디지털 분석의 상태에 대한 OWOX BI 연구: Simo Ahava 인터뷰

Go Analytics에서 영감을 주는 연설을 한 후 Simo Ahava를 인터뷰할 좋은 기회를 가졌습니다! 2019년 디지털 분석 현황에 대한 연구의 일환으로 컨퍼런스를 개최합니다.

Simo Ahava는 유능한 분석가이자 건강한 커뮤니케이션 구조를 만드는 데 전문적인 컨설팅 회사인 8-bit-sheep의 공동 설립자입니다. 따라서 그는 효율적인 분석을 개발하는 방법에 매우 익숙합니다.​우리는 마케터나 분석가가 흥미를 가질 만한 여러 질문에 대해 논의했습니다. 다음 카테고리로 분류됩니다.

모든 질문은 비즈니스 개발 임원인 Mariia Bocheva(매일 회의에서 Simo의 블로그를 큰 소리로 인용하는 것을 좋아함)가 준비하고 질문했습니다. :)

분석을 구현할 때 어떤 어려움이 있으며 시장의 전반적인 발전을 어떻게 평가하시겠습니까?

가장 큰 어려움은 각 도구의 가능성과 한계를 이해하는 것입니다. 시장에 나와 있는 모든 단일 도구에는 어느 정도 블랙박스가 있습니다. 나는 이러한 도구가 작동 방식을 숨기고 있다는 뜻이 아니라(일부는 의도적으로 그렇게 하지만) 조직의 프로세스에 이러한 도구를 통합하는 것이 매우 예측 불가능할 수 있다는 것을 의미합니다.

나는 또한 얼마나 많은 새로운 서비스가 일을 "더 빠르게" 만들기 위해 노력하는지에 대해 우려하고 있습니다. 마치 속도는 본질적으로 모든 기업이 따라야 하는 어떤 미덕인 것처럼. 빠르게 하는 것은 종종 주의 를 요하는 대가를 치르게 되며, 매우 오도할 수 있는 결과를 낳기 위해 정말로 빠른 일을 할 위험이 항상 있습니다.

태그 관리 솔루션과 같은 도구가 개발자 세계의 신비를 풀어주기 때문에 기술 스택에 대한 전반적인 지식과 이해가 향상되었다고 생각합니다. 대단합니다. 앞으로도 계속되기를 바라는 추세입니다. 마찬가지로 클라우드 서비스에 대한 접근성과 경제성이 높아짐에 따라 자동화 및 데이터 엔지니어링에 대한 관심이 높아졌습니다.

분석가가 마케팅에 더 큰 영향을 미칠 수 있는 방법은 무엇입니까?

마케팅 팀에 어떻게 유용할 수 있습니까?

분석가는 마케팅에 영향을 미칠 필요가 없습니다. 데이터가 그렇습니다. "분석가"는 역할에 대한 설명일 뿐이며, 개인적으로 "분석가"라는 레이블이 붙은 사람이 조직의 강력한 힘이 되는 것은 거의 해롭다고 생각합니다. 분석가를 고용하자마자 모든 "데이터 항목"을 위임할 사람을 찾았습니다.

분석가는 데이터로 작업하기 때문에 그들의 역할은 다른 팀을 초월해야 하며 조직의 다른 부분을 연결하는 다리 역할을 해야 합니다. 그런 식으로 그들은 개별 데이터 크런처보다 스크럼 마스터 및 제품 소유자와 더 유사합니다.

현재 어떤 분석 과제가 있습니까?

저는 분석적인 문제 자체에 직면하지 않지만, 제가 작업하는 도구와 이러한 도구를 사용하여 조직이 데이터를 더 잘 이해할 수 있도록 돕는 방법을 이해하는 것은 끊임없는 도전입니다.

동시에 조직이 자신의 결점을 더 잘 인식하도록 하는 방법에 대해서도 도전을 받고 있습니다. 분석 또는 실제로 모든 디지털 분야에 대한 가장 큰 도전은 과장이나 과장 없이 분석을 조직의 프로세스에 통합하는 방법입니다. 많은 회사가 "데이터 중심" 또는 "디지털 우선"이 되기 위해 노력합니다. 이는 매우 빠르게 최고의 도구를 찾는 것으로 바뀌지만 실제로 이러한 조직은 여러 분야의 팀을 구축하고 서비스 디자인에 대한 보다 민첩한 접근 방식에 집중해야 합니다. , 그리고 어떤 도구가 이 모든 작업을 수행하는지 파악하기 전에 해결해야 하는 비즈니스 질문과 문제에 대한 이해도가 높아졌습니다.

분석가와 마케팅 팀 간의 잘못된 의사 소통이 일반적이라고 생각하십니까? 그렇다면 이를 극복하는 방법에 대한 권장 사항이 있습니까?

