Giocare a Digital Jenga con Modern Marketing Analytics: intervista a Christopher Penn

L'intervista di oggi con Christopher Penn, Chief Data Scientist e co-fondatore di Trust Insights, ha fatto scalpore prima ancora che fosse pubblicata. Quindi prendi dei popcorn o una tazza di tè caldo e leggi questo articolo su analisi e analisti, mercato moderno e dove tutto è diretto.

Come sempre, grazie a Mariia Bocheva che ha tenuto questa bella chiacchierata con Christopher.

Fonte: pagina Facebook ufficiale di Christopher Penn

Vai direttamente ai punti di interesse qui:​

Mariia Bocheva: Puoi farci una breve introduzione su di te?

Christopher Penn: Il mio background era nell'IT. Il mio master è in gestione dei sistemi informativi. Ho iniziato a lavorare in una startup di servizi finanziari nei primi anni 2000. L'aggiornamento del server Web è diventato l'aggiornamento del sito Web e la correzione del lancio delle e-mail è diventata l'invio della newsletter e-mail.

Quello che accadde in quel momento fu che il marketing divenne tecnologia di marketing. Poi, alla fine degli anni 2000 e all'inizio di questo decennio, sono passato al marketing a tempo pieno e ho iniziato a lavorare con molti più dati. Ed è stato allora che sono diventato molto più concentrato sulla scienza dei dati. Ho lavorato internamente presso un'azienda di pubbliche relazioni per circa cinque anni e ho iniziato davvero a guardare di più all'apprendimento automatico e all'intelligenza artificiale.
Mi sono separato da quella società circa due anni fa perché stavano andando in una direzione diversa. Volevo davvero concentrarmi sulla scienza dei dati e sull'apprendimento automatico.

MB: Hai menzionato data science, machine learning e analisi. Quali pensi siano le hard skill più importanti oggi?

CP: Ci sono tre secchi di abilità. Se torni al 1964, c'era un famoso stratega aziendale di nome Harold Leavitt che postulava che c'erano tre aree in cui tutti dovevano essere competenti: persone, processi e tecnologia.

Per un analista esperto o un data scientist esperto, hai bisogno di capacità in tutte e tre le aree. Devi capire il lato delle cose delle persone, come lavorano le persone, la strategia aziendale generale e cose del genere, e devi avere una buona padronanza dei problemi che l'azienda vuole risolvere. Devi anche avere un controllo sul processo, su come vengono fatte le cose, ed essere in grado di tradurlo nel lavoro che fai. E poi, ovviamente, devi avere accesso alla tecnologia, alle competenze, alle conoscenze matematiche per eseguire l'analisi dei dati e devi essere in grado di programmare.

Questi sono i tre grandi secchi che pochissime persone hanno in quantità uguali e robuste. Molte persone hanno competenze in un'area e sono deboli nelle altre due. E questa è probabilmente una delle cose più importanti che un analista deve essere in grado di fare: identificare i propri punti deboli. Per poter dire sì, questo è ciò su cui devo lavorare per portare i miei livelli al punto in cui sono forte.

MB: Ciò copre in parte le competenze trasversali, come definirei a malapena sapere come lavorano le persone una "abilità difficile". Cosa ne pensi di questo? Quali competenze trasversali pensi siano importanti?

CP: La differenza tra hard e soft skill riguarda maggiormente l'interno e l'esterno. Le tue abilità esterne sono quelle che definiresti abilità difficili: la capacità di parlare con un altro essere umano, di leggere le espressioni sul suo viso e cose del genere.

Ma internamente, ciò richiede un'enorme quantità di consapevolezza di sé. Richiede la comprensione del tuo ego, delle cose che ti rendono più o meno efficace come professionista, delle tue debolezze a cui devi far fronte. Per alcune persone, è il loro ego, la loro capacità di dire: Sì, devo sempre avere ragione . Ma no, non lo fai.

