Entretien avec Jim Sterne

Jim Sterne est le fondateur de Marketing Analytics Summit (anciennement eMetrics Summit), directeur émérite de la Digital Analytics Association, auteur de 12 livres, un conférencier talentueux et une personne et un spécialiste formidables.

Mariia Bocheva a eu le plaisir de rencontrer Jim au Marketing Analytics Summit à Las Vegas en juin 2019, quelques mois après cette interview. Mariia a déjà publié des rapports complets sur les premier et deuxième jours de cette conférence.

L'interview de Mariia avec Jim a couvert les thèmes suivants :

La communication est essentielle : parler aux gens lors de réunions, faire des présentations PowerPoint, partager des tableaux de bord. Cela pourrait être appelé une compétence difficile, parce que c'est tellement nécessaire, mais en fait c'est une compétence humaine, donc c'est une compétence non technique.

JS : Lorsque nous parlons de compétences spécialisées, nous parlons d'abord des données elles-mêmes : collecte de données, nettoyage, construction d'un pipeline . Essentiellement, le côté ingénierie des données. Si vous êtes heureux de travailler dans une entreprise suffisamment grande pour avoir des ingénieurs de données, vous n'avez pas à faire ces choses.

Ce qui est une compétence technique nécessaire, c'est de savoir d'où viennent les données . Comment est-il traité, prétraité et intégré avant de mettre la main dessus ? Il faut comprendre la matière première.

Un autre que je vois est les statistiques . Il n'est absolument pas nécessaire d'être statisticien, mais il est très important de comprendre les statistiques en général pour pouvoir appliquer les concepts. Les compétences techniques comprennent la connaissance de vos outils. Comme le dit Adam Greco : "Plus vous connaissez vos outils, plus vous avez d'options, plus vous avez de capacités."

Enfin, si vous voulez approfondir, étudiez R ou Python selon ce qui vous intéresse le plus : les statistiques ou l'apprentissage automatique. Encore une fois, ce n'est absolument pas nécessaire mais très utile.

JS : Cela dépend vraiment de nombreux facteurs. Si j'ai une équipe d'une centaine d'analystes, alors peut-être que je n'ai pas besoin de personnes qui savent utiliser SQL, Python et R. D'un autre côté, ça ne fait jamais de mal.

Dois-je être un codeur expert ? NON. Mais dois-je comprendre ce qui se passe et ce qui se passe dans les coulisses ? OUI.

Il est utile de savoir comment fonctionne TCP/IP, il est utile de savoir comment fonctionne HTTPS, il est utile de savoir comment le codage se produit. Que ce soit absolument nécessaire dépend de votre équipe .

Si vous êtes la seule personne à travailler avec SQL, vous devez devenir meilleur car vous êtes le seul. Mais si vous avez toute une équipe d'experts SQL, vous n'avez pas besoin de l'être ; mais vous devez comprendre de quoi ils parlent afin de pouvoir poser de bonnes questions.

Un plombier n'a pas besoin de savoir comment un tuyau en cuivre est fabriqué, mais s'il le sait et qu'il rencontre ensuite un problème étrange, il peut dire : Oh, c'est un problème de fabrication .Parce qu'il a cette connaissance supplémentaire. Alors est-ce nécessaire ? Non, mais c'est toujours utile.

JS : Oui, c'est très courant. Les recommandations portent sur la formation polyvalente. Je faisais une présentation (il y a peut-être 15 ans en Allemagne) expliquant ce que fait un analyste et comment le travail de l'analyste consiste à aider les gens de l'entreprise à faire leur travail.

Il est important de comprendre ce que les autres essaient d'accomplir . Puis quelqu'un dans le public a levé la main (c'est inhabituel pour ce type de public) et a demandé : Dois-je comprendre tous les autres emplois dans toute l'entreprise ? Et j'ai dit OUI ! C'est vrai, c'est votre travail. C'est bien de savoir ce que les gens essaient d'accomplir pour les aider, mais c'est aussi bien qu'ils comprennent suffisamment les données.

J'ai un exemple de formation croisée en analytique entre les départements. Lorsque David Rhee travaillait chez Adidas, il a décidé que son équipe devait augmenter ses compétences. Il les a donc fait tourner à travers différentes responsabilités. Il prendrait une personne chargée de l'analyse des e-mails et la confierait à l'affichage ; confiez à une personne responsable de l'affichage les mesures des médias sociaux, puis confiez-lui la charge des mesures Web. Au cours de l'année, il faisait tourner les gens. Donc si vous étiez là pendant 3 ou 4 ans, vous avez appris à tout faire.

