Granie w cyfrową Jengę za pomocą nowoczesnych analiz marketingowych: wywiad z Christopherem Penn

Dzisiejszy wywiad z Christopherem Pennem, głównym naukowcem ds. danych i współzałożycielem Trust Insights, wywołał szum, zanim został opublikowany. Więc weź trochę popcornu lub filiżankę gorącej herbaty i przeczytaj ten artykuł na temat analityki i analityków, nowoczesnego martechu i tego, dokąd wszystko zmierza.

Jak zawsze, dzięki Marii Bochevej, która przeprowadziła tę wspaniałą rozmowę z Krzysztofem.

Źródło: oficjalna strona Christophera Penna na Facebooku

Przejdź od razu do interesujących miejsc tutaj:​

Mariia Bocheva: Czy możesz dać nam krótkie wprowadzenie o sobie?

Christopher Penn: Moje doświadczenie było w IT. Jestem magistrem zarządzania systemami informatycznymi. Zacząłem pracę w startupie świadczącym usługi finansowe na początku 2000 roku. Aktualizacja serwera WWW zmieniła się w aktualizację witryny, a wprowadzenie poprawek e-maili stało się wysyłaniem biuletynu e-mail.

W tamtym czasie marketing stał się technologią marketingową. Następnie, pod koniec 2000 roku i na początku tej dekady, przeniosłem się do marketingu na pełen etat i zacząłem pracować z dużo większą ilością danych. I wtedy bardziej skupiłem się na nauce o danych. Pracowałem w firmie PR przez około pięć lat i naprawdę zacząłem bardziej przyglądać się uczeniu maszynowemu i sztucznej inteligencji.
Rozstałem się z tą firmą jakieś dwa lata temu, ponieważ szli w innym kierunku. Naprawdę chciałem skupić się na nauce o danych i uczeniu maszynowym.

MB: Wspomniałeś o nauce o danych, uczeniu maszynowym i analityce. Jak myślisz, jakie umiejętności twarde są dziś najważniejsze?

CP: Są trzy wiadra umiejętności. Cofając się do 1964 r., był znany strateg biznesowy Harold Leavitt, który zakładał, że istnieją trzy obszary, w których każdy powinien być kompetentny: ludzie, procesy i technologia.

Wykwalifikowany analityk lub specjalista ds. danych potrzebuje umiejętności we wszystkich trzech obszarach. Musisz zrozumieć ludzką stronę rzeczy, sposób, w jaki ludzie pracują, ogólną strategię biznesową i tym podobne, a także musisz dobrze radzić sobie z problemami, które firma chce rozwiązać. Musisz także zapanować nad procesem — tym, jak się coś robi — i umieć przełożyć to na pracę, którą wykonujesz. A potem, oczywiście, musisz mieć dostęp do technologii, umiejętności, wiedzy matematycznej, aby przeprowadzić analizę danych — i musisz umieć kodować.

To są trzy duże wiadra, które niewiele osób ma w równych i solidnych ilościach. Wiele osób posiada umiejętności w jednej dziedzinie, a słabe w dwóch pozostałych. I to jest prawdopodobnie jedna z najważniejszych rzeczy, jakie analityk musi być w stanie zrobić — zidentyfikować swoje słabości. Aby móc powiedzieć, tak, to jest to, nad czym muszę popracować, aby podnieść moje poziomy do poziomu, w którym jestem silny.

MB: Częściowo obejmuje to umiejętności miękkie, ponieważ wiedza o tym, jak ludzie pracują, ledwie nazwałbym „umiejętnością twardą”. Co sądzisz o tym? Jakie umiejętności miękkie Twoim zdaniem są ważne?

CP: Różnica między umiejętnościami twardymi i miękkimi dotyczy bardziej wewnętrznych i zewnętrznych umiejętności. Twoje umiejętności zewnętrzne to te, które nazwałbyś umiejętnościami twardymi: umiejętność rozmawiania z drugim człowiekiem, odczytywania wyrazu na jego twarzy i tym podobne.

