Wawancara dengan Julius Fedorovicius, Pendiri Analytics Mania

Kami melanjutkan kolom Opini Pakar kami, dan hari ini kami mempersembahkan kepada Anda sebuah wawancara dengan Julius Fedorovicius , seorang konsultan digital, dan pakar teknis. Julius adalah pendiri Analytics Mania dan Google Pengelola Tag serta Penggemar Google Analytics. Selain itu, dia menjalankan komunitas Google Pengelola Tag di Facebook dan membuat kursus online GTM .

Seperti biasa, berikut adalah topik utama untuk navigasi:

Saya menjalankan Analytics Mania. Di sini saya membagikan postingan blog, video tutorial yang mengajarkan pemasar dan analis untuk bekerja dengan Google Tag Manager dan Google Analytics. Juga, saat ini, saya menawarkan dua kursus berbayar tentang Google Pengelola Tag. Juga, kadang-kadang (ketika saya punya waktu di jadwal saya), saya bekerja sebagai freelancer GA/GTM. Tetapi fokus utama saya saat ini adalah konten, kursus, dan siswa dari kursus tersebut.

Keterampilan keras. Saya bias di sini (karena saya berasal dari sisi implementasi analitik) tetapi saya akan mengatakan bahwa keterampilan teknis yang terkait dengan pelacakan itu penting. Memahami cara kerja pelacakan akan membantu analis lebih memahami dari mana data berasal, bagaimana data dikumpulkan, dan seberapa andal data tersebut. Ini juga akan membantu analis untuk menambahkan lebih banyak butiran garam ke dalam data yang mereka kerjakan dan hasil yang mereka dapatkan.

Tapi itu hanya bagian dari keterampilan yang dibutuhkan. Implementasi pelacakan saja tidak ada gunanya jika tidak ada yang dilakukan dengan data yang dikumpulkan. Di situlah bagian analisis masuk dan di sini kita memiliki keterampilan keras dan lunak.

Berbicara tentang hard skill di sini, itu sangat tergantung pada perusahaan tempat Anda bekerja dan tumpukannya. Untuk beberapa, cukup menggunakan Google Analytics dan Data Studio, untuk yang lain BigQuery, pengetahuan tentang SQL, R, Python, dll. Lubang kelinci semakin dalam.

Saya akan merekomendasikan untuk tidak berfokus pada alat tertentu. Sebaliknya, fokuslah pada pertanyaan seperti apa yang harus dijawab dengan data. Kemudian pilih alat yang tepat untuk itu. Mengetahui BigQuery, R, atau apa pun, dan mencoba menerapkannya untuk bisnis kecil tidak masuk akal (setidaknya dalam banyak kasus). Usaha kecil (kemungkinan besar) tidak akan memiliki cukup data untuk memanfaatkan teknologi tersebut.

Karena saya terutama bekerja dengan usaha kecil/menengah, dalam banyak kasus tumpukan analisis penting Google sudah cukup (GTM, GA, GDS). Sangat mungkin untuk mencapai banyak peningkatan/perubahan berkat analitik dan data "kecil".

Jadi jika seseorang berpikir untuk memulai karir di bidang ini, saya pikir memiliki pengetahuan tentang GTM, GA, dan Google Data Studio adalah awal yang baik (dalam hal hard skill).

Nah, soft skill seorang analis. Saya akan mengatakan bahwa mereka adalah:

• Perencanaan. Jika kita berbicara tentang analisis web, hal-hal seperti rencana pengukuran dan rencana penerapan tag dapat sangat membantu Anda. Untuk menyiapkan rencana, Anda harus banyak berbicara dengan pemangku kepentingan, lebih mengenal tujuan bisnis, proses, dll. Ini membantu analis melihat gambaran yang lebih besar, sehingga (semoga) memberikan nilai lebih dengan analisis.
• Kedengarannya cheesy, tapi: Hati-hati mendengarkan apa yang orang lain katakan. Juga, komunikasi. Ini akan membantu Anda dengan hal-hal seperti menyiapkan rencana pengukuran dan juga akan memungkinkan Anda untuk mengomunikasikan temuan Anda dengan lebih baik.
• Berpikir kritis. Ini akan membantu Anda mengidentifikasi pola, menggali lebih dalam, dan menemukan beberapa wawasan.

Saya tahu bahwa Anda meminta satu kesalahan besar, tetapi saya tidak dapat memilih satu saja :) Berikut adalah pemikiran saya tentang kesalahan terbesar:

Kesalahan #1. Selalu percaya data Anda dan tidak ragu-ragu. Data tidak akan pernah sempurna, akan selalu ada ketidakakuratan sampai batas tertentu. Jadi, setiap kali Anda menemukan sesuatu yang berharga dengan analisis Anda, selalu ragukan itu. Cobalah untuk memeriksanya dari sudut yang berbeda. Jika Anda terbiasa dengan implementasi analitik, coba pikirkan apa yang mungkin salah dalam pengumpulan data Anda. Juga, apa sumber data itu? Di sinilah pemikiran kritis diperlukan. Namun, di sisi lain, jangan menunggu data yang sempurna. Menghabiskan terlalu banyak waktu untuk mencoba mendapatkan beberapa kumpulan data yang sempurna akan lebih mahal untuk bisnis daripada mendapatkan wawasan dari data yang "cukup baik".