E in effetti, è un peccato mortale nell'analisi dei dati, giusto? Ricordo che stavo lavorando con questa società di ricerca e il loro tono era "qualunque punto tu voglia sottolineare, possiamo creare dati per supportarlo". Non è così che funziona. [Ride] Eppure, in realtà sono un'azienda rispettabile perché aiutano le aziende a inventare dati per difendere ciò che vogliono dimostrare. E così le persone fanno affari con loro perché dicono quello che vuoi sentire.

Un'altra abilità super importante è essere in grado di spiegare le cose ad altre persone in modi che possano capire. Quindi, di nuovo, c'è quel tipo di empatia. E poi la terza cosa è davvero essere in grado di insegnare a più livelli, essere in grado di sapere dove si trova qualcuno (la parte dell'empatia) e quindi adattarsi al pubblico con cui stai lavorando.

Sono stato al Content Marketing World di recente. E in un pubblico c'erano persone che erano programmatori. Quindi ho detto ai programmatori, Ok, quindi questo è un modello di catena di Markov per te, ma per tutti gli altri è Jenga digitale . Essere in grado di adattare il tuo insegnamento a dove qualcuno è un'abilità soft super importante. È molto difficile se non hai un background nella progettazione di istruzioni educative o alcuna esperienza con esso. Ho aiutato nella scuola di arti marziali del mio insegnante per 25 anni ed è una grande abilità che ho lì: essere in grado di vedere che qualcuno sta lottando con questo, ha bisogno di aiuto con questo e per identificare dove si trova qualcuno la loro progressione nella loro carriera è estremamente importante. Ed è un'abilità che non viene insegnata. Devi impararlo attraverso le tue esperienze.

MB: Pensi che sia anche collegato allo storytelling e alla capacità di presentare i dati in modo che le persone possano comprenderli?

CP: Sono d'accordo che lo sia. C'è un'espressione in psicologia chiamata "lanciare i materassi": ognuno ha una porta mentale orientata in modo diverso. E se lanci un materasso su quella porta, ci sono solo un certo numero di modi in cui passerà. Ma la porta di ognuno è diversa. Allora, come è formato il tuo pubblico? Riesci a lanciare i materassi in modo da farli passare attraverso il maggior numero di porte possibile?

Non mi piace "raccontare storie". E il motivo per cui non mi piace questa frase è perché gli esperti di marketing, in particolare quelli che non hanno una buona conoscenza dei dati, hanno la tendenza a essere troppo egocentrici, troppo incentrati sull'azienda, e dire qualcosa del tipo: Lo diremo una storia sul nostro meraviglioso prodotto! Ma a nessuno importa, giusto? Racconta le storie che il pubblico desidera. E questo, ancora, risale all'empatia e alla consapevolezza di sé. Non si tratta di te o della compagnia. Riguarda ciò di cui il pubblico ha bisogno.

MB: Questo è un ottimo punto. Capisco perfettamente cosa intendi. A proposito di lanciare materassi e di come ognuno è diverso, cosa ne pensi della cattiva comunicazione tra analisti e team di marketing? Hai qualche consiglio su come migliorare la comunicazione?

CP: Non penso che sia un grosso problema perché non molti team di marketing parlano con gli analisti in primo luogo, o addirittura hanno accesso a loro. La maggior parte degli esperti di marketing con cui parlo sono costretti a cercare di essere analisti perché la loro azienda non ha [analisti] o l'azienda li ha impiegati su problemi aziendali più urgenti. Quindi la sfida più grande è che quei poveri marketer sviluppino qualsiasi tipo di capacità analitica per gestire i dati che hanno.

