Entretien avec Danny Mawani Holmgaard

Nous avons demandé à Yulia Tkachova, chef de produit chez OWOX, de contacter Danny Mawani Holmgaard, analyste principal chez Impact Extend. Voici une courte liste des sujets qu'ils ont abordés :

Yulia Tkachova : Faisons connaissance ! Parlez-nous de vous et de votre expérience.

Danny Mawani Holmgaard : Je suis analyste principal à l'agence de marketing numérique Impact Extend. Je travaille non seulement avec Google Analytics, mais aussi avec l'ingénierie des données, la mise en place de pipelines de données, l'intégration de données en ligne et hors ligne et la construction de modèles de données. Je combine et analyse les données afin qu'elles puissent être utilisées à la fois de manière stratégique, en montrant si nous sommes sur la bonne voie ou si quelque chose doit être changé, et de manière opérationnelle, en m'assurant que les données se trouvent dans les bons systèmes afin qu'elles puissent être exploitées.

YT : Comment avez-vous commencé à vous occuper de l'analyse marketing ?

DH : En fait, je suis tombé sur ce cheminement de carrière par accident. Au début, j'étudiais le design de concept numérique et je voulais être un concepteur de sites Web. J'ai ajouté Google Analytics à l'un de mes projets scolaires pour le plaisir, et soudain j'ai réalisé à quel point vous pouvez influencer l'ensemble du processus stratégique, des choix de conception à la création d'une meilleure expérience pour les utilisateurs tout en améliorant les résultats commerciaux. De fil en aiguille, je travaille avec des données depuis six ans.

YT : Qu'est-ce que vous aimez le plus, le moins dans votre rôle ?

DH : Je suis vraiment enthousiasmé par les nouveaux projets et la conception d'une solution à partir de rien. Cela signifie passer de la définition des sources de données nécessaires à l'écriture du code pour se connecter à différentes bases de données et API. D'autres domaines que j'apprécie vraiment sont de voir que nos efforts ont réellement un impact (jeu de mots) pour nos clients en leur donnant les informations dont ils ont besoin, mais qu'ils n'auraient jamais cru possible d'avoir afin de faire avancer leur entreprise avec des décisions basées sur les données.

La partie la moins « amusante » de mon travail se produit lorsque quelque chose se brise et qu'il doit être réparé. Il peut être assez difficile d'obtenir des données après des événements qui ne peuvent pas être suivis. Malheureusement, il n'est jamais possible de prévoir tout ce qui peut mal tourner lors de la collecte de données. Cela peut aller d'un déploiement qui a mal tourné à quelqu'un configurant un paramètre de manière incorrecte dans son système. Le mieux que vous puissiez faire est de configurer des moniteurs pour vos données et de faire un nettoyage de printemps de temps en temps pour vous assurer de maintenir de bonnes performances et d'apprendre de vos erreurs.

YT : Que signifie pour vous DH : Rendre les données exploitables est quelque chose que nous essayons de réaliser pour tous nos clients. Pour moi, les données exploitables sont des informations que vous pouvez prendre et utiliser activement au sein de l'organisation, qu'il s'agisse de quelque chose de complexe comme le calcul de la valeur vie client pour les clients sur tous les canaux, puis de l'utiliser dans vos systèmes d'automatisation du marketing, d'enchérir sur des publicités en fonction du coût la marge et la probabilité de vente des produits, ou quelque chose d'aussi simple que de créer des audiences dans Google Analytics qui vous aident à effectuer un reciblage pertinent. Dans l'ensemble, rendre les données exploitables consiste à s'assurer que les informations que vous collectez peuvent être utilisées pour apporter dynamiquement des modifications en fonction des actions effectuées par les utilisateurs afin de générer des conversions ou d'offrir une meilleure expérience utilisateur.

YT : Quelles compétences et quels logiciels suggérez-vous pour rendre les données exploitables ?

