現代のマーケティング分析でデジタルジェンガをプレイする：クリストファーペンへのインタビュー

TrustInsightsのチーフデータサイエンティスト兼共同創設者であるChristopherPennとの今日のインタビューは、公開される前に話題になりました。 だから、ポップコーンや熱いお茶を手に入れて、分析とアナリスト、現代のマーテック、そしてすべてが向かっているところについてのこの記事を読んでください。

いつものように、クリストファーとこの素晴らしい話をしてくれたマライア・ボチェバに感謝します。

出典：クリストファーペンの公式Facebookページ

ここで興味のあるポイントに直接ジャンプします：

Mariia Bocheva：あなた自身について簡単に紹介していただけますか？

Christopher Penn：私の経歴はITにありました。 私の修士号は情報システムの管理です。 私は2000年代初頭に金融サービスのスタートアップで働き始めました。 Webサーバーを更新すると、Webサイトが更新され、電子メールの起動を修正して、電子メールニュースレターを送信するようになりました。

その時に起こったことは、マーケティングがマーケティング技術になったということでした。 その後、2000年代後半からこの10年の初めに、私はフルタイムでマーケティングに移行し、より多くのデータを扱い始めました。 そして、それは私がデータサイエンスにもっと集中するようになったときでした。 私はPR会社に約5年間社内に行き、機械学習とAIについてもっと調べ始めました。
彼らが別の方向に進んでいたので、私は約2年前にその会社と別れました。 私は本当にデータサイエンスと機械学習に焦点を合わせたかったのです。

MB：データサイエンス、機械学習、分析についておっしゃいましたね。 今日最も重要なハードスキルは何だと思いますか？

CP：スキルには3つのバケツがあります。 1964年に戻ると、ハロルド・レビットという有名なビジネスストラテジストがいて、人、プロセス、テクノロジーの3つの分野で誰もが能力を発揮する必要があると主張していました。

熟練したアナリストまたは熟練したデータサイエンティストには、3つの分野すべての機能が必要です。 あなたは物事の人々の側面、人々がどのように働くか、全体的なビジネス戦略などを理解する必要があり、ビジネスが解決したい問題をうまく処理する必要があります。 また、プロセス（物事がどのように行われるか）を把握し、それを自分が行う作業に変換できる必要があります。 そしてもちろん、データ分析を行うためのテクノロジー、スキル、数学的知識にアクセスできる必要があります。そして、コーディングできる必要があります。

これらは、非常に少数の人々が等しくて堅固な量で持っている3つの大きなバケツです。 多くの人が1つの分野でスキルを持っていて、他の2つの分野では弱いです。 そして、それはおそらくアナリストが実行できなければならない最も重要なことの1つであり、弱点を特定することです。 言うことができるように、うん、これは私が自分のレベルを自分の強いところまで上げるために取り組む必要があることです。

MB：人々がどのように働くかを知ることを「ハードスキル」と呼ぶことはほとんどないので、それは部分的にソフトスキルをカバーしています。 あれについてどう思う？ どのようなソフトスキルが重要だと思いますか？

CP：ハードスキルとソフトスキルの違いは、内部と外部にあります。 あなたの外部スキルはあなたがハードスキルと呼ぶものです：他の人間と話す能力、彼らの顔の表情を読む能力など。

しかし、内部的には、それは途方もない量の自己認識を必要とします。 それはあなた自身のエゴ、ビジネスの専門家としてあなたを多かれ少なかれ効果的にするもの、あなたが適応しなければならないあなたの弱点を理解することを必要とします。 一部の人々にとって、それは彼らのエゴであり、言う能力です、ええ、私は常に正しくなければなりません。 しかし、いいえ、あなたはしません。

そして実際、それはデータ分析における致命的な罪ですよね？ 私はこのある調査会社と一緒に働いていたのを覚えています。彼らの売り込みは「あなたが言いたいことは何でも、それをサポートするデータを構築することができます」でした。 それはこれがどのように機能するかではありません。 [笑い]それでも、彼らは企業が証明したいものを守るためにデータを発明するのを助けるので、実際には評判の良い会社です。 そして、人々はあなたが聞きたいことを言うので彼らと取引をします。

