Wawancara dengan Laura Patterson

Laura Patterson adalah ahli dalam membuktikan dan meningkatkan nilai pemasaran. Dia adalah penasihat tepercaya dengan keahlian global dalam keterlibatan pelanggan dalam teknologi, layanan keuangan, ilmu kehidupan, dan industri manufaktur.

Laura adalah seorang eksekutif yang berorientasi pada hasil dengan pengalaman kewirausahaan dan hasrat untuk membantu perusahaan mendapatkan wawasan dari data, mengembangkan metrik, dan proses desain untuk mendorong pertumbuhan, menciptakan nilai pelanggan, dan meningkatkan kinerja bisnis dan pemasaran.

Mariia Bocheva, Business Development Executive di OWOX BI, mendapat kesempatan besar untuk mendapatkan wawasan dari Laura sebagai bagian dari penelitian kami tentang keadaan analitik digital. Semua pemikiran dipecah ke dalam kategori berikut:

Laura Patterson: Analytics adalah kemampuan untuk menerapkan perhitungan atau matematika ke data. Pada dasarnya analitik adalah kemampuan untuk menganalisis dan melakukan analisis. Di dunia kita, bahan analisis ini adalah data. Jika Anda akan bekerja di bidang analitik, pemasaran, atau bagian lain dari organisasi yang terkait dengan analitik, Anda perlu mengembangkan keterampilan yang kuat di beberapa bidang dan saya ingin berbicara tentang lima keterampilan ini.

Jadi, skill pertama harus ada di data. Anda harus tahu cara memanen data, cara menentukan data apa yang penting dan relevan, dan cara memastikan datanya bersih. Anda harus memiliki pengetahuan tentang metode untuk mengatur dan mengelola data Anda.

Kedua, sebagai seorang profesional analitik, Anda perlu menguasai matematika. Anda perlu memahami berbagai teknik analisis, bagaimana menerapkannya, dan menarik makna dari pola yang muncul.

Ini membawa kita ke keterampilan ketiga, pemodelan. Analytics adalah dasar untuk membuat model penting, seperti model segmentasi, model atribusi dan campuran, model risiko kampanye, churn pelanggan, pembelotan, dan model loyalitas. Sebagai seorang analis, Anda ingin mahir menggunakan analitik untuk membuat dan membangun model Anda.

Keempat, analis yang baik terampil menerjemahkan data menjadi wawasan yang bermakna, relevan, dan dapat ditindaklanjuti yang dapat membantu organisasi membuat keputusan yang lebih baik. Meskipun mungkin mudah bagi seorang analis untuk melihat pola dan wawasan dalam data, analis yang baik membantu orang yang mengandalkan mereka untuk melihat ini juga. Inilah mengapa penting bagi analis untuk menjadi pendongeng yang baik dan datang dengan gambar.

Menjadi seorang analis membutuhkan kemampuan visualisasi yang baik.

Visualisasi data memungkinkan orang lain melihat apa yang Anda lihat dan memahami apa yang penting. Data yang Anda pilih untuk divisualisasikan akan membantu orang memahami mengapa Anda merekomendasikan tindakan tertentu atau mengapa peristiwa tertentu terjadi.

Dan yang terakhir yang ingin saya sampaikan mungkin poin terpenting adalah komunikasi. Komunikasi adalah keterampilan keras dan lunak pada saat yang bersamaan. Anda harus mampu menulis dan mengartikulasikan temuan Anda. Jika Anda tidak dapat mengomunikasikan temuan Anda, Anda akan kesulitan sebagai seorang analis.

LP: Tiga soft skill yang langsung terpikirkan adalah problem solving, critical thinking, dan kolaborasi. Apa gunanya melakukan analisis jika tidak akan membantu organisasi menjadi lebih sukses. Dalam pemasaran, kita perlu membantu organisasi menemukan, mempertahankan, dan menumbuhkan nilai pelanggan. Jadi kita perlu memahami bagaimana menggunakan analitik untuk membantu organisasi mengatasi peluang ini dan kemungkinan masalah apa pun yang mungkin muncul dalam mencapainya.