Ale wewnętrznie wymaga to ogromnej samoświadomości. Wymaga zrozumienia własnego ego, rzeczy, które sprawiają, że jesteś mniej lub bardziej efektywny jako profesjonalista w biznesie, twoich słabości, na które musisz się pogodzić. Dla niektórych to ich ego, ich zdolność do mówienia: Tak, zawsze muszę mieć rację . Ale nie, nie masz.

W rzeczywistości jest to grzech śmiertelny w analityce danych, prawda? Pamiętam, że pracowałem z tą jedną firmą badawczą, a ich propozycja była „cokolwiek chcesz zrobić, możemy zbudować dane, które to wesprą”. To nie tak działa. [Śmieje się] A jednak są naprawdę renomowaną firmą, ponieważ pomagają firmom wymyślać dane, aby obronić to, co chcą udowodnić. A więc ludzie robią z nimi interesy, ponieważ mówią to, co chcesz usłyszeć.

Kolejną bardzo ważną umiejętnością jest umiejętność wyjaśniania rzeczy innym ludziom w sposób, który mogą zrozumieć. Więc znowu jest ten rodzaj empatii. A potem trzecią rzeczą jest naprawdę możliwość nauczania na wielu poziomach, możliwość poznania, gdzie ktoś jest (część empatii), a następnie przystosowanie się do publiczności, z którą pracujesz.

Niedawno byłem w Content Marketing World. A na jednej widowni miałem ludzi, którzy byli programistami. Więc powiedziałem programistom, OK, więc to jest dla was modelowanie łańcucha Markowa, ale dla wszystkich innych to cyfrowa Jenga . Umiejętność dostosowania nauczania do sytuacji, w której ktoś jest bardzo ważną umiejętnością miękką. To bardzo trudne, jeśli nie masz doświadczenia w projektowaniu instrukcji edukacyjnych ani żadnego doświadczenia z tym. Pomagam w szkole sztuk walki mojego nauczyciela od 25 lat i to jest świetna umiejętność, którą tam mam — móc zobaczyć, że ktoś zmaga się z tym, że potrzebuje pomocy w tym, i zidentyfikować, gdzie ktoś się znajduje. ich własny postęp w karierze jest bardzo ważny. I jest to umiejętność, której się nie uczy. Musisz się tego nauczyć poprzez własne doświadczenia.

MB: Czy uważasz, że wiąże się to również z opowiadaniem historii i umiejętnością przedstawiania danych w taki sposób, aby ludzie mogli je zrozumieć?

CP: Zgadzam się, że tak. W psychologii jest wyrażenie „rzucanie materacami” — każdy ma mentalne drzwi, które są inaczej zorientowane. A jeśli rzucisz materacem pod te drzwi, istnieje tylko pewna liczba sposobów, przez które przedostanie się. Ale drzwi każdego są inne. Jak więc kształtowana jest Twoja publiczność? Czy potrafisz rzucać materacami w taki sposób, aby przedostały się przez jak najwięcej drzwi?

Nie lubię „opowiadać historii”. A powodem, dla którego nie lubię tego wyrażenia, jest to, że marketerzy, zwłaszcza marketerzy, którzy nie znają dobrze danych, mają tendencję do bycia zbyt egocentrycznymi, zbyt skoncentrowani na firmie i mówią coś w stylu: opowieść o naszym wspaniałym produkcie! Ale nikogo to nie obchodzi, prawda? Opowiadaj historie, których chce publiczność. I to znowu wraca do empatii i samoświadomości. Nie chodzi o ciebie ani firmę. Chodzi o to, czego potrzebuje publiczność.

MB: To świetny punkt. Całkowicie rozumiem, co masz na myśli. Mówiąc o rzucaniu materacami i tym, jak każdy jest inny, co myślisz o nieporozumieniu między analitykami a zespołami marketingowymi? Czy masz jakieś zalecenia dotyczące poprawy komunikacji?