조직 내에서 두 사람 사이의 잘못된 의사 소통만큼이나 흔한 일입니다. 잘못된 의사 소통을 해결하는 방법? 더 나은 소통으로 :)

조직의 강력한 커뮤니케이션 구조에 전적으로 의존하는 스크럼과 같은 애자일 방법론에서 배울 것이 많습니다. 커뮤니케이션에 문제가 있다고 판단되면 일일 회의, 백로그 정리, 회고 세션, 데모 등 커뮤니케이션을 위한 새로운 설정과 컨텍스트를 도입하여 문제가 존재하는 이유를 찾고 해결하는 것이 절대적으로 필요합니다.

기업을 데이터 중심으로 만들기 위해 분석가와 마케팅 전문가가 놓치고 있는 지식은 무엇입니까?

나는 그들이 대부분 두 가지를 놓치고 있다고 생각합니다.

1. 그들은 회사가 데이터 중심적이어야 한다고 생각합니다
2. 주변 사람들의 동의와 신뢰

"데이터 기반"과 같은 용어를 사용하면 변화를 추진하기 어렵습니다. 회사는 데이터, 직관, 전문 지식, 인력 자원 등이 혼합되어 운영됩니다. 변화를 주도하는 것은 없습니다.

회사에서 발판을 찾기 어려운 또 다른 이유는 하는 일에 대한 신뢰가 부족하기 때문입니다. 이것은 통신 문제입니다. 따라서 이전 질문에 대한 내 답변을 참조하십시오. :)

노력을 투명하게 함으로써 동의와 신뢰를 얻을 수 있습니다. 사무실 전체에 큰 대시보드를 추가하고, 데모 및 스프린트 회의에서 데이터를 토론의 초점으로 만들고, 제품 또는 서비스에 수행된 모든 작은 일에도 결과가 있음을 모두에게 알리십시오. 측정 가능한 영향.

커뮤니케이션 문제에 대한 Simo Ahava의 생각에 대해 더 자세히 알아보려면 그의 프레젠테이션을 다운로드하여 Go Analytics의 라이브 공연을 들으면서 읽으십시오! 회의.

마케팅 분석의 미래는 무엇이라고 생각하십니까?

어떤 트렌드가 올 것으로 보고 있으며 수요가 높은 것은 무엇입니까?

미래가 암울하다고 생각합니다. 브라우저 및 앱 공간의 제한(Safari의 퍼스트 파티 쿠키 억제, 광고 및 콘텐츠 차단 등), 개인 정보 보호 중심 설계에 대한 수요 증가, 장기적으로 신호 데이터의 비신뢰성 모두가 피어링을 어렵게 만듭니다. 미래로.

저는 마케팅 분석이 단일 공급업체 접근 방식(예: Google Analytics)에서 보다 전체적인 데이터 파이프라인으로 계속 전환될 것이라고 확신합니다.

오늘날 시장에 어떤 기회가 있습니까?

판매업자, 조직, 개인, 국가, 정치인, 입법자, 인간이 일반적으로 어리석은 일을 하고 있습니다. 이 모든 것이 마케팅을 포함한 디지털 분야의 불확실성에 기여합니다. 우리는 그것을 액면 그대로 받아들이고 점점 더 제한된 공간에서 계속해서 고군분투하거나, 사일로를 돌파하고 마케팅 분석을 단일 분야가 아니라 회사가 실현할 수 있는 더 넓은 스펙트럼의 가능성으로 생각하기 시작할 수 있습니다. 데이터로.

마케팅은 제품 및 서비스 디자인과 밀접하게 연결되어 있습니다. 조직에 회사가 실제로 생산하는 일상적인 메커니즘에 관여하지 않는 전담 마케팅 팀이 있다면 그것은 문제입니다. 유사하게, 조직이 여전히 최상의 도구를 찾는 것이 모든 문제에 대한 해결책이라고 믿는다면 그것은 문제입니다.

개인적으로 가장 큰 문제는 한 번도 사라지지 않은 문제인 소통의 실패라고 생각합니다. 가장 작은 버그에서 가장 큰 PR 재해에 이르기까지 조직이 직면할 수 있는 모든 문제는 항상 두 명 이상의 개인 간의 커뮤니케이션 문제로 거슬러 올라갈 수 있습니다. 이러한 커뮤니케이션 문제를 수정하는 것이 조직을 수정하는 열쇠이고 조직을 수정하는 것이 더 건강한 시장을 만드는 열쇠입니다.

오늘날 분석가에게 가장 중요한 하드 스킬 은 무엇입니까? 분석가는 SQL, Python 및 R을 알고 Data Studio, Tableau, QlikView 등과 같은 가장 일반적인 시각화 도구에서 대시보드를 구축해야 합니까?

