Entrevista com Danny Mawani Holmgaard

Pedimos a Yulia Tkachova, gerente de produto da OWOX, para entrar em contato com Danny Mawani Holmgaard, analista líder da Impact Extend. Aqui está uma pequena lista dos tópicos que eles abordaram:

Yulia Tkachova: Vamos nos conhecer! Conte-nos sobre você e sua experiência.

Danny Mawani Holmgaard: Sou analista líder na agência de marketing digital Impact Extend. Trabalho não apenas com Google Analytics, mas também com engenharia de dados, configurando pipelines de dados, integrando dados online e offline e construindo modelos de dados. Eu combino e analiso os dados para que possam ser utilizados tanto estrategicamente, mostrando se estamos no caminho certo ou algo precisa ser mudado, quanto operacionalmente, garantindo que os dados estejam nos sistemas certos para que possam ser acionados.

YT: Como você começou a lidar com análise de marketing?

DH: Na verdade, tropecei nessa carreira por acidente. No começo, eu estava estudando design de conceito digital e queria ser web designer. Adicionei o Google Analytics a um dos meus projetos escolares por diversão e, de repente, percebi o quanto você pode influenciar todo o processo estratégico, desde as escolhas de design até a criação de uma experiência melhor para os usuários e, ao mesmo tempo, melhorar os resultados do negócio. Uma coisa levou a outra, e tenho trabalhado com dados nos últimos seis anos.

YT: O que você mais gosta e menos gosta no seu papel?

DH: Fico muito empolgado com novos projetos e com a criação de uma solução do zero. Isso significa ir do escopo das fontes de dados necessárias para escrever o código para conectar-se a diferentes bancos de dados e APIs. Outras áreas que eu realmente gosto são ver que nossos esforços estão realmente causando um impacto (trocadilhos) para nossos clientes, fornecendo a eles as informações de que eles precisam, mas nunca pensaram ser possível, a fim de impulsionar seus negócios com decisões orientadas por dados.

A parte menos “divertida” do meu trabalho acontece quando algo quebra e precisa ser consertado. Pode ser muito difícil obter dados após eventos que não podem ser rastreados. Infelizmente, nunca é possível prever tudo o que pode dar errado na coleta de dados. Isso pode ser qualquer coisa, desde uma implantação que deu errado até alguém configurando uma configuração incorretamente em seu sistema. O melhor que você pode fazer é configurar monitores para seus dados e fazer uma limpeza geral de vez em quando para garantir que você mantenha um bom desempenho e aprenda com os erros.

YT: O que significa DH: Tornar os dados acionáveis ​​é algo que tentamos alcançar para todos os nossos clientes. Para mim, dados acionáveis ​​são informações que você pode obter e usar ativamente dentro da organização, seja algo complexo, como calcular o valor da vida útil do cliente para clientes em todos os canais e, em seguida, usar isso em seus sistemas de automação de marketing, lances em anúncios com base no custo margem e probabilidade de vendas dos produtos, ou algo tão simples como criar públicos no Google Analytics que o ajudem a fazer retargeting relevante. Em suma, tornar os dados acionáveis ​​significa garantir que as informações coletadas possam ser utilizadas para fazer alterações dinamicamente com base nas ações realizadas pelos usuários para gerar conversões ou fornecer uma melhor experiência ao usuário.

YT: Quais habilidades e software você sugere para tornar os dados acionáveis?

DH: Depende principalmente dos recursos e da ambição de sua equipe. O mais importante é descobrir o que você está tentando alcançar e estabelecer metas. Você não precisa trabalhar com grandes conjuntos de dados ou ser capaz de fazer programação estatística avançada para tornar seus dados acionáveis. Comece simples e construa a partir daí. Pode ser qualquer coisa, desde garantir que seus dados de análise sejam medidos corretamente até o upload de reembolsos ou dados de custo para saber em quais produtos você está perdendo dinheiro.

Em geral, use os dados que você tem atualmente disponíveis e comece pequeno. Se você iniciar projetos muito grandes antes que a organização seja capaz de lidar com eles, corre o risco de desperdiçar recursos valiosos da equipe em um projeto que pode falhar. Na minha opinião, a habilidade mais importante é a capacidade de ser curioso e criativo em termos de quais dados podem ser usados ​​para impulsionar o negócio. Todas as ações técnicas vêm em segundo lugar, pois não são úteis se não puderem ser aplicadas estrategicamente.

YT: E as ferramentas que permitem que você aja com base nos dados?