もう一つの非常に重要なスキルは、他の人が理解できる方法で物事を説明できることです。 繰り返しになりますが、そのような共感があります。 そして3つ目は、実際に複数のレベルで教えることができ、誰かがどこにいるのか（共感の部分）を知り、一緒に仕事をしている聴衆に適応できることです。

私は最近コンテンツマーケティングワールドにいました。 そしてある聴衆の中には、コーダーである人々がいました。 だから私はコーダーに言った、オーケー、これはあなたにとってはマルコフ連鎖モデリングですが、他のすべての人にとってはデジタルジェンガです。 誰かが非常に重要なソフトスキルであるところにあなたの教えを適応させることができること。 教育指導の設計や経験がまったくない場合、それは非常に困難です。 私は25年間、先生の武道学校で手伝っています。それは私がそこに持っている素晴らしいスキルです。誰かがこれに苦労しているのを見ることができ、彼らはこれを手伝う必要があり、誰かがどこにいるかを特定することができます。彼らのキャリアにおける彼ら自身の進歩は非常に重要です。 そして、それは教えられていないスキルです。 あなたはあなた自身の経験を通してそれを学ばなければなりません。

MB：ストーリーテリングや、人々が理解できる方法でデータを提示する機能にも関連していると思いますか？

CP：そうだと思います。 心理学には「マットレスを投げる」という表現があります。誰もが異なる方向を向いた精神的な出入り口を持っています。 そして、あなたがその出入り口でマットレスを投げるならば、それが通り抜ける方法は特定の数だけです。 しかし、すべての人の出入り口は異なります。 では、視聴者はどのように形作られていますか？ できるだけ多くの出入り口を通り抜ける方法でマットレスを投げることができますか？

「ストーリーテリング」は嫌いです。 そして、私がそのフレーズを嫌う理由は、マーケター、特にデータをよく理解していないマーケターは、自己中心的すぎ、企業中心的すぎる傾向があり、次のように言うからです。あなたは私たちの素晴らしい製品についての話です！ しかし、誰も気にしませんよね？ 聴衆が望んでいる話をしてください。 そして、それは再び、共感と自己認識に戻ります。 それはあなたや会社についてではありません。 それは聴衆が何を必要としているかについてです。

MB：それは素晴らしいポイントです。 私はあなたが何を意味するのか完全に理解しています。 マットレスを投げるということと、みんなの違いについて言えば、アナリストとマーケティングチームの間のコミュニケーションの誤りについてどう思いますか？ コミュニケーションを改善する方法について何かアドバイスはありますか？

CP：そもそも多くのマーケティングチームがアナリストと話をしているわけではないので、それはそれほど問題ではないと思います。 私が話をしているマーケターのほとんどは、彼らの会社に[アナリスト]がいないか、会社がより差し迫ったビジネス上の問題に彼らを配置しているため、アナリストになることを余儀なくされています。 したがって、より大きな課題は、貧しいマーケターが自分の持っているデータを処理するためのあらゆる種類の分析スキルを開発することです。

マーケターと話をした回数はわかりません。ああ、そうですね、GoogleAnalyticsがあります。 それが何を意味するのかわかりません。 私はGoogleAnalyticsで何も知りません。 それらの議論をするのはとても奇妙です。 ロケット手術ではありません。 しかし、繰り返しになりますが、その自己認識に戻ると、彼らは創造性を発揮し、インスピレーションを与え、上手に書き、ものを作るためにマーケティングを始めたので、彼らにとってはロケット手術です。 彼らは量的科学を愛していたので、彼らはマーケティングに参入しませんでした。 そうでなければ、彼らはそもそもデータサイエンティストになっていたでしょう。

