Danny Mawani Holmgaard와의 인터뷰

우리는 OWOX의 제품 관리자인 Yulia Tkachova에게 Impact Extend의 ​​수석 분석가인 Danny Mawani Holmgaard에게 연락해 달라고 요청했습니다. 그들이 다룬 주제의 짧은 목록은 다음과 같습니다.

Yulia Tkachova: 친해지자! 자신과 경험에 대해 알려주십시오.

Danny Mawani Holmgaard: 저는 디지털 마케팅 대행사 Impact Extend의 ​​수석 분석가입니다. 저는 Google Analytics 뿐만 아니라 데이터 엔지니어링, 데이터 파이프라인 설정, 온라인 및 오프라인 데이터 통합, 데이터 모델 구축 등의 작업을 수행합니다. 저는 데이터를 결합하고 분석하여 전략적으로 활용하여 올바른 경로에 있는지 또는 변경해야 할 사항이 있는지 보여주고 운영상 데이터가 올바른 시스템에 있는지 확인하여 조치를 취할 수 있도록 합니다.

YT: 마케팅 분석을 어떻게 다루기 시작하셨나요?

DH: 실제로 우연히 이 진로를 알게 되었습니다. 처음에는 디지털 컨셉 디자인을 공부하고 있었고 웹 디자이너가 되고 싶었습니다. 저는 재미로 학교 프로젝트 중 하나에 Google Analytics를 추가했는데 갑자기 비즈니스 결과를 개선하면서 디자인 선택에서 사용자에게 더 나은 경험을 제공하는 것에 이르기까지 전체 전략적 프로세스에 얼마나 많은 영향을 미칠 수 있는지 깨달았습니다. 한 일이 다른 일로 이어졌고 저는 지난 6년 동안 데이터 작업을 해왔습니다.

YT: 자신의 역할에서 가장 마음에 드는 점과 가장 아쉬운 점은 무엇인가요?

DH: 저는 새로운 프로젝트와 처음부터 솔루션을 설계하는 것에 대해 정말 흥분합니다. 이는 필요한 데이터 소스의 범위를 지정하는 것에서 다른 데이터베이스 및 API에 연결하는 코드를 작성하는 것까지를 의미합니다. 내가 정말 좋아하는 다른 영역은 우리의 노력이 실제로 고객에게 필요한 정보를 제공함으로써 실제로 영향을 미치고 있다는 것입니다(말장난 의도).

내 작업에서 가장 "재미있는" 부분은 문제가 발생하여 수정해야 할 때 발생합니다. 추적할 수 없는 이벤트가 발생한 후에는 데이터를 얻는 것이 매우 어려울 수 있습니다. 불행히도 데이터를 수집할 때 잘못될 수 있는 모든 것을 예측하는 것은 불가능합니다. 이는 배포가 잘못되었거나 시스템에서 설정을 잘못 구성한 사람에 이르기까지 다양합니다. 당신이 할 수 있는 최선은 데이터에 대한 모니터를 설정하고 가끔 봄 청소를 하여 좋은 성능을 유지하고 실수로부터 배울 수 있도록 하는 것입니다.

YT: DH: 데이터를 실행 가능하게 만드는 것은 우리가 모든 고객을 위해 달성하고자 하는 것입니다. 저에게 실행 가능한 데이터는 모든 채널에서 고객의 평생 가치를 계산한 다음 마케팅 자동화 시스템에서 사용하고 비용을 기반으로 광고에 입찰하는 것과 같이 복잡한 것이든 조직 내에서 적극적으로 취하여 사용할 수 있는 정보입니다. 제품의 마진 및 판매 확률, 또는 관련 리타게팅을 수행하는 데 도움이 되는 Google Analytics에서 잠재고객을 생성하는 것과 같이 간단한 것입니다. 대체로 데이터를 실행 가능하게 만드는 것은 전환을 유도하거나 더 나은 사용자 경험을 제공하기 위해 수집한 정보를 활용하여 사용자가 수행한 작업을 기반으로 동적으로 변경할 수 있도록 하는 것입니다.

YT: 데이터를 실행 가능하게 만들기 위해 제안하는 기술과 소프트웨어는 무엇입니까?