DH: Para reduzir os gastos com produtos e permitir que nossos clientes aloquem seus recursos para estratégia e execução, criamos nossos processos de ETL [extrair, transformar, carregar] usando o Google Cloud Platform. Isso torna mais fácil para nós escalar a baixo custo. Usamos principalmente R, Python e SQL para nossos processos de dados, mas também usamos alguns fornecedores para nos ajudar, como o funil. io e OWOX, pois são capazes de lidar com muitos conectores de dados de plataformas de anúncios a um baixo custo diretamente da caixa.

A desvantagem de construir uma configuração como a nossa é que levamos muito tempo para construir modelos eficientes que podem lidar com grandes conjuntos de dados e modelos estatísticos avançados que sentimos ter uma qualidade boa o suficiente para produzir. Sou um grande fã de ferramentas ETL como Azure Databricks, Alteryx e produtos semelhantes que podem reduzir muito o trabalho de engenharia de dados com recursos internos. Essas ferramentas, no entanto, podem ser muito caras e ainda exigem muito know-how para produzir resultados. Se você for usar uma ferramenta cara, lembre-se de utilizá-la corretamente para gerar receita em vez de esgotar seu orçamento.

YT: Alguns dias atrás, nós dois gostamos do post de Mikko Pippo sobre por que os profissionais de marketing desperdiçam dinheiro. Existem outros pontos que você recomendaria adicionar à lista de verificação de Mikkos? Por que os profissionais de marketing desperdiçam seus orçamentos e como você pode evitar isso?

DH: Mikko é um dos caras mais inteligentes que eu conheço, e se você não o segue, eu recomendo que você o faça. Se eu pudesse acrescentar algo ao post dele, seria para tentar enriquecer os dados que você já possui, como dados sobre pontos de fidelidade de clientes, reembolsos ou segmentos de clientes. É bastante fácil de fazer se você tiver o ID do cliente, usuário ou transação presente em sua configuração de análise.

A razão pela qual as pessoas não têm os fundamentos certos para a coleta de dados ou não estão usando os dados que possuem é como diz Mikko: falta de educação. Se você não sabe o que os dados podem fazer por você, ou se você não sabe como os números devem ficar na organização, é muito difícil fazer qualquer coisa.

A análise pode ser assustadora e difícil de trabalhar. Na maioria das vezes, não é que as pessoas sentadas com os dados não queiram usá-los. É principalmente uma questão sobre essa pessoa não ter tempo para dimensionar suas competências. Portanto, cabe à organização construir um ambiente onde as pessoas com acesso aos dados possam aprender a usar análises ou encontrar uma agência externa para apoiar as pessoas que tomam as decisões de negócios.

YT: Qual é o seu conselho para os profissionais de marketing que gostariam de se tornar profissionais verdadeiramente orientados por dados?

DH: Definitivamente comece pequeno. Aprender o básico de estatística e ser capaz de fazer algumas noções básicas de Excel pode levá-lo longe. Quando estiver confortável para trabalhar com conjuntos de dados básicos e combinar dados, você poderá escalar da maneira que melhor se adequar a você. Quando estou aprendendo algo novo, sempre tento combiná-lo com um projeto atual e tento aprender algo novo que melhorará meu trabalho enquanto o faço. Comecei a fazer programação estatística com R porque estava fazendo o mesmo trabalho todo mês que me levava vários dias. Ao aprender algo novo, reduzi isso para uma hora. Uma coisa que gostaria de mencionar aqui é que você não deve ter medo de exceder o escopo do projeto. Mesmo que as horas que você gasta aprendendo algo reduzam o lucro total de um projeto, você ainda pode aplicar tudo o que aprender nos próximos projetos que criar, tornando-os melhores e mais estáveis ​​do que se não tivesse gasto o tempo aprendendo como fazê-lo .

Meu último conselho aqui é escolher um caminho. Você não pode fazer qualquer coisa se quiser fazê-lo bem. Definitivamente, não sou tão bom em estatística quanto nosso chefe de inteligência de negócios, e ele não é tão bom em engenharia de dados quanto eu, então temos nossas funções definidas, mas ainda podemos apoiar uns aos outros no básico de nosso trabalho. A colaboração é fundamental se você quiser ter sucesso, e nunca é ruim contratar pessoas de fora para ajudar a dimensionar seu departamento.

YT: Quem é sua maior inspiração na comunidade #measure? Você poderia marcar um profissional cuja opinião vale a pena compartilhar em nosso blog?

DH: Mark Edmonson é definitivamente um cara que me inspira diariamente. Ele dá muito à comunidade, é sempre útil e continua criando ótimas soluções que ajudam analistas de todo o mundo a melhorar seu trabalho ao usar a plataforma Google Cloud.

YT: Quais são seus cinco eventos favoritos para analistas?

DH: Aqui estão eles:

• MeasureCamp
• Supersemana
• Conferência de análise de marketing
• Web Analytics quarta-feira
• Analisar!

