Ricerca OWOX BI sullo stato dell'analisi digitale: intervista a Simo Ahava

Abbiamo avuto un'ottima occasione per intervistare Simo Ahava dopo il suo discorso stimolante al Go Analytics! conferenza nell'ambito della nostra ricerca sullo stato dell'analisi digitale nel 2019.

Simo Ahava è un analista di talento e co-fondatore di 8-bit-sheep, una società di consulenza specializzata nella creazione di sane strutture di comunicazione. Quindi ha abbastanza familiarità con come coltivare analisi efficienti. Abbiamo discusso una serie di domande che qualsiasi marketer o analista troverà interessanti. Sono suddivisi nelle seguenti categorie:

Tutte le domande sono state preparate e poste da Mariia Bocheva, la nostra Business Development Executive (a cui piace citare ad alta voce il blog di Simo durante i nostri incontri quotidiani). :)

Quali difficoltà incontra quando si tratta di implementare l'analisi e come valuteresti lo sviluppo complessivo del mercato?

Immagino che la difficoltà principale sia capire le possibilità e i limiti di ogni strumento. C'è un certo grado di scatola nera in ogni singolo strumento sul mercato. Non intendo dire che questi strumenti nascondono come funzionano (anche se alcuni lo fanno, deliberatamente), ma piuttosto che l'integrazione di questi strumenti nei processi dell'organizzazione può essere molto imprevedibile.

Sono anche preoccupato per il modo in cui così tanti nuovi servizi si sforzano di rendere le cose "più veloci". Come se la velocità fosse intrinsecamente una virtù che tutte le aziende devono seguire. Essere veloci spesso ha il costo di essere attenti , e c'è sempre il rischio di fare qualcosa di veramente veloce solo per produrre risultati che possono essere molto fuorvianti.

Penso che la conoscenza e la comprensione complessive degli stack tecnici siano migliorate, perché strumenti come le soluzioni di gestione dei tag demistificano il mondo degli sviluppatori. È fantastico, è una tendenza che spero continui in futuro. Allo stesso modo, i servizi cloud stanno diventando più accessibili e convenienti, il che ha portato a un maggiore interesse per l'automazione e l'ingegneria dei dati.

Come può un analista avere un maggiore impatto sul marketing?

Come possono essere utili per il team di marketing?

Un analista non deve avere un impatto sul marketing. I dati sì. Un "analista" è solo la descrizione di un ruolo e personalmente ritengo quasi dannoso che qualcuno etichettato come "analista" sia una forza forte nell'organizzazione. Non appena assumi un analista, hai trovato qualcuno a cui delegare tutte quelle "cose ​​​​di dati".

Poiché un analista lavora con i dati, il suo ruolo dovrebbe trascendere i diversi team e dovrebbe fungere da ponte tra le diverse parti dell'organizzazione. In questo modo, sono più simili agli Scrum Master e ai Product Owner che ai singoli data cruncher.

Quali sfide analitiche hai in questo momento ?

Non affronto alcuna sfida analitica di per sé, ma è una sfida costante capire gli strumenti con cui lavoro e come questi strumenti possono essere utilizzati al meglio per aiutare le organizzazioni a dare più senso ai propri dati.

Allo stesso tempo, sono anche sfidato da come rendere le organizzazioni più consapevoli delle proprie carenze. La sfida più grande per l'analisi, o per qualsiasi disciplina digitale, è come integrarla nei processi dell'organizzazione senza iperboli o esagerazioni. Molte aziende si sforzano di essere "data-driven" o "digital first", il che si trasforma molto rapidamente in una ricerca dello strumento migliore disponibile, quando in realtà queste organizzazioni dovrebbero concentrarsi sulla creazione di team multidisciplinari, approcci più agili alla progettazione dei servizi e una maggiore comprensione di quali domande e problemi aziendali devono essere risolti prima di capire quale strumento fa tutto ciò.

Pensi che i problemi di comunicazione tra analisti e team di marketing siano comuni? Se si, avete qualche consiglio su come superarlo?

