Entrevista con Julius Fedorovicius, Fundador de Analytics Mania

Continuamos con nuestra columna de Opinión de expertos, y hoy presentamos a su atención una entrevista con Julius Fedorovicius , consultor digital y experto técnico. Julius es fundador de Analytics Mania y Google Tag Manager y entusiasta de Google Analytics. Además, ha estado dirigiendo la comunidad de Google Tag Manager en Facebook y creando cursos en línea GTM .

Como siempre, aquí están los temas principales para la navegación:

Ejecuto Analytics Mania. Aquí comparto publicaciones de blog, videos tutoriales que enseñan a los especialistas en marketing y analistas a trabajar con Google Tag Manager y Google Analytics. Además, en este momento, ofrezco dos cursos pagos sobre Google Tag Manager. Además, ocasionalmente (cuando tengo tiempo en mi agenda), trabajo como freelancer de GA/GTM. Pero mi enfoque principal actual es el contenido, los cursos y los estudiantes de esos cursos.

Habilidades duras. Soy parcial aquí (ya que vengo del lado de la implementación de análisis), pero diría que las habilidades técnicas relacionadas con el seguimiento son importantes. Comprender cómo funciona el seguimiento ayudará a los analistas a comprender mejor de dónde provienen los datos, cómo se recopilan y qué tan confiables son. Esto también ayudará a los analistas a agregar más granos de sal a los datos con los que están trabajando y los resultados que obtienen.

Pero eso es sólo una parte de las habilidades necesarias. El seguimiento de la implementación por sí solo no tiene valor si no se hace nada con los datos recopilados. Ahí es donde entra la parte de análisis y aquí tenemos habilidades tanto duras como blandas.

Hablando de habilidades duras aquí, eso depende mucho de la empresa en la que trabaja y su pila. Para unos basta con usar Google Analytics y Data Studio, para otros BigQuery, conocimientos de SQL, R, Python, etc. La madriguera del conejo es profunda.

Recomendaría no centrarse en herramientas particulares. En su lugar, concéntrese en qué tipo de preguntas deben responderse con datos. Luego elige las herramientas adecuadas para eso. Conocer BigQuery, R o lo que sea, y tratar de aplicar eso para las pequeñas empresas no tiene sentido (al menos en la mayoría de los casos). Las pequeñas empresas (muy probablemente) no tendrán suficientes datos para beneficiarse de esas tecnologías.

Dado que trabajo principalmente con pequeñas y medianas empresas, en la mayoría de los casos, la pila de análisis esencial de Google es suficiente (GTM, GA, GDS). Es completamente posible lograr muchas mejoras/cambios gracias a la analítica y los datos “pequeños”.

Entonces, si alguien está pensando en comenzar una carrera en este campo, creo que tener conocimiento de GTM, GA y Google Data Studio es un buen comienzo (cuando se trata de habilidades duras).

Ahora, las habilidades blandas de un analista. Yo diría que son:

• Planificación. Si hablamos de análisis web, cosas como el plan de medición y el plan de implementación de etiquetas pueden ser de gran ayuda. Para preparar un plan, tendrá que hablar mucho con las partes interesadas, familiarizarse más con los objetivos comerciales, los procesos, etc. Esto ayuda a los analistas a ver una imagen más amplia y, por lo tanto, (con suerte) proporciona más valor con el análisis.
• Suena cursi, pero: escucha atentamente lo que dicen los demás. También, comunicación. Esto lo ayudará con cosas como la preparación de planes de medición y también le permitirá comunicar mejor sus hallazgos.
• Pensamiento crítico. Esto lo ayudará a identificar patrones, profundizar y encontrar algunas ideas.

Sé que estás pidiendo un gran error, pero no podría elegir solo uno :) Aquí están mis pensamientos sobre los errores más grandes:

Error #1. Siempre confiando en sus datos y sin dudar de ellos. Los datos nunca serán perfectos, siempre habrá inexactitudes hasta cierto punto. Así que cada vez que descubras algo valioso con tu análisis, siempre duda de ello. Trate de comprobarlo desde diferentes ángulos. Si está familiarizado con la implementación de análisis, intente pensar en lo que podría haber salido mal en su recopilación de datos. Además, ¿cuál es la fuente de esos datos? Aquí es donde se necesita el pensamiento crítico. Sin embargo, por otro lado, no espere datos perfectos. Pasar demasiado tiempo tratando de obtener un conjunto de datos perfecto será más costoso para una empresa en lugar de obtener información de datos "suficientemente buenos".

