Penelitian OWOX BI tentang Keadaan Analisis Digital: Wawancara dengan Tim Wilson

Pertanyaan untuk wawancara ini disiapkan oleh Mariia Bocheva, Eksekutif Pengembangan Bisnis OWOX BI, setelah dia bertemu dengan Tim Wilson di konferensi Superweek. Semua foto dipresentasikan dengan baik oleh Banoczy Zoltan, Pendiri Superweek – European Analytics Summit.

Sangat menyenangkan mendapatkan wawasan mendalam dari Tim Wilson (ikuti dia di Twitter), seorang analis aktif dengan banyak pengalaman dan pandangan positif tentang kehidupan.

Tim telah bekerja dengan banyak dimensi pemasaran dan data pelanggan selama lebih dari 15 tahun. Dia menjalankan departemen intelijen bisnis untuk perusahaan bisnis-ke-bisnis berteknologi tinggi senilai $500 juta dan telah berkonsultasi dengan beberapa pengecer internet 50 teratas tentang cara menerapkan analitik digital ke bisnis mereka. Tim adalah geek data yang ramah pemasar. Dan sekarang dia adalah Senior Analytics Director di Search Discovery.

Search Discovery adalah perusahaan intelijen dan analitik bisnis yang memberdayakan organisasi untuk menggunakan data guna meningkatkan kinerja bisnis.

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 paling umum seperti Data Studio, Tableau, dan QlikView?

Ini adalah salah satu topik yang cukup hangat diperdebatkan akhir-akhir ini. Mari kita mulai dengan mengatakan bahwa analis harus mengetahui spreadsheet — Google Spreadsheet dan Excel — dengan sangat baik. Bahkan jika itu bukan tempat mereka melakukan sebagian besar pekerjaan mereka, mereka hampir selalu mendapatkan dan mengirimkan informasi menggunakan spreadsheet secara cukup teratur.

Dan jika seorang analis tidak terlalu nyaman dengan VLOOKUP dan tabel pivot , maka mereka akan kesulitan dengan platform lain tempat mereka melakukan analisis.

Dari sana, kenyamanan dengan alat BI/visualisasi (saya akan menambahkan Power BI ke daftar pertanyaan Anda) semakin menjadi persyaratan, meskipun masih banyak perusahaan yang belum berinvestasi dalam satu. Saya penggemar berat Google Data Studio karena alasan itu — meskipun perusahaan belum terjun ke platform berbayar, analis perlu mengetahui cara mengotomatiskan beberapa visualisasi dasar dan eksplorasi data utama mereka dengan cara yang dapat dibagikan dengan pemangku kepentingan mereka.

Saya melihat banyak analis yang hari-harinya cukup penuh melakukan pekerjaan yang berharga tanpa harus menaiki kurva belajar yang sangat curam yang diperlukan untuk mendapatkan kefasihan dengan bahasa-bahasa itu. Tetapi ada batasan untuk apa yang dapat dilakukan dengan platform Excel dan BI..

Untuk seorang analis atau organisasi yang memiliki volume data granular tinggi yang ingin mereka gunakan dalam model, SQL dan Python atau R dengan cepat menjadi keharusan.

Dan saya akan menambahkan keterampilan keras kelas ketiga: statistik . Ini berarti melampaui sekadar ringkasan statistik seperti mean, median, dan standar deviasi, dan benar-benar memahami bagaimana dan di mana regresi dan korelasi — dan nilai-p dan R-kuadrat — dapat digunakan. Ini adalah tentang benar-benar mendapatkan pemahaman yang lebih dalam tentang sifat data seperti tentang benar-benar menggunakan metode statistik tersebut.

Soft skill apa yang harus dimiliki seorang analis yang baik?

Ada banyak! Keterampilan komunikasi yang efektif berada di urutan teratas, dan itu mencakup semuanya, mulai dari interaksi satu lawan satu dengan pemangku kepentingan — mendengarkan dan memahami kebutuhan mereka secara aktif — hingga menerapkan praktik terbaik dalam visualisasi data hingga mampu mempresentasikan hasil analisis dengan cara yang jelas dan dapat dipahami.

