Wywiad z Laurą Patterson

Laura Patterson jest ekspertem w udowadnianiu i podnoszeniu wartości marketingu. Jest zaufanym doradcą z globalną wiedzą na temat zaangażowania klientów w branży technologicznej, usług finansowych, nauk przyrodniczych i przemysłu produkcyjnego.

Laura jest dyrektorem zorientowanym na wyniki z doświadczeniem w zakresie przedsiębiorczości i pasją do pomagania firmom w uzyskiwaniu wiedzy na podstawie danych, opracowywaniu wskaźników i projektowaniu procesów w celu stymulowania wzrostu, tworzenia wartości dla klientów oraz poprawy wyników biznesowych i marketingowych.

Mariia Bocheva, Business Development Executive w OWOX BI, miała świetną okazję, aby uzyskać informacje od Laury w ramach naszych badań nad stanem analityki cyfrowej. Wszystkie myśli są podzielone na następujące kategorie:

Laura Patterson: Analytics to umiejętność stosowania obliczeń lub matematyki do danych. Zasadniczo analityka to umiejętność analizowania i wykonywania analiz. W naszym świecie tym składnikiem tej analizy są dane. Jeśli zamierzasz pracować w analityce, marketingu lub jakiejkolwiek innej części organizacji, która jest związana z analityką, musisz rozwinąć silne umiejętności w kilku obszarach, a ja chciałbym omówić pięć z tych umiejętności.

Tak więc pierwsza umiejętność musi dotyczyć danych. Musisz wiedzieć, jak zbierać dane, jak określić, które dane są ważne i istotne oraz jak upewnić się, że dane są czyste. Musisz znać metody organizowania danych i zarządzania nimi.

Po drugie, jako specjalista ds. analityki musisz objąć matematykę. Będziesz musiał zrozumieć różne techniki analityczne, jak je stosować i czerpać znaczenie z pojawiających się wzorców.

To prowadzi nas do trzeciej umiejętności, modelowania. Analityka jest podstawą do tworzenia ważnych modeli, takich jak modele segmentacji, modele atrybucji i mieszania, modele ryzyka kampanii, odejścia klientów, odejścia i modele lojalności. Jako analityk chcesz biegle posługiwać się analizą do tworzenia i budowania modeli.

Po czwarte, dobry analityk potrafi przełożyć dane na sensowne, istotne i dające się zastosować wnioski, które mogą pomóc organizacji w podejmowaniu lepszych decyzji. Chociaż analitykowi może być łatwo dostrzec wzorce i spostrzeżenia w danych, dobrzy analitycy pomagają osobom, które na nich polegają, również to dostrzec. Dlatego ważne jest, aby analitycy byli dobrymi gawędziarzami i mieli zdjęcia.

Bycie analitykiem wymaga dobrej umiejętności wizualizacji.

Wizualizacja danych pozwala innym zobaczyć to, co widzisz i zrozumieć, co jest ważne. Dane, które wybierzesz do wizualizacji, powinny pomóc ludziom zrozumieć, dlaczego polecasz określony sposób działania lub dlaczego ma miejsce określone zdarzenie.

A ostatni, o którym chcę wspomnieć, to być może najważniejszy punkt, to komunikacja. Komunikacja jest umiejętnością twardą i miękką jednocześnie. Musisz być w stanie napisać i wyrazić swoje odkrycia. Jeśli nie możesz przekazać, jakie są twoje odkrycia, będziesz miał trudności jako analityk.

LP: Trzy miękkie umiejętności, które od razu przychodzą na myśl, to rozwiązywanie problemów, krytyczne myślenie i współpraca. Jaki jest sens przeprowadzania analiz, jeśli nie pomoże to organizacji osiągnąć większy sukces. W marketingu musimy pomagać organizacji w znajdowaniu, utrzymywaniu i zwiększaniu wartości klientów. Dlatego musimy zrozumieć, jak korzystać z analityki, aby pomóc organizacji wykorzystać te możliwości i potencjalnie wszelkie problemy, które mogą się pojawić w ich osiągnięciu.

