Pesquisa OWOX BI sobre o estado da análise digital: entrevista com Tim Wilson

As perguntas para esta entrevista foram preparadas por Mariia Bocheva, Executiva de Desenvolvimento de Negócios da OWOX BI, após conhecer Tim Wilson na conferência Superweek. Todas as fotos foram gentilmente cedidas por Banoczy Zoltan, Fundador da Superweek – European Analytics Summit.

Foi um grande prazer receber insights tão profundos de Tim Wilson (siga-o no Twitter), um analista ativo com muita experiência e uma visão positiva da vida.

Tim trabalha com várias dimensões de marketing e dados de clientes há mais de 15 anos. Ele dirigiu o departamento de inteligência de negócios de uma empresa business-to-business de alta tecnologia de US$ 500 milhões e consultou vários dos 50 principais varejistas da Internet sobre como aplicar a análise digital em seus negócios. Tim é um geek de dados amigável para profissionais de marketing. E agora ele é Diretor Sênior de Análise da Search Discovery.

A Search Discovery é uma empresa de inteligência e análise de negócios que capacita as organizações a usar dados para melhorar o desempenho dos negócios.

Quais hard skills são mais importantes para os analistas hoje? Um analista precisa conhecer SQL, Python e R e criar painéis nas ferramentas de visualização mais comuns, como Data Studio, Tableau e QlikView?

Este é um daqueles tópicos muito debatidos ultimamente. Vamos começar dizendo que os analistas precisam conhecer planilhas — Planilhas Google e Excel — muito bem. Mesmo que não seja onde eles estão fazendo a maior parte de seu trabalho, eles quase sempre estarão recebendo e enviando informações usando planilhas com bastante regularidade.

E se um analista não estiver muito confortável com o VLOOKUP e as tabelas dinâmicas , ele terá dificuldades com qualquer outra plataforma em que esteja fazendo análises.

A partir daí, o conforto com uma ferramenta de BI/visualização (eu adicionaria o Power BI à lista na sua pergunta) é cada vez mais um requisito, embora ainda existam muitas empresas que ainda não investiram em uma. Sou um grande fã do Google Data Studio por esse motivo - mesmo que a empresa não tenha mergulhado em uma plataforma paga, os analistas precisam saber como automatizar algumas visualizações básicas e exploração de seus dados principais de uma maneira que possa ser compartilhado com seus stakeholders.

Eu vejo muitos analistas cujos dias estão bastante cheios fazendo um trabalho valioso sem ter subido a curva de aprendizado muito íngreme necessária para ganhar fluência com esses idiomas. Mas há um limite para o que pode ser feito com as plataformas Excel e BI.

Para um analista ou uma organização que possui grandes volumes de dados granulares que deseja usar em modelos, SQL e Python ou R rapidamente se tornam obrigatórios.

E eu acrescentaria uma terceira classe de hard skills: estatísticas . Isso significa ir além das estatísticas resumidas, como média, mediana e desvio padrão, e realmente entender como e onde a regressão e a correlação – e os valores-p e o R-quadrado – podem ser usados. Trata-se tanto de realmente obter uma compreensão mais profunda da natureza dos dados quanto de realmente implantar esses métodos estatísticos.

Quais soft skills um bom analista deve ter?

Há muitos! As habilidades de comunicação eficazes estão no topo da lista, e isso inclui tudo, desde interações individuais com as partes interessadas – ouvir e entender suas necessidades de maneira ativa – até aplicar as melhores práticas na visualização de dados para poder apresentar os resultados de uma análise de forma clara e compreensível.

Um bom analista também é curioso (sobre o negócio, sobre os dados, sobre o mundo), cético (sobre o que os dados mostram - sempre que há uma surpresa, ele assume que é um problema de dados e investiga para confirmar) e tem um alto grau de perseverança (para superar desafios de dados e até mesmo desafios de pessoas/processos dentro da organização). Estes podem ser mais "traços de caráter" do que "habilidades", mas são todos muito importantes.

Você acha que a falta de comunicação entre analistas e equipes de marketing é comum? Se sim, você tem alguma recomendação sobre como superá-lo?

Absolutamente! Analistas e profissionais de marketing falam línguas diferentes. Na minha experiência, realmente precisa caber ao analista “falar de marketing”. Isso se resume a fazer algumas coisas:

1. Ouvindo

Pode ser tentador iniciar a solução de problemas ( Que dados posso extrair para responder a essa pergunta? ) prematuramente e não investigar o problema de negócios subjacente que o profissional de marketing está procurando resolver.