しかし今、マーケティング技術とデジタルマーケティングは、彼らにこの問題に対処するか、可能な限りそれを無視することを余儀なくさせています。 彼らがデータにアクセスできる場合、またはアナリストにアクセスできる場合、彼らの成功は彼らの自己認識に依存します。

アナリストには優れたマーケティング用語がなく、マーケターにはデータサイエンスとデータ分析の優れた語彙がありません。 ですから、おそらく最も重要で簡単なことは、金曜日の午後にあなたが選んだ飲み物を持って人々を集め、お互いに話し合うことです。 人々がそれについて話すのを聞くだけで、あなたはその分野に十分に精通することができるからです。

また、多くの場所で通勤しています。 また、データサイエンティストがマーケティングポッドキャストを聞いたり、マーケティング担当者がデータサイエンスポッドキャストを聞いて実際に語彙を聞き始めたり、回帰やロジスティック回帰、ランダムフォレストなどを聞いたりすることは悪いことではありません。 そして、人々は、ああ、これが何を意味するのか、またはこれらのそれぞれに異なるデータ型があるのか​​、どのように対処するのかをチームに尋ねる必要があると言うかもしれません。

これらの有意義な相互作用を開始する方法として、他の分野の語彙を実際にすべての人に聞いてもらうことができます。

MB：私はあなたがそれをどのように組み合わせるかが本当に好きです。 私は分析のバックグラウンドを持っていますが、マーケティングにも携わっています。 私にとっては、両方にさらされていたので、それは決して問題ではありませんでした。 しかし、ある分野で働いてきた多くの人々は、他の分野にさらされていません。

CP：その通りです。

MB：すばらしい。 間違いに関して、アナリストが犯す可能性のある最大の間違いは何だと思いますか？ 多分あなたはあなたが遭遇したあなたの経験から何かを共有することができますか？

CP：アナリストが犯す間違いに関して…これらは人間の問題ですよね？ ですから、一番の問題は、実際には前提バイアスです。 つまり、私は自分が探している結果を知っており、それを証明する必要があります。 いいえ。 その言葉は不思議です。 あなたが好奇心を持っているなら、あなたは好奇心がなく、正しい答えを見つけたくありません。 あなたはできるだけ早く答えを見つけたい、あるいはあなたはあなたがすでに持っている偏見、あなたがすでに判断した結果、そしてそれらは人間の問題であるということを正当化する答えを見つけたいですよね？ これらはテクノロジーに関連するものではなく、それを修正するソフトウェアはありません。 好奇心をそそるツールはありません。

ですから、それは私たちができる限り訓練し、何よりも雇わなければならないことです。 そして、あなたは好奇心のために雇うことができますよね？

私が以前行っていた面接の質問が1つあります。それはいつも楽しいと思っていました。そこでは、通常のトランプのデッキを取り、面接で人に渡しました。 これがトランプのデッキだと思います。 整理してください。 私はどんな種類の順序やそのようなものも指定しませんでした。 目標は、その人を見て、そのような指示にどのように反応するかを確認することです。 彼らはパニックになりますか？ そうではないかもしれません、私はそれを手に入れました。 整理します。 しかし、私はどの順序が欲しいかは言いませんでした。 繰り返しますが、彼らには前提バイアスがあり、それは悪いことです。 彼らは質問をしますか？ 彼らはいくつの質問をしますか？ 彼らが掘るとき、彼らはあなたをそれに押し付けますか？ それらはあなたが持ちたいと思う属性です。

MB：同じことについて、しかし別の観点から、インタビューの次の部分に移りましょう。 今日は流行語がたくさんあります。 誰もが企業がデータ主導であると話しているが、多くの企業がそれに成功しているわけではない。 なぜだと思いますか？ 分析やマーケティングに関して、企業を別のレベルに引き上げ、企業の成長とデータの使用を支援するために欠けているものはありますか？

CP：これは何よりも人間の問題です。

データ駆動型であるということは、最初にデータを使用して意思決定を行う必要があることを意味します。経験、知性、本能ではなく、これが私たちが常に行ってきた方法ではありません。