CP: Nie sądzę, żeby to był duży problem, ponieważ niewiele zespołów marketingowych rozmawia z analitykami, a nawet ma do nich dostęp. Większość marketerów, z którymi rozmawiam, jest zmuszona próbować być analitykami, ponieważ ich firma nie ma żadnych [analityków] lub firma wdrożyła ich do rozwiązywania bardziej palących problemów biznesowych. Więc większym wyzwaniem dla tych biednych marketerów jest rozwinięcie wszelkiego rodzaju umiejętności analitycznych, aby poradzić sobie z danymi, które posiadają.

Nie mogę powiedzieć, ile razy rozmawiałem z marketerem, który powiedział: O tak, mamy Google Analytics. Nie wiem, co to znaczy. Nie znam się na Google Analytics. To takie dziwne, prowadzić te dyskusje. To nie jest operacja rakietowa. Ale znowu, wracając do tej samoświadomości, jest to dla nich chirurgia rakietowa, ponieważ zajęli się marketingiem, aby być kreatywnym, inspirującym, dobrze pisać, tworzyć rzeczy. Nie zajęli się marketingiem, ponieważ kochali nauki ilościowe. W przeciwnym razie zostaliby naukowcami danych.

Ale teraz technologia marketingowa i marketing cyfrowy zmusiły ich do radzenia sobie z tym problemem lub ignorowania go tak długo, jak to możliwe. Kiedy mają dostęp do danych lub mają dostęp do analityka, ich sukces będzie zależał od ich samoświadomości.

Analitycy nie mają dobrego słownictwa marketingowego, a marketerzy nie mają dobrego słownictwa z zakresu nauki o danych i analityki danych. Więc prawdopodobnie najważniejszą i najłatwiejszą rzeczą do zrobienia jest zebranie ludzi w piątkowe popołudnia przy wybranym przez ciebie napoju i zachęcenie ich do rozmowy. Ponieważ możesz wystarczająco zapoznać się z daną dyscypliną, po prostu słysząc, jak ludzie o niej mówią.

Ponadto ludzie dojeżdżają do wielu miejsc. I nie jest źle, że twoi analitycy danych słuchają podcastów marketingowych, a twoi marketerzy słuchają podcastów poświęconych nauce danych, aby naprawdę zacząć słyszeć słownictwo, słyszeć takie rzeczy, jak regresja i regresja logistyczna oraz losowy las. A ludzie mogą powiedzieć: Och, powinienem zapytać mój zespół, co to oznacza lub W każdym z nich są różne typy danych, jak je rozwiązać?

To naprawdę sprawia, że ​​wszyscy słyszą słownictwo z innych dyscyplin, jako sposób na rozpoczęcie tych znaczących interakcji.

MB: Bardzo podoba mi się to, jak to poskładasz. Mam doświadczenie w analityce, ale pracuję również w marketingu. Dla mnie nigdy nie stanowiło to problemu, ponieważ miałem kontakt z obydwoma. Ale wielu ludzi, którzy pracowali w jednej dziedzinie, nie ma kontaktu z drugą.

CP: Dokładnie.

MB: Świetnie. Jeśli chodzi o błędy, jak myślisz, jaki jest największy błąd, jaki może popełnić analityk? Może możesz podzielić się czymś ze swojego doświadczenia, na które natknąłeś się?

CP: Jeśli chodzi o błędy, które popełniają analitycy… To są ludzkie problemy, prawda? Tak więc numer jeden to błąd presupozycji. Oznacza to, że wiem, jakiego wyniku oczekuję i muszę to udowodnić. Nie. Słowo na to jest nieciekawe. Jeśli nie jesteś ciekaw, nie jesteś ciekawy, nie chcesz znaleźć właściwej odpowiedzi. Chcesz znaleźć odpowiedź tak szybko, jak to możliwe, lub chcesz znaleźć odpowiedź, która uzasadnia uprzedzenie, które już masz, wynik, który już oceniłeś, a to są ludzkie problemy, prawda? Nie są one związane z technologią i żadne oprogramowanie tego nie naprawi. Żadne narzędzie nie naprawi twojej obojętności.

