Intervista a Danny Mawani Holmgaard

Abbiamo chiesto a Yulia Tkachova, Product Manager di OWOX, di contattare Danny Mawani Holmgaard, Lead Analyst di Impact Extend. Ecco un breve elenco degli argomenti che hanno toccato:

Yulia Tkachova: Facciamo conoscenza! Raccontaci di te e della tua esperienza.

Danny Mawani Holmgaard: Sono un Lead Analyst presso l'agenzia di marketing digitale Impact Extend. Lavoro non solo con Google Analytics, ma anche con l'ingegneria dei dati, l'impostazione di pipeline di dati, l'integrazione di dati online e offline e la creazione di modelli di dati. Unisco e analizzo i dati in modo che possano essere utilizzati sia strategicamente, mostrando se siamo sulla strada giusta o se è necessario modificare qualcosa, sia operativamente, assicurandomi che i dati siano nei sistemi giusti in modo da poter agire.

YT: Come hai iniziato a occuparti di analisi di marketing?

DH: In realtà mi sono imbattuto in questo percorso di carriera per caso. All'inizio studiavo concept design digitale e volevo diventare un web designer. Ho aggiunto Google Analytics a uno dei miei progetti scolastici per divertimento e all'improvviso mi sono reso conto di quanto puoi influenzare l'intero processo strategico, dalle scelte di design alla creazione di un'esperienza migliore per gli utenti, migliorando al contempo i risultati aziendali. Una cosa tira l'altra e ho lavorato con i dati negli ultimi sei anni.

YT: Cosa ti piace di più e cosa meno del tuo ruolo?

DH: Sono davvero entusiasta di nuovi progetti e di progettare una soluzione da zero. Ciò significa passare dall'ambito delle origini dati necessarie alla scrittura del codice per la connessione a database e API diversi. Altre aree che mi piacciono davvero sono vedere che i nostri sforzi stanno effettivamente avendo un impatto (gioco di parole) per i nostri clienti fornendo loro le informazioni di cui hanno bisogno ma che non avrei mai pensato fosse possibile avere per portare avanti la loro attività con decisioni basate sui dati.

La parte meno "divertente" del mio lavoro avviene quando qualcosa si rompe e deve essere aggiustato. Può essere abbastanza difficile ottenere dati dopo che si sono verificati eventi che non possono essere monitorati. Sfortunatamente, non è mai possibile prevedere tutto ciò che può andare storto durante la raccolta dei dati. Questo può essere qualsiasi cosa, da una distribuzione andata storta a qualcuno che configura un'impostazione in modo errato nel proprio sistema. Il meglio che puoi fare è impostare monitor per i tuoi dati e fare le pulizie di primavera ogni tanto per assicurarti di mantenere buone prestazioni e imparare dagli errori.

YT: Cosa significa per te DH: Rendere i dati utilizzabili è qualcosa che cerchiamo di ottenere per tutti i nostri clienti. Per me, i dati utilizzabili sono informazioni che puoi acquisire e utilizzare attivamente all'interno dell'organizzazione, sia che si tratti di qualcosa di complesso come calcolare il valore della vita del cliente per i clienti su tutti i canali e quindi utilizzarlo nei tuoi sistemi di automazione del marketing, fare offerte sugli annunci in base al costo margine e probabilità di vendita dei prodotti, o qualcosa di semplice come la creazione di segmenti di pubblico in Google Analytics che ti aiutano a fare retargeting pertinente. Tutto sommato, rendere i dati utilizzabili significa assicurarsi che le informazioni raccolte possano essere utilizzate per apportare modifiche dinamicamente in base alle azioni eseguite dagli utenti al fine di generare conversioni o fornire una migliore esperienza utente.

YT: Quali competenze e software suggerisci per rendere i dati utilizzabili?

DH: Dipende principalmente dalle risorse e dalle ambizioni della tua squadra. La cosa più importante è scoprire cosa stai cercando di raggiungere e fissare obiettivi. Non devi lavorare con set di dati di grandi dimensioni o essere in grado di eseguire una programmazione statistica avanzata per rendere i tuoi dati utilizzabili. Inizia in modo semplice e costruisci da lì. Può essere qualsiasi cosa, dall'assicurarsi che i dati analitici siano misurati correttamente al caricare i dati sui rimborsi o sui costi per sapere su quali prodotti stai perdendo denaro.

In generale, usa i dati che hai attualmente a disposizione e inizia in piccolo. Se inizi su progetti troppo grandi prima che l'organizzazione sia in grado di gestirli, rischi di sprecare preziose risorse del team per un progetto che potrebbe fallire. A mio avviso, la soft skill più importante è la capacità di essere curiosi e creativi in ​​termini di quali dati possono essere utilizzati per portare avanti il ​​business. Tutte le azioni tecniche vengono seconde, poiché non sono utili se non possono essere applicate strategicamente.

YT: E gli strumenti che ti consentono di agire sui dati?