あなたはデータを見て行く必要があります、さて、これはデータが言っていることです、そして私たちはそれがどのように処理されたかに自信があるので、それに基づいて決定を下しましょう。

それには私のやり方を克服する必要があります—私たちがそれを呼ぶように、HIPPO問題[最高の支払われた人の意見]。 それは克服するのが難しいような文化的および人間的な問題であるため、データ駆動型になることは本当に、本当に難しいです。

エジソンリサーチの友人であるトムウェブスターがこれを言っている一番の理由は、誰かがデータ駆動型になるのを妨げているのは、データや分析を処理できず、嫌いな答えが返ってくるということです。

武道では、不快感を覚える必要があるという表現があります。つまり、部分的な回答、不完全な回答、決して持っていないデータの一部が欠落している、そしてそれでも可能であることに慣れている必要があります。ビジネスに影響を与える方法でデータを使用する。 人々が専門的な問題や特定のスキルを持っているわけではありません。 どんなスキルでも教えることができます。 問題は、その文化的変化を「はい、答えが気に入らなくても、答えがはっきりしていなくても、答えを使って決定を下す」と言うことができるかどうかです。

MB：それは文化の変化についてです。

CP：そうですね。

MB：この文化的変化について話しますが、どこから始めるべきかについて何かアドバイスはありますか？

CP：すでにそのようになっている企業のために働いてください。 派手に聞こえますが、それは人間的なものであるため、あなたが働いている会社のDNAがそのようになっていない場合、特にリーダーシップが受け入れられていない場合、そのピボットを行うことは非常に困難です。 、いいえ、これまでと同じように行います。 私たちの会社は126年の歴史があり、常にこのようにしてきました。 まあ、あなたは彼らの心を変えるつもりはありません。

最近、会議で誰かと夕食を食べていました。 そして、彼らは言った、私たちの会社は126歳であり、私たちのCEOは私たちがそれを1950年にしたいだけだと言いました。 人々が私たちの製品を購入して使用するだけで、このインターネット全体がなくなる1950年になれないのはなぜですか？ まあ、悪いニュース、それは起こらないだろう。 [笑い]

MB：それはかなり難しいです。 ここで簡単な話：私たちは長い歴史を持つ1つの会社と協力しています。 彼らは1908年に家業として設立され、それ以来ランジェリーを製造してきました。 そして、彼らはかなり大きくなりました。 現在、フランス、オランダ、英国、ドイツなどで販売されています。 そして、彼らは多くの実店舗を持っており、彼らは異なるチェーンを持っています。 ラグジュアリーセグメント、マスマーケットセグメントなどがあります。 そしてある時点で、彼らのeコマースチームが経営陣のところに来て、 「経費が増えているので、予算を増やす必要があります。売上を上げています。 そして彼らは言った、あなたは何を知っている、みんな、私たちが全体的な収入を見ると、あなたは5％しか責任がない。

そこで、eコマースチームが私たちのところに来て、オフラインでのオンライン購入の調査を考慮して、私たちが実際に会社の収益を増やし、より多くの数に影響を与えていることを証明するのを手伝ってくれませんか？ 私たちは彼らと一緒にプロジェクトを実行しました、そしてそれは良い5または6ヶ月かかりました。 しかし、結局のところ、彼らが収益のほぼ30〜35％を占めていることが判明しました。 そしてそれは彼らが何かをしていることを証明するのを助け、そしてそれは彼らが彼らの予算を増やすのを助けました。 しかし、ええ、取締役会と話し、数字を示し、この内面の感覚を変えようとするのにしばらく時間がかかりました。 まさにあなたが話していたこと。

CP：うん。 文化は厳しいです。 人々はタフです。

MB：それは私に別の質問をもたらします。 ハードスキルについての最初の質問に戻りたいと思います。 プラットフォーム、人、プロセスについて話していましたが、単純なPythonやダッシュボードの作成方法など、より技術的なものについてどう思いますか？ 多分統計？ 分析をより深く掘り下げたい人々にとって、最初に重要なことは何ですか？