Więc to jest coś, co musimy wyszkolić najlepiej jak potrafimy i zatrudnić bardziej niż cokolwiek innego. I możesz wynająć z ciekawości, prawda?

Jest jedno pytanie podczas rozmowy kwalifikacyjnej, które zawsze uważałem za zabawne, kiedy brałem talię zwykłych kart do gry i dawałem ją osobie na rozmowie kwalifikacyjnej. Powiedziałbym: Oto talia kart. Uporządkuj to . Nigdy nie określiłem żadnego zamówienia ani niczego takiego. Celem jest spojrzenie na osobę i zobaczenie, jak reaguje na taką dyrektywę. Czy panikują? To chyba nie tak, tak , mam to. Uporządkuję to . Ale nie powiedziałem, jakiego zamówienia chcę. Znowu mają uprzedzenia, a to jest złe. Czy zadają pytania? Ile pytań zadają? Kiedy kopią, czy cię na to popychają? To są atrybuty, które chciałbyś mieć.

MB: Przejdźmy do dalszej części naszego wywiadu o tym samym, ale z innego punktu widzenia. Jest dziś wiele modnych słów. Wszyscy mówią o firmach opartych na danych, ale niewielu firmom się to udaje. Jak myślisz, dlaczego tak jest? Czy brakuje nam czegoś w zakresie analityki lub marketingu, co mogłoby przenieść firmy na wyższy poziom, pomóc im się rozwijać i korzystać z posiadanych danych?

CP: To jest ludzki problem bardziej niż cokolwiek innego.

Kierowanie się danymi oznacza, że ​​najpierw musisz podejmować decyzje na podstawie danych — nie doświadczenia, nie intelektu, nie instynktu, nie jest to sposób, w jaki zawsze to robiliśmy .

Musisz spojrzeć na dane i przejść, OK, tak mówią dane i jesteśmy pewni, jak zostały przetworzone, więc podejmujmy decyzje na ich podstawie .

To wymaga przezwyciężenia mojej drogi jest zawsze słuszne — jak to nazywamy, problem HIPPO [opinia najlepiej opłacanej osoby]. To taki kulturowy i ludzki problem, który jest trudny do przezwyciężenia, więc kierowanie się danymi jest naprawdę trudne.

Rzecz numer jeden — mówi tak mój przyjaciel Tom Webster z Edison Research — która powstrzymuje kogoś przed kierowaniem się danymi, jest to, że nie może poradzić sobie z danymi i analizami oraz odpowiedziami, które mu się nie podobają!

W sztukach walki mamy wyrażenie, że musisz czuć się komfortowo, będąc niekomfortowym , co oznacza, że ​​musisz czuć się komfortowo z odpowiedziami częściowymi, niekompletnymi, z pominięciem niektórych danych, których nigdy nie będziesz mieć, i nadal będąc w stanie wykorzystywać dane w sposób, który przyniesie efekty biznesowe. Nie chodzi o to, że ludzie mają problemy ze specjalizacją lub określone umiejętności. Możesz nauczyć wszystkich umiejętności. Problem polega na tym, czy możesz dokonać tej zmiany kulturowej, aby powiedzieć: Tak, nawet jeśli nie podoba mi się odpowiedź, nawet jeśli nie jestem jasna, nadal użyję odpowiedzi, aby podjąć decyzję .

MB: Więc bardziej chodzi o zmianę kulturową.

CP: Naprawdę.

MB: Mówiąc o tej zmianie kulturowej, czy masz jakieś zalecenia, od czego zacząć?

CP: Pracuj dla firm, które już tak działają. Brzmi to nonszalancko, ale ponieważ to taka ludzka rzecz, jeśli DNA firmy, w której pracujesz, nie jest w ten sposób, niezwykle trudno jest dokonać tego zwrotu, zwłaszcza jeśli przywództwo nie kupiło. Jeśli przywództwo jest jak , Nie, zrobimy to tak, jak zawsze. Nasza firma ma 126 lat i zawsze tak robiliśmy! Cóż, nie zmienisz ich zdania.