Et tandis que ma réaction instantanée est, Oh mon dieu ! Je dois tout recommencer ! J'ai passé un an à apprendre ce truc et maintenant tu vas juste me jeter dans l'eau froide et je dois réapprendre à nager, sa réponse a été oui, tu dois le faire. Et par conséquent, toute l'équipe a appris ce que tout le monde faisait. Ainsi, lorsque vous avez une décision à prendre, vous la prenez du point de vue de l'organisation plutôt que je suis en charge du courrier électronique. Cela peut aider tout le département. Et je pense que cette méthodologie peut fonctionner dans l'autre sens.

Quand quelqu'un est entré et a dit, on m'a proposé un meilleur travail avec quelqu'un d'autre au milieu de l'entreprise ,David les encourageait et les soutenait parce qu'il disait, vous savez, dans deux, trois ou cinq ans, vous reviendrez travailler pour moi et vous serez plus intelligent parce que vous aurez appris de nouvelles choses .Si nous appliquons cela à la différence entre l'analyse et le marketing, une personne chargée de l'analyse peut passer une journée par mois à suivre l'un de ses clients analytiques, passer du temps avec les responsables du marketing par e-mail, passer du temps avec les responsables des mesures des médias sociaux, regarder ce qu'ils faire et à quoi ressemble leur journée. Ce serait précieux.

JS : Pour les analystes, il s'agit de connaître le domaine et de connaître les objectifs des autres. Et pour les spécialistes du marketing, il s'agit de savoir comment appliquer les données. La communication consiste simplement à savoir quels sont les objectifs de l'autre personne et quelles sont ses difficultés. Et c'est vrai dans n'importe quelle relation – peu importe si c'est professionnel ou personnel.

C'est ce qu'on appelle l'empathie et cela nécessite de connaître la situation de l'autre personne.

J S : La plus grosse erreur est de penser qu'il suffit d'analyser les données . Ce n'est pas parce qu'il ne s'agit que d'une partie de l'ensemble de l'écosystème commercial. Comprendre les objectifs et les défis, la politique et les ressources limitées de l'ensemble de l'écosystème est très important.

Je suppose que la réponse la plus simple à propos de mes propres erreurs est l'erreur la plus courante que je commets, qui consiste à supposer que les données sont propres et dignes de confiance. Lorsque vous travaillez beaucoup, il est très facile d'oublier que quelque chose n'est peut-être pas vrai.

JS : La première chose que vous devez faire est d'avoir suffisamment de données. Si vous êtes une startup, vous n'avez pas de données. C'est un problème. Si vous êtes une petite entreprise, vous avez très peu de données, ce qui est également un problème.

Si vous êtes une entreprise de taille moyenne ou une entreprise, vous disposez de données mais vous n'avez pas d'infrastructure. Une fois que vous avez des données, vous avez besoin d'outils et de compétences pour utiliser ces outils. Et vos outils et compétences doivent être suffisamment sophistiqués pour apporter de la valeur.

Et si vous êtes assez grand et que vous avez des sources de données, vous devez automatiser des choses comme la création de tableaux de bord ou automatiser les décisions et les opérations marketing. Le plus grand défi consiste à rendre les changements issus de ces données applicables à des situations réelles.

Amener tout le monde à croire aux données . Je ne suis pas sûr que les possibilités des systèmes d'analyse dépendent vraiment de la taille de l'entreprise mais de la maturité de l'entreprise et des ressources disponibles.

JS : Le plus grand défi est de faire en sorte que tout le monde travaille dans la même direction. C'est la capacité organisationnelle. Si je suis analyste, j'aime les données et je veux que tout le monde aime les données. C'est un gros travail de convaincre l'entreprise que c'est une bonne chose. C'est un problème très courant qu'une entreprise aime les données ou prétende les aimer, mais qu'elle ne les utilise que pour confirmer ses propres opinions ou qu'elle les utilise mal.

Le problème le plus courant est une mauvaise utilisation des données par malentendu et un désir humain de se montrer qu'ils réussissent.

JS : Je pense que nous avons plus de technologies que nous ne savons quoi en faire. En 2005, Avinash Kaushick nous a appris que lorsque vous dépensiez 10 $ en analyse, vous dépensiez 9 $ en personnes et 1 $ en technologie, et nous sommes toujours là. Il y a des gens vraiment intelligents qui créent des technologies vraiment incroyables. Et c'est un peu au-delà de notre capacité à tout utiliser.