Non posso dirti quante volte ho parlato con un marketer che mi ha detto, oh sì, abbiamo Google Analytics. Non so cosa significhi. Non so nulla in Google Analytics. È così strano avere quelle discussioni. Non è, sai, un'operazione a razzo. Ma ancora una volta, tornando a quella consapevolezza di sé, è un intervento chirurgico missilistico per loro perché sono entrati nel marketing per essere creativi, essere fonte di ispirazione, scrivere bene, creare cose. Non sono entrati nel marketing perché amavano la scienza quantitativa. Altrimenti, sarebbero diventati in primo luogo uno scienziato di dati.

Ma ora, la tecnologia di marketing e il marketing digitale li ha costretti ad affrontare questo problema o ad ignorarlo il più a lungo possibile. Quando hanno accesso ai dati o hanno accesso a un analista, il loro successo dipenderà dalla loro autocoscienza.

Gli analisti non hanno un buon vocabolario di marketing e gli esperti di marketing non hanno un buon vocabolario nella scienza dei dati e nell'analisi dei dati. Quindi probabilmente la cosa più importante e facile da fare è riunire le persone il venerdì pomeriggio con la bevanda di tua scelta e farle parlare tra loro. Perché puoi familiarizzare abbastanza con una disciplina solo ascoltando le persone che ne parlano.

Inoltre, le persone fanno i pendolari in molti posti. E non è una brutta cosa che i tuoi data scientist ascoltino podcast di marketing o che i tuoi esperti di marketing ascoltino podcast di data science per iniziare davvero a sentire il vocabolario, ascoltare cose come la regressione e la regressione logistica e la foresta casuale. E la gente potrebbe dire: Oh, dovrei chiedere al mio team cosa significa o Ci sono diversi tipi di dati in ognuno di questi, come li affrontiamo?

Sta davvero facendo sentire a tutti il ​​vocabolario di altre discipline come un modo per iniziare ad avere quelle interazioni significative.

MB: Mi piace molto come lo metti insieme. Ho il mio background in analisi, ma lavoro anche nel marketing. Per me, non è mai stato un problema, perché ho avuto l'esposizione a entrambi. Ma molte persone che hanno lavorato in un campo non sono esposte all'altro.

CP: Esatto.

MB: Ottimo. In termini di errori, quale pensi sia l'errore più grande che un analista possa fare? Forse puoi condividere qualcosa della tua esperienza in cui ti sei imbattuto?

CP: In termini di errori che fanno gli analisti... Sono problemi umani, giusto? Quindi il numero uno è davvero il pregiudizio del presupposto. Cioè, so quale risultato sto cercando e ho bisogno di dimostrarlo. No. La parola per questo non è curiosa. Se sei incuriosito, non sei curioso, non vuoi trovare la risposta giusta. Vuoi trovare una risposta il più rapidamente possibile, o vuoi trovare una risposta che giustifichi un pregiudizio che hai già, un risultato che hai già giudicato e quelli sono problemi umani, giusto? Quelli non sono legati alla tecnologia e nessun software lo risolverà. Nessuno strumento risolverà la tua incuria.

Quindi è qualcosa che dobbiamo allenarci nel miglior modo possibile e per cui assumere, più di ogni altra cosa. E puoi assumere per curiosità, giusto?

C'è una domanda dell'intervista che facevo, che pensavo fosse sempre divertente, in cui prendevo un mazzo di carte da gioco normali e lo davo a una persona durante un'intervista. Direi, ecco un mazzo di carte. Mettilo in ordine . Non ho mai specificato alcun tipo di ordine o qualcosa del genere. L'obiettivo è guardare la persona e vedere come reagisce a una direttiva del genere. Si fanno prendere dal panico? Probabilmente non è così Sì, ho capito. Lo metto in ordine . Ma non ho detto quale ordine volevo. Ancora una volta, hanno un pregiudizio di presupposto, e questo è un male. Fanno domande? Quante domande fanno? Quando scavano, ti spingono su di esso? Questi sono attributi che vorresti avere.

