó a la otra y he trabajado con datos durante los últimos seis años.

YT: ¿Qué es lo que más y lo que menos te gusta de tu papel?

DH: Me entusiasman mucho los nuevos proyectos y diseñar una solución desde cero. Esto significa pasar de definir el alcance de las fuentes de datos necesarias a escribir el código para conectarse a diferentes bases de datos y API. Otras áreas que realmente disfruto son ver que nuestros esfuerzos realmente están teniendo un impacto (juego de palabras intencionado) para nuestros clientes al brindarles la información que necesitan pero que nunca pensaron que fuera posible tener para impulsar su negocio con decisiones basadas en datos.

La parte menos “divertida” de mi trabajo ocurre cuando algo se rompe y necesita ser reparado. Puede ser bastante difícil obtener datos después de que hayan ocurrido eventos que no se pueden rastrear. Desafortunadamente, nunca es posible prever todo lo que puede salir mal al recopilar datos. Esto puede ser cualquier cosa, desde una implementación que salió mal hasta que alguien configure incorrectamente una configuración en su sistema. Lo mejor que puede hacer es configurar monitores para sus datos y hacer una limpieza profunda de vez en cuando para asegurarse de mantener un buen rendimiento y aprender de los errores.

YT: ¿Qué significa para usted DH: Hacer que los datos sean procesables es algo que tratamos de lograr para todos nuestros clientes. Para mí, los datos procesables son información que puede tomar y usar activamente dentro de la organización, ya sea algo complejo, como calcular el valor de por vida del cliente para los clientes en todos los canales y luego usarlo en sus sistemas de automatización de marketing, ofertando anuncios en función del costo. margen y probabilidad de venta de los productos, o algo tan simple como crear audiencias en Google Analytics que te ayuden a hacer retargeting relevante. En general, hacer que los datos sean procesables consiste en asegurarse de que la información que recopile se pueda utilizar para realizar cambios de forma dinámica en función de las acciones realizadas por los usuarios para generar conversiones o brindar una mejor experiencia de usuario.

YT: ¿Qué habilidades y software sugieres para hacer que los datos sean procesables?

DH: Depende principalmente de los recursos y la ambición de tu equipo. Lo más importante es averiguar lo que está tratando de lograr y establecer metas. No tiene que trabajar con grandes conjuntos de datos ni ser capaz de realizar una programación estadística avanzada para que sus datos sean procesables. Comience simple y construya desde allí. Puede ser cualquier cosa, desde asegurarse de que sus datos analíticos se miden correctamente hasta cargar reembolsos o datos de costos para saber en qué productos está perdiendo dinero.

En general, use los datos que tiene actualmente disponibles y comience poco a poco. Si comienza con proyectos demasiado grandes antes de que la organización pueda manejarlos, corre el riesgo de desperdiciar recursos valiosos del equipo en un proyecto que podría fallar. En mi opinión, la habilidad social más importante es la capacidad de ser curioso y creativo en términos de qué datos se pueden usar para impulsar el negocio. Todas las acciones técnicas vienen en segundo lugar, ya que no son útiles si no se pueden aplicar estratégicamente.

YT: ¿Qué pasa con las herramientas que te permiten actuar sobre los datos?

DH: Con el fin de reducir el gasto en productos y permitir que nuestros clientes asignen sus recursos para la estrategia y la ejecución, hemos creado nuestros procesos ETL [extracción, transformación, carga] nosotros mismos utilizando Google Cloud Platform. Esto nos facilita escalar a bajo costo. Principalmente usamos R, Python y SQL para nuestros procesos de datos, pero también usamos algunos proveedores para que nos ayuden, como el embudo. io y OWOX, ya que pueden manejar una gran cantidad de conectores de datos de plataformas publicitarias a un bajo costo directamente desde el primer momento.

La desventaja de crear una configuración como la nuestra es que nos ha llevado mucho tiempo crear modelos eficientes que puedan manejar grandes conjuntos de datos y modelos estadísticos avanzados que consideramos que tienen una calidad lo suficientemente buena como para producirlos. Soy un gran admirador de las herramientas ETL como Azure Databricks, Alteryx y productos similares que pueden reducir mucho el trabajo de ingeniería de datos con características integradas. Estas herramientas, sin embargo, pueden ser muy costosas y aún requieren mucho conocimiento para producir resultados. Si va a utilizar una herramienta costosa, recuerde utilizarla correctamente para que pueda generar ingresos en lugar de agotar su presupuesto.

