Entretien avec Julius Fedorovicius, fondateur d'Analytics Mania

Nous continuons notre rubrique Avis d'expert, et aujourd'hui nous vous présentons une interview de Julius Fedorovicius , consultant digital et expert technique. Julius est l'un des fondateurs d' Analytics Mania et un passionné de Google Tag Manager et de Google Analytics. En outre, il dirige la communauté Google Tag Manager sur Facebook et crée des cours en ligne GTM .

Comme toujours, voici les principaux sujets de navigation :

Je lance Analytics Mania. Ici, je partage des articles de blog, des didacticiels vidéo qui apprennent aux spécialistes du marketing et aux analystes à travailler avec Google Tag Manager et Google Analytics. Aussi, en ce moment, je propose deux cours payants sur Google Tag Manager. De plus, occasionnellement (quand j'ai du temps dans mon emploi du temps), je travaille en freelance GA/GTM. Mais mon objectif principal actuel est le contenu, les cours et les étudiants de ces cours.

Compétences difficiles. Je suis partial ici (puisque je viens du côté de la mise en œuvre de l'analyse) mais je dirais que les compétences techniques liées au suivi sont importantes. Comprendre le fonctionnement du suivi aidera les analystes à mieux comprendre d'où proviennent les données, comment elles sont collectées et à quel point elles sont fiables. Cela aidera également les analystes à ajouter plus de grains de sel dans les données avec lesquelles ils travaillent et les résultats qu'ils obtiennent.

Mais ce n'est qu'une partie des compétences nécessaires. Le suivi de la mise en œuvre seul ne vaut rien si rien n'est fait avec les données collectées. C'est là qu'intervient la partie analyse et ici nous avons à la fois des compétences techniques et générales.

En parlant de compétences techniques ici, cela dépend beaucoup de l'entreprise dans laquelle vous travaillez et de sa pile. Pour certains, il suffit d'utiliser Google Analytics et Data Studio, pour d'autres BigQuery, des connaissances en SQL, R, Python, etc. Le terrier du lapin est profond.

Je recommanderais de ne pas se concentrer sur des outils particuliers. Au lieu de cela, concentrez-vous sur le type de questions auxquelles il faut répondre avec des données. Ensuite, choisissez les bons outils pour cela. Connaître BigQuery, R ou autre, et essayer de l'appliquer aux petites entreprises n'a pas de sens (du moins dans la plupart des cas). Les petites entreprises n'auront (très probablement) pas assez de données pour bénéficier de ces technologies.

Étant donné que je travaille principalement avec des petites et moyennes entreprises, dans la plupart des cas, la pile analytique essentielle de Google est suffisante (GTM, GA, GDS). Il est tout à fait possible de réaliser beaucoup d'améliorations/changements grâce aux analyses et aux « petites » données.

Donc, si quelqu'un envisage de démarrer une carrière dans ce domaine, je pense que la connaissance de GTM, GA et Google Data Studio est un bon début (en ce qui concerne les compétences techniques).

Maintenant, les compétences non techniques d'un analyste. Je dirais que ce sont :

• Planification. Si nous parlons d'analyse Web, des éléments tels que le plan de mesure et le plan de mise en œuvre des balises peuvent vous aider énormément. Pour préparer un plan, vous devrez beaucoup parler avec les parties prenantes, vous familiariser avec les objectifs commerciaux, les processus, etc. Cela aide les analystes à avoir une vue d'ensemble et donc (espérons-le) à apporter plus de valeur à l'analyse.
• Cela semble ringard, mais : écoutez attentivement ce que les autres disent. Aussi, communiquer. Cela vous aidera par exemple à préparer des plans de mesure et vous permettra également de mieux communiquer vos résultats.
• Esprit critique. Cela vous aidera à identifier des modèles, à creuser plus profondément et à trouver des idées.

Je sais que vous demandez une grosse erreur, mais je ne pouvais pas en choisir une seule :) Voici mes réflexions sur les plus grosses erreurs :

Erreur #1. Faites toujours confiance à vos données et n'en doutez pas. Les données ne seront jamais parfaites, il y aura toujours des inexactitudes dans une certaine mesure. Donc, chaque fois que vous découvrez quelque chose de précieux avec votre analyse, doutez-en toujours. Essayez de le vérifier sous différents angles. Si vous êtes familier avec la mise en œuvre de l'analyse, essayez de penser à ce qui aurait pu mal tourner dans votre collecte de données. De plus, quelle est la source de ces données ? C'est là que la pensée critique est nécessaire. Cependant, d'un autre côté, n'attendez pas des données parfaites. Passer trop de temps à essayer d'obtenir un ensemble de données parfait sera plus coûteux pour une entreprise plutôt que d'obtenir des informations à partir de données "assez bonnes".