MB: Passiamo alla parte successiva della nostra intervista sulla stessa cosa ma da un altro punto di vista. Ci sono molte parole d'ordine oggi. Tutti parlano di aziende basate sui dati, ma non molte aziende ci riescono. Perché pensi che lo sia? C'è qualcosa che ci manca in termini di analisi o marketing che potrebbe portare le aziende a un altro livello e aiutarle a crescere ed essere in grado di utilizzare i dati che hanno?

CP: Questo è un problema umano più che altro.

Essere guidati dai dati significa che devi prima prendere decisioni con i dati: non l'esperienza, non l'intelletto, non l'istinto, non è il modo in cui lo abbiamo sempre fatto .

Devi guardare i dati e andare, Ok, questo è ciò che dicono i dati e siamo fiduciosi nel modo in cui sono stati elaborati, quindi prendiamo decisioni basate su di essi .

Ciò richiede il superamento della mia strada è sempre giusto - come lo chiamiamo noi, il problema HIPPO [l'opinione della persona più pagata]. È un problema culturale e umano così difficile da superare, quindi diventare guidati dai dati è davvero, davvero difficile.

La cosa numero uno - dice questo il mio amico Tom Webster di Edison Research - che trattiene qualcuno dall'essere guidato dai dati è che non possono gestire dati, analisi e risposte che non gli piacciono!

Nelle arti marziali, abbiamo un'espressione che devi sentirti a tuo agio nel sentirti a disagio , il che significa che devi sentirti a tuo agio con risposte parziali, con risposte incomplete, con la mancanza di alcuni dati che non avrai mai e comunque essere in grado per utilizzare i dati in modi che producano un impatto sul business. Non è che le persone abbiano problemi di specializzazione o abilità specifiche. Puoi insegnare qualsiasi abilità. Il problema è che puoi fare quel cambiamento culturale per dire: Sì, anche se non mi piace la risposta, anche se non sono chiaro sulla risposta, userò comunque la risposta per prendere una decisione .

MB: Quindi si tratta più di un cambiamento culturale.

CP: Lo è davvero.

MB: Parlando di questo cambiamento culturale, hai qualche consiglio su dove iniziare?

CP: Lavora per aziende che sono già così. Sembra irriverente, ma poiché è una cosa così umana, se il DNA dell'azienda in cui lavori non è così, è estremamente difficile fare quel perno, soprattutto se la leadership non ha accettato. Se la leadership è come , No, lo faremo nel modo in cui lo abbiamo sempre fatto. La nostra azienda ha 126 anni e lo abbiamo sempre fatto così! Beh, non cambierai idea.

Di recente stavo cenando con qualcuno a una conferenza. E hanno detto: La nostra azienda ha 126 anni e il nostro CEO ha detto che vogliamo solo che sia il 1950 . Perché non può essere il 1950, quando le persone acquistano e usano i nostri prodotti e tutta questa faccenda di Internet scompare? Beh, brutte notizie, non succederà. [Ridendo]

MB: È abbastanza difficile. Una breve storia qui: lavoriamo con un'azienda che ha una lunga storia. Sono stati fondati nel 1908 o qualcosa del genere come azienda di famiglia e da allora producono lingerie. E sono diventati piuttosto grandi. Ora vendono in Francia, Paesi Bassi, Regno Unito, Germania e così via. E hanno molti negozi fisici e hanno catene diverse. Hanno un segmento di lusso, un segmento di mercato di massa e così via. E ad un certo punto, il loro team di e-commerce è arrivato alla direzione e ha detto: Dobbiamo aumentare il nostro budget perché le nostre spese stanno crescendo, stiamo portando vendite e questo e quello. E hanno detto, sapete una cosa, ragazzi, se guardiamo alle entrate complessive, siete responsabili solo del 5%.