È comune tanto quanto la comunicazione errata tra due persone qualsiasi in un'organizzazione. Come risolvere i problemi di comunicazione? Comunicando meglio :)

C'è molto da imparare dalle metodologie agili come Scrum, che dipendono interamente da solide strutture di comunicazione nell'organizzazione. Se trovi che ci sono problemi di comunicazione, è assolutamente necessario scoprire perché esistono e risolverli introducendo nuove impostazioni e contesti per la comunicazione, come riunioni quotidiane, ritocchi arretrati, sessioni retrospettive e dimostrazioni.

Quali conoscenze mancano ad analisti e specialisti di marketing per rendere le aziende data-driven?

Penso che per lo più manchino due cose:

1. Pensano che un'azienda dovrebbe essere basata sui dati
2. Buy-in e fiducia dalle persone che li circondano

È difficile spingere per il cambiamento se si utilizza una terminologia come "basato sui dati". Un'azienda è guidata da una combinazione di dati, intuizione, esperienza, risorse umane, ecc. Non c'è una cosa che guida il cambiamento.

L'altro motivo per cui è difficile trovare un punto d'appoggio in un'azienda è perché c'è una mancanza di fiducia in quello che fai. Questo è un problema di comunicazione. Quindi guarda la mia risposta alla domanda precedente :)

Buy-in e fiducia possono essere acquisiti rendendo trasparenti i tuoi sforzi: aggiungi grandi dashboard in tutto l'ufficio, rendi i dati al centro della discussione nelle demo e negli sprint meeting, rendi tutti consapevoli che ogni piccola cosa che viene fatta al prodotto o servizio ha un impatto misurabile.

Per approfondire i pensieri di Simo Ahava sui problemi di comunicazione, scarica la sua presentazione per leggerla mentre ascolti la sua performance dal vivo per Go Analytics! Conferenza.

Quale pensi sia il futuro delle analisi di marketing?

Quali tendenze vedi in arrivo e cosa è molto richiesto?

Penso che il futuro sia oscuro. Le restrizioni nel browser e nello spazio delle app (soppressione da parte di Safari dei cookie proprietari, blocco di annunci e contenuti, ecc.), l'aumento della domanda di progettazione basata sulla privacy e l'inaffidabilità dei dati dei segnali a lungo termine stanno rendendo difficile il peering nel futuro.

Sono certo che le analisi di marketing continueranno a spostarsi dagli approcci del singolo fornitore (ad es. Google Analytics) a una pipeline di dati più olistica, il che significa che i data engineer saranno sempre più richiesti.

Quali opportunità vedi oggi sul mercato?

Ci sono venditori, organizzazioni, individui, paesi, politici, legislatori ed esseri umani in generale che fanno cose stupide. Tutto ciò contribuisce all'incertezza nelle discipline digitali, marketing incluso. Possiamo o accettarlo alla lettera e continuare a lottare in uno spazio sempre più limitato, oppure possiamo sfondare i silos e iniziare a pensare all'analisi del marketing non come un'unica disciplina, ma come uno spettro più ampio di possibilità che un'azienda può realizzare con dati.

Il marketing è strettamente legato alla progettazione di prodotti e servizi. Se un'organizzazione ha un team di marketing dedicato che non è coinvolto nei meccanismi quotidiani di ciò che l'azienda effettivamente produce, allora questo è un problema. Allo stesso modo, se le organizzazioni credono ancora che trovare lo strumento migliore sia la soluzione a tutti i loro problemi, allora questo è un problema.

Personalmente, penso che il problema più grande sia quello che non è mai veramente scomparso: la mancata comunicazione. Ogni singolo inconveniente che un'organizzazione potrebbe dover affrontare, dal più piccolo bug al più grande disastro di pubbliche relazioni, può sempre essere ricondotto a un problema di comunicazione tra due o più individui. Risolvere questi problemi di comunicazione è la chiave per riparare le organizzazioni e riparare le organizzazioni è la chiave per un mercato più sano.

Quali competenze hard sono più importanti per gli analisti oggi? Un analista deve conoscere SQL, Python e R e creare dashboard negli strumenti di visualizzazione più comuni, come Data Studio, Tableau, QlikView, ecc?