Niedawno jadłem z kimś obiad na konferencji. Powiedzieli: „ Nasza firma ma 126 lat, a nasz dyrektor generalny powiedział, że chcemy, aby był rok 1950” . Dlaczego nie może być rok 1950, kiedy ludzie po prostu kupują i używają naszych produktów, a cała ta sprawa z internetem znika? Cóż, złe wieści, to się nie stanie. [Śmiać się]

MB: To dość trudne. Krótka historia tutaj: Współpracujemy z jedną firmą, która ma długą historię. Zostały założone w 1908 roku jako firma rodzinna i od tego czasu produkują bieliznę. I stały się całkiem duże. Teraz sprzedają we Francji, Holandii, Wielkiej Brytanii, Niemczech i tak dalej. I mają dużo sklepów stacjonarnych i mają różne sieci. Mają segment luksusowy, segment rynku masowego i tak dalej. W pewnym momencie ich zespół e-commerce przyszedł do zarządu i powiedział: „ Musimy zwiększyć budżet, ponieważ nasze wydatki rosną, zwiększamy sprzedaż i to i tamto”. Powiedzieli, wiecie co, jeśli spojrzymy na całkowity dochód, odpowiadacie tylko za 5%.

Zespół e-commerce przyszedł do nas i zapytał: Czy możesz nam pomóc udowodnić, biorąc pod uwagę badanie zakupów online w trybie offline, że faktycznie generujemy większe przychody dla firmy i że wpływamy na większe liczby? Prowadziliśmy z nimi projekt i zajęło nam to dobre pięć lub sześć miesięcy. Ale ostatecznie okazało się, że odpowiadają za prawie 30–35% przychodów. Pomogło im to udowodnić, że robią coś, co pomogło im zwiększyć budżet. Ale tak, rozmowa z zarządem zajęła trochę czasu, pokazując liczby i próbując zmienić to wewnętrzne odczucie. Dokładnie to, o czym mówiłeś.

CP: Tak. Kultura jest trudna. Ludzie są twardzi.

MB: To prowadzi mnie do innego pytania. Chciałbym wrócić do pierwszego pytania o twarde umiejętności. Mówiłeś o platformie, ludziach i procesach, ale co sądzisz o bardziej technicznych rzeczach, takich jak prosty Python i umiejętność tworzenia dashboardów? Może statystyki? Jakie są kluczowe rzeczy na początek dla osób, które chcą głębiej zagłębić się w analitykę?

CP: Dobra, więc mam trochę narzekania na ten temat. Kokpity to wizualizacja. Wizualizacja jest krytyczną częścią analizy danych. I to jedna z tych rzeczy, które są sztuką samą w sobie. Wspomniane technologie — SQL, Python, R itd. — nie są narzędziami do wizualizacji. To narzędzia obliczeniowe.

A jednym z największych grzechów we wszystkich analizach danych, a zwłaszcza w marketingu, jest próba zmuszenia narzędzi do wizualizacji do komputerów.

To jak ludzie, którzy próbują stworzyć kod swojej witryny i wejść w interakcję z treścią, wizualizacją. Nie bez powodu arkusze stylów i kod HTML są oddzielone. Ponieważ wizualizacja jest oddzielona od obliczeń. Bezwzględnie potrzebujesz SQL, Pythona, R, SPSS, OWOX i czegokolwiek innego, czego używasz do wykonywania obliczeń i robienia tego dobrze — aby móc dostarczyć całą analizę danych na zapleczu, zanim trafią one do wizualizacji.

W żadnym momencie Twój pulpit nawigacyjny — ani wizualizacje — nie powinien wykonywać żadnych operacji obliczeniowych. Nie powinieneś mieszać danych, nie powinieneś manipulować danymi. Wszystkie dane, które trafiają do wizualizacji, powinny być już obliczone, zanim dotrą tam.