Quindi il team di e-commerce è venuto da noi e ci ha chiesto: puoi aiutarci a dimostrare, considerando la ricerca sugli acquisti online offline, che effettivamente produciamo più entrate per l'azienda e che influenziamo numeri più grandi? Abbiamo condotto un progetto con loro e ci sono voluti cinque o sei mesi buoni. Ma alla fine della giornata, si è scoperto che erano responsabili di quasi il 30-35% delle entrate. E li ha aiutati a dimostrare che stavano facendo delle cose e questo li ha aiutati ad aumentare il loro budget. Ma sì, ci è voluto un po' di tempo per parlare con il consiglio di amministrazione, mostrare i numeri e cercare di cambiare questa sensazione interna. Esattamente quello di cui stavi parlando.

CP: Sì. La cultura è dura. Le persone sono dure.

MB: Questo mi porta a un'altra domanda. Vorrei tornare alla prima domanda sulle abilità difficili. Stavi parlando di piattaforma, persone e processi, ma cosa ne pensi di cose più tecniche, come il semplice Python e il sapere come costruire dashboard? Forse le statistiche? Quali sono le cose cruciali da cui partire per le persone che vogliono approfondire l'analisi?

CP: Va bene, quindi ho un po' di sfogo su questo. I dashboard sono visualizzazioni. La visualizzazione è una parte fondamentale dell'analisi dei dati. Ed è una di quelle cose che è un'arte a sé stante. Le tecnologie che hai citato — SQL, Python, R, ecc. — non sono strumenti di visualizzazione. Sono strumenti di calcolo.

E uno dei peccati più grandi in tutta l'analisi dei dati, ma soprattutto nel marketing, è cercare di rendere i tuoi strumenti di visualizzazione informatici.

È come le persone che cercano di creare il codice del proprio sito Web e interagiscono con il contenuto, la visualizzazione. I tuoi fogli di stile e il tuo HTML sono separati per un motivo. Perché la visualizzazione è separata dall'informatica. Hai assolutamente bisogno di SQL, Python, R, SPSS e OWOX e qualsiasi altra cosa usi per eseguire l'elaborazione e per farlo bene, per essere in grado di fornire tutta l'analisi dei dati sul back-end prima che passi alla visualizzazione.

In nessun momento la tua dashboard, se le tue visualizzazioni, dovrebbero eseguire alcun tipo di elaborazione. Non dovresti unire i dati, non dovresti eseguire la manipolazione dei dati. Tutti i dati che entrano nelle visualizzazioni dovrebbero essere già calcolati prima di arrivarci.

Perché ciò che accade altrimenti è che ti imbatti in questo enorme problema di governance. Il capo ha bisogno di una nuova modifica a qualcosa, ma non sappiamo come quel punto dati sia arrivato lì. Quindi non sappiamo come manipolarlo. Quindi non possiamo apportare modifiche. Dobbiamo dire al capo, scusa, ci vorranno sei settimane per districare i nostri spaghetti per capire cosa accadrà qui .

Quando tieni il calcolo separato dalla visualizzazione e il capo dice: Ehi, lo voglio, tu dici: Ottimo, vado nel mio livello di calcolo, caricherò il nostro studio e apporterò modifiche al codice e alla logica di calcolo . E farò uscire un nuovo punto dati o cambierò il punto . E questo porta a Sì, grafico a barre, nuovo grafico a barre, eccolo qui . E mantiene pulite le modifiche, mantiene le versioni sotto controllo. E rende tutte le manipolazioni dei dati molto più facili da gestire, soprattutto su larga scala.

Se sei un marketing all-in-one, probabilmente puoi farla franca con una sola persona, un negozio, un tipo di strumento. E non ti imbatterai nel problema del controllo della versione perché ne sei l'unica persona responsabile. Tuttavia, se te ne vai o vieni licenziato, quella compagnia è completamente incasinata. Ed è la peggiore pratica.

Se lavori in un'azienda più grande in cui sono presenti più persone nei reparti di analisi e marketing, devi mantenere l'elaborazione e la visualizzazione separate. Altrimenti, perderai così tanto tempo e denaro solo cercando di capire dove risiedono i dati e chi ne è responsabile.