Bycie analitykiem to także współpraca z innymi ludźmi.

Zbieranie danych, budowanie modeli, wymyślanie planu działania nie jest samodzielnym działaniem. Najprawdopodobniej będziesz musiał współpracować z innymi osobami w organizacji, niezależnie od tego, czy są to osoby z działu finansów, sprzedaży, usług itp. Dobrzy analitycy muszą być w stanie zebrać ludzi i współpracować z nimi w celu budowania modeli i współpracy nad planem działania.

Wreszcie, jedną z najważniejszych umiejętności jest umiejętność zadawania dobrych pytań. Celem prowadzenia badań i analiz jest odpowiadanie na pytania. Dobre pytania pomagają analitykom wpodejmowanie decyzji o rynku, klientach, produktach, konkurentach itp.

LP: Myślę, że jeśli jesteś analitykiem, musisz znać i na bieżąco z narzędziami, procesami i metodami analitycznymi. Prawdopodobnie nie będziesz biegły lub kompetentny we wszystkich z nich. Ale musisz wiedzieć, czym one są i kiedy ich używać. Jeśli nie masz odpowiedniej wiedzy, skontaktuj się z ekspertami wewnętrznymi lub zewnętrznymi. Uważam, że dobrze jest mieć sieć ludzi, którzy są ekspertami w różnych dziedzinach, metodach i narzędziach.

LP: Wszyscy popełniamy błędy. Uwolnij się od nich i napraw je. Błędy mogą wynikać ze złych lub niepoprawnych danych, nieprawidłowej matematyki lub braku kluczowej zmiennej, która wpływa na wyniki. Pamiętam, że we wczesnych latach popełniłem szczególny błąd i mój mentor zapytał mnie, czy to naprawdę zaszkodziło relacjom z klientem? Tak lub nie? Czy to naprawdę upadnie nasz biznes? Tak lub nie? Prawdziwym celem było wyjaśnienie: jeśli popełniłem błąd, czego się z tego nauczyłem ? Co zrobiłbym w tej samej sytuacji następnym razem?

„Łatwo jest zmagać się z błędem; nikt nie jest idealny. Dążenie do perfekcji i doskonałości jest wspaniałe, ale trzeba pamiętać, że czasami dobre jest wystarczająco dobre.”

Nie lecimy na księżyc, nie budujemy rakiety, to nie jest nasza typowa praca. Staramy się pomóc organizacji w podejmowaniu decyzji biznesowych opartych na danych, opartych na dowodach. Chcemy być dokładni i udzielać jasnych wskazówek kierunkowych.

Oznacza to, że musimy mówić językiem biznesu. Jest to być może jeden błąd popełniany przez wielu analityków, nad którym każdy analityk musi popracować. Możemy zakochać się w danych, matematyce i wzorach. Są one dobre tylko wtedy, gdy możemy przekazać ich zalety i wartość ludziom w biznesie. Pracujemy w biznesie, musimy być ludźmi biznesu, więc musimy mówić językiem biznesu. Nie ma znaczenia, kto jest Twoim klientem wewnętrznym czy zewnętrznym: CTO, CEO, zespół sprzedaży, zespół marketingowy, zespół programistów – musisz mówić ich językiem, aby Cię zrozumieli. To jedna z najważniejszych rzeczy, jakich się nauczyłem.

LP: Większość naszych wyzwań dotyczy danych. Wyzwania, takie jak brak danych w ogóle, ich jakość jest słaba lub trudno dostępny, lub występują w tak wielu miejscach i w tak wielu formatach, że nie jest to łatwe i szybkie w użyciu. Jest też pytanie dotyczące procesu. Nie ma dobrze zdefiniowanych procesów, jak zarządzać danymi, jak prowadzić analityczne projekty „kosmiczne”, jak korzystamy z analityki i prezentujemy wyniki.