DH: 그것은 주로 팀의 자원과 야망에 달려 있습니다. 가장 중요한 것은 달성하려는 목표를 찾고 목표를 설정하는 것입니다. 데이터를 실행 가능하게 만들기 위해 대규모 데이터 세트로 작업하거나 고급 통계 프로그래밍을 수행할 필요가 없습니다. 간단하게 시작하고 거기에서 빌드하십시오. 분석 데이터가 올바르게 측정되었는지 확인하는 것부터 어떤 제품에서 손실을 보고 있는지 알아보기 위해 환불 또는 비용 데이터를 업로드하는 것까지 무엇이든 가능합니다.

일반적으로 현재 사용 가능한 데이터를 사용하고 작게 시작하십시오. 조직에서 처리하기 전에 너무 큰 프로젝트를 시작하면 실패할 수 있는 프로젝트에 귀중한 팀 리소스를 낭비할 위험이 있습니다. 제 생각에 가장 중요한 소프트 스킬은 비즈니스를 추진하는 데 사용할 수 있는 데이터에 대해 호기심과 창의력을 발휘하는 능력입니다. 모든 기술적 조치는 전략적으로 적용할 수 없으면 유용하지 않기 때문에 두 번째입니다.

YT: 데이터에 대한 작업을 수행할 수 있는 도구는 어떻습니까?

DH: 제품에 대한 지출을 줄이고 고객이 전략 및 실행을 위해 리소스를 할당할 수 있도록 하기 위해 Google Cloud Platform을 사용하여 ETL [추출, 변환, 로드] 프로세스를 직접 구축했습니다. 따라서 저렴한 비용으로 쉽게 확장할 수 있습니다. 우리는 주로 데이터 프로세스에 R, Python 및 SQL을 사용하지만 깔때기와 같은 몇 가지 공급업체를 사용하여 도움을 주기도 합니다. io 및 OWOX는 광고 플랫폼의 많은 데이터 커넥터를 즉시 저렴한 비용으로 처리할 수 있기 때문입니다.

우리와 같은 설정을 구축할 때의 단점은 대규모 데이터 세트를 처리할 수 있는 효율적인 모델과 생산하기에 충분한 품질이 있다고 생각되는 고급 통계 모델을 구축하는 데 오랜 시간이 걸린다는 것입니다. 저는 Azure Databricks, Alteryx 및 기본 제공 기능으로 많은 데이터 엔지니어링 작업을 줄일 수 있는 유사 제품과 같은 ETL 도구의 열렬한 팬입니다. 그러나 이러한 도구는 매우 고가일 수 있으며 결과를 생성하려면 여전히 많은 노하우가 필요합니다. 고가의 도구를 사용하려는 경우 예산을 낭비하는 대신 수익을 제공할 수 있도록 적절하게 활용하는 것을 잊지 마십시오.

YT: 며칠 전, 우리 둘 다 마케터가 돈을 낭비하는 이유에 대한 Mikko Pippo의 게시물을 좋아했습니다. Mikkos의 체크리스트에 추가할 것을 권장하는 다른 사항이 있습니까? 마케팅 담당자가 예산을 낭비하는 이유는 무엇이며 이를 방지할 수 있는 방법은 무엇입니까?

DH: Mikko는 내가 아는 더 똑똑한 사람 중 한 명입니다. 그를 팔로우하고 있지 않다면 팔로우하는 것이 좋습니다. 내가 그의 게시물에 추가 정보를 제공할 수 있다면 고객 충성도 포인트, 환불 또는 고객 세그먼트에 대한 데이터와 같이 이미 보유하고 있는 데이터를 보강하고 강화하는 것입니다. 분석 설정에 클라이언트, 사용자 또는 트랜잭션 ID가 있으면 수행하기가 매우 쉽습니다.

사람들이 데이터 수집에 대한 적절한 근거가 없거나 그들이 보유한 데이터를 사용하지 않는 이유는 Mikko가 말했듯이 교육 부족입니다. 데이터가 당신을 위해 무엇을 할 수 있는지 모르거나 숫자가 조직에서 어떻게 보여야 하는지 모른다면 아무것도 하기가 매우 어렵습니다.

분석은 무섭고 다루기 어려울 수 있습니다. 대부분의 경우 데이터와 함께 앉아 있는 사람들이 데이터를 사용하기를 원하지 않는 것은 아닙니다. 그것은 주로 그 사람이 자신의 능력을 확장할 시간이 없는 것에 대한 질문입니다. 따라서 데이터에 액세스할 수 있는 사람들이 분석을 사용하는 방법을 배우거나 비즈니스 결정을 내리는 사람들을 지원할 외부 기관을 찾을 수 있는 환경을 구축하는 것은 조직의 몫입니다.