L'altra cosa - e questo è così importante per la conformità in questi giorni con GDPR e CCPA e altre normative - è che se la visualizzazione e l'elaborazione si fondono insieme, si ha un problema di controllo degli accessi. Hai un problema in cui non puoi creare limiti su chi ha accesso ai dati, il che significa che puoi far trapelare i dati, puoi renderli esposti ai dipendenti che non dovrebbero avere accesso a determinate origini dati.

Quando il calcolo è governato e gestito separatamente, puoi limitarlo e dire al tuo team di visualizzazione: puoi visualizzare tutto ciò che ti è consentito avere e in nessun momento le informazioni personali sensibili vanno mai al team di visualizzazione per mantenerle è al sicuro da loro. È così importante che le persone lo facciano per mantenere queste cose separate e pulite.

Quindi un analista responsabile della visualizzazione deve conoscere queste lingue? Assolutamente no. La persona di calcolo ha bisogno di sapere? Al cento per cento sì.

MB: Hai un grande punto qui. Mi piace molto l'approccio quando visualizziamo set di dati già pronti e non ci sono campi calcolati in essi.

E vorrei chiarire una domanda che ho già posto. Esistono diverse fasi dell'attività o dimensioni diverse di attività o attività che operano su scale diverse. Puoi guardarlo da diverse angolazioni. PMI, PMI, impresa: hanno tutti requisiti diversi per un team di analisi, o almeno sembra che abbiano. Cosa ne pensi? Pensi che ci sia una differenza nei requisiti per gli analisti di aziende di diverso tipo?

CP: Fondamentalmente, tutti hanno lo stesso obiettivo nel marketing, che è aiutare a generare entrate. Giusto? Se il tuo obiettivo nel marketing non è quello di aumentare le entrate, non sono sicuro di cosa stai facendo nel marketing. Ma qualunque cosa tu stia facendo, la stai sbagliando. Perché alla fine, questo è il nostro compito: creare impatto. Quello che succede non è che ci siano cose diverse da fare. Man mano che la tua azienda cresce, le attività diventano più specializzate. Quando sei uno spettacolo personale in una piccola azienda, sei il web designer, il ragazzo o la ragazza di posta elettronica, l'analista, lo statistico, forse il responsabile del servizio clienti.

Man mano che cresci, assumi. E mentre assumi, ti specializzi. Inizi a dividere i singoli compiti. E ogni attività ora ha i propri report, i propri dati, la propria visualizzazione. E così, in fin dei conti, la cosa che le aziende sbagliano più spesso è che perdono di vista il fatto che ognuna di queste specializzazioni, soprattutto nell'impresa, deve ancora raggiungere lo stesso obiettivo che tutte hanno, che è Abbiamo guidato l'impatto sul business? Aiutiamo l'azienda a fare soldi, risparmiare denaro o risparmiare tempo? Crescere clienti? Tutte queste cose.

Quindi, a seconda di dove si trova la tua azienda nel suo ciclo di vita, il tuo ruolo, se sei un analista ragionevole, è chiederti: cosa sto facendo per contribuire a questo obiettivo generale? Quali sono i miei KPI personalmente? I miei KPI personali sono allineati con i KPI del dipartimento? Sono allineati con quelli dell'azienda? La definizione che uso in tutti i miei discorsi - l'hai sentita alla conferenza MAICON [Marketing Artificial Intelligence Conference] - è che un KPI è un numero che determina se ricevi un bonus o vieni licenziato, giusto? Questo è un KPI. Se è un numero e non otterrai un bonus o verrai licenziato per questo, è una metrica.