YT: Hace unos días, a ambos nos gustó la publicación de Mikko Pippo sobre por qué los especialistas en marketing desperdician dinero. ¿Hay otros puntos que recomendaría agregar a la lista de verificación de Mikkos? ¿Por qué los especialistas en marketing desperdician sus presupuestos y cómo puede evitarlo?

DH: Mikko es uno de los tipos más inteligentes que conozco, y si no lo sigues, te recomiendo que lo hagas. Si pudiera agregar una adición a su publicación, sería intentar enriquecer los datos que ya tiene, como datos sobre puntos de fidelidad de clientes, reembolsos o segmentos de clientes. Es bastante fácil de hacer si tiene la identificación del cliente, usuario o transacción presente en su configuración de análisis.

La razón por la que las personas no tienen las bases adecuadas para la recopilación de datos o no utilizan los datos que tienen es, como dice Mikko: falta de educación. Si no sabe qué pueden hacer los datos por usted, o si no sabe cómo deben verse los números en la organización, es muy difícil hacer algo.

Los análisis pueden ser aterradores y difíciles de trabajar. La mayoría de las veces, no es que las personas que se sientan con los datos no quieran usarlos. Es principalmente una pregunta sobre si esa persona no tiene tiempo para escalar sus competencias. Por lo tanto, depende de la organización crear un entorno en el que las personas con acceso a los datos puedan aprender a utilizar el análisis o encontrar una agencia externa para apoyar a las personas que toman las decisiones comerciales.

YT: ¿Cuál es su consejo para los especialistas en marketing que deseen convertirse en verdaderos profesionales basados ​​en datos?

DH: Definitivamente empezar poco a poco. Aprender los conceptos básicos de estadística y ser capaz de hacer algo de Excel básico puede llevarte lejos. Una vez que se sienta cómodo trabajando con conjuntos de datos básicos y combinando datos, puede escalar de la manera que más le convenga. Cuando estoy aprendiendo algo nuevo, siempre trato de combinarlo con un proyecto actual y trato de aprender algo nuevo que mejorará mi trabajo mientras lo hago. Empecé a hacer programación estadística con R porque cada mes hacía el mismo trabajo que me tomaba varios días. Al aprender algo nuevo, reduje esto a una hora. Una cosa que me gustaría mencionar aquí es que no debe tener miedo de exceder el alcance del proyecto. Aunque las horas que pasa aprendiendo algo reducen la ganancia total de un proyecto, aún puede aplicar todo lo que aprende a los próximos proyectos que cree, haciéndolos mejores y más estables que si no hubiera pasado el tiempo aprendiendo cómo hacerlo. .

Mi último consejo aquí es elegir un camino. No puedes hacer cualquier cosa si quieres hacerlo bien. Definitivamente no soy tan bueno en estadísticas como nuestro jefe de inteligencia comercial, y él no es tan bueno en ingeniería de datos como yo, por lo que tenemos nuestros roles definidos, pero aún podemos apoyarnos mutuamente en los aspectos básicos de nuestro trabajo. La colaboración es clave si desea tener éxito, y nunca es malo contratar personas externas para ayudar a escalar su departamento.

YT: ¿Quién es tu mayor inspiración en la comunidad #measure? ¿Podrías etiquetar a un profesional cuya opinión valga la pena compartir en nuestro blog?

DH: Mark Edmonson es definitivamente un tipo que me inspira a diario. Brinda mucho a la comunidad, siempre es útil y sigue creando excelentes soluciones que ayudan a los analistas de todo el mundo a mejorar su trabajo cuando usan la plataforma Google Cloud.

YT: ¿Cuáles son tus cinco eventos favoritos para los analistas?

DH: Aquí están:

• medircampamento
• supersemana
• Cumbre de análisis de marketing
• Miércoles de analítica web
• ¡Analizar!

YT: ¿Podría nombrar sus cinco blogs principales u otras fuentes para los analistas?

DH: Con mucho gusto:

• blog de Mark Edmondson
• Blog de Simo Ahava
• Blog CXL
• Manía analítica
• Jeffalytics

… Tal vez también mi propio blog ;) Hay tantos buenos recursos que también quiero mencionar, como el grupo de Facebook #measureslack y Google Tag Manager. La mejor parte de la comunidad de análisis es que las personas están ansiosas por compartir excelentes soluciones.