2. Não fala analista

Alguma educação do profissional de marketing é boa – o que significa uma métrica, quais são as limitações nos dados – mas já vi analistas entrarem na terminologia de análise profunda muito rápido demais quando não é necessário.
Isso pode deixar o profissional de marketing confuso ou, pior, sentindo-se desconfortável ou para baixo ( não sei do que o analista está falando. Eu deveria saber? Ele/ela parece pensar que eu deveria! ).

3. Nunca, nunca, NUNCA dizendo a si mesmo que os stakeholders são estúpidos

Isso é um erro fatal – decidir que um desafio de relacionamento é uma questão de inteligência e não uma questão de comunicação.

Quais recursos profissionais ou eventos você pode recomendar para analistas?

O principal recurso que posso recomendar aos analistas, independentemente de onde estejam, é a equipe Measure Slack. É gratuito e tem milhares de analistas constantemente envolvidos e compartilhando uns com os outros. A cada poucas semanas, há um tópico de discussão sobre Quais são os bons recursos para aprender X? ou Quais são as boas conferências para Y? por isso é até um recurso para identificar recursos!

Separadamente, existem algumas ótimas conferências: MeasureCamp é uma desconferência gratuita que é realizada em todo o mundo (e se não houver uma perto de você, você poderá iniciar uma!). O Marketing Analytics Summit e o Digital Analytics Hub são ótimas conferências nos EUA, e a Superweek é uma opção fantástica na Europa.

A Digital Analytics Association continua a aumentar os recursos que oferece aos seus membros, então esse é um ótimo recurso com todo tipo de material excelente (e até mesmo um programa de orientação). Existem vários MOOCs, como Coursera e edX, que oferecem vários cursos online.

Finalmente, se eu passasse por toda esta entrevista e não ligasse o podcast Digital Analytics Power Hour, eu seria um péssimo profissional de marketing! Mas existem inúmeros podcasts de análise, aprendizado de máquina e IA por aí – muitos (e muitos que não consigo ouvir regularmente) – para eu tentar fazer recomendações.

Que conhecimento faltam aos analistas e especialistas em marketing para tornar as empresas orientadas por dados?

Contexto de negócios e uma profunda compreensão da incerteza. O primeiro, acredito, pois vejo constantemente analistas e profissionais de marketing pularem nos dados querendo "encontrar respostas" e "gerar insights " sem ter formulado claramente uma pergunta de negócios para a qual a resposta levará a uma ação provável.

Este último é um pouco mais complicado de articular. Mas voltando a John Wannamaker, observando no início de 1900 que "Metade do dinheiro que gasto em publicidade é desperdiçada; só não sei qual metade", os profissionais de marketing e analistas esperavam que os dados fornecessem "a verdade" em vez de do que aprender a operar em um mundo probabilístico.

Embora possamos saber "a verdade" sobre o passado, como quanto tráfego chegou ao meu site no mês passado? (e mesmo isso não é "verdade" - há muita confusão sobre a coleta de dados lá que até torna esse número apenas uma estimativa), efetivamente usar esses dados para impactar o futuro significa desenvolver uma compreensão profunda de como "verdadeiro " uma imagem do mundo que os dados estão pintando e, em seguida, operando de acordo.

Quais são as coisas mais importantes que os analistas precisam fazer em diferentes estágios de maturidade do negócio (startup, SMB, SME, empresa)?

Na verdade, nunca considerei essa pergunta. É um interessante! As startups, eu acho, tendem a ser mais carentes de recursos e, geralmente, mais capazes de assumir algum risco de dados.

Portanto, as startups muitas vezes – por necessidade – precisam ser desconexas e reunir ferramentas gratuitas com governança de dados limitada e algumas integrações potencialmente frágeis (ou mesmo manuais!). E essa é uma boa maneira de operar, desde que haja o reconhecimento de que, com o crescimento, será necessário um amadurecimento dos sistemas.

Isso geralmente significa que as plataformas de dados precisarão ser revisadas e até substituídas completamente.

No outro extremo do espectro – empresas – a governança se torna um grande negócio, pois há mais pessoas e processos impactando e confiando nos dados. E, normalmente, há mais recursos para dedicar à análise, então alguns deles podem (ou devem!) -termo de primeira linha do negócio.

Que dificuldades você vê quando se trata de implementar análises e como você avalia o desenvolvimento geral do mercado?