Quindi, quando guardi da quella prospettiva, quali sono i KPI a cui stai lavorando, a cui sta lavorando il tuo team, a cui sta lavorando il tuo dipartimento, a cui sta lavorando la tua azienda? E guardi quei numeri, e a volte non avranno alcun senso. E se è così, allora tu come analista devi esserne consapevole e alzare la bandiera e dire, ragazzi, non sono sicuro che questo avrà un impatto sul business. E se l'azienda dice che devi ancora farlo, è allora che inizi ad aggiornare il tuo profilo LinkedIn. Perché se un'azienda sta lavorando su KPI senza senso, fallirà. E 'solo questione di tempo.

MB: Quindi, solo per essere sicuro di aver capito bene, non c'è differenza nei requisiti per gli analisti delle piccole aziende rispetto alle grandi aziende perché l'obiettivo per tutti è il reddito.

CP: Sì, entrate e impatto sul business: stai aiutando l'azienda a fare soldi, risparmiare denaro o risparmiare tempo? Queste sono le tre funzioni che tutti desiderano e di cui ogni azienda ha bisogno. È la stessa cosa di cui parliamo da 10 millenni: migliore, più veloce, più economico … tutti lo vogliono. Quindi cosa stiamo facendo per rendere la nostra attività migliore, più veloce e più economica?

CP: Sì. E questo è uno dei maggiori problemi dell'apprendimento automatico e dell'intelligenza artificiale oggi: non solo sapere cosa sta succedendo all'interno della scatola, ma interpretarlo e spiegarlo.

La spiegazione è una spiegazione post-hoc di ciò che il modello ha fatto, poiché in questa cosa è passato e queste cose no. When you look at regulations like GDPR, that's not good enough. GDPR says that you have to be able to tell a customer in the European Economic Area how their data was used, which means you need to be able to unpack the algorithm itself and say, Grazie per questo. Let's get deeper in our troubleshooting investigation. What problems do you see on the market today? One of them is ethics, for sure. And probably culture, employees, and the maturity level of companies. Maybe you can unwrap that once again, or maybe you want to add something else to the problems?

CP : I think probably one of the most important things that companies are going to need to do is change how they hire. The reason you don't have good people coming out of school with skills in statistics and data science as a standard — even if there are exceptions to every rule — is because you have professors at these schools who are, you know, in their later years of their career who also don't have those skills and don't know how to teach them. And the marketplace doesn't demand them.

If the marketplace demanded them and said, Fine della storia. Those are the core languages in data science. And every vendor out there that is offering sort of an easy drag-and-drop interface — their technology is lagging behind what the open-source code is in the marketplace. If you want to use the latest version of GPT-2 from OpenAI, guess what? You better know how to use Python, because no vendor has it in their software yet. And if you want to be able to do advanced text analytics, that's where you're going to have to go. So you have to learn those things. If you want to take some courses, there's a phenomenal resource hub from IBM called Cognitive Class, and it's 100% free. You pay zero dollars and you can take all these different courses on every topic imaginable in data science and AI. I strongly recommend it.

MB: One very last question. How can an analyst have a greater impact on marketing or on business? I predict you'll also say that it's a human problem and an involvement problem, but maybe you could add something else.

CP: It's somewhat related, but it's having those KPIs and those goals and understanding your business's KPIs. If you want to have an impact, you have to serve the overall goals of the company. And that means you have to understand them.

As a marketer, if you just blindly have that bias — I'm going to drive new leads, that's what I'm really good at — but the company has a customer retention problem and we need your help creating content that retains customers, that keeps them loyal, then you're going to be doing the wrong thing.

Do you understand the goals of your company? Do you understand how your marketing relates to those goals? If you don't, better update your LinkedIn profile, because you're not going to last very long.

MB: Thanks a lot. That inspires me the most!

Wow! There was a lot of stuff revealed in this interview! We're still processing it all.

We totally agree with Christopher about the human and technology problems. Sometimes they're hard to admit, but you should fight them. We're glad to be one of the companies that's moving in the direction of making data a tool for development, decision-making, and people.

Share this article with your colleagues, and stay tuned for our next interviews!