Erreur #2. Penser que le travail d'un analyste se termine par l'analyse et la recherche d'informations. Les analystes doivent également être les moteurs du changement dans l'organisation. Ils doivent communiquer leurs conclusions, préconiser certaines solutions pour que ces conclusions soient mises en œuvre. Et dans de nombreux cas, c'est la partie la plus difficile.

Beaucoup. Et c'est l'un des plus grands obstacles qui se dresse entre trouver des idées et s'assurer qu'elles entraînent des changements, des améliorations. Quelques-unes des façons dont une mauvaise communication peut être évitée :

• Écoutez attentivement ce que disent les autres. Cela permet de mieux comprendre les exigences de l'entreprise pour des tâches d'analyse particulières. Et lorsque les spécialistes du marketing fournissent des commentaires, les écouter attentivement vous aidera à réduire les erreurs de communication futures et à éviter de recommencer.
• Évitez autant que possible votre argot professionnel. Essayez de parler en termes plus simples, compréhensibles même par ceux qui n'ont aucun lien direct avec l'analytique.
• Passez autant de temps que vous pouvez afin de comprendre comment fonctionne l'entreprise. Une vue d'ensemble peut aider les analystes à mieux comprendre pourquoi (et pourquoi) les équipes marketing ont besoin de certains résultats de la part des analystes.
• N'ayez pas peur de poser des questions. En demandant « pourquoi », vous ne montrez pas que vous êtes stupide. Cela montre que vous voulez comprendre le contexte, ce qui vous aidera à mieux exécuter les tâches. Lorsque vous recevez un devoir et que certaines parties ne sont pas claires, ne présumez pas. Demander des éclaircissements.

En ce qui concerne les événements, je recommanderais certainement MeasureCamp et j'ai hâte de m'éloigner des événements virtuels et de revenir aux rencontres en personne. MeasureCamp est juste un endroit parfait pour sortir, apprendre des autres, essayer vos propres compétences de présentation (qui sont également très nécessaires dans l'analyse).

Aussi, j'adore SuperWeek . Mais je ne vois pas ça comme une conférence où j'apprendrai constamment quelque chose de nouveau. Je vois cela plus comme des vacances d'analyste où vous avez un groupe de geeks partageant les mêmes idées qui parlent de ce qu'ils aiment pendant presque une semaine. Vous rencontrez ici un groupe de stars de l'industrie et discutez avec eux, réseautez. Il y a juste quelque chose de magique là-bas.

En ce qui concerne les ressources, cela dépend vraiment de la spécialité de l'analyste. Est-ce plus proche de l'analytique traditionnelle (comme GTM, GA) ou est-ce plus proche de la science des données, de l'ingénierie des données, etc. Si c'est le premier, alors (sans vergogne plug) mon propre blog et ma chaîne youtube peuvent certainement aider. Le blog de Simo Ahava , Measureschool , pour n'en citer que quelques-uns. Si c'est ce dernier, alors Datacamp peut vous aider.

Je pense que la connaissance la plus importante nécessaire ici est de comprendre que la pile de données/analytique (et les processus) dans l'entreprise doit être choisie en fonction du niveau de l'entreprise. Et puis il devrait grandir avec l'entreprise.

À mon avis, les petites entreprises ne devraient pas rechercher des éléments brillants comme l'IA, le ML, le Big Data. Tout d'abord, les petites entreprises n'ont même pas assez de « petites » données. J'ai récemment lu ceci et cela résume parfaitement la situation et les raisons pour lesquelles l'analyse de l'entreprise devrait croître/évoluer avec l'entreprise.

Actuellement, je suis travailleur autonome. Donc, mon principal défi est de mettre en pratique ce que je prêche :) En créant constamment du contenu, en mettant à jour mes cours et en soutenant les étudiants des cours, je n'ai pas toujours assez de temps pour creuser dans mes propres données et ajouter quelques ajustements supplémentaires. Un cordonnier sans chaussures.

La friction avec le service informatique est certainement importante. Sinon, GTM ne serait pas si populaire.

Paysage en constante évolution de la confidentialité des utilisateurs. Surtout quand il s'agit de grands acteurs (comme Apple). Ce que vous construisez aujourd'hui a de fortes chances de ne pas fonctionner dans les 6 à 12 prochains mois. Rester quelque peu à jour prend beaucoup de temps (mais nécessaire). Je me trompe peut-être, mais j'ai l'impression que nous avons eu plus de changements au cours des 2-3 dernières années que nous n'en avions eu au cours des 6-7 années précédentes). J'ai détesté cette phrase tout au long de la pandémie, mais "c'est la nouvelle normalité" pour nous.