Ponieważ dzieje się inaczej, gdy napotykasz ten ogromny problem z zarządzaniem. Szef potrzebuje nowej zmiany, ale nie wiemy, jak ten punkt danych się tam dostał. Więc nie wiemy, jak nim manipulować. Więc nie możemy wprowadzać żadnych zmian. Musimy powiedzieć szefowi, przepraszam, zajmie nam sześć tygodni, zanim rozplączemy nasze spaghetti i zrozumiemy, co się tutaj wydarzy .

Kiedy oddzielisz obliczenia od wizualizacji, a szef powie: „ Hej, chcę tego”, ty mówisz: Świetnie, przejdę do mojej warstwy obliczeniowej, załaduję nasze studio i wprowadzę zmiany w kodzie i logice obliczeń . I wypchnę nowy punkt danych lub zmienię punkt . A to prowadzi do tak , wykres słupkowy, nowy wykres słupkowy, oto on . I utrzymuje zmiany w czystości, utrzymuje wersje pod kontrolą. I znacznie ułatwia zarządzanie wszystkimi manipulacjami danymi, zwłaszcza na dużą skalę.

Jeśli zajmujesz się marketingiem all-in-one, prawdopodobnie ujdzie ci na sucho jedna osoba, jeden sklep, jedno narzędzie. I nie będziesz mieć problemu z kontrolą wersji, ponieważ jesteś jedyną osobą, która jest za to odpowiedzialna. Jednakże, jeśli odejdziesz lub zostaniesz zwolniony, ta firma jest całkowicie zła. I to najgorsza praktyka.

Jeśli pracujesz w większej firmie, w której w działach analityki i marketingu pracuje wiele osób, musisz oddzielić obliczenia i wizualizacje. W przeciwnym razie zmarnujesz tyle czasu i pieniędzy, próbując dowiedzieć się, gdzie znajdują się dane i kto za nie odpowiada.

Inną rzeczą — i to jest tak ważne w dzisiejszych czasach dla zgodności z RODO i CCPA oraz innymi przepisami — jest to, że jeśli wizualizacja i obliczenia są połączone razem, masz problem z kontrolą dostępu. Masz problem, w którym nie możesz stworzyć granic, kto ma dostęp do danych, co oznacza, że ​​możesz wyciekać dane, możesz je ujawnić pracownikom, którzy nie powinni mieć dostępu do niektórych źródeł danych.

Gdy obliczenia są zarządzane i obsługiwane oddzielnie, możesz je ograniczyć i powiedzieć zespołowi ds. wizualizacji: Możesz wizualizować wszystko to, co możesz mieć , i w żadnym momencie żadne poufne informacje osobiste nie trafiają do zespołu ds. wizualizacji, to bezpieczne od nich. To bardzo ważne, aby ludzie to robili, aby przechowywać te rzeczy oddzielnie i w czystości.

Czy zatem analityk odpowiedzialny za wizualizację musi znać te języki? Absolutnie nie. Czy osoba zajmująca się obliczeniami musi wiedzieć? W stu procentach tak.

MB: Masz tutaj dużą rację. Bardzo podoba mi się podejście, kiedy wizualizujemy gotowe zestawy danych i nie ma w nich pól wyliczanych.

I chciałbym wyjaśnić jedno pytanie, które już zadałem. Istnieją różne etapy działalności lub różnej wielkości przedsiębiorstwa lub przedsiębiorstwa działające w różnej skali. Możesz na to spojrzeć pod różnymi kątami. MŚP, MŚP, przedsiębiorstwa — wszystkie mają inne wymagania dla zespołu analitycznego, a przynajmniej tak to wygląda. Co myślisz? Czy uważasz, że istnieją różnice w wymaganiach stawianych analitykom w firmach różnych typów?