CP：わかりました、それで私はこれについて少し怒りを持っています。 ダッシュボードは視覚化されています。 視覚化はデータ分析の重要な部分です。 そして、それ自体が芸術であるものの1つです。 あなたが言及したテクノロジー（SQL、Python、Rなど）は視覚化ツールではありません。 それらは計算ツールです。

そして、すべてのデータ分析、特にマーケティングにおける最大の罪の1つは、視覚化ツールにコンピューティングを行わせることです。

それは、自分のWebサイトのコードを作成し、コンテンツ、つまり視覚化を操作しようとする人々のようなものです。 あなたのスタイルシートとあなたのHTMLは理由のために別々です。 視覚化はコンピューティングとは別だからです。 SQL、Python、R、SPSS、OWOXなど、コンピューティングを実行し、それをうまく実行するために使用するものはすべて、視覚化に進む前にバックエンドですべてのデータ分析を提供できるようにする必要があります。

ダッシュボード（視覚化）があらゆる種類のコンピューティングを実行してはなりません。 データをブレンドしたり、データ操作を行ったりしないでください。 視覚化に入るすべてのデータは、そこに到達する前にすでに計算されている必要があります。

そうでなければ、この大規模なガバナンスの問題に遭遇するからです。 上司は何かに新しい変更を加える必要がありますが、そのデータポイントがどのようにしてそこに到達したのかはわかりません。 ですから、それを操作する方法がわかりません。 したがって、変更を加えることはできません。 上司に言わなければなりません。申し訳ありませんが、ここで何が起こるかを理解するためにスパゲッティを解くのに6週間かかります。

計算を視覚化とは別にして、上司が「ねえ、これが欲しい」と言った場合、 「すばらしい」と言います。計算レイヤーに移動し、スタジオをロードして、コードと計算ロジックを変更します。 そして、新しいデータポイントをプッシュするか、ポイントを変更します。 そして、それはうん、棒グラフ、新しい棒グラフにつながります、そこにあります。 また、変更をクリーンに保ち、バージョンを管理します。 また、すべてのデータ操作を、特に大規模に管理するのが非常に簡単になります。

あなたがオールインワンのマーケティングをしているなら、あなたはたぶん一人、一つの店、一つの道具のようなもので逃げることができます。 また、バージョン管理の問題に直面することはありません。バージョン管理の責任者はあなただけだからです。 しかし、あなたが去ったり解雇されたりすると、その会社は完全に困惑します。 そして、それは最悪の慣行です。

分析部門とマーケティング部門に複数の人がいる大企業の場合は、コンピューティングと視覚化を別々に保つ必要があります。 そうしないと、データがどこにあり、誰がデータを担当しているかを把握しようとするだけで、多くの時間とお金を浪費することになります。

もう1つは、GDPRやCCPA、その他の規制に準拠するために非常に重要なことです。視覚化と計算を組み合わせると、アクセス制御の問題が発生します。 誰がデータにアクセスできるかについて境界を作成できないという問題があります。つまり、データが漏洩する可能性があり、特定のデータソースにアクセスするべきではない従業員にデータを公開する可能性があります。

コンピューティングが個別に管理および処理される場合、それを制限して視覚化チームに伝えることができます。許可されているすべての情報を視覚化できます。機密性の高い個人情報が視覚化チームに渡されて保持されることはありません。それらから安全です。 人々がこのようなものを分離してきれいに保つためにそれをすることはとても重要です。

では、視覚化を担当するアナリストはそれらの言語を知る必要がありますか？ 絶対違う。 計算担当者は知る必要がありますか？ 100パーセントはい。

MB：ここには大きなポイントがあります。 既製のデータセットを視覚化し、計算フィールドがない場合のアプローチが本当に気に入っています。

そして、私がすでに尋ねた1つの質問をクリアしたいと思います。 ビジネスのさまざまな段階、またはさまざまな規模のビジネス、またはさまざまな規模で運営されているビジネスがあります。 さまざまな角度から見ることができます。 SMB、SME、エンタープライズ—これらはすべて、分析チームに対して異なる要件を持っているか、少なくともそのように見えます。 どう思いますか？ さまざまなタイプの企業のアナリストの要件に違いがあると思いますか？