Error #2. Pensar que el trabajo de un analista termina con el análisis y la búsqueda de algunos conocimientos. Los analistas también deben ser los impulsores del cambio en la organización. Deben comunicar sus hallazgos, abogar por ciertas soluciones para implementar esos hallazgos. Y en muchos casos, esta es la parte más difícil.

Mucho. Y es uno de los mayores obstáculos que se interpone entre encontrar algunas ideas y asegurarse de que impulsen algún cambio, mejora. Algunas de las formas en que se puede evitar la falta de comunicación:

• Escucha atentamente lo que dicen los demás. Esto ayuda a comprender mejor los requisitos comerciales para tareas de análisis particulares. Y cuando los especialistas en marketing brinden algún comentario, escucharlo atentamente lo ayudará a reducir la falta de comunicación en el futuro y evitar tener que volver a hacerlo.
• Evite su jerga profesional tanto como sea posible. Trate de hablar en términos más simples que sean comprensibles incluso para aquellos que no tienen una relación directa con el análisis.
• Dedique todo el tiempo que pueda para comprender cómo funciona el negocio. Ver una imagen más grande podría ayudar a los analistas a comprender mejor qué (y por qué) los equipos de marketing necesitan ciertos resultados de los analistas.
• No tenga miedo de hacer preguntas. Al preguntar "por qué" no estás demostrando que eres estúpido. Muestra que desea comprender el contexto, lo que lo ayudará a realizar mejor las tareas. Cuando reciba una tarea y algunas partes no estén claras, no suponga. Pregunta para aclarar.

En cuanto a los eventos, definitivamente recomendaría MeasureCamp y no puedo esperar para alejarme de los eventos virtuales y volver a las reuniones en persona. MeasureCamp es simplemente un lugar perfecto para pasar el rato, aprender de otros, probar sus propias habilidades de presentación (que también son muy necesarias en análisis).

Además, me encanta SuperWeek . Pero no lo veo como una conferencia donde estaré constantemente aprendiendo algo nuevo. Lo veo más como las vacaciones de un analista donde tienes un grupo de geeks de ideas afines hablando de lo que aman durante casi una semana. Conoces a un montón de estrellas de la industria aquí y hablas casualmente con ellas, en red. Hay algo mágico allí.

En cuanto a los recursos, eso realmente depende de en qué se especialice el analista. ¿Está más cerca de la analítica convencional (como GTM, GA) o está más cerca de la ciencia de datos real, la ingeniería de datos, etc.? plug) mi propio blog y canal de youtube definitivamente pueden ayudar. El blog de Simo Ahava , Measureschool , por nombrar algunos. Si es lo último, entonces Datacamp puede ayudar.

Creo que el conocimiento más importante que se necesita aquí es comprender que la pila de datos/análisis (y los procesos) en la empresa deben seleccionarse en función del nivel de la empresa. Y luego debe crecer junto con la empresa.

En mi opinión, las pequeñas empresas no deberían perseguir elementos brillantes como AI, ML, Big Data. En primer lugar, las pequeñas empresas ni siquiera tienen suficientes datos "pequeños". Recientemente leí esto y resume perfectamente la situación y las razones por las que el análisis de la empresa debe crecer/escalarse junto con la empresa.

Actualmente, soy autónomo. Entonces, mi principal desafío es practicar lo que predico :) Al crear contenido constantemente, actualizar mis cursos y apoyar a los estudiantes del curso, no siempre tengo suficiente tiempo para profundizar en mis propios datos y agregar algunos ajustes adicionales. Un zapatero sin zapatos.

La fricción con el departamento de TI es definitivamente grande. De lo contrario, GTM no sería tan popular.

El panorama siempre cambiante de la privacidad del usuario. Especialmente cuando se trata de jugadores importantes (como Apple). Lo que construye hoy tiene una alta probabilidad de no funcionar en los próximos 6 a 12 meses. Mantenerse actualizado consume mucho tiempo (pero es necesario). Puede que me equivoque, pero parece que tuvimos más cambios en los últimos 2 o 3 años que en los 6 o 7 años anteriores). Odié esta frase durante la pandemia, pero “esta es la nueva normalidad” para nosotros.