CP: Zasadniczo każdy ma ten sam cel w marketingu, którym jest pomoc w zwiększaniu przychodów. Dobrze? Jeśli Twoim celem w marketingu nie jest zwiększanie przychodów, nie jestem pewien, co robisz w marketingu. Ale cokolwiek robisz, robisz to źle. Bo w ostatecznym rozrachunku taki właśnie jest nasz obowiązek — wywieranie wpływu. To, co się dzieje, nie polega na tym, że są różne rzeczy do zrobienia. Wraz z rozwojem firmy zadania stają się coraz bardziej wyspecjalizowane. Kiedy prowadzisz jednoosobowy program w małej firmie, jesteś projektantem stron internetowych, e-mailem, analitykiem, statystykem, ewentualnie pracownikiem obsługi klienta.

W miarę rozwoju zatrudniasz. A zatrudniając, specjalizujesz się. Zaczynasz rozdzielać poszczególne zadania. Każde zadanie ma teraz swoje własne raportowanie i własne dane, własną wizualizację. A więc ostatecznie to, co firmy robią najczęściej źle, to fakt, że tracą z oczu fakt, że każda z tych specjalizacji, zwłaszcza w przedsiębiorstwie, wciąż musi dążyć do tego samego celu, który wszyscy mają, czyli Czy wywarliśmy wpływ na biznes? Czy pomagamy firmie zarabiać, oszczędzać pieniądze, czy oszczędzać czas? Zdobywać klientów? Wszystkie te rzeczy.

Tak więc, w zależności od tego, na jakim etapie cyklu życia znajduje się Twoja firma, Twoją rolą, jeśli jesteś rozsądnym analitykiem, jest pytanie: Co robię, co przyczynia się do osiągnięcia tego ogólnego celu? Jakie są moje KPI osobiście? Czy moje osobiste KPI są zgodne z KPI działu? Czy są one zgodne z działalnością firmy? Definicja, której używam we wszystkich moich wystąpieniach — słyszałeś ją na konferencji MAICON [Konferencja marketingu sztucznej inteligencji] — jest taka, że ​​KPI to liczba, która określa, czy otrzymasz premię, czy zostaniesz zwolniony, prawda? To jest KPI. Jeśli jest to liczba i nie dostaniesz za nią premii ani nie zostaniesz z niej zwolniony, jest to metryka.

Więc kiedy spojrzysz z tej perspektywy, jakie są KPI, nad którymi pracujesz, nad którymi pracuje twój zespół, nad którymi pracuje twój dział, nad którymi pracuje twoja firma? Patrzysz na te liczby i czasami nie mają żadnego sensu. A jeśli tak jest, to jako analityk musisz być tego świadomy, podnieść flagę i powiedzieć: „ Chłopaki, nie jestem pewien, czy to będzie miało jakikolwiek wpływ na biznes”. A jeśli firma mówi, że nadal musisz to zrobić, wtedy zaczynasz aktualizować swój profil na LinkedIn. Ponieważ jeśli firma pracuje nad bezsensownymi wskaźnikami KPI, wypadnie z rynku. To tylko kwestia czasu.

MB: Żeby się upewnić, że dobrze zrozumiałem, nie ma różnicy w wymaganiach stawianych analitykom w małych firmach i dużych, ponieważ celem dla każdego jest przychód.

CP: Tak, wpływ na przychody i biznes — czy pomagasz firmie zarabiać pieniądze, oszczędzać pieniądze czy oszczędzać czas? To są trzy funkcje, których każdy chce i potrzebuje każda firma. To to samo, o czym mówimy od 10 tysiącleci: lepiej, szybciej, taniej … wszyscy tego chcą. Co więc robimy, aby nasz biznes był lepszy, szybszy i tańszy?

CP: Tak. I to jest jeden z największych problemów dzisiejszego uczenia maszynowego i sztucznej inteligencji — nie tylko wiedza o tym, co dzieje się w pudełku, ale także interpretowanie i wyjaśnianie tego.

Wyjaśnialność jest wyjaśnieniem post hoc tego, co zrobił model, ponieważ w tym przypadku przeszło, a inne nie. When you look at regulations like GDPR, that's not good enough. 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, Dziękuję za to. 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, Koniec opowieści. 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. I strongly recommend it.

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!

Wow! 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!