YT: 진정한 데이터 기반 전문가가 되고자 하는 마케터에게 조언을 해주신다면?

DH: 확실히 작게 시작하세요. 통계의 기초를 배우고 기본적인 Excel을 할 수 있으면 멀리 갈 수 있습니다. 기본 데이터 세트로 작업하고 데이터를 결합하는 데 익숙해지면 가장 적합한 방식으로 확장할 수 있습니다. 나는 새로운 것을 배울 때 항상 현재 프로젝트와 일치시키려고 노력하고 그것을 하면서 내 작업을 향상시킬 새로운 것을 배우려고 노력합니다. 저는 R로 통계 프로그래밍을 시작했습니다. 왜냐하면 저는 매달 같은 일을 하기 때문에 며칠이 걸렸습니다. 새로운 것을 배우면서 나는 이것을 1시간으로 줄였다. 여기서 언급하고 싶은 한 가지는 프로젝트 범위를 초과하는 것을 두려워해서는 안 된다는 것입니다. 무언가를 배우는 데 보내는 시간이 프로젝트의 총 이익을 감소시킨다 하더라도, 배우는 모든 것을 다음 프로젝트에 적용할 수 있습니다. .

여기서 마지막 조언은 길을 선택하라는 것입니다. 잘하고 싶다면 아무 것도 할 수 없습니다. 나는 비즈니스 인텔리전스 책임자만큼 통계에 능숙하지 않으며 그는 나만큼 데이터 엔지니어링에 능숙하지 않기 때문에 우리는 정의된 역할을 가지고 있지만 여전히 기본 작업에서 서로를 지원할 수 있습니다. 성공하려면 협업이 중요하며 부서 확장을 돕기 위해 외부에서 사람을 고용하는 것은 결코 나쁜 일이 아닙니다.

YT: #measure 커뮤니티에서 가장 큰 영감을 받은 사람은 누구인가요? 우리 블로그에서 공유할 가치가 있는 의견을 가진 전문가를 태그할 수 있습니까?

DH: Mark Edmonson은 확실히 매일 저에게 영감을 주는 사람입니다. 그는 커뮤니티에 많은 것을 제공하고 항상 도움이 되며 전 세계의 분석가가 Google Cloud 플랫폼을 사용할 때 작업을 개선하는 데 도움이 되는 훌륭한 솔루션을 계속 만들고 있습니다.

YT: 분석가가 가장 좋아하는 이벤트 5개는 무엇인가요?

DH: 여기 있습니다:

• 측정캠프
• 슈퍼위크
• 마케팅 분석 서밋
• 웹 분석 수요일
• 분석하다!

YT: 분석가를 위한 상위 5개 블로그 또는 기타 출처의 이름을 말씀해 주시겠습니까?

DH: 기쁘게:

• 마크 에드먼슨의 블로그
• 시모 아하바의 블로그
• CXL 블로그
• 분석 매니아
• 제팔리틱스

… 어쩌면 제 블로그일 수도 있습니다 ;) #measureslack 및 Google 태그 관리자 Facebook 그룹과 같이 언급하고 싶은 좋은 리소스가 너무 많습니다. 분석 커뮤니티의 가장 좋은 점은 사람들이 훌륭한 솔루션을 공유하기를 열망한다는 것입니다.

YT: 분석에서 어떤 경향을 관찰하고 어떤 경향이 미래에 지속되고 발전할 것입니까?

DH: ITP(Intelligent Tracking Prevention)를 사용하지 않으면 정확한 데이터를 수집하기 어렵기 때문에 서버 측 추적은 조직 전반에 걸쳐 사람들이 구현하기 시작할 것임이 분명합니다. ITP의 관점에서 나는 이것에 대해 약간 양가적입니다. 한편으로 ITP는 사용자의 개인 정보를 보호하는 데 큰 역할을 합니다. 개인적으로 사용자는 기업과 공유하고 싶은 정보에 대해 항상 선택권이 있어야 한다고 생각합니다. 다른 한편으로 이는 자동 로그인 및 개인화와 같은 일부 사이트 기능이 의도한 대로 작동하는 것을 방해하기도 합니다.