Menjadi seorang analis berarti juga berkolaborasi dengan orang lain.

Mengumpulkan data, membangun model, membuat rencana aksi bukanlah tindakan tunggal. Kemungkinan besar Anda perlu bekerja dengan orang lain dalam organisasi, apakah ini orang-orang di bidang keuangan, penjualan, layanan, dll. Analis yang baik harus dapat mengumpulkan orang-orang dan berkolaborasi dengan mereka untuk membangun model dan berkolaborasi dalam rencana aksi.

Terakhir, salah satu keterampilan terpenting adalah mampu mengajukan pertanyaan yang baik. Inti dari melakukan penelitian, inti dari melakukan analitik adalah untuk menjawab pertanyaan. Pertanyaan bagus membantu analis dalammembuat keputusan tentang pasar, pelanggan, produk, pesaing, dll.

LP: Saya pikir jika Anda seorang analis, Anda harus akrab dan menguasai alat, proses, dan metode analitis. Anda mungkin tidak akan mahir atau kompeten dalam semuanya. Tetapi Anda perlu tahu apa itu dan kapan menggunakannya. Jika Anda tidak memiliki keahlian, hubungi pakar internal atau eksternal. Saya merasa terbantu memiliki jaringan orang-orang yang ahli di berbagai bidang, metode, dan alat.

LP: Kita semua membuat kesalahan. Miliki mereka dan perbaiki. Kesalahan dapat diakibatkan oleh data yang buruk atau salah, matematika yang salah, atau hilangnya variabel kunci yang memengaruhi hasil. Saya ingat di tahun-tahun awal saya, saya membuat kesalahan tertentu dan mentor saya bertanya kepada saya, Apakah itu benar-benar membahayakan hubungan dengan pelanggan? Ya atau tidak? Apakah itu benar-benar akan menurunkan bisnis kita? Ya atau tidak? Tujuan sebenarnya adalah untuk membuat saya menjadi jelas: Jika saya membuat kesalahan, apa yang saya pelajari darinya ? Apa yang akan saya lakukan dalam situasi yang sama lain kali?

“Sangat mudah untuk berjuang dengan kesalahan; tidak ada yang sempurna. Berjuang untuk kesempurnaan dan keunggulan itu hebat, tetapi Anda perlu ingat bahwa terkadang kebaikan sudah cukup baik.”

Kami tidak terbang ke bulan, kami tidak membangun kapal roket, ini bukan pekerjaan biasa kami. Kami mencoba membantu organisasi membuat keputusan bisnis berbasis bukti berdasarkan data. Kami ingin akurat dan memberikan panduan arah yang jelas.

Itu berarti kita perlu berbicara dalam bahasa bisnis. Ini mungkin satu kesalahan yang dilakukan banyak analis dan yang harus dikerjakan oleh setiap analis. Kita bisa terpikat dengan data, matematika, dan polanya. Ini hanya baik jika kita dapat mengomunikasikan manfaat, nilainya, kepada orang-orang dalam bisnis. Kami bekerja dalam bisnis, kami harus menjadi pebisnis, jadi kami harus berbicara bahasa bisnis. Tidak masalah siapa klien internal atau eksternal Anda: CTO, CEO, tim penjualan, tim pemasaran, tim pengembang – Anda harus berbicara dalam bahasa mereka sehingga mereka akan memahami Anda. Itu salah satu hal terpenting yang pernah saya pelajari.

LP: Sebagian besar tantangan kami adalah seputar data. Tantangan seperti tidak ada data sama sekali, atau kualitasnya buruk, atau sulit diakses, atau ada di banyak tempat dan dalam banyak format sehingga tidak mudah atau cepat digunakan. Juga, ada pertanyaan proses. Tidak ada proses yang terdefinisi dengan baik tentang bagaimana mengelola data, bagaimana melakukan proyek "ruang" analitik, bagaimana kami menggunakan analitik dan mempresentasikan hasilnya.