Se limitarmos a "implementação" à implementação de plataformas de coleta de dados, há muitos desafios:

• Os aplicativos de página única (SPAs) estão muito em voga e apresentam desafios de marcação.
• A mudança de nível macro do consumidor para dispositivos móveis - e a maior probabilidade de que eles estejam se envolvendo com marcas em vários dispositivos - tornou o rastreamento entre dispositivos mais importante para muitas organizações, e não há uma maneira direta de fazer isso (depende da natureza do empresa e o local).
• Regulamentos de privacidade como GDPR e (nos EUA) CCPA adicionaram restrições e considerações adicionais ao mundo da coleta de dados.
• O bloqueio de rastreamento e exclusão de cookies está mudando cada vez mais de bloqueadores de anúncios instalados em uma pequena fração dos navegadores dos usuários para padrões padrão dentro dos próprios navegadores, o que certamente pode atrapalhar os dados!

Qual é o maior erro que um analista pode cometer? Você pode compartilhar alguns de seus erros analíticos?

O maior motivo, eu acho, é ficar tão empolgado em mexer nos dados que o que estou tentando alcançar aqui? pergunta se perde.

Isso aconteceu mais vezes do que gostaria de admitir - comecei com uma questão de negócios perfeitamente válida, depois fui sugado pela mecânica dos dados subjacentes e sua complexidade e minha capacidade de conquistar essa complexidade de tal forma que, pelo No final do projeto, eu havia feito algumas coisas bem interessantes com os dados em si, mas não havia entregue algo que realmente impulsionasse o negócio.

Qual você acha que é o futuro da análise de marketing? Que tendências você vê chegando e o que está em alta demanda?

Apesar dos meus pensamentos anteriores sobre a necessidade de realmente se concentrar no básico antes de mergulhar na ciência de dados e no aprendizado de máquina, acho que continuaremos a ver mais e mais empresas colocando o aprendizado de máquina em uso efetivo.

A maior razão para isso é que, cada vez mais, as organizações têm acesso a dados brutos sobre seus clientes e prospects – comportamentais, observacionais e demográficos.

Há 10 anos, por exemplo, as plataformas de análise digital forneciam principalmente dados agregados. Pode haver várias dimensões e métricas em um relatório, mas mesmo assim, os dados disponíveis não estavam em nível de sessão ou nível de pessoa.

Isso está mudando à medida que os principais players do mercado de análise digital começaram a disponibilizar esses dados de nível de hit, e várias plataformas de martech mais recentes têm esse nível de detalhe disponível desde o início. E esses são os dados necessários para realmente obter valor das técnicas de aprendizado de máquina.

Que problemas você vê no mercado hoje?

Um grande problema que vejo é que há um número enorme de startups apoiadas por empreendimentos que estão, essencialmente, prometendo ao mercado que têm uma varinha mágica de IA à venda. Em muitos (a maioria) dos casos, isso é hype de marketing.

Mas como a tecnologia tem margem mais alta e inerentemente mais escalável do que pessoas ou processos, é para lá que vão os dólares de marketing do setor, o que significa que "o mercado" é bombardeado com uma mensagem de que, se uma organização apenas comprar e implementar a tecnologia certa, ela de repente se tornará uma organização baseada em dados e com inteligência artificial.

A realidade simplesmente não funciona dessa maneira, muitas organizações estão assinando grandes cheques para tecnologia enquanto passam fome quando se trata de equipe de análise e investimento interno em melhorias de processos de análise.

Que desafios analíticos você tem agora?

Ainda tenho que educar continuamente meus clientes sobre a importância de implementar o básico: KPIs claramente estabelecidos, coleta de dados confiável e robusta, automação de tarefas repetitivas e análises orientadas por hipóteses claramente articuladas. Esse é um desafio que realmente não mudou nos últimos 15 anos.

Um desafio mais recente é o entusiasmo em torno da ciência de dados, aprendizado de máquina e IA. Parte do desafio é, na verdade, aumentar as ferramentas usadas nessas áreas, e parte do desafio é impedir que os clientes queiram perseguir esses novos objetos brilhantes quando seu maior valor viria do foco no básico.

Obrigado por tantos bons conselhos, Tim! Esperamos que analistas mais talentosos o sigam e que todo o mercado de análise se torne mais educado, entusiasmado e profissional.

Vamos manter contato! Assine nosso blog para ler as próximas entrevistas de nossa pesquisa sobre o estado da análise digital e adaptar a experiência dos principais analistas ao seu negócio.

Sobre o que você perguntaria a Tim? Deixe-nos saber nos comentários abaixo!