YT: Você poderia citar seus cinco principais blogs ou outras fontes para analistas?

DH: Com prazer:

• blog de Mark Edmondson
• blog de Simo Ahava
• Blogue CXL
• Mania de análise
• Jeffalytics

… Talvez também meu próprio blog ;) Há tantos recursos bons que eu também quero mencionar, como o grupo #measureslack e Google Tag Manager no Facebook. A melhor parte da comunidade de análise é que as pessoas estão ansiosas para compartilhar ótimas soluções.

YT: Quais tendências você observa na análise e quais tendências persistirão e evoluirão no futuro?

DH: O rastreamento do lado do servidor é definitivamente algo que as pessoas começarão a implementar em todas as organizações, pois o Intelligent Tracking Prevention (ITP) dificulta a coleta de dados precisos de outra forma. Em termos de ITP, sou um pouco ambivalente quanto a isso. Por um lado, o ITP tem um grande propósito de proteger a privacidade dos usuários. Pessoalmente, acredito que os usuários devem sempre ter uma escolha em termos de quais informações desejam compartilhar com as empresas. Por outro lado, isso também impede que algumas funcionalidades do site funcionem conforme o esperado, como logins automáticos e personalização.

Além disso, acredito que o ITP pode ter as consequências de fazer com que as empresas executem soluções alternativas que forcem as pessoas a fornecer mais informações do que realmente davam antes. Exemplos podem ser fazer com que os usuários façam login antes que possam navegar em um site ou recusar o acesso a usuários que não deram seu consentimento no site. No estado atual do ITP, acho que não é uma opção ideal para usuários ou empresas. O mundo ainda está em uma curva de aprendizado íngreme em termos de seguir a legislação e ainda ser capaz de fornecer uma boa experiência. Estou ansioso para ver como vai se desenrolar.

Outra coisa para começar a procurar é a plataforma de análise App+Web. Ainda está nos estágios iniciais, mas será algo que eu recomendo implementar e construir à medida que evolui. Dessa forma, será possível usar os recursos da plataforma quando você precisar. Ele também vem com muitos recursos interessantes, como exportação gratuita do BigQuery.

YT: Que novos desafios você enfrenta no seu dia-a-dia em comparação com o início de sua carreira como analista?

DH: Meu papel mudou muito, de ser mais um papel de apoio no início da minha carreira para conduzir projetos de ponta a ponta. Antes, meus desafios eram entender como as coisas funcionavam e fazer o meu melhor para garantir que os relatórios mostrassem as métricas corretas e que o rastreamento fosse configurado corretamente.

Hoje, eu sei como fazer essas coisas, e as dificuldades são muitas sobre a estratégia de comunicação para que os clientes entendam os benefícios da coleta de dados e pressionem para que suas organizações usem essas informações ativamente. Em resumo, deixei de executar tarefas de implementação e relatórios que me foram atribuídas para conduzir a estratégia e o “porquê” de como os dados devem fluir. Acredito que é fundamental ter feito muito trabalho pesado antes de poder entender e conduzir a estratégia.

Antes de progredir como analista e desenvolver suas habilidades, você deve dominar o básico e entender como tudo está conectado.

YT: Google Analytics ou Adobe?

DH: Pessoalmente, gosto mais de usar o Google Analytics, pois está mais disponível para todos e tem uma ótima API. No entanto, acho que a Adobe tem um produto forte e estável, com algumas maneiras muito legais de analisar dados, além de ser um produto mais forte em termos de conformidade.

YT: Data Studio, Tableau ou Power BI?

DH: Eu gosto de usar o ShinyDashboards do R, pois você pode construir o que quiser com qualquer tipo de gráfico que quiser de forma dinâmica. Além disso, não requer licenças caras (a menos que você queira usar a solução hospedada).

Para ser honesto, acho que há algo ótimo com todas as ferramentas mencionadas acima. O Data Studio é gratuito e rápido, o PowerBI pode ser barato e fornece muitas visualizações excelentes prontas para uso, e o Tableau tem algumas funcionalidades e recursos de compartilhamento muito legais que são ótimos se houver muitas pessoas explorando e analisando dados dentro da organização.

YT: AppsFlyer ou FireBase?

DH: Eu não tenho uma opinião rígida aqui. No entanto, o desenvolvimento do APP+Web definitivamente torna o FireBase interessante agora.

A chave para o sucesso de um analista é a paciência e a preparação para começar do zero. Obrigado a Danny por este conselho simples que nos ajuda a manter o foco e persuasão em nossas análises.

Se você gostou desta entrevista ou tem perguntas para Danny, deixe um comentário abaixo! Não se esqueça de se inscrever em nosso blog para receber palestras e artigos ainda mais úteis do mundo da análise.