Jeśli widzimy, że dane są złe lub niewiarygodne, cofamy się o krok i zadajemy sobie pytanie: Co możemy zrobić, aby uzyskać lepsze dane? Czasami wymaga to od nas przeprowadzenia badań w celu pozyskania danych pierwotnych. To może spowolnić sprawy. Mimo to nie ma dziś powodu, aby jakakolwiek firma uważała, że ​​korzystanie z danych jest poza ich zasięgiem. Najczęściej prawdziwym wyzwaniem jest wiedza, jakich danych użyć.

LP : Myślę, że to kontynuacja poprzedniego punktu. Dobra analityka wymaga dobrych danych i właściwych danych. Wraca to do procesów i narzędzi zarządzania danymi wysokiej jakości. Na przykład, czy Twoja firma ma spis lub bibliotekę danych. To narzędzie pomaga wiedzieć, jakie masz dane, gdzie są przechowywane, ile mają lat, kto jest ich właścicielem i tak dalej. Musi istnieć sposób na klasyfikację danych i informacji o sposobie ich wykorzystania. Są to podstawy, a jednak zbyt często ludzi intrygują nowe, błyszczące narzędzia i zabawki.

To jak budowanie domu, możemy ekscytować się całym wyglądem i przeoczyć kilka ważnych podstawowych mechanizmów, takich jak hydraulika. Więc masz piękny dom, ale twoja hydraulika nie działa, możesz czuć się nieszczęśliwy. Ponieważ kanalizacja jest częścią infrastruktury twojego domu, dane są częścią twojej infrastruktury i musisz zwracać uwagę na drobne szczegóły i utrzymywać je w dobrym stanie.

Nie chodzi o to, że takie rzeczy są celowo pomijane. Kto celowo przeoczyłby ich kanalizację? Jak hydraulika, choć myślimy, że się nią zajmie. Ale tak nie jest. Po prostu fajniej jest myśleć o fajnych rzeczach - fajnym nowym narzędziu. Techniczne rzeczy są nudne. Analizowanie informacji – na przykład ryzyka klienta – jest trochę nudne. To prowadzi nas z powrotem do tego, dlaczego analitycy powinni wiedzieć, jak prezentować swoje dane, aby były cenne dla biznesu.

LP: Myślę, że jest to powszechne w każdym zespole. Uważam, że nie jest konieczne wspominanie o tym jako o problemie, ponieważ nieporozumienia mogą pojawić się w każdej organizacji. Wszyscy musimy ciężko pracować, aby upewnić się, że słuchamy i wyjaśniamy. Analitycy muszą umieć słuchać i zadawać pytania. Jeśli analitycy rozmawiają z kimś w marketingu, muszą pamiętać, że większość marketerów nie ma takiego doświadczenia w zakresie danych, analiz czy modeli jak oni.

• Jakie decyzje chcesz móc podejmować?
• Komu chcesz udostępnić te informacje?
• Czego dzisiaj używasz? Jak dobrze to działa, czy nie?
• Jak myślisz, dlaczego potrzebujesz pulpitu nawigacyjnego?

Takie pytania pomagają zmniejszyć nieporozumienia i upewnić się, że wszyscy są wyrównani. Dobry analityk musi umieć zadawać te pytania, aby upewnić się, że to, co przyniesie jego zespół, to działający produkt.

LP: Są dwa punkty. Pierwsza to kultura. Pochodzę z kultury, w której mówiono: „ Bogu ufamy, wszyscy inni przynoszą dane” . W swojej karierze pracowałem w różnych firmach, ale we wszystkich pracowałem albo dla inżynierów, albo dla finansistów - więc liczby i dane były ważne. Kultura oparta na danych zaczyna się od góry. Ludzie muszą mieć nienasycony apetyt i pasję do decyzji opartych na danych.

