Penelitian OWOX BI Tentang Keadaan Analisis Digital: Wawancara Simo Ahava

Kami memiliki kesempatan besar untuk mewawancarai Simo Ahava setelah ceramahnya yang menginspirasi di Go Analytics! konferensi sebagai bagian dari penelitian kami tentang keadaan analitik digital pada tahun 2019.

Simo Ahava adalah seorang analis berbakat dan salah satu pendiri 8-bit-sheep, sebuah perusahaan konsultan yang mengkhususkan diri dalam menciptakan struktur komunikasi yang sehat. Jadi, dia cukup memahami cara mengembangkan analisis yang efisien.​Kami membahas sejumlah pertanyaan yang menarik bagi pemasar atau analis. Mereka dipecah menjadi kategori berikut:

Semua pertanyaan disiapkan dan diajukan oleh Mariia Bocheva, Business Development Executive kami (yang suka mengutip blog Simo dengan lantang selama pertemuan harian kami). :)

Kesulitan apa yang Anda lihat saat menerapkan analitik dan bagaimana Anda menilai perkembangan pasar secara keseluruhan?

Saya kira kesulitan utama adalah memahami kemungkinan dan keterbatasan masing-masing alat. Ada tingkat kotak hitam untuk setiap alat di pasar. Saya tidak bermaksud bahwa alat-alat ini menyembunyikan cara kerjanya (walaupun beberapa melakukannya, dengan sengaja), tetapi integrasi alat-alat ini ke dalam proses organisasi bisa sangat tidak terduga.

Saya juga prihatin dengan banyaknya layanan baru yang berusaha membuat segalanya “lebih cepat”. Seolah-olah kecepatan pada dasarnya adalah suatu kebajikan yang harus diikuti oleh semua perusahaan. Menjadi cepat sering kali harus dibayar dengan kehati-hatian , dan selalu ada risiko melakukan sesuatu yang sangat cepat hanya untuk menghasilkan hasil yang bisa sangat menyesatkan.

Saya pikir keseluruhan pengetahuan dan pemahaman tentang tumpukan teknis telah meningkat, karena alat seperti solusi manajemen tag mengungkap dunia pengembang. Itu bagus – ini adalah tren yang saya harap akan terus berlanjut di masa depan. Demikian pula, layanan cloud menjadi lebih mudah diakses dan terjangkau, yang menyebabkan meningkatnya minat pada otomatisasi dan rekayasa data.

Bagaimana seorang analis memiliki dampak yang lebih besar pada pemasaran?

Bagaimana mereka bisa berguna bagi tim pemasaran?

Seorang analis tidak harus berdampak pada pemasaran. Data tidak. Seorang "analis" hanyalah deskripsi dari sebuah peran, dan saya pribadi menganggap hampir berbahaya memiliki seseorang yang dicap sebagai "analis" menjadi kekuatan yang kuat dalam organisasi. Segera setelah Anda mempekerjakan seorang analis, Anda telah menemukan seseorang untuk mendelegasikan semua "barang data" itu.

Karena seorang analis bekerja dengan data, peran mereka harus melampaui tim yang berbeda, dan mereka harus berfungsi sebagai jembatan antara berbagai bagian organisasi. Dengan cara itu, mereka lebih mirip dengan master Scrum dan pemilik produk daripada pengolah data individu.

Apa tantangan analitis yang Anda miliki saat ini ?

Saya tidak menghadapi tantangan analitis apa pun, tetapi merupakan tantangan konstan untuk memahami alat yang saya gunakan dan bagaimana alat tersebut dapat digunakan dengan baik untuk membantu organisasi lebih memahami data mereka.

Pada saat yang sama, saya juga ditantang oleh bagaimana membuat organisasi lebih sadar akan kekurangan mereka sendiri. Tantangan terbesar untuk analitik, atau disiplin digital apa pun, adalah bagaimana mengintegrasikannya ke dalam proses organisasi tanpa hiperbola atau berlebihan. Banyak perusahaan berusaha untuk menjadi "berbasis data" atau "digital pertama," yang dengan sangat cepat berubah menjadi perburuan alat terbaik di luar sana, padahal sebenarnya organisasi ini harus fokus pada pembangunan tim multi-disiplin, pendekatan yang lebih gesit untuk desain layanan , dan peningkatan pemahaman tentang pertanyaan dan masalah bisnis apa yang perlu dipecahkan sebelum mencari tahu alat apa yang melakukan semua itu.

Apakah menurut Anda miskomunikasi antara analis dan tim pemasaran adalah hal biasa? Jika ya, apakah Anda punya rekomendasi cara mengatasinya?