Jika kita melihat bahwa data itu buruk atau tidak dapat diandalkan, kita mundur selangkah dan bertanya pada diri sendiri, Apa yang bisa kita lakukan untuk mendapatkan data yang lebih baik? Terkadang hal ini mengharuskan kita untuk melakukan penelitian untuk memperoleh data primer. Itu bisa memperlambat segalanya. Meski begitu, tidak ada alasan saat ini bagi perusahaan mana pun untuk merasa menggunakan data di luar jangkauan mereka. Paling sering, tantangan sebenarnya adalah mengetahui data mana yang akan digunakan.

LP : Saya rasa ini lanjutan dari poin sebelumnya. Analisis yang baik membutuhkan data yang baik dan data yang benar. Lingkaran ini kembali ke proses dan alat manajemen data yang berkualitas. Misalnya, apakah perusahaan Anda memiliki inventaris atau pustaka data. Alat ini membantu Anda mengetahui data apa yang Anda miliki, di mana disimpan, berapa umurnya, siapa pemiliknya, dan sebagainya. Perlu ada cara untuk mengklasifikasikan data dan informasi tentang bagaimana data tersebut digunakan. Ini adalah dasar-dasar, namun terlalu sering orang lebih tertarik dengan alat dan mainan baru yang mengilap.

Ini seperti membangun rumah, kita bisa menjadi bersemangat tentang semua penampilan dan mengabaikan beberapa mekanisme dasar yang penting, seperti pipa ledeng. Jadi, Anda memiliki rumah yang indah, tetapi saluran air Anda tidak berfungsi, Anda mungkin merasa tidak bahagia . Karena pipa ledeng adalah bagian dari infrastruktur rumah Anda, data adalah bagian dari infrastruktur Anda, dan Anda harus memperhatikan detail kecil dan menjaganya agar tetap berfungsi dengan baik.

Bukannya hal-hal seperti ini sengaja diabaikan. Siapa yang sengaja mengabaikan pipa ledeng mereka? Seperti pipa ledeng meskipun kami pikir itu akan diurus. Tapi itu tidak terjadi. Lebih menyenangkan memikirkan hal-hal keren - alat baru yang keren. Hal-hal teknis membosankan. Menganalisis informasi – misalnya, risiko pelanggan – agak membosankan. Itu membawa kita kembali lagi ke mengapa analis harus tahu bagaimana menyajikan data mereka agar berharga bagi bisnis.

LP: Saya pikir itu umum untuk tim mana pun. Saya rasa tidak perlu disebutkan sebagai masalah karena miskomunikasi dapat muncul dalam organisasi apa pun. Kita semua perlu bekerja keras untuk memastikan bahwa kita mendengarkan dan mengklarifikasi. Analis harus pandai mendengarkan dan mengajukan pertanyaan. Jika analis berbicara dengan seseorang di bidang pemasaran, mereka perlu mengingat bahwa mayoritas pemasar tidak berpengalaman dengan data atau analitik atau model seperti mereka.

• Keputusan seperti apa yang ingin Anda buat?
• Dengan siapa Anda ingin berbagi informasi ini?
• Apa yang Anda gunakan hari ini? Seberapa baik itu bekerja atau tidak?
• Menurut Anda mengapa Anda membutuhkan dasbor?

Pertanyaan seperti ini membantu mengurangi miskomunikasi dan memastikan semua orang selaras. Seorang analis yang baik harus dapat mengajukan pertanyaan-pertanyaan itu untuk memastikan bahwa apa yang dibawa timnya kembali adalah produk yang berfungsi.

LP: Ada dua poin. Yang pertama adalah budaya. Saya berasal dari budaya di mana mereka berkata, Pada Tuhan kami percaya, semua orang membawa data . Selama karir saya, saya telah bekerja di perusahaan yang berbeda, tetapi di semua perusahaan itu saya bekerja baik untuk insinyur atau orang keuangan - jadi angka dan data itu penting. Budaya berbasis data dimulai dari atas. Orang harus memiliki selera dan hasrat yang tak terpuaskan untuk keputusan yang berasal dari data.