Imaginez avoir un système qui collecte toutes les informations, les nettoie, les regroupe dans un référentiel central et prend de nombreuses décisions. En montrant le bon message à la bonne personne au bon moment, vous réalisez plus de ventes, vos clients sont plus satisfaits et une telle approche est toujours moins coûteuse. Ce serait formidable si cela pouvait fonctionner. Mais pour que toutes les pièces fonctionnent ensemble, vous devez utiliser beaucoup de technologie, et tous ces différents outils que vous devez utiliser deviennent de plus en plus complexes chaque jour.

J'ai donc besoin de 15 outils différents, et je dois être un expert avec chacun d'eux pour qu'ils fonctionnent tous bien. Vous pouvez passer trois heures à travailler avec un outil, puis quelqu'un change quelque chose - il y a une nouvelle version d'un outil, quelqu'un a mal étiqueté un lien ou quelque chose ne va pas. Nous avons donc 15 minutes de perfection, puis nous passons le reste de notre vie à essayer de faire en sorte que tout fonctionne ensemble .

JS : Eh bien, mon dernier travail est l'apprentissage automatique. Voilà ma réponse ;-)

Ce sont juste différents types de logiciels, mais c'est toujours un logiciel et il fait avancer les choses. Le spécialiste doit donc voir quand il est approprié d'utiliser cet outil pour résoudre ce problème et quand c'est exagéré car c'est trop cher ou trop compliqué.

Ce qui est important, c'est de savoir quand utiliser le bon outil . Parfois, les feuilles de calcul Excel sont excellentes ; parfois, une simple régression statistique suffit ; et parfois, d'accord, faisons tourner un système d'apprentissage automatique pour essayer de résoudre ce problème ou d'automatiser cette chose. Connaître la différence est la valeur que l'analyste apporte à la table.

JS : L'événement le plus important est celui qui est le plus proche de vous et que vous pouvez vous permettre. Parce que ce n'est pas un bon événement si vous ne pouvez pas vous y rendre. Le deuxième plus important est celui où vous pouvez rencontrer des personnes que vous connaissez, car c'est ainsi que vous construisez votre réseau professionnel.

J'aime aller au DAA Hub en Virginie , ce qui est idéal pour une plongée en profondeur avec des personnes qui font de l'analyse depuis longtemps. Si vous êtes très sérieux au sujet de votre carrière, vous devriez aller acheter un billet. Je peux dire la même chose à propos de Superweek . C'est un endroit où des gens vraiment intelligents parlent de choses vraiment compliquées d'une manière fascinante.

D'autre part, MeasureCamp est une communauté passionnante. La dernière fois que j'ai participé à MeasureCamp, c'était à Bratislava, en Slovaquie. Je peux dire que chaque MeasureCamp auquel je suis allé a la même attitude. C'est vraiment intéressant : les gens essaient de résoudre des problèmes très simples et tout le monde essaie de s'entraider. Cela me fait me sentir si bien.

Et je suppose que je devrais vraiment mentionner mon propre Marketing Analytics Summit ! Il y en a plusieurs à venir en Europe et l'événement principal aura lieu à Las Vegas en juin.

J'oriente toujours les gens vers l'association DAA , qui a déjà 15 ans et compte 5 000 membres. J'aimerais également diriger les gens vers le podcast Digital Analytics Power Hour . Je recommanderais de revenir en arrière et d'écouter tous les épisodes.

Et puis, bien sûr, mesurez Slack . Nous avions l'habitude de nous connecter sur des listes de discussion par e-mail. Ensuite, il existe différents blogs où les gens s'engagent activement. Ensuite, il y a eu beaucoup d'activité sur Twitter avec le hashtag #measure. Si vous avez un problème, une question ou une blague ou si vous devez simplement sortir la tête des chiffres pendant une minute et communiquer avec les humains. Aujourd'hui, la conversation semble porter sur Measure Slack et c'est génial.

La dernière chose que je voudrais ajouter concerne la culture #measure. Les gens aiment s'entraider. Notre industrie est axée sur le partage. Nous nous entraidons depuis de nombreuses années. C'est pourquoi tous ces événements sont si précieux; nous sommes des gens qui aiment aider, partager et apprendre.

Nous remercions Jim pour ces pensées encourageantes et fraîches. Nous espérons que vous avez apprécié cette interview et que vous avez été aussi inspiré que nous. Aimez votre travail et votre communauté d'analystes et n'arrêtez jamais de vous développer !

Abonnez-vous à notre blog pour lire les prochaines interviews dans le cadre de nos recherches sur l'état de l'analyse numérique et adapter l'expérience des meilleurs analystes à votre entreprise.