Kesalahan #2. Berpikir bahwa pekerjaan seorang analis berakhir dengan analisis dan menemukan beberapa wawasan. Analis juga harus menjadi penggerak perubahan dalam organisasi. Mereka harus mengomunikasikan temuan mereka, mengadvokasi solusi tertentu untuk mengimplementasikan temuan tersebut. Dan dalam banyak kasus, ini adalah bagian yang paling sulit.

Sangat banyak. Dan itu adalah salah satu hambatan terbesar yang menghalangi antara menemukan beberapa wawasan dan memastikan bahwa mereka mendorong beberapa perubahan, peningkatan. Beberapa cara bagaimana miskomunikasi dapat dihindari:

• Dengarkan baik-baik apa yang orang lain katakan. Ini membantu untuk lebih memahami persyaratan bisnis untuk tugas analitik tertentu. Dan ketika pemasar memberikan umpan balik, mendengarkannya dengan cermat akan membantu Anda mengurangi miskomunikasi di masa mendatang dan menghindari pengulangan.
• Hindari bahasa gaul profesional Anda sebanyak mungkin. Cobalah untuk berbicara dalam istilah yang lebih sederhana yang dapat dimengerti bahkan oleh mereka yang tidak memiliki hubungan langsung dengan analitik.
• Luangkan waktu sebanyak mungkin untuk memahami bagaimana bisnis beroperasi. Melihat gambaran yang lebih besar dapat membantu analis lebih memahami apa (dan mengapa) tim pemasaran membutuhkan hasil tertentu dari analis.
• Jangan takut untuk bertanya. Dengan bertanya "mengapa" Anda tidak menunjukkan bahwa Anda bodoh. Ini menunjukkan bahwa Anda ingin memahami konteksnya, yang akan membantu Anda melakukan tugas dengan lebih baik. Saat mendapat tugas dan ada bagian yang tidak jelas, jangan asal-asalan. Minta klarifikasi.

Untuk acara, saya pasti akan merekomendasikan MeasureCamp dan saya tidak sabar untuk menjauh dari acara virtual dan kembali ke pertemuan langsung. MeasureCamp adalah tempat yang sempurna untuk hangout, belajar dari orang lain, mencoba keterampilan presentasi Anda sendiri (yang juga sangat dibutuhkan dalam analitik).

Juga, saya suka SuperWeek . Tapi saya tidak melihatnya sebagai konferensi di mana saya akan terus belajar sesuatu yang baru. Saya melihatnya lebih seperti liburan analis di mana Anda memiliki sekelompok geek yang berpikiran sama berbicara tentang apa yang mereka sukai selama hampir seminggu. Anda bertemu sekelompok bintang industri di sini dan berbicara santai dengan mereka, jaringan. Hanya ada sesuatu yang ajaib di sana.

Adapun sumber daya, itu benar-benar tergantung pada spesialisasi analis. Apakah lebih dekat ke analitik arus utama (seperti GTM, GA) atau lebih dekat dengan ilmu data aktual, rekayasa data, dll. Jika itu yang pertama, maka (tidak tahu malu plug) blog dan saluran youtube saya sendiri pasti bisa membantu. Blog Simo Ahava , Measureschool , untuk beberapa nama. Jika yang terakhir, maka Datacamp dapat membantu.

Saya pikir pengetahuan terpenting yang dibutuhkan di sini adalah pemahaman bahwa tumpukan data/analitik (dan proses) di perusahaan harus dipilih berdasarkan level perusahaan. Dan kemudian itu harus tumbuh bersama dengan perusahaan.

Menurut saya, perusahaan kecil tidak boleh mengejar barang-barang mengkilap seperti AI, ML, Big Data. Pertama-tama, perusahaan kecil bahkan tidak memiliki cukup data "kecil". Saya baru-baru ini membaca ini dan dengan sempurna merangkum situasi dan alasan mengapa analitik perusahaan harus tumbuh/skala bersama dengan perusahaan.

Saat ini, saya wiraswasta. Jadi tantangan utama saya adalah mempraktekkan apa yang saya khotbahkan :) Dengan terus-menerus membuat konten, memperbarui kursus saya, dan mendukung siswa kursus, saya tidak selalu punya cukup waktu untuk menggali data saya sendiri dan menambahkan beberapa penyesuaian tambahan. Pembuat sepatu tanpa sepatu.

Gesekan dengan departemen TI pasti besar. Jika tidak, GTM tidak akan sepopuler itu.

Lanskap privasi pengguna yang selalu berubah. Terutama ketika datang ke pemain besar (seperti Apple). Apa yang Anda bangun hari ini kemungkinan besar tidak akan berhasil dalam 6-12 bulan ke depan. Tetap up-to-date sangat memakan waktu (tapi perlu). Saya mungkin salah, tetapi rasanya seperti kami memiliki lebih banyak perubahan dalam 2-3 tahun terakhir daripada yang kami lakukan dalam 6-7 tahun sebelumnya). Saya benci ungkapan ini selama pandemi, tetapi "ini adalah normal baru" bagi kami.