Ini sama seperti miskomunikasi antara dua orang dalam suatu organisasi. Bagaimana mengatasi miskomunikasi? Dengan berkomunikasi lebih baik :)

Ada banyak hal yang bisa dipelajari dari metodologi tangkas seperti Scrum, yang sepenuhnya bergantung pada struktur komunikasi yang kuat dalam organisasi. Jika Anda menemukan bahwa ada masalah komunikasi, sangat penting untuk mencari tahu mengapa masalah itu ada dan menyelesaikannya dengan memperkenalkan pengaturan dan konteks baru untuk komunikasi, seperti rapat harian, backlog grooming, sesi retrospektif, dan demo.

Pengetahuan apa yang hilang dari para analis dan spesialis pemasaran untuk membuat perusahaan didorong oleh data?

Saya pikir mereka kebanyakan kehilangan dua hal:

1. Mereka pikir perusahaan harus didorong oleh data
2. Dukungan dan kepercayaan dari orang-orang di sekitar mereka

Sulit untuk mendorong perubahan jika Anda menggunakan terminologi seperti "berdasarkan data." Sebuah perusahaan didorong oleh campuran data, intuisi, keahlian, sumber daya manusia, dll. Tidak ada satu hal pun yang mendorong perubahan.

Alasan lain sulitnya menemukan pijakan di perusahaan adalah karena kurangnya kepercayaan pada apa yang Anda lakukan. Ini adalah masalah komunikasi. Jadi lihat jawaban saya untuk pertanyaan sebelumnya :)

Dukungan dan kepercayaan dapat diperoleh dengan membuat upaya Anda transparan – tambahkan dasbor besar di seluruh kantor, jadikan data sebagai fokus diskusi dalam demo dan rapat sprint, buat semua orang sadar bahwa setiap hal kecil yang dilakukan pada produk atau layanan memiliki dampak yang terukur.

Untuk lebih mendalami pemikiran Simo Ahava tentang masalah komunikasi, unduh presentasinya untuk membacanya sambil mendengarkan pertunjukan langsungnya untuk Go Analytics! Pertemuan.

Menurut Anda, apa masa depan analitik pemasaran?

Tren apa yang Anda lihat akan datang dan apa yang paling diminati?

Saya pikir masa depan itu suram. Pembatasan di browser dan ruang aplikasi (penindasan Safari terhadap cookie pihak pertama, pemblokiran iklan dan konten, dll.), peningkatan permintaan untuk desain yang didorong oleh privasi, dan data sinyal yang tidak dapat diandalkan dalam jangka panjang semuanya membuatnya sulit untuk dilihat. Menuju masa depan.

Saya yakin analitik pemasaran akan terus beralih dari pendekatan vendor tunggal (misalnya Google Analytics) ke jalur data yang lebih holistik, artinya teknisi data akan semakin diminati.

Peluang apa yang Anda lihat di pasar saat ini?

Ada vendor, organisasi, individu, negara, politisi, legislator, dan manusia pada umumnya melakukan hal-hal konyol. Semua ini berkontribusi pada ketidakpastian dalam disiplin digital, termasuk pemasaran. Kita dapat menerimanya begitu saja, dan terus berjuang dalam ruang yang semakin terbatas, atau kita dapat menerobos silo dan mulai memikirkan analitik pemasaran bukan sebagai disiplin tunggal tetapi sebagai spektrum kemungkinan yang lebih luas yang dapat diwujudkan oleh perusahaan. dengan data.

Pemasaran terkait erat dengan desain produk dan layanan. Jika sebuah organisasi memiliki tim pemasaran khusus yang tidak terlibat dalam mekanisme sehari-hari dari apa yang sebenarnya dihasilkan perusahaan, maka itu menjadi masalah. Demikian pula, jika organisasi masih percaya bahwa menemukan alat terbaik adalah solusi untuk semua masalah mereka, maka itu masalah.

Secara pribadi, saya pikir masalah terbesar adalah salah satu yang tidak pernah benar-benar hilang: kegagalan untuk berkomunikasi. Setiap cegukan yang mungkin dihadapi organisasi, dari bug terkecil hingga bencana PR terbesar, selalu dapat ditelusuri kembali ke masalah komunikasi antara dua individu atau lebih. Memperbaiki masalah komunikasi ini adalah kunci untuk memperbaiki organisasi, dan memperbaiki organisasi adalah kunci untuk pasar yang lebih sehat.

Keterampilan keras apa yang paling penting bagi para analis saat ini? Apakah seorang analis harus mengetahui SQL, Python, dan R dan membuat dasbor di alat visualisasi yang paling umum, seperti Data Studio, Tableau, QlikView, dll?