• Creo que las preguntas anteriores sobre comunicación son súper relevantes aquí. Comience con eso y definitivamente verá una mejora.
• Comunicar.
• Haga muchas preguntas para entender el contexto (y ver una imagen más grande).
• No suponga nada y no intente pensar que es más inteligente que los demás en la sala. Tal vez sepas mejor cómo usar tu herramienta de análisis. Pero otros pueden saber más sobre cómo funciona el negocio, pueden saber algunas piezas del rompecabezas que le faltan.

Esta respuesta está muy relacionada con una de las preguntas anteriores acerca de que no tengo suficiente tiempo para mis propios análisis :)

Y hablando de madurez general, esto varía mucho. He visto empresas que son bastante maduras, mientras que otras usan palabras de moda como "atribución multitáctil", pero al mismo tiempo, no rastrean *ningún* evento, excepto las vistas de página con Google Analytics. Y eso es todo lo que hacen con "análisis" :)

Crecimiento continuo de la privacidad. Y eso no es solo por regulaciones como GDPR. Los proveedores y empresas como Apple o Brave están construyendo los productos y el marketing en torno a un enfoque centrado en la privacidad. Más empresas construirán racionalmente procesos de recopilación de datos conscientes de la privacidad, mientras que otras se verán obligadas a hacerlo.

Se necesitarán mecanismos de recopilación de datos más complejos para recopilar datos de primera mano. Los tiempos de "simplemente agregue una línea de JavaScript a su sitio" llegarán a su fin y para comenzar a recopilar datos al menos semiexactos, deberá confiar en soluciones como el etiquetado del lado del servidor.

Con configuraciones más complejas, la barrera de entrada para los aspirantes a analistas será mayor. En este contexto, hablo desde la perspectiva de que los principiantes suelen empezar con herramientas populares como Google Analytics. Pero mirando a GA4, las cosas no se están volviendo más fáciles. Sí, sé que todavía está en versión beta (aunque la insignia "beta" ya no está). Pero al observar cómo se almacenan los datos (y su retención, máximo 14 meses) y las capacidades limitadas de generación de informes, parece que el conocimiento de SQL y BigQuery ya no será “agradable de tener”. Naturalmente, la barrera de entrada para los principiantes se vuelve mucho más alta porque esa es una herramienta más para aprender (junto a GTM, GA, GDS, etc.).

A muchas personas todavía les importa un bledo cuán inexactos se están volviendo sus datos debido a los últimos (y próximos cambios) en la industria (ITP, etc.).

Paisaje en constante cambio en el contexto de la privacidad. No me malinterpreten, estoy a favor de la privacidad. Definitivamente es bueno para los consumidores. Pero este es un verdadero desafío en constante cambio para que los especialistas en marketing y analistas se adapten. Así que la palabra "problema" tal vez sea demasiado fuerte aquí. Llamémoslo un “desafío”.

Dado que me estoy enfocando más en las empresas más pequeñas y los autónomos (para ayudarlos a aprender GA y GTM), noto que muchos de ellos se enfocan demasiado en las herramientas y técnicas de seguimiento en lugar de planificar, comprender los objetivos comerciales y hacer la pregunta correcta. Obviamente, también soy culpable de eso (porque la mayor parte de mi contenido trata sobre herramientas y técnicas de seguimiento). Pero con suerte, más personas se enfocarán en los fundamentos y la parte “más suave” de su trabajo, no solo en las habilidades duras.

No pude pensar en nada específico aquí. Simplemente continúen haciendo su trabajo y mejorándose a sí mismos. Concéntrese no solo en las habilidades duras, sino también en las habilidades blandas.

Creo que no ha tenido una entrevista con Mark Edmondson .

Concéntrese en los objetivos que desea lograr con los datos, elija las herramientas adecuadas y ¡que las probabilidades estén a su favor!

Realmente apreciamos las respuestas honestas de Julius y el compartir su experiencia. Esperamos que esta entrevista te haya resultado útil y que hayas disfrutado leyéndola.

Suscríbete a nuestro boletín para ser el primero en leer nuestras próximas entrevistas. ¡Manténganse al tanto!