• Je pense que les questions précédentes sur la communication sont super pertinentes ici. Commencez par cela et vous verrez certainement une amélioration.
• Communiquer.
• Posez beaucoup de questions pour comprendre le contexte (et voir une image plus grande).
• Ne présumez rien et n'essayez pas de penser que vous êtes plus intelligent que les autres dans la pièce. Peut-être savez-vous mieux comment utiliser votre outil d'analyse. Mais d'autres pourraient en savoir plus sur le fonctionnement de l'entreprise, ils pourraient connaître certaines pièces du puzzle qui vous manquent.

Cette réponse est très liée à l'une des questions précédentes sur le fait que je n'avais pas assez de temps pour mes propres analyses :)

Et en parlant de maturité générale, cela varie beaucoup. J'ai vu des entreprises assez matures tandis que d'autres utilisent des mots à la mode comme "attribution multi-touch", mais en même temps, elles ne suivent * aucun * événement à l'exception des pages vues avec Google Analytics. Et c'est tout ce qu'ils font avec "analytics" :)

Croissance continue de la vie privée. Et ce n'est pas seulement à cause de réglementations comme le RGPD. Des fournisseurs et des entreprises comme Apple ou Brave construisent les produits et le marketing autour d'une approche centrée sur la confidentialité. De plus en plus d'entreprises mettront en place de manière rationnelle des processus de collecte de données respectueux de la vie privée, tandis que d'autres seront obligées de le faire.

Des mécanismes de collecte de données plus complexes seront nécessaires pour collecter les données de première partie. L'époque du « ajoutez simplement une ligne de JavaScript à votre site » touchera à sa fin et pour commencer à collecter des informations au moins semi-précises, vous devrez vous appuyer sur des solutions telles que le balisage côté serveur.

Avec des configurations plus complexes, la barrière d'entrée pour les analystes en herbe sera plus élevée. Dans ce contexte, je parle du point de vue où les débutants commencent souvent avec des outils populaires comme Google Analytics. Mais en regardant GA4, les choses ne deviennent pas plus faciles. Oui, je sais qu'il est encore en version bêta (bien que le badge "bêta" ait disparu). Mais en regardant comment les données sont stockées (et leur conservation - max 14 mois) et les capacités de création de rapports limitées, il semble que la connaissance de SQL et de BigQuery ne sera plus "agréable à avoir". Naturellement, la barrière d'entrée pour les débutants devient beaucoup plus élevée car c'est un outil de plus à apprendre (à côté de GTM, GA, GDS, etc.).

Beaucoup de gens ne se soucient toujours pas de l'inexactitude de leurs données en raison des changements les plus récents (et à venir) dans l'industrie (ITP, etc.).

Paysage en constante évolution dans le contexte de la confidentialité. Ne vous méprenez pas - je suis pour la vie privée. C'est certainement bon pour les consommateurs. Mais c'est un véritable défi en constante évolution pour les spécialistes du marketing et les analystes à s'adapter. Donc le mot « problème » est peut-être trop fort ici. Appelons cela un « défi ».

Étant donné que je me concentre davantage sur les petites entreprises et les indépendants (pour les aider à apprendre GA et GTM), je remarque que beaucoup d'entre eux se concentrent beaucoup trop sur les outils et les techniques de suivi plutôt que sur la planification, la compréhension des objectifs commerciaux et la bonne question. Évidemment, je suis coupable de cela aussi (car la plupart de mon contenu concerne les outils et les techniques de suivi). Mais avec un peu de chance, davantage de personnes se concentreront sur les fondamentaux et la partie « plus souple » de leur travail, et pas seulement sur les compétences techniques.

Je ne pouvais penser à rien de spécifique ici. Continuez simplement à faire leur travail et à vous améliorer. Concentrez-vous non seulement sur les compétences techniques, mais aussi sur les compétences générales.

Je pense que vous n'avez pas eu d'interview avec Mark Edmondson .

Concentrez-vous sur les objectifs que vous souhaitez atteindre avec les données, choisissez les bons outils et que les chances soient en votre faveur !

Nous apprécions vraiment les réponses honnêtes de Julius et le partage de son expérience. Nous espérons que cette interview vous a été utile et que vous en avez apprécié la lecture.

Abonnez-vous à notre newsletter pour être le premier à lire nos prochaines interviews. Restez à l'écoute!