YT: ¿Qué tendencias observa en análisis y qué tendencias persistirán y evolucionarán en el futuro?

DH: El seguimiento del lado del servidor es definitivamente algo que las personas comenzarán a implementar en todas las organizaciones, ya que de lo contrario, la prevención de seguimiento inteligente (ITP) dificulta la recopilación de datos precisos. En términos de ITP, soy un poco ambivalente al respecto. Por un lado, ITP cumple un gran propósito de proteger la privacidad de los usuarios. Personalmente, creo que los usuarios siempre deben poder elegir qué información desean compartir con las empresas. Por otro lado, esto también impide que algunas funciones del sitio funcionen según lo previsto, como los inicios de sesión automáticos y la personalización.

Además, creo que ITP puede tener las consecuencias de hacer que las empresas implementen soluciones que obliguen a las personas a brindar más información de la que realmente brindaban antes. Los ejemplos podrían ser hacer que los usuarios inicien sesión antes de que puedan continuar navegando en un sitio web o negar el acceso a los usuarios que no dan su consentimiento en el sitio. En el estado actual de ITP, creo que no es una opción óptima ni para los usuarios ni para las empresas. El mundo todavía se encuentra en una curva de aprendizaje empinada en términos de seguir la legislación y al mismo tiempo poder brindar una buena experiencia. Espero ver cómo se desarrollará.

Otra cosa a tener en cuenta es la plataforma de análisis App+Web. Todavía está en las primeras etapas, pero será algo que recomiendo implementar y desarrollar a medida que evolucione. De esa manera, será posible utilizar las capacidades de la plataforma una vez que la necesite. También viene con muchas funciones geniales, como la exportación gratuita de BigQuery.

YT: ¿Qué nuevos desafíos enfrenta en su trabajo diario en comparación con el comienzo de su carrera como analista?

DH: Mi rol ha cambiado mucho, de ser más un rol de apoyo al comienzo de mi carrera a impulsar proyectos de principio a fin. Antes, mis desafíos eran comprender cómo funcionaban las cosas y hacer lo mejor posible para garantizar que los informes mostraran las métricas correctas y que el seguimiento se configurara correctamente.

Hoy, sé cómo hacer estas cosas, y las dificultades tienen mucho que ver con comunicar la estrategia para que los clientes comprendan los beneficios de recopilar datos y presionen para que sus organizaciones usen esa información de manera activa. En resumen, pasé de ejecutar tareas de implementación e informes que me fueron asignadas a impulsar la estrategia y el "por qué" de cómo deben fluir los datos. Creo que es clave haber hecho mucho trabajo duro antes de poder entender e impulsar la estrategia.

Antes de que pueda progresar como analista y desarrollar sus habilidades, debe dominar los conceptos básicos y comprender cómo se conecta todo.

YT: ¿Google Analytics o Adobe?

DH: Personalmente, me gusta más usar Google Analytics, ya que está más disponible para todos y tiene una gran API. Sin embargo, sí creo que Adobe tiene un producto fuerte y estable, con algunas formas geniales de analizar datos, al mismo tiempo que es un producto más fuerte en términos de cumplimiento.

YT: ¿Data Studio, Tableau o Power BI?

DH: Me gusta usar ShinyDashboards de R, ya que puedes crear lo que quieras con cualquier tipo de gráfico que quieras de forma dinámica. Además, no requiere licencias costosas (a menos que desee utilizar su solución alojada).

Para ser honesto, creo que hay algo genial con todas las herramientas mencionadas anteriormente. Data Studio es gratuito y rápido, PowerBI puede ser económico y proporciona muchas visualizaciones excelentes listas para usar, y Tableau tiene algunas funcionalidades y características para compartir realmente geniales que son excelentes si hay muchas personas explorando y analizando datos dentro de la organización.

YT: ¿AppsFlyer o FireBase?

DH: No tengo una opinión estricta aquí. Sin embargo, el desarrollo de APP+Web definitivamente hace que FireBase sea interesante en este momento.

La clave del éxito para un analista es la paciencia y la preparación para empezar de cero. Gracias a Danny por este simple consejo que nos ayuda a mantenernos enfocados y persuasivos en nuestros análisis.

Si te gustó esta entrevista o tienes preguntas para Danny, ¡deja un comentario a continuación! No olvides suscribirte a nuestro blog para obtener charlas y artículos aún más útiles del mundo analítico.