DH: Al fine di ridurre la spesa per i prodotti e consentire ai nostri clienti di allocare le proprie risorse per la strategia e l'esecuzione, abbiamo creato noi stessi i nostri processi ETL [estrai, trasforma, carica] utilizzando Google Cloud Platform. Questo ci semplifica la scalabilità a basso costo. Utilizziamo principalmente R, Python e SQL per i nostri processi di dati, ma utilizziamo anche alcuni fornitori per aiutarci, come il funnel. io e OWOX, poiché sono in grado di gestire molti connettori di dati da piattaforme pubblicitarie a basso costo direttamente fuori dagli schemi.

Lo svantaggio della creazione di un'impostazione come la nostra è che ci è voluto molto tempo per costruire modelli efficienti in grado di gestire grandi set di dati e modelli statistici avanzati che riteniamo abbiano una qualità sufficientemente buona per produrre. Sono un grande fan degli strumenti ETL come Azure Databricks, Alteryx e prodotti simili che possono ridurre gran parte del lavoro di ingegneria dei dati con le funzionalità integrate. Questi strumenti, tuttavia, possono essere molto costosi e richiedono ancora molto know-how per produrre risultati. Se hai intenzione di utilizzare uno strumento costoso, ricorda di utilizzarlo correttamente in modo che possa generare entrate invece di prosciugare il tuo budget.

YT: Qualche giorno fa, a entrambi è piaciuto il post di Mikko Pippo sul perché i marketer sprecano soldi. Ci sono altri punti che consiglieresti di aggiungere alla checklist di Mikkos? Perché i marketer sprecano i loro budget e come puoi evitarlo?

DH: Mikko è uno dei ragazzi più intelligenti che conosco, e se non lo stai seguendo, ti consiglio di farlo. Se potessi fornire un'aggiunta al suo post sarebbe per cercare di arricchire i dati che già possiedi, come i dati sui punti fedeltà dei clienti, i rimborsi o i segmenti di clienti. È abbastanza facile da fare se hai l'ID cliente, utente o transazione presente nella configurazione dell'analisi.

Il motivo per cui le persone non hanno le giuste basi per la raccolta dei dati o non stanno utilizzando i dati che hanno è, come dice Mikko: mancanza di istruzione. Se non sai cosa possono fare i dati per te, o se non sai come dovrebbero apparire i numeri nell'organizzazione, è molto difficile fare qualsiasi cosa.

L'analisi può essere spaventosa e difficile da utilizzare. Il più delle volte, non è che le persone sedute con i dati non vogliano usarli. È principalmente una domanda su quella persona che non ha tempo per ridimensionare le proprie competenze. Spetta quindi all'organizzazione creare un ambiente in cui le persone con accesso ai dati possono imparare a utilizzare l'analisi o trovare un'agenzia esterna per supportare le persone che prendono le decisioni aziendali.

YT: Qual è il tuo consiglio per gli esperti di marketing che vorrebbero diventare dei veri professionisti basati sui dati?

DH: Sicuramente iniziare in piccolo. Imparare le basi della statistica ed essere in grado di fare un po' di Excel di base può portarti lontano. Una volta che ti senti a tuo agio con i set di dati di base e combinando i dati, puoi aumentare la scalabilità nel modo che preferisci. Quando sto imparando qualcosa di nuovo, cerco sempre di abbinarlo a un progetto attuale e cerco di imparare qualcosa di nuovo che migliorerà il mio lavoro mentre lo faccio. Ho iniziato a fare programmazione statistica con R perché facevo lo stesso lavoro ogni mese che mi richiedeva diversi giorni. Imparando qualcosa di nuovo, l'ho ridotto a un'ora. Una cosa che vorrei menzionare qui è che non dovresti aver paura di superare l'ambito del progetto. Anche se le ore che dedichi a imparare qualcosa riducono il profitto totale di un progetto, puoi comunque applicare tutto ciò che impari ai prossimi progetti che crei, rendendoli migliori e più stabili che se non avessi dedicato il tempo a imparare a farlo .

Il mio ultimo consiglio qui è di scegliere un percorso. Non puoi fare qualsiasi cosa se vuoi farlo bene. Sicuramente non sono bravo in statistica come il nostro capo della business intelligence, e lui non è bravo come me in ingegneria dei dati, quindi abbiamo i nostri ruoli definiti ma siamo comunque in grado di supportarci a vicenda nelle basi del nostro lavoro. La collaborazione è fondamentale se vuoi avere successo e non è mai una brutta cosa assumere persone dall'esterno per aiutare a scalare il tuo dipartimento.

YT: Chi è la tua più grande ispirazione nella community di #measure? Potresti taggare un professionista la cui opinione vale la pena condividere sul nostro blog?

DH: Mark Edmonson è sicuramente un ragazzo che mi ispira ogni giorno. Dà così tanto alla community, è sempre disponibile e continua a realizzare ottime soluzioni che aiutano gli analisti di tutto il mondo a migliorare il proprio lavoro quando utilizzano la piattaforma Google Cloud.

YT: Quali sono i tuoi cinque eventi preferiti dagli analisti?

DH: Eccoli:

• Misura Campo
• Supersettimana
• Vertice di analisi di marketing
• Web Analytics mercoledì
• Analizzare!

YT: Potresti nominare i tuoi primi cinque blog o altre fonti per gli analisti?