DH : Cela dépend principalement des ressources et de l'ambition de votre équipe. Le plus important est de savoir ce que vous essayez d'atteindre et de vous fixer des objectifs. Vous n'avez pas besoin de travailler avec de grands ensembles de données ou d'être capable de faire de la programmation statistique avancée pour rendre vos données exploitables. Commencez simplement et construisez à partir de là. Il peut s'agir de s'assurer que vos données d'analyse sont correctement mesurées ou de télécharger des remboursements ou des données de coût afin de savoir sur quels produits vous perdez de l'argent.

En général, utilisez les données dont vous disposez actuellement et commencez petit. Si vous démarrez des projets trop importants avant que l'organisation ne soit en mesure de les gérer, vous risquez de gaspiller de précieuses ressources d'équipe sur un projet qui pourrait échouer. À mon avis, la compétence non technique la plus importante est la capacité d'être curieux et créatif en termes de données pouvant être utilisées pour faire avancer l'entreprise. Toutes les actions techniques viennent en second, car elles ne sont pas utiles si elles ne peuvent pas être appliquées de manière stratégique.

YT : Qu'en est-il des outils qui permettent d'agir sur les données ?

DH : Afin de réduire les dépenses en produits et de permettre à nos clients d'allouer leurs ressources à la stratégie et à l'exécution, nous avons construit nous-mêmes nos processus ETL [extraction, transformation, chargement] à l'aide de Google Cloud Platform. Cela nous permet d'évoluer facilement à moindre coût. Nous utilisons principalement R, Python et SQL pour nos processus de données, mais nous utilisons également quelques fournisseurs pour nous aider, comme funnel. io et OWOX, car ils sont capables de gérer de nombreux connecteurs de données à partir de plates-formes publicitaires à faible coût directement hors de la boîte.

L'inconvénient avec la construction d'une configuration comme la nôtre est qu'il nous a fallu beaucoup de temps pour construire des modèles efficaces capables de gérer de grands ensembles de données et des modèles statistiques avancés qui, selon nous, ont une qualité suffisante pour être produits. Je suis un grand fan des outils ETL comme Azure Databricks, Alteryx et des produits similaires qui peuvent réduire une grande partie du travail d'ingénierie des données avec des fonctionnalités intégrées. Ces outils peuvent cependant être très coûteux et nécessitent encore beaucoup de savoir-faire afin de produire des résultats. Si vous envisagez d'utiliser un outil coûteux, n'oubliez pas de l'utiliser correctement afin qu'il puisse générer des revenus au lieu de vider votre budget.

YT : Il y a quelques jours, nous avons tous les deux aimé le message de Mikko Pippo sur les raisons pour lesquelles les spécialistes du marketing gaspillent de l'argent. Y a-t-il d'autres points que vous recommanderiez d'ajouter à la liste de contrôle de Mikkos ? Pourquoi les spécialistes du marketing gaspillent-ils leur budget et comment pouvez-vous éviter cela ?

DH : Mikko est l'un des gars les plus intelligents que je connaisse, et si vous ne le suivez pas, je vous recommande de le faire. Si je pouvais apporter un complément à son article, ce serait d'essayer d'enrichir les données que vous avez déjà, comme les données sur les points de fidélité des clients, les remboursements ou les segments de clientèle. C'est assez facile à faire si l'identifiant du client, de l'utilisateur ou de la transaction est présent dans votre configuration d'analyse.

La raison pour laquelle les gens n'ont pas les bonnes raisons de collecter des données ou n'utilisent pas les données dont ils disposent est, comme le dit Mikko, le manque d'éducation. Si vous ne savez pas ce que les données peuvent faire pour vous, ou si vous ne savez pas à quoi les chiffres devraient ressembler dans l'organisation, il est très difficile de faire quoi que ce soit.

L'analyse peut être effrayante et difficile à utiliser. La plupart du temps, ce n'est pas que les personnes assises avec les données ne veulent pas les utiliser. C'est principalement une question sur le fait que cette personne n'a pas le temps de mettre à l'échelle ses compétences. Il appartient donc à l'organisation de créer un environnement dans lequel les personnes ayant accès aux données peuvent apprendre à utiliser l'analyse ou trouver une agence externe pour soutenir les personnes qui prennent les décisions commerciales.