• Saya pikir pertanyaan sebelumnya tentang komunikasi sangat relevan di sini. Mulailah dengan itu dan Anda pasti akan melihat peningkatan.
• Menyampaikan.
• Ajukan banyak pertanyaan untuk memahami konteksnya (dan lihat gambaran yang lebih besar).
• Jangan menganggap sesuatu dan jangan mencoba berpikir bahwa Anda lebih pintar dari orang lain di ruangan itu. Mungkin Anda lebih tahu cara menggunakan alat analisis Anda. Tetapi orang lain mungkin tahu lebih banyak tentang bagaimana bisnis beroperasi, mereka mungkin tahu beberapa potongan teka-teki yang Anda lewatkan.

Jawaban ini sangat terkait dengan salah satu pertanyaan sebelumnya tentang saya tidak punya cukup waktu untuk analitik saya sendiri :)

Dan berbicara tentang kedewasaan umum, ini sangat bervariasi. Saya telah melihat perusahaan yang cukup matang sementara yang lain menggunakan kata kunci seperti "atribusi multi-sentuh" ​​tetapi pada saat yang sama, mereka tidak melacak *setiap* peristiwa kecuali tampilan halaman dengan Google Analytics. Dan hanya itu yang mereka lakukan dengan "analitik" :)

Pertumbuhan privasi yang berkelanjutan. Dan itu bukan hanya karena peraturan seperti GDPR. Vendor dan perusahaan seperti Apple atau Brave sedang membangun produk dan pemasaran dengan pendekatan yang berpusat pada privasi. Lebih banyak bisnis secara rasional akan membangun proses pengumpulan data yang sadar privasi sementara yang lain akan dipaksa untuk melakukan ini.

Mekanisme pengumpulan data yang lebih kompleks akan diperlukan untuk mengumpulkan data pihak pertama. Waktu "tambahkan satu baris JavaScript ke situs Anda" akan berakhir dan untuk mulai mengumpulkan setidaknya semi-akurat yang akurat, Anda harus mengandalkan solusi seperti penandaan sisi server.

Dengan pengaturan yang lebih kompleks, hambatan masuk bagi calon analis akan lebih tinggi. Dalam konteks ini, saya berbicara dari perspektif di mana pemula sering memulai dengan alat populer seperti Google Analytics. Tapi melihat GA4, segalanya tidak menjadi lebih mudah. Ya, saya tahu ini masih dalam versi beta (walaupun lencana "beta" sudah tidak ada). Namun melihat bagaimana data disimpan (dan retensinya - maksimal 14 bulan) dan kemampuan pelaporan yang terbatas, sepertinya pengetahuan tentang SQL dan BigQuery tidak akan lagi “menyenangkan untuk dimiliki”. Tentu, entry barrier untuk pemula menjadi jauh lebih tinggi karena itu satu lagi alat untuk belajar (sebelah GTM, GA, GDS, dll).

Banyak orang masih tidak peduli tentang betapa tidak akuratnya data mereka karena perubahan terbaru (dan yang akan datang) di industri (ITP, dll.).

Lanskap yang terus berubah dalam konteks privasi. Jangan salah paham - saya untuk privasi. Hal ini tentu sangat baik bagi konsumen. Tapi ini adalah tantangan nyata yang selalu berubah bagi pemasar dan analis untuk beradaptasi. Jadi kata "masalah" mungkin terlalu kuat di sini. Sebut saja itu "tantangan".

Karena saya lebih fokus pada bisnis kecil dan pekerja lepas (untuk membantu mereka mempelajari GA dan GTM), saya perhatikan bahwa banyak dari mereka terlalu fokus pada alat dan teknik pelacakan daripada perencanaan, pemahaman tujuan bisnis, dan mengajukan pertanyaan yang tepat. Jelas, saya juga bersalah atas hal itu (karena sebagian besar konten saya adalah tentang alat dan teknik pelacakan). Tapi mudah-mudahan, lebih banyak orang akan fokus pada dasar-dasar dan bagian "lebih lembut" dari pekerjaan mereka, bukan hanya keterampilan keras.

Saya tidak bisa memikirkan sesuatu yang spesifik di sini. Hanya terus melakukan pekerjaan mereka dan meningkatkan diri mereka sendiri. Fokus tidak hanya pada hard skill, tetapi juga pada soft skill.

Saya pikir Anda belum melakukan wawancara dengan Mark Edmondson .

Fokus pada tujuan yang ingin Anda capai dengan data, pilih alat yang tepat, dan semoga peluangnya menguntungkan Anda!

Kami sangat menghargai tanggapan jujur ​​Julius tentang dan berbagi pengalamannya. Kami harap wawancara ini bermanfaat dan Anda senang membacanya.

Berlangganan buletin kami untuk menjadi yang pertama membaca wawancara kami berikutnya. Tetap disini!