Seorang analis yang baik juga memiliki rasa ingin tahu (tentang bisnis, tentang data, tentang dunia), skeptis (tentang apa yang ditunjukkan data — setiap kali ada kejutan, ia menganggap itu masalah data dan menggali untuk mengonfirmasi), dan memiliki tingkat ketekunan yang tinggi (untuk mengatasi tantangan data dan bahkan tantangan orang/proses dalam organisasi). Ini mungkin lebih merupakan "ciri karakter" daripada "keterampilan", tetapi semuanya cukup penting.

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

Sangat! Analis dan pemasar berbicara bahasa yang berbeda. Dalam pengalaman saya, itu benar-benar perlu jatuh ke analis untuk "berbicara pemasaran." Itu datang untuk melakukan beberapa hal:

1. Mendengarkan

Mungkin tergoda untuk memulai pemecahan masalah ( Data apa yang dapat saya tarik untuk menjawab pertanyaan ini? ) sebelum waktunya dan tidak benar-benar menyelidiki masalah bisnis mendasar yang ingin ditangani oleh pemasar.

2. Tidak berbicara analis

Beberapa pendidikan pemasar baik-baik saja — apa arti metrik, apa batasan dalam data — tetapi saya telah melihat analis tergelincir ke dalam terminologi analitik yang dalam terlalu cepat ketika tidak diperlukan.
Itu bisa membuat pemasar bingung atau, lebih buruk lagi, merasa tidak nyaman atau kecewa ( saya tidak tahu apa yang dibicarakan analis. Apakah saya harus melakukannya? Dia sepertinya berpikir saya harus melakukannya! ).

3. Tidak pernah, tidak pernah, TIDAK PERNAH mengatakan pada diri sendiri bahwa pemangku kepentingan itu bodoh

Itu kesalahan fatal — memutuskan bahwa tantangan hubungan adalah masalah kecerdasan daripada masalah komunikasi.

Sumber daya atau acara profesional apa yang dapat Anda rekomendasikan untuk analis?

Sumber daya teratas yang dapat saya rekomendasikan untuk analis, di mana pun mereka berada, adalah tim Measure Slack. Ini gratis, dan memiliki ribuan analis yang terus-menerus terlibat dan berbagi satu sama lain. Setiap beberapa minggu, ada utas diskusi tentang Apa sumber daya yang baik untuk mempelajari X? atau Konferensi apa yang baik untuk dikunjungi bagi Y? jadi itu bahkan sumber daya untuk mengidentifikasi sumber daya!

Secara terpisah, ada beberapa konferensi hebat: MeasureCamp adalah unconference gratis yang diadakan di seluruh dunia (dan jika tidak ada konferensi di dekat Anda, Anda dapat memulainya!). Marketing Analytics Summit dan Digital Analytics Hub adalah konferensi hebat di AS, dan Superweek adalah pilihan fantastis di Eropa.

Asosiasi Analisis Digital terus mengembangkan sumber daya yang ditawarkannya kepada anggotanya, jadi itu adalah sumber daya yang hebat dengan segala macam materi yang hebat (dan bahkan program pendampingan). Ada sejumlah MOOC seperti Coursera dan edX yang menawarkan sejumlah kursus online.

Akhirnya, jika saya menjalani seluruh wawancara ini dan tidak memasang podcast Digital Analytics Power Hour, saya akan menjadi pemasar yang buruk! Tetapi ada banyak analitik, pembelajaran mesin, dan podcast AI di luar sana — terlalu banyak (dan terlalu banyak yang tidak bisa saya dengarkan secara teratur) — bagi saya untuk mencoba membuat rekomendasi.

