Интервью с Джимом Стерном

Джим Стерн — основатель Marketing Analytics Summit (ранее eMetrics Summit), почетный директор Ассоциации цифровой аналитики, автор 12 книг, талантливый оратор и в целом замечательный человек и специалист.

Мария Бочева имела удовольствие встретиться с Джимом на саммите Marketing Analytics в Лас-Вегасе в июне 2019 года, через несколько месяцев после этого интервью. Мария уже опубликовала полные отчеты о первом и втором днях конференции.

Интервью Марии с Джимом затрагивало следующие темы:

Коммуникация имеет ключевое значение : общение с людьми на собраниях, проведение презентаций PowerPoint, совместное использование информационных панелей. Это можно было бы назвать жестким навыком, потому что он так необходим, но на самом деле это навык людей, так что это мягкий навык.

ДС: Когда мы говорим о сложных навыках, в первую очередь мы говорим о самих данных — сборе данных, их очистке, построении пайплайна . По сути, инженерная сторона данных. Если вы счастливы работать в компании, которая достаточно велика, чтобы иметь инженеров данных, вам не нужно делать эти вещи.

Необходимым твердым навыком является знание того, откуда берутся данные . Как он обрабатывается, предварительно обрабатывается и интегрируется, прежде чем он попадет к вам в руки? Вы должны понимать исходный материал.

Другое, что я вижу, это статистика . Абсолютно необязательно быть статистиком, но очень важно понимать статистику в целом, чтобы вы могли применять ее концепции. Твердые навыки включают в себя знание ваших инструментов. Как говорит Адам Греко: «Чем лучше вы знаете свои инструменты, тем больше у вас вариантов и тем больше у вас возможностей».

Наконец, если вы хотите углубиться, изучайте R или Python в зависимости от того, что вас больше интересует — статистика или машинное обучение. Опять же, это совершенно не обязательно, но очень полезно.

JS: Это действительно зависит от многих факторов. Если у меня есть команда из ста аналитиков, то, может быть, мне и не нужны люди, умеющие пользоваться SQL, Python и R. С другой стороны, это никогда не помешает.

Должен ли я быть опытным кодером? НЕТ. Но должен ли я понимать, что происходит и что происходит за кулисами? ДА.

Полезно знать, как работает TCP/IP, полезно знать, как работает HTTPS, полезно знать, как происходит программирование. Является ли это абсолютно необходимым, зависит от вашей команды .

Если вы единственный человек, который работает с SQL, вы должны стать лучше в этом, потому что вы единственный. Но если у вас есть целая команда экспертов по SQL, вам это не нужно; но вы должны понимать, о чем они говорят, чтобы вы могли задавать хорошие вопросы.

Водопроводчику не нужно знать, как делают медную трубу, но если он знает, а потом сталкивается с какой-то странной проблемой, он может сказать: «О, это проблема в производстве» .Потому что у него есть эти дополнительные знания. Так ли это необходимо? Нет, но это всегда полезно.

ДС: Да, это очень распространено. Рекомендации касаются кросс-тренинга. Я проводил презентацию (примерно 15 лет назад в Германии), объясняя, чем занимается аналитик и как работа аналитика состоит в том, чтобы помогать людям в компании выполнять их работу.

Важно понимать , чего пытаются достичь другие люди . Затем кто-то в зале поднял руку (это необычно для такого типа аудитории) и спросил: «Должен ли я разбираться во всех остальных работах во всей компании?» И я сказал ДА! Это правда, это твоя работа. Хорошо знать, что люди пытаются сделать, чтобы помочь им, но также хорошо, когда они достаточно понимают данные.

У меня есть пример перекрестного обучения аналитике между отделами. Когда Дэвид Ри работал в Adidas, он решил, что его команде необходимо повысить квалификацию. Поэтому он чередовал их с разными обязанностями. Он возьмет специалиста по аналитике электронной почты и поставит его ответственным за отображение; назначьте человека, отвечающего за показатели в социальных сетях, а затем назначьте его ответственным за веб-показатели. В течение года он ротировал людей. Так что, если вы были там в течение 3 или 4 лет, вы научились делать все.

И в то время как моя мгновенная реакция, Боже мой! Я должен начать все сначала! Я потратил год на изучение этого материала, а теперь вы просто бросите меня в холодную воду, и мне придется заново учиться плавать, он ответил: да, вы должны. И в результате вся команда узнала, чем занимаются все остальные. Поэтому, когда вам нужно принять решение, вы делаете это с точки зрения организации, а не я отвечаю за электронную почту. Это может помочь всему отделу. И я думаю, что эта методология может работать и по-другому.