YT : Quel conseil donneriez-vous aux spécialistes du marketing qui aimeraient devenir de véritables professionnels axés sur les données ?

DH : Commencer petit à petit. Apprendre les bases des statistiques et être capable de faire quelques bases sur Excel peut vous mener loin. Une fois que vous êtes à l'aise avec les ensembles de données de base et la combinaison de données, vous pouvez évoluer de la manière qui vous convient le mieux. Lorsque j'apprends quelque chose de nouveau, j'essaie toujours de le faire correspondre à un projet en cours et d'apprendre quelque chose de nouveau qui améliorera mon travail tout en le faisant. J'ai commencé à faire de la programmation statistique avec R car je faisais chaque mois le même travail qui me prenait plusieurs jours. En apprenant quelque chose de nouveau, j'ai réduit cela à une heure. Une chose que je voudrais mentionner ici est que vous ne devriez pas avoir peur de dépasser la portée du projet. Même si les heures que vous passez à apprendre quelque chose réduisent le profit total d'un projet, vous pouvez toujours appliquer tout ce que vous apprenez aux prochains projets que vous créez, les rendant meilleurs et plus stables que si vous n'aviez pas passé le temps à apprendre comment le faire .

Mon dernier conseil ici est de choisir un chemin. On ne peut pas faire n'importe quoi si on veut bien le faire. Je ne suis certainement pas aussi bon en statistiques que notre responsable de l'intelligence économique, et il n'est pas aussi bon en ingénierie des données que moi, nous avons donc nos rôles définis mais nous sommes toujours capables de nous soutenir mutuellement dans les bases de notre travail. La collaboration est essentielle si vous voulez réussir, et ce n'est jamais une mauvaise chose d'embaucher des personnes de l'extérieur pour vous aider à faire évoluer votre service.

YT : Qui est votre plus grande source d'inspiration dans la communauté #measure ? Pourriez-vous taguer un professionnel dont l'avis mérite d'être partagé sur notre blog ?

DH : Mark Edmonson est définitivement un gars qui m'inspire au quotidien. Il donne tellement à la communauté, est toujours utile et continue de créer d'excellentes solutions qui aident les analystes du monde entier à améliorer leur travail lorsqu'ils utilisent la plate-forme Google Cloud.

YT : Quels sont vos cinq événements préférés pour les analystes ?

DH : Les voici :

• MesureCamp
• Super semaine
• Sommet de l'analyse marketing
• Web Analytics Mercredi
• Analyser!

YT : Pourriez-vous nommer vos cinq meilleurs blogs ou autres sources pour les analystes ?

DH : Avec plaisir :

• Le blog de Mark Edmondson
• Le blog de Simo Ahava
• Blogue CXL
• Manie analytique
• Jeffalytique

… Peut-être aussi mon propre blog ;) Il y a tellement de bonnes ressources que je veux aussi mentionner, comme le groupe Facebook #measureslack et Google Tag Manager. La meilleure partie de la communauté des analystes est que les gens sont impatients de partager d'excellentes solutions.

YT : Quelles tendances observez-vous dans l'analyse et quelles tendances persisteront et évolueront à l'avenir ?

DH : Le suivi côté serveur est certainement quelque chose que les gens vont commencer à mettre en œuvre dans toutes les organisations, car la prévention du suivi intelligent (ITP) rend difficile la collecte de données précises autrement. En termes d'ITP, je suis un peu ambivalent à ce sujet. D'une part, ITP sert un grand objectif de protection de la vie privée des utilisateurs. Personnellement, je pense que les utilisateurs devraient toujours avoir le choix des informations qu'ils souhaitent partager avec les entreprises. D'autre part, cela empêche également certaines fonctionnalités du site de fonctionner comme prévu, telles que les connexions automatiques et la personnalisation.