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

Konteks bisnis dan pemahaman mendalam tentang ketidakpastian. Yang pertama, saya yakin, karena saya terus-menerus melihat analis dan pemasar melompat ke dalam data yang ingin "menemukan jawaban" dan "menghasilkanwawasan " tanpa merumuskan dengan jelas pertanyaan bisnis yang jawabannya akan mengarah pada tindakan yang mungkin dilakukan.

Yang terakhir ini agak sulit untuk diartikulasikan. Tetapi kembali ke John Wannamaker yang mencatat di awal 1900-an bahwa "Setengah dari uang yang saya habiskan untuk iklan terbuang sia-sia; saya hanya tidak tahu setengah yang mana," pemasar dan analis mengharapkan data untuk memberikan "kebenaran" daripada daripada belajar bagaimana beroperasi di dunia probabilistik.

Meskipun kita mungkin mengetahui "kebenaran" tentang masa lalu, seperti Berapa banyak lalu lintas yang datang ke situs saya bulan lalu? (dan bahkan itu tidak "benar" — ada banyak kekacauan tentang pengumpulan data di sana yang bahkan membuat angka itu hanya perkiraan), secara efektif menggunakan data itu untuk memengaruhi masa depan berarti mengembangkan pemahaman yang mendalam tentang bagaimana "benar " sebuah gambar dunia yang dilukis oleh data, dan kemudian beroperasi sesuai dengan itu.

Apa hal terpenting yang perlu dilakukan analis pada berbagai tahap kematangan bisnis (startup, SMB, SME, enterprise)?

Saya tidak pernah benar-benar mempertimbangkan pertanyaan itu. Ini sangat menarik! Startup, saya pikir, cenderung lebih kekurangan sumber daya dan, secara umum, lebih mampu mengambil beberapa risiko data.

Jadi, para pemula seringkali — karena kebutuhan — perlu menggunakan alat gratis dengan tata kelola data yang terbatas dan beberapa integrasi yang berpotensi rapuh (atau bahkan manual!). Dan itu cara yang bagus untuk beroperasi, selama ada pengakuan bahwa, dengan pertumbuhan, perlu ada pematangan sistem.

Itu umumnya berarti bahwa platform data perlu dirombak dan bahkan diganti seluruhnya.

Di ujung lain spektrum — perusahaan — tata kelola menjadi masalah yang sangat besar, karena ada lebih banyak orang dan proses yang memengaruhi dan mengandalkan data. Dan, biasanya, ada lebih banyak sumber daya untuk dicurahkan ke analitik, sehingga beberapa di antaranya dapat (atau seharusnya!) bertanggung jawab atas tata kelola dan proses — meminimalkan risiko kegagalan yang berdampak pada sejumlah besar peran dan, berpotensi, bahkan hampir -istilah lini atas bisnis.

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

Jika kami membatasi "implementasi" pada implementasi platform pengumpulan data, ada banyak tantangan:

• Aplikasi satu halaman (SPA) sangat populer, dan itu memperkenalkan tantangan penandaan.
• Pergeseran konsumen tingkat makro ke seluler — dan peningkatan kemungkinan mereka terlibat dengan merek di seluruh perangkat — telah membuat pelacakan lintas perangkat menjadi lebih penting bagi banyak organisasi, dan tidak ada cara langsung untuk mencapainya (tergantung pada sifat perusahaan dan situs).
• Peraturan privasi seperti GDPR dan (di AS) CCPA telah menambahkan batasan dan pertimbangan tambahan ke dunia pengumpulan data.
• Pemblokiran pelacakan dan penghapusan cookie semakin bergeser dari pemblokir iklan yang dipasang di sebagian kecil browser pengguna menjadi default standar di dalam browser itu sendiri, yang tentu saja dapat mengotori data!

Apa kesalahan terbesar yang bisa dilakukan seorang analis? Bisakah Anda berbagi beberapa kesalahan analitis Anda?

Merek terbesar, menurut saya, semakin bersemangat untuk mengutak-atik data sehingga Apa yang ingin saya capai di sini? pertanyaan hilang.