Когда кто-то вошел и сказал, что мне предложили лучшую работу с кем-то в середине компании ,Дэвид подбадривал и поддерживал их, потому что говорил, что через два, три или пять лет ты вернешься ко мне работать и будешь умнее, потому что узнаешь что-то новое .Если мы применим это к разнице между аналитикой и маркетингом, аналитик может провести день в месяц, просто следя за одним из своих клиентов-аналитиков, общаясь с людьми, занимающимися маркетингом по электронной почте, общаясь с людьми, занимающимися метриками в социальных сетях, наблюдая за тем, что они делают. делать и как выглядит их день. Это было бы ценно.

ДС: Для аналитиков это знание предметной области и знание целей других людей. А для маркетологов — как применять данные. Общение заключается в том, чтобы знать, каковы цели другого человека и каковы его трудности. И так в любых отношениях – не важно, деловых или личных.

Это называется эмпатией и требует знания ситуации другого человека.

Дж . Ш.: Самая большая ошибка — думать, что анализа данных достаточно . Это не потому, что это только часть всей бизнес-экосистемы. Понимание целей и задач, политики и ограниченных ресурсов всей экосистемы очень важно.

Я предполагаю, что самый простой ответ о моих собственных ошибках — это самая распространенная ошибка, которую я совершаю, предполагая, что данные чисты и заслуживают доверия. Когда много работаешь, очень легко забыть, что что-то может быть не так.

JS: Первое, что вам нужно сделать, это иметь достаточно данных. Если вы стартап, у вас нет данных. Это проблема. Если вы небольшая компания, у вас очень мало данных, что тоже является проблемой.

Если вы являетесь компанией среднего размера или крупным предприятием, у вас есть данные, но нет инфраструктуры. Когда у вас есть данные, вам нужны инструменты и навыки для их использования. И ваши инструменты и навыки должны быть достаточно сложными, чтобы приносить пользу.

И если вы достаточно велики и у вас есть источники данных, вам необходимо автоматизировать такие вещи, как создание информационных панелей или фактически автоматизировать маркетинговые решения и операции. Самая большая проблема заключается в том, чтобы сделать изменения, вытекающие из этих данных, применимыми к реальным ситуациям.

Заставьте всех поверить в данные . Я не уверен, что возможности систем аналитики действительно зависят от размера компании, а от зрелости компании и доступных ресурсов.

ДС: Самая большая проблема — заставить всех работать в одном направлении. Это организационные способности. Если я аналитик, я люблю данные и хочу, чтобы все любили данные. Это большая работа, чтобы убедить компанию, что это хорошо. Это очень распространенная проблема, когда компания любит данные или говорит, что любит, но использует их только для подтверждения своих собственных мнений или использует их плохо.

Самая распространенная проблема — плохое использование данных из-за непонимания и желания человека показать себе, что он успешен.

ДС: Я думаю, что у нас больше технологий, чем мы знаем, что с ними делать. Еще в 2005 году Авинаш Каушик научил нас, что когда вы тратите 10 долларов на аналитику, вы тратите 9 долларов на людей и 1 доллар на технологии, и мы все еще там. Есть действительно умные люди, создающие действительно невероятные технологии. И это немного превышает нашу способность использовать все это.

Представьте, что у вас есть система, которая собирает всю информацию, очищает ее, сваливает в некий центральный репозиторий и принимает множество решений. Показывая правильное сообщение нужному человеку в нужное время, вы делаете больше продаж, ваши клиенты счастливее, и такой подход всегда дешевле. Было бы здорово, если бы это могло работать. Но заставить все части работать вместе означает, что вам нужно использовать множество технологий, и все эти различные инструменты, которые вам нужно использовать, становятся все более и более сложными с каждым днем.

Итак, мне нужно 15 различных инструментов, и я должен быть экспертом во всех из них, чтобы все они отлично работали. Вы можете три часа работать с одним инструментом, а потом кто-то что-то меняет — вышла новая версия инструмента, кто-то перепутал ссылку или что-то пошло не так. Итак , у нас есть 15 минут совершенства, а затем мы проводим остаток жизни, пытаясь заставить все это работать вместе .

ДС: Ну, моя последняя работа связана с машинным обучением. Вот мой ответ ;-)

Это просто разные виды программного обеспечения, но это все еще программное обеспечение, и оно делает вещи. Таким образом, специалист должен видеть, когда уместно использовать этот инструмент для решения этой проблемы, а когда он излишен, поскольку слишком дорог или слишком сложен.

Важно знать, когда использовать правильный инструмент . Иногда электронные таблицы Excel великолепны; иногда достаточно простой статистической регрессии; а иногда, ладно, давайте запустим какую-нибудь систему машинного обучения, чтобы попытаться решить эту проблему или автоматизировать это дело. Знание разницы — это ценность, которую аналитик привносит