더욱이 ITP는 사람들이 이전에 실제로 했던 것보다 더 많은 정보를 제공하도록 강요하는 해결 방법을 회사로 만드는 결과를 초래할 수 있다고 생각합니다. 예를 들어 사용자가 웹사이트 탐색을 진행하기 전에 로그인하도록 하거나 사이트에서 동의하지 않는 사용자에 대한 액세스를 거부할 수 있습니다. 현재 ITP 상황에서는 사용자나 기업 모두에게 최적의 상황은 아니라고 생각합니다. 세계는 여전히 좋은 경험을 제공할 수 있는 동시에 법률을 준수하는 측면에서 가파른 학습 곡선에 있습니다. 과연 어떤 활약을 보여줄지 기대됩니다.

찾아야 할 또 다른 사항은 App+Web 분석 플랫폼입니다. 아직 초기 단계이지만 발전함에 따라 구현하고 구축하는 것이 좋습니다. 그렇게 하면 필요할 때 플랫폼의 기능을 사용할 수 있습니다. 또한 무료 BigQuery 내보내기와 같은 멋진 기능이 많이 제공됩니다.

YT: 분석가로서의 경력을 시작할 때와 비교하여 일상 업무에서 어떤 새로운 도전에 직면합니까?

DH: 제 역할은 처음부터 끝까지 지원하는 역할에서 끝까지 프로젝트를 주도하는 것까지 많이 바뀌었습니다. 이전에는 보고서에 올바른 측정항목이 표시되고 추적이 올바르게 설정되었는지 확인하기 위해 작업 방식을 이해하고 최선을 다하는 것이 어려웠습니다.

오늘날 저는 이러한 일을 수행하는 방법을 알고 있으며 고객이 데이터 수집의 이점을 이해하고 조직에서 해당 정보를 적극적으로 사용하도록 밀어붙이기 때문에 전략을 전달하는 데 어려움이 많습니다. 간단히 말해서, 저는 저에게 할당된 구현 및 보고 작업을 실행하는 것에서 데이터가 어떻게 흘러야 하는지에 대한 전략과 "이유"를 주도하는 것으로 이동했습니다. 전략을 이해하고 추진할 수 있기 전에 많은 수고를 하는 것이 중요하다고 생각합니다.

분석가로 발전하고 기술을 개발하기 전에 기본 사항을 마스터하고 모든 것이 어떻게 연결되어 있는지 이해해야 합니다.

YT: Google Analytics 또는 Adobe?

DH: 저는 개인적으로 Google Analytics를 더 많이 사용합니다. 모든 사람이 더 많이 사용할 수 있고 훌륭한 API를 가지고 있기 때문입니다. 그러나 Adobe는 데이터를 분석하는 정말 멋진 방법을 제공하는 강력하고 안정적인 제품을 가지고 있으며 규정 준수 측면에서 더 강력한 제품이라고 생각합니다.

YT: 데이터 스튜디오, Tableau 또는 Power BI?

DH: R의 ShinyDashboards를 사용하는 것을 좋아합니다. 원하는 모든 유형의 그래프로 원하는 모든 것을 동적으로 구축할 수 있기 때문입니다. 또한 값비싼 라이선스가 필요하지 않습니다(호스팅된 솔루션을 사용하지 않으려는 경우).

솔직히 말해서 위에서 언급한 모든 도구에는 대단한 것이 있다고 생각합니다. Data Studio는 무료이며 빠르고, PowerBI는 저렴할 수 있으며 즉시 사용할 수 있는 많은 훌륭한 시각화 기능을 제공합니다. Tableau에는 조직 내에서 데이터를 탐색하고 분석하는 사람이 많을 때 유용한 몇 가지 정말 멋진 공유 기능이 있습니다.

YT: AppsFlyer 또는 FireBase?

DH: 저는 여기에 대해 엄격한 의견을 갖고 있지 않습니다. 그러나 APP+Web의 개발은 현재 FireBase를 흥미롭게 만들고 있습니다.

분석가에게 성공의 열쇠는 인내와 처음부터 시작할 준비입니다. 분석에 집중하고 설득력을 유지하는 데 도움이 되는 이 간단한 조언에 대해 Danny에게 감사드립니다.

이 인터뷰가 마음에 드셨거나 Danny에게 질문이 있으시면 아래에 댓글을 남겨주세요! 블로그를 구독하여 분석 세계에서 더 유용한 강연과 기사를 받아보는 것을 잊지 마십시오.