Kedua, kita perlu menjadi lebih baik dalam mengelola data dan tata kelola data. Saat ini kami memiliki begitu banyak data dalam banyak format (terstruktur dan tidak terstruktur) yang berasal dari begitu banyak sumber yang disimpan di banyak tempat. Sulit untuk mengetahui apa yang benar. Ketika saya memulai karir saya, tidak ada banyak aplikasi dan kami tidak memiliki begitu banyak sumber data. Pikirkan tentang semua tempat kita harus mengambil data hari ini - Google Analytics, Media Sosial, platform Email, dll.

Perusahaan membutuhkan cara untuk mengelola aliran data yang tidak pernah berakhir. Untuk dapat mengetahui “ data apa yang kita butuhkan untuk menjawab pertanyaan dan bagaimana kita menganalisis data tersebut dengan cara terbaik untuk mendapatkan jawabannya .”

Ini kembali ke apa yang kita bicarakan sebelumnya. Analis harus mampu menganalisis data, mengenali pola yang bermakna dan relevan, serta memahami dan mengomunikasikan implikasinya terhadap bisnis. Analis perlu tidak hanya melihat data tetapi melihat apakah itu penting. Saya pikir hal mengetahui di mana pola tertentu membutuhkan perhatian hilang di antara para analis saat ini.

LP: Jika kita berbicara tentang evolusi perusahaan, setiap perusahaan memiliki siklus hidupnya sendiri. Baik kita berbicara tentang startup, SMB, UKM, atau perusahaan, kita berbicara tentang kedewasaan siklus hidup mereka. Anda mulai dari tahap awal pertumbuhan, kemudian ke tahap utama pertumbuhan, dll. Produk Anda, kompleksitas, jumlah mitra, jumlah pelanggan, jumlah produk serupa di pasar – semuanya bisa berubah. Itulah yang kami maksud dengan kedewasaan bisnis.

Anda bisa menjadi bisnis kecil di pasar lokal, tetapi Anda mungkin menawarkan berbagai produk atau layanan. Tidak peduli seberapa besar Anda, Anda harus berpikir untuk membuat produk terbaik atau memberikan layanan terbaik.

Pada awal tahap awal, pertanyaan utama yang akan Anda tanyakan adalah, Bagaimana cara kita mendapatkan daya tarik di pasar? Berapa banyak pelanggan yang kita kejar? Apakah kita membangun produk yang diperlukan? Saat Anda mendapatkan pelanggan, muncul pertanyaan lain: Bagaimana cara mempertahankan pelanggan tersebut? Bagaimana kita menumbuhkan nilai-nilai pelanggan ini? Pertanyaan yang berbeda membutuhkan kemampuan yang berbeda. Tapi saya pikir seorang analis yang baik dapat bekerja di seluruh siklus hidup. Ini lebih tentang pertanyaan dan data daripada tentang keterampilan analitis.

Tidak ada alasan mengapa seorang analis yang baik yang bekerja di startup tidak dapat bekerja di suatu perusahaan; tidak ada alasan mengapa dia tidak bisa berharga di perusahaan besar. Saya selalu berhati-hati untuk mengatakan, Anda adalah seorang analis untuk SMB atau Anda adalah seorang analis untuk UKM .

Kematangan sebuah perusahaan hanya penting dalam arti seberapa besar peran analis. Sebuah startup mungkin hanya membutuhkan satu analis, tetapi perusahaan enterprise yang sangat besar dan kuat mungkin membutuhkan beberapa analis, dan analis ini akan lebih terspesialisasi. Tetapi di perusahaan yang lebih kecil, analis lebih bersifat generalis daripada spesialis. Dalam beberapa hal, keterampilan mereka harus lebih luas karena mereka generalis.

Dan ketika Anda pergi ke perusahaan yang sangat besar, Anda mungkin menjadi spesialis tertentu. Anda akan sangat terspesialisasi dalam model yang akan Anda buat. Anda mungkin sangat fokus pada hal-hal seperti profitabilitas pelanggan dan nilai seumur hidup pelanggan. Anda akan menjadi sangat ahli dalam melihat hal-hal seperti itu di tingkat perusahaan. Tapi itu benar-benar berbeda dari hal-hal yang mungkin Anda lihat di startup.