Saya pikir dasar untuk analitik masih sangat bergantung pada jenis analitik apa yang ingin Anda lakukan. Masalah menetapkan harapan untuk keterampilan adalah bahwa hal itu menciptakan eksklusivitas daripada mengundang orang untuk mulai bekerja dengan disiplin. Ada banyak hal yang dapat Anda lakukan saat memasuki ruang analitik dan Anda tidak memiliki pengalaman dengan bahasa pemrograman atau alat visualisasi eksternal. Namun, begitu Anda maju, persyaratannya menjadi lebih spesifik.saya

• Untuk analisis web, pemahaman tentang tumpukan browser adalah yang terpenting.
• Bagi siapa pun yang bekerja dengan kumpulan data besar, SQL adalah suatu keharusan.
• Python vs. R adalah diskusi yang selalu hijau, tetapi saya rasa keduanya tidak perlu jika Anda ingin bekerja di bidang analitik.

Tetapi jika saya dipaksa untuk memilih, saya akan memilih Python berkat ekstensibilitasnya di luar ranah analitik data saja.

Soft skill apa yang harus dimiliki seorang analis yang baik?

Empati terhadap lingkungan bisnis tempat mereka bekerja, refleks cepat untuk beradaptasi dengan perubahan di sekitar mereka, mentalitas pembangun jembatan untuk bekerja melintasi silo daripada memperkuatnya, dan kehausan yang tak terpuaskan untuk mempelajari hal-hal baru.

Keterampilan yang paling penting adalah komunikasi. Data adalah salah satu hal yang sangat merugikan jika orang-orang di organisasi tempat data itu dihasilkan gagal berkomunikasi. Data adalah cetak biru organisasi, dan dapat mengungkapkan kekurangan dalam organisasi lebih jujur ​​daripada konsultan mana pun.

Apa kesalahan terbesar yang bisa dilakukan seorang analis?

Bisakah Anda berbagi beberapa kesalahan analitis Anda?

Menurut pendapat saya, kesalahan terbesar yang dapat dilakukan oleh siapa pun yang bekerja dengan data adalah dengan sengaja salah menafsirkan atau menyalahgunakan metrik untuk mendukung hipotesis yang gagal. Saya sering melihat ini di organisasi dengan tingkat kematangan rendah yang memulai pengujian A/B atau baru saja menerapkan Google Analytics. Mereka mengonfigurasi konversi untuk mendukung hipotesis "bukti sendiri", dan dengan sengaja menghindari menerima hasil tes yang bertentangan dengan apa yang mereka anggap benar secara intuitif.

Nada pemikiran yang sama dapat dilihat dalam menggunakan sesuatu yang sederhana seperti rasio pentalan untuk menggambarkan keterlibatan di situs, misalnya. Tanpa penyesuaian ekstensif dan tanpa strategi implementasi yang konsisten untuk memetakan semua aktivitas keterlibatan tersebut ke dalam peristiwa yang mematikan, rasio pentalan adalah metrik dangkal dan dangkal yang lebih sering mengarah pada kesimpulan yang salah daripada tidak.

Kesalahan saya sendiri sebagai konsultan seringkali berkaitan dengan dua hal yang saya uraikan di atas. Mudah bagi saya untuk tersapu oleh «kemudahan» analitik dalam kasus di mana saya harus dapat menghasilkan hasil yang baik dengan cepat. Itu adalah sesuatu yang saya coba hindari sebaik mungkin, tetapi menjadi benar-benar tidak memihak pada data seringkali sangat sulit. Saya merasa lebih mudah untuk bersikap adil dalam kasus di mana saya tidak terlalu terlibat secara emosional dalam bisnis klien — dalam kasus tersebut lebih mudah untuk jujur ​​secara brutal dan mencoba membujuk organisasi untuk mengubah cara berpikir mereka.

Kami sangat menghargai semua jawaban Simo dan siap untuk menandatangani di bawah setiap kata-katanya. Selama 20 tahun terakhir, arus di lautan data mulai bergerak lebih cepat, bahkan menenggelamkan beberapa kapal. Sangat penting untuk menggali data Anda yang dilengkapi dengan alat yang tepat, tetapi yang lebih penting adalah memiliki tim yang benar-benar berdedikasi.

Kami sangat setuju dengan Simo. Setiap hari, kami menyediakan layanan kami untuk memungkinkan CMO, pemasar, dan analis mencapai tingkat analisis data baru di perusahaan mereka dengan menyederhanakan pengumpulan, penyelarasan, pelaporan, dan visualisasi data.

Jadi mari 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.

Apa yang akan Anda tanyakan pada Simo? Beri tahu kami di komentar di bawah!