DH: Con piacere:

• Il blog di Mark Edmondson
• Il blog di Simo Ahava
• blog CXL
• Mania di analisi
• Jeffalytics

... Forse anche il mio blog ;) Ci sono così tante buone risorse che voglio anche menzionare, come il gruppo Facebook #measureslack e Google Tag Manager. La parte migliore della community di analisi è che le persone sono desiderose di condividere grandi soluzioni.

YT: Quali tendenze osservate nell'analisi e quali tendenze persisteranno e si evolveranno in futuro?

DH: Il monitoraggio lato server è sicuramente qualcosa che le persone inizieranno a implementare in tutte le organizzazioni, poiché l'Intelligent Tracking Prevention (ITP) rende difficile la raccolta di dati accurati in caso contrario. In termini di ITP, sono un po' ambivalente su questo. Da un lato, ITP ha un ottimo scopo di proteggere la privacy degli utenti. Personalmente, credo che gli utenti dovrebbero sempre avere la possibilità di scegliere in termini di informazioni che desiderano condividere con le aziende. D'altra parte, ciò impedisce anche ad alcune funzionalità del sito di funzionare come previsto, come gli accessi automatici e la personalizzazione.

Inoltre, credo che l'ITP possa avere le conseguenze di costringere le aziende a fare soluzioni alternative che costringono le persone a fornire più informazioni di quante ne facessero effettivamente prima. Ad esempio, fare in modo che gli utenti accedano prima che possano procedere alla navigazione in un sito Web o rifiutare l'accesso agli utenti che non danno il loro consenso sul sito. Allo stato attuale dell'ITP, penso che non sia una soluzione ottimale né per gli utenti né per le aziende. Il mondo è ancora in una curva di apprendimento ripida in termini di rispetto della legislazione, pur essendo in grado di fornire una buona esperienza. Non vedo l'ora di vedere come andrà a finire.

Un'altra cosa a cui prestare attenzione è la piattaforma di analisi App+Web. È ancora nelle primissime fasi, ma sarà qualcosa che consiglio vivamente di implementare e sviluppare man mano che si evolve. In questo modo sarà possibile utilizzare le funzionalità della piattaforma una volta che ne avrai bisogno. Inoltre viene fornito con molte funzioni interessanti come l'esportazione gratuita di BigQuery.

YT: Quali nuove sfide affronti nel tuo lavoro quotidiano rispetto all'inizio della tua carriera di analista?

DH: Il mio ruolo è cambiato molto, dall'essere più un ruolo di supporto all'inizio della mia carriera a guidare progetti dall'inizio alla fine. Prima, le mie sfide erano capire come funzionavano le cose e fare del mio meglio per garantire che i report mostrassero le metriche giuste e che il monitoraggio fosse impostato correttamente.

Oggi so come fare queste cose e le difficoltà riguardano molto la comunicazione della strategia in modo che i clienti comprendano i vantaggi della raccolta di dati e spingano le loro organizzazioni a utilizzare attivamente tali informazioni. In breve, sono passato dall'esecuzione delle attività di implementazione e reporting che mi erano state assegnate alla guida della strategia e del "perché" per come i dati dovrebbero fluire. Credo che sia fondamentale aver lavorato molto prima di essere in grado di comprendere e guidare la strategia.

Prima di poter progredire come analista e sviluppare le tue abilità, devi padroneggiare le basi e capire come tutto è connesso.

YT: Google Analytics o Adobe?

DH: Personalmente sono più interessato all'utilizzo di Google Analytics, poiché è più disponibile per tutti e ha un'ottima API. Tuttavia, penso che Adobe abbia un prodotto forte e stabile, con alcuni modi davvero interessanti per analizzare i dati, pur essendo un prodotto più forte in termini di conformità.

YT: Data Studio, Tableau o Power BI?

DH: Mi piace usare ShinyDashboards di R, poiché puoi costruire tutto ciò che vuoi con qualsiasi tipo di grafico desideri in modo dinamico. Inoltre, non richiede licenze costose (a meno che tu non voglia utilizzare la loro soluzione ospitata).

Ad essere onesto, penso che ci sia qualcosa di eccezionale con tutti gli strumenti sopra menzionati. Data Studio è gratuito e veloce, PowerBI può essere economico e fornisce molte fantastiche visualizzazioni pronte all'uso e Tableau ha alcune funzionalità e caratteristiche di condivisione davvero interessanti che sono fantastiche se ci sono molte persone che esplorano e analizzano i dati all'interno dell'organizzazione.

YT: AppsFlyer o FireBase?

DH: Non ho un'opinione rigorosa qui. Tuttavia, lo sviluppo di APP+Web rende sicuramente FireBase interessante in questo momento.

La chiave del successo per un analista è la pazienza e la preparazione a ricominciare da zero. Grazie a Danny per questo semplice consiglio che ci aiuta a rimanere concentrati e persuasivi nelle nostre analisi.

Se ti è piaciuta questa intervista o hai domande per Danny, lascia un commento qui sotto! Non dimenticare di iscriverti al nostro blog per ricevere discussioni e articoli ancora più utili dal mondo dell'analisi.