LP : Saya tahu bahwa tahun lalu adalah tahun pertama ketika pengeluaran untuk alat-alat analisis pemasaran lebih tinggi daripada pengeluaran untuk orang-orang yang bekerja di bidang analisis pemasaran. Ya, perusahaan semakin banyak berinvestasi dalam alat analitik.

Ingatlah bahwa analitik pemasaran, analitik secara umum, dan ilmu data bukanlah hal baru. Ilmu pemasaran ada dalam kurikulum beberapa dekade yang lalu. Itu penting saat itu dan akan terus menjadi peran yang berharga dan stabil di dalam organisasi. Kita perlu menjaga agar keterampilan kita tetap mutakhir agar tetap relevan.

Menjadi terkini berarti terbiasa dengan teknik baru dan alat baru dan dalam beberapa kasus mahir menggunakannya. Anda mungkin tidak memerlukan alat terbaru yang paling mahal. Jika Anda sudah memiliki alat di dalam toolkit yang dapat melakukan pekerjaan itu dan melakukannya dengan baik, maka mungkin Anda tidak perlu mengeluarkan uang untuk membeli mainan baru yang mengilap. Kuncinya adalah memiliki alat yang tepat yang akan membantu Anda melakukan pekerjaan Anda secara efektif dan efisien dan mengetahui cara menggunakannya dengan benar.

LP : Saya pikir sekarang adalah waktu yang tepat untuk menyebutkan hal-hal seperti pembelajaran mesin, rantai blok, kecerdasan buatan. Hal-hal ini berdampak pada apa yang terjadi pada data dan analisis data. Anda harus memahami implikasinya terhadap bisnis dan bagaimana pengaruhnya terhadap pekerjaan Anda. AI memfasilitasi pengembangan pola. Analis perlu menjadi orang yang menentukan kapan sesuatu relevan, kapan membutuhkan tindakan, apa artinya bagi bisnis, dan kemudian memilih apa yang perlu dia lakukan. Jenis analis ini, menurut saya, akan bertahan dan berkembang.

LP: Saya selalu berusaha menghadiri pertemuan-pertemuan yang berhubungan dengan profesi saya. Saya merekomendasikan menghadiri sesuatu setidaknya sekali dalam seperempat. Ya, Anda sudah mendapatkan gelar Anda dan Anda telah bekerja sangat keras, tetapi saya percaya bahwa sekali seperempat Anda harus mengangkat kepala, melihat-lihat, berhenti sejenak, dan menghabiskan waktu untuk sesuatu yang dapat meningkatkan keterampilan profesional Anda. .

Ada banyak jenis kegiatan yang bisa bermanfaat. Ikuti beberapa kursus di kota Anda atau mungkin online, tonton beberapa tutorial di YouTube atau dengarkan podcast – ada begitu banyak peluang bagus. Temukan konferensi dengan topik yang membuat Anda penasaran, pergi ke sana, bertemu orang baru dan berjejaring dengan mereka, bangun beberapa koneksi profesional baru, tanyakan bagaimana mereka memecahkan masalah mereka. Cari tahu apakah ada LinkedIn atau komunitas profesional lokal yang dapat Anda ikuti.

DAA menawarkan acara yang sangat baik untuk analis. Menjadi anggota asosiasi. Hadiri konferensi mereka, berjejaring dengan rekan-rekan Anda, terlibat dengan mereka. Kuncinya adalah menemukan cara untuk tetap di atas permainan Anda.

Kami sangat menghargai bahwa Laura menemukan waktu untuk menjawab semua pertanyaan kami dan membagikan pemikirannya tentang masalah saat ini dan masa depan analitik pemasaran. Dan kami juga sangat merekomendasikan untuk membaca rekap pidato MASCONF Laura tentang manajemen proses.

Mari kita tetap berhubungan! Berlangganan ke blog kami untuk membaca wawancara berikutnya dari penelitian kami tentang keadaan analitik digital dan menyesuaikan pengalaman analis top dengan bisnis Anda.