CP：基本的に、マーケティングでは誰もが同じ目標を持っています。それは収益の促進を支援することです。 右？ マーケティングでのあなたの目標が収益の促進を助けることではない場合、私はあなたがマーケティングで何をしているのかわかりません。 しかし、あなたがしていることが何であれ、あなたはそれを間違ってしているのです。 なぜなら、結局のところ、それが私たちの責任であり、インパクトを生み出すことです。 何が起こるかというと、やるべきことが違うということではありません。 会社の規模が大きくなるにつれて、タスクはより専門的になります。 あなたが小さな会社での一人のショーであるとき、あなたはおそらくウェブデザイナー、電子メールの男またはギャル、アナリスト、統計家、カスタマーサービスの人です。

あなたが成長するにつれて、あなたは雇います。 そして、あなたが雇うとき、あなたは専門にします。 個々のタスクを分割し始めます。 そして、各タスクには、独自のレポートと独自のデータ、独自の視覚化があります。 そして、結局のところ、企業が最も頻繁に間違っているのは、これらの専門分野のすべてが、特に企業において、誰もが持っているのと同じ目標を達成しなければならないという事実を見失うことです。ビジネスへの影響を促進しましたか？ 私たちは会社がお金を稼ぐ、お金を節約する、または時間を節約するのを助けますか？ 顧客を増やしますか？ これらすべてのもの。

したがって、あなたの会社がライフサイクルのどこにあるかに応じて、あなたが賢明なアナリストである場合、あなたの役割は、その全体像の目標に貢献する私が何をしているのかを尋ねることです。 私のKPIは個人的に何ですか？ 私の個人的なKPIは部門のKPIと一致していますか？ 彼らはビジネスと一致していますか？ 私がすべての講演で使用している定義は、MAICON会議[マーケティング人工知能会議]で聞いたものですが、KPIは、ボーナスを獲得するか解雇されるかを決定する数値ですよね？ それはKPIです。 それが数字であり、ボーナスを獲得したり、それに対して解雇されたりしない場合、それはメトリックです。

それで、その観点から見ると、あなたが取り組んでいる、あなたのチームが取り組んでいる、あなたの部門が取り組んでいる、あなたの会社が取り組んでいるKPIは何ですか？ そして、あなたはそれらの数字を見ます、そして時々それらは意味をなさないでしょう。 その場合、アナリストとしてのあなたはそれを認識し、旗を掲げて、「みんな、これがビジネスに影響を与えるかどうかはわかりません」と言う必要があります。 そして、会社があなたがまだそれをしなければならないと言ったら、それはあなたがあなたのLinkedInプロフィールを更新し始めるときです。 企業が無意味なKPIに取り組んでいる場合、それらは廃業することになります。 それは時間の問題です。

MB：念のために言っておきますが、すべての人の目標は収益であるため、中小企業と大企業のアナリストの要件に違いはありません。

CP：ええ、収益とビジネスへの影響—会社がお金を稼ぐ、お金を節約する、または時間を節約するのを手伝っていますか？ これらは、誰もが必要とし、すべてのビジネスが必要とする3つの機能です。 それは私たちが10千年の間話していたのと同じことです：より良く、より速く、より安く…誰もがそれを望んでいます。 では、ビジネスをより良く、より速く、より安くするために何をしているのでしょうか。

CP：うん。 そして、これは今日の機械学習とAIにおける最大の問題の1つです。箱の中で何が起こっているのかを知るだけでなく、それを解釈して説明します。

説明可能性は、モデルが何をしたかについての事後説明です。これは、このことが通過し、これらのことが通過しなかったためです。 GDPRのような規制を見ると、それだけでは十分ではありません。 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, それをありがとう。 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, 物語の終わり。 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. 強くお勧めします。

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!

わお！ 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!