Penso che la linea di base per l'analisi dipenda ancora molto dal tipo di analisi che si desidera eseguire. Il problema di stabilire un'aspettativa per le competenze è che crea esclusività piuttosto che invitare le persone a iniziare a lavorare con la disciplina. C'è molto che puoi fare quando entri nello spazio di analisi e non hai esperienza con linguaggi di programmazione o strumenti di visualizzazione esterni. Una volta che avanzi, tuttavia, i requisiti diventano più specifici.​

• Per l'analisi web, la comprensione dello stack del browser è fondamentale.
• Per chiunque lavori con set di dati di grandi dimensioni, SQL è un must.
• Python vs. R è una discussione sempreverde, ma non credo sia nemmeno necessario se vuoi lavorare nell'analisi.

Ma se dovessi scegliere, sceglierei Python grazie alla sua estensibilità oltre il regno della sola analisi dei dati.

Quali competenze trasversali dovrebbe avere un buon analista?

Empatia per l'ambiente di lavoro in cui lavorano, riflessi pronti per adattarsi ai cambiamenti che li circondano, una mentalità di costruzione di ponti per lavorare attraverso i silos piuttosto che rafforzarli e un'insaziabile sete di imparare cose nuove.

L'abilità più importante è la comunicazione. I dati sono una di quelle cose che soffrono davvero se le persone nell'organizzazione in cui vengono prodotti quei dati non riescono a comunicare. I dati sono il modello dell'organizzazione e possono rivelare i difetti dell'organizzazione in modo più onesto di quanto potrebbe mai fare qualsiasi consulente.

Qual è l'errore più grande che un analista può fare?

Puoi condividere alcuni dei tuoi errori analitici?

L'errore più grande che chiunque lavori con i dati può fare, a mio avviso, è interpretare erroneamente o abusare deliberatamente delle metriche per supportare un'ipotesi fallita. Lo vedo spesso nelle organizzazioni a bassa maturità che stanno iniziando con i test A/B o hanno appena implementato Google Analytics. Configurano le conversioni per supportare ipotesi «ovvie» ed evitano deliberatamente di accettare i risultati dei test che vanno controcorrente rispetto a ciò che intuitivamente pensano sia giusto.

La stessa vena di pensiero può essere vista usando qualcosa di semplice come la frequenza di rimbalzo per descrivere il coinvolgimento su un sito, ad esempio. Senza un'ampia personalizzazione e senza una strategia di implementazione coerente per mappare tutte quelle attività di coinvolgimento in eventi che uccidono il rimbalzo, la frequenza di rimbalzo è una metrica superficiale e superficiale che può portare a conclusioni errate il più delle volte.

I miei errori come consulente spesso hanno a che fare con le due cose che ho descritto sopra. È facile per me lasciarmi travolgere dalla «facilità» dell'analisi nei casi in cui devo essere in grado di produrre rapidamente buoni risultati. È qualcosa che cerco di evitare il meglio che posso, ma essere totalmente imparziale nei confronti dei dati è spesso molto difficile. Trovo più facile essere onesti nei casi in cui non sono emotivamente troppo coinvolto negli affari del cliente: in quei casi è più facile essere brutalmente onesti e cercare di persuadere l'organizzazione a cambiare il proprio modo di pensare.

Apprezziamo davvero tutte le risposte di Simo e siamo pronti a firmare sotto ogni sua parola. Negli ultimi 20 anni, le correnti nell'oceano dei dati hanno iniziato a muoversi più velocemente, schiacciando anche alcune barche. È importante approfondire i tuoi dati con gli strumenti adeguati, ma la cosa più importante è avere a bordo un team veramente devoto.

Siamo totalmente d'accordo con Simo. Ogni giorno, forniamo i nostri servizi per consentire a CMO, esperti di marketing e analisti di raggiungere un nuovo livello di analisi dei dati nelle loro aziende semplificando la raccolta, l'allineamento, il reporting e la visualizzazione dei dati.

Quindi teniamoci in contatto! Iscriviti al nostro blog per leggere le prossime interviste della nostra ricerca sullo stato dell'analisi digitale e adattare l'esperienza dei migliori analisti al tuo business.

Cosa chiederesti a Simo? Fateci sapere nei commenti qui sotto!