Po drugie, musimy poprawić zarządzanie danymi i zarządzanie danymi. Dziś mamy tak wiele danych w tak wielu formatach (ustrukturyzowanych i nieustrukturyzowanych) pochodzących z tak wielu źródeł przechowywanych w tak wielu miejscach. Trudno wiedzieć, co jest prawdą. Kiedy zaczynałem swoją karierę, nie było tylu aplikacji ani nie mieliśmy tak wielu źródeł danych. Pomyśl o wszystkich miejscach, z których musimy dzisiaj czerpać dane – Google Analytics, Social Media, platformy e-mail itp.

Firmy potrzebują sposobu na zarządzanie niekończącym się przepływem danych. Aby móc wiedzieć, „ jakie dane potrzebujemy, aby odpowiedzieć na pytanie i w jaki sposób analizujemy te dane w najlepszy sposób, aby uzyskać odpowiedź ”.

To wraca do tego, o czym rozmawialiśmy wcześniej. Analitycy muszą być w stanie analizować dane, rozpoznawać znaczące i istotne wzorce oraz rozumieć i komunikować implikacje dla biznesu. Analitycy muszą nie tylko zobaczyć dane, ale także sprawdzić, czy to ma znaczenie. Myślę, że obecnie analitykom brakuje wiedzy na temat tego, gdzie dany wzór wymaga uwagi.

LP: Jeśli mówimy o ewolucji firmy, to każda firma ma swój cykl życia. Niezależnie od tego, czy mówimy o startupie, MŚP, MŚP czy przedsiębiorstwie, mówimy o ich dojrzałości cyklu życia. Zaczynasz we wczesnej fazie rozwoju, potem przechodzisz do głównej fazy wzrostu itd. Twój produkt, złożoność, ilość partnerów, ilość klientów, ilość podobnych produktów na rynku – wszystko może się zmienić. To właśnie rozumiemy przez dojrzałość biznesu.

Możesz prowadzić małą firmę na lokalnym rynku, ale możesz oferować różnorodne produkty lub usługi. Nie ma znaczenia, jak duży jesteś, musisz pomyśleć o stworzeniu najlepszego produktu lub zapewnieniu najlepszej usługi.

Na początku wczesnej fazy głównymi pytaniami, które będziesz zadawać, będą: Jak zyskać popularność na rynku? Ilu klientów szukamy? Czy budujemy niezbędny produkt? W miarę zdobywania klientów pojawiają się kolejne pytania: Jak zatrzymać tych klientów? Jak rozwijamy wartości tych klientów? Różne pytania wymagają różnych możliwości. Ale myślę, że dobry analityk może pracować przez cały cykl życia. Bardziej chodzi o pytania i dane niż o umiejętności analityczne.

Nie ma powodu, dla którego dobry analityk pracujący w startupie nie mógłby pracować w przedsiębiorstwie; nie ma powodu, dla którego nie mógłby być cenny w dużej firmie. Zawsze ostrożnie mówię, jesteś analitykiem dla małych i średnich firm lub jesteś analitykiem dla małych i średnich przedsiębiorstw .

Dojrzałość firmy ma znaczenie tylko w tym sensie, jak duża może być rola analityka. Startup może potrzebować tylko jednego analityka, ale naprawdę duża, solidna firma korporacyjna może potrzebować kilku analityków, a ci analitycy będą bardziej wyspecjalizowani. Ale w mniejszej firmie analitycy są bardziej generalistami niż specjalistami. W pewnym sensie ich umiejętności muszą być jeszcze szersze, ponieważ są generalistami.

A kiedy idziesz do bardzo dużej firmy, możesz zostać konkretnym specjalistą. Będziesz bardzo wyspecjalizowany w budowanych modelach. Możesz być bardzo skoncentrowany na takich rzeczach, jak rentowność klienta i jego wartość życiowa. Staniesz się naprawdę dobry w patrzeniu na takie rzeczy na poziomie przedsiębiorstwa. Ale jest to zupełnie inne niż rzeczy, na które możesz patrzeć w startupie.