Saya telah mengalami hal itu lebih sering daripada yang ingin saya akui — saya telah memulai dengan pertanyaan bisnis yang benar-benar valid, kemudian tersedot ke dalam mekanisme data yang mendasarinya dan kompleksitasnya serta kemampuan saya untuk menaklukkan kompleksitas tersebut sehingga, dengan akhir proyek, saya telah melakukan beberapa hal yang cukup menarik dengan data itu sendiri tetapi saya belum menyampaikan sesuatu yang benar-benar memajukan bisnis.

Menurut Anda, apa masa depan analitik pemasaran? Tren apa yang Anda lihat akan datang dan apa yang paling diminati?

Terlepas dari pemikiran saya sebelumnya tentang perlunya benar-benar fokus pada dasar-dasar sebelum terjun ke ilmu data dan pembelajaran mesin, saya pikir kita akan terus melihat semakin banyak perusahaan yang menggunakan pembelajaran mesin secara efektif.

Alasan terbesar untuk ini adalah bahwa, semakin, organisasi memiliki akses ke data mentah tentang pelanggan dan prospek mereka — perilaku, pengamatan, dan demografis.

10 tahun yang lalu, misalnya, platform analitik digital terutama menyediakan data agregat. Mungkin ada beberapa dimensi dan metrik dalam laporan, tetapi meskipun demikian, data yang tersedia tidak berada pada tingkat sesi atau tingkat orang.

Itu telah bergeser karena para pemain utama di pasar analitik digital mulai menyediakan data tingkat-hasil itu, dan sejumlah platform martech yang lebih baru memiliki tingkat detail yang tersedia sejak awal. Dan itulah data yang dibutuhkan untuk benar-benar mendapatkan nilai dari teknik pembelajaran mesin.

Masalah apa yang Anda lihat di pasar saat ini?

Masalah besar yang saya lihat adalah ada sejumlah besar startup yang didukung oleh ventura yang, pada dasarnya, menjanjikan pasar bahwa mereka memiliki tongkat AI ajaib untuk dijual. Dalam banyak (kebanyakan) kasus, itu adalah hype pemasaran.

Tetapi karena teknologi adalah margin yang lebih tinggi dan secara inheren lebih terukur daripada orang atau proses, ke sanalah dolar pemasaran dalam industri pergi, yang berarti "pasar" dibombardir dengan pesan bahwa, jika sebuah organisasi hanya membeli dan mengimplementasikan teknologi yang tepat, mereka tiba-tiba akan menjadi organisasi bertenaga AI yang matang data.

Kenyataan tidak berjalan seperti itu, begitu banyak, banyak organisasi yang menulis cek besar untuk teknologi sambil membuat diri mereka kelaparan ketika datang ke staf analitik dan investasi internal dalam peningkatan proses analitik.

Apa tantangan analitis yang Anda miliki saat ini?

Saya masih harus terus mendidik klien saya tentang pentingnya mendapatkan dasar-dasar: KPI yang ditetapkan dengan jelas, pengumpulan data yang andal dan kuat, otomatisasi tugas yang berulang, dan analisis yang didorong oleh hipotesis yang diartikulasikan dengan jelas. Itu adalah tantangan yang benar-benar tidak berubah selama 15 tahun terakhir.

Tantangan yang lebih baru adalah kegembiraan seputar ilmu data, pembelajaran mesin, dan AI. Bagian dari tantangan sebenarnya adalah meningkatkan alat yang digunakan di area tersebut, dan bagian dari tantangannya adalah menjaga klien agar tidak mengejar objek baru yang mengkilap ini ketika nilai tertingginya berasal dari fokus pada dasar-dasarnya.

Terima kasih banyak atas saran yang bagus, Tim! Kami berharap lebih banyak analis berbakat akan mengikutinya dan seluruh pasar analitik akan menjadi lebih terdidik, antusias, dan profesional.

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.

Apa yang akan Anda tanyakan kepada Tim? Beri tahu kami di komentar di bawah!