분석의 기준은 여전히 ​​수행하려는 분석 유형에 따라 크게 좌우된다고 생각합니다. 기술에 대한 기대치를 설정하는 문제는 사람들이 해당 분야에서 작업을 시작하도록 초대하기보다는 독점성을 생성한다는 것입니다. 분석 영역에 들어가고 프로그래밍 언어나 외부 시각화 도구에 대한 경험이 없을 때 할 수 있는 일은 상당히 많습니다. 그러나 진행하면 요구 사항이 더 구체적이 됩니다.​

• 웹 분석의 경우 브라우저 스택에 대한 이해가 가장 중요합니다.
• 대규모 데이터 세트로 작업하는 모든 사람에게 SQL은 필수입니다.
• Python vs. R은 항상 논의되는 주제이지만 분석 분야에서 일하고 싶다면 둘 다 필요하지 않다고 생각합니다.

하지만 어쩔 수 없이 선택해야 한다면 데이터 분석의 영역을 넘어선 확장성 덕분에 Python을 선택할 것입니다.

훌륭한 분석가가 갖추어야 할 소프트 스킬 은 무엇입니까?

그들이 일하는 비즈니스 환경에 대한 공감, 주변의 변화에 ​​적응하기 위한 빠른 반사신경, 사일로를 강화하기보다는 건너편에서 일할 수 있는 다리를 만드는 사고방식, 새로운 것을 배우고자 하는 끝없는 갈증.

가장 중요한 능력은 커뮤니케이션입니다. 데이터는 해당 데이터가 생성되는 조직의 사람들이 의사 소통에 실패하면 정말 고통받는 것들 중 하나입니다. 데이터는 조직의 청사진이며, 그 어느 컨설턴트보다 더 정직하게 조직의 결점을 드러낼 수 있습니다.

분석가가 저지를 수 있는 가장 큰 실수는 무엇입니까?

분석 실수 중 일부를 공유할 수 있습니까?

내 생각에 데이터 작업을 하는 사람이 범할 수 있는 가장 큰 실수는 실패한 가설을 뒷받침하기 위해 메트릭을 의도적으로 잘못 해석하거나 오용하는 것입니다. A/B 테스트를 시작하거나 Google Analytics를 이제 막 구현한 성숙도가 낮은 조직에서 이러한 현상을 자주 봅니다. 그들은 «자명한» 가설을 지원하도록 변환을 구성하고 직관적으로 옳다고 생각하는 것과 반대되는 테스트 결과를 의도적으로 수용하지 않습니다.

예를 들어 사이트 참여를 설명하기 위해 이탈률과 같은 간단한 것을 사용하는 경우에도 동일한 사고 방식을 볼 수 있습니다. 광범위한 사용자 지정이 없고 이러한 모든 참여 활동을 이탈 방지 이벤트에 매핑하는 일관된 구현 전략이 없으면 이탈률은 종종 잘못된 결론으로 ​​이어질 수 있는 피상적이고 얕은 메트릭입니다.

컨설턴트로서 내 자신의 실수는 종종 위에서 설명한 두 가지와 관련이 있습니다. 좋은 결과를 빠르게 생성할 수 있어야 하는 경우 분석의 «간편함»에 휩쓸리기 쉽습니다. 제가 할 수 있는 최선을 다해 피하려고 하지만 데이터에 대해 완전히 공정하게 대하는 것은 종종 매우 어렵습니다. 나는 클라이언트의 사업에 감정적으로 너무 투자하지 않는 경우에 공정한 것이 더 쉽다는 것을 알았습니다. 그런 경우에는 잔인하게 정직하고 조직이 사고 방식을 바꾸도록 설득하려고 노력하는 것이 더 쉽습니다.

우리는 Simo의 모든 답변에 진심으로 감사하며 그의 모든 말에 서명할 준비가 되어 있습니다. 지난 20년 동안 데이터 바다의 해류는 더 빠르게 움직이기 시작하여 일부 보트를 부수기까지 했습니다. 적절한 도구를 갖추고 데이터를 자세히 살펴보는 것도 중요하지만 더 중요한 것은 진정으로 헌신적인 팀을 보유하는 것입니다.

우리는 Simo에 전적으로 동의합니다. 우리는 매일 CMO, 마케팅 담당자 및 분석가가 데이터 수집, 정렬, 보고 및 시각화를 단순화하여 회사에서 새로운 수준의 데이터 분석을 달성할 수 있도록 서비스를 제공하고 있습니다.

그러니 계속 연락합시다! 블로그를 구독하여 디지털 분석 현황에 대한 연구의 다음 인터뷰를 읽고 최고의 분석가의 경험을 귀하의 비즈니스에 적용하십시오.

시모에게 무엇에 대해 물어볼까요? 아래 의견에 알려주십시오!