LP : Wiem, że ubiegły rok był pierwszym rokiem, w którym wydatki na narzędzia do analityki marketingowej były wyższe niż wydatki na osoby zajmujące się analityką marketingową. Tak, firmy coraz więcej inwestują w narzędzia analityczne.

Pamiętajmy, że analityka marketingowa, analityka w ogóle i data science nie są nowością. Nauka o marketingu była w programie nauczania kilkadziesiąt lat temu. Była to wtedy ważna i nadal będzie wartościowa i stabilna rola wewnątrz organizacji. Musimy dbać o aktualność naszych umiejętności, aby pozostały aktualne.

Aktualność oznacza znajomość nowych technik i nowych narzędzi, aw niektórych przypadkach biegłość w ich używaniu. Możesz nie potrzebować najnowszego najdroższego narzędzia. Jeśli masz już w zestawie narzędzie, które może wykonać zadanie i zrobić to dobrze, być może nie musisz wydawać pieniędzy na nową błyszczącą zabawkę. Kluczem do sukcesu jest posiadanie odpowiednich narzędzi, które pomogą Ci skutecznie i wydajnie wykonywać Twoją pracę oraz umiejętność ich właściwego wykorzystania.

LP : Myślę, że teraz jest dobry moment, aby wspomnieć o takich rzeczach jak uczenie maszynowe, łańcuch bloków, sztuczna inteligencja. Te rzeczy mają wpływ na to, co dzieje się z danymi i na analizę danych. Musisz zrozumieć konsekwencje dla firmy i ich wpływ na twoją pracę. AI ułatwia tworzenie wzorców. Analityk będzie musiał być tym, który określa, kiedy coś jest istotne, kiedy wymaga działania, co to oznacza dla firmy, a następnie wybiera, co musi zrobić. Myślę, że tego typu analityk przetrwa i będzie się rozwijać.

LP: Zawsze staram się chodzić na spotkania związane z moim zawodem. Polecam chodzić na coś przynajmniej raz na kwartał. Tak, masz już dyplom i ciężko pracowałeś, ale uważam, że raz na kwartał powinieneś podnieść głowę, rozejrzeć się, zatrzymać na chwilę i poświęcić czas na coś, co może poprawić Twoje umiejętności zawodowe .

Istnieje wiele rodzajów działań, które mogą być przydatne. Weź udział w kursach w swoim mieście, a może online, obejrzyj kilka samouczków na YouTube lub posłuchaj podcastu – jest tak wiele wspaniałych możliwości. Znajdź konferencję na interesujący Cię temat, idź tam, poznaj nowych ludzi i nawiąż z nimi kontakty, zbuduj nowe kontakty zawodowe, zapytaj ich, jak rozwiązują swoje problemy. Dowiedz się, czy są jakieś LinkedIn lub lokalne społeczności zawodowe, do których możesz dołączyć.

DAA oferuje analitykom doskonałe wydarzenia. Zostań członkiem stowarzyszenia. Uczestnicz w ich konferencjach, nawiązuj kontakty z rówieśnikami, nawiązuj z nimi kontakt. Kluczową sprawą jest znalezienie sposobów, aby pozostać na szczycie swojej gry.

Naprawdę doceniamy, że Laura znalazła czas, aby odpowiedzieć na wszystkie nasze pytania i podzielić się swoimi przemyśleniami na temat bieżących problemów i przyszłości analityki marketingowej. A także gorąco polecamy przeczytanie podsumowania przemówienia Laury w MASCONF na temat zarządzania procesami.

Bądźmy w kontakcie! Zapisz się na naszego bloga, aby przeczytać kolejne wywiady z naszych badań na temat stanu analityki cyfrowej i dostosować doświadczenia najlepszych analityków do swojej firmy.