De plus, je pense que l'ITP peut avoir pour conséquence de forcer les entreprises à faire des solutions de contournement qui obligent les gens à donner plus d'informations qu'ils ne le faisaient auparavant. Par exemple, obliger les utilisateurs à se connecter avant de pouvoir naviguer sur un site Web ou refuser l'accès aux utilisateurs qui ne donnent pas leur consentement sur le site. Dans l'état actuel de l'ITP, je pense que ce n'est pas un ajustement optimal pour les utilisateurs ou les entreprises. Le monde est encore dans une courbe d'apprentissage abrupte en termes de respect de la législation tout en étant toujours en mesure de fournir une bonne expérience. J'ai hâte de voir comment ça va se passer.

Une autre chose à surveiller est la plate-forme d'analyse App + Web. Il n'en est encore qu'à ses débuts, mais ce sera quelque chose que je recommande fortement de mettre en œuvre et de développer au fur et à mesure de son évolution. De cette façon, il sera possible d'utiliser les capacités de la plate-forme une fois que vous en aurez besoin. Il est également livré avec de nombreuses fonctionnalités intéressantes telles que l'exportation BigQuery gratuite.

YT : À quels nouveaux défis faites-vous face dans votre travail quotidien par rapport au début de votre carrière d'analyste ?

DH : Mon rôle a beaucoup changé, passant d'un rôle de soutien au début de ma carrière à la conduite de projets de bout en bout. Avant, mes défis étaient de comprendre comment les choses fonctionnaient et de faire de mon mieux pour m'assurer que les rapports montraient les bonnes métriques et que le suivi était correctement configuré.

Aujourd'hui, je sais comment faire ces choses, et les difficultés concernent principalement la stratégie de communication afin que les clients comprennent les avantages de la collecte de données et poussent leurs organisations à utiliser activement ces informations. En bref, je suis passé de l'exécution des tâches de mise en œuvre et de reporting qui m'étaient assignées à la conduite de la stratégie et du « pourquoi » de la manière dont les données doivent circuler. Je crois qu'il est essentiel d'avoir fait beaucoup de travail de fond avant de pouvoir comprendre et piloter une stratégie.

Avant de pouvoir progresser en tant qu'analyste et développer vos compétences, vous devez maîtriser les bases et comprendre comment tout est lié.

YT : Google Analytics ou Adobe ?

DH : Personnellement , je préfère utiliser Google Analytics, car il est plus accessible à tous et dispose d'une excellente API. Je pense cependant qu'Adobe a un produit solide et stable, avec des moyens vraiment sympas d'analyser les données, tout en étant un produit plus solide en termes de conformité.

YouTube : Data Studio, Tableau ou Power BI ?

DH : J'aime utiliser les ShinyDashboards de R, car vous pouvez construire tout ce que vous voulez avec tous les types de graphiques que vous voulez de manière dynamique. De plus, il ne nécessite pas de licences coûteuses (sauf si vous souhaitez utiliser leur solution hébergée).

Pour être honnête, je pense qu'il y a quelque chose de génial avec tous les outils mentionnés ci-dessus. Data Studio est gratuit et rapide, PowerBI peut être bon marché et fournit de nombreuses excellentes visualisations prêtes à l'emploi, et Tableau propose des fonctionnalités de partage vraiment intéressantes et des fonctionnalités intéressantes si de nombreuses personnes explorent et analysent des données au sein de l'organisation.

YouTube : AppsFlyer ou FireBase ?

DH : Je n'ai pas d'opinion stricte ici. Cependant, le développement d'APP+Web rend définitivement FireBase intéressant en ce moment.

La clé du succès pour un analyste est la patience et la volonté de repartir de zéro. Merci à Danny pour ce conseil simple qui nous aide à rester concentrés et persuasifs dans nos analyses.

Si vous avez aimé cette interview ou avez des questions pour Danny, laissez un commentaire ci-dessous ! N'oubliez pas de vous abonner à notre blog pour obtenir encore plus de discussions et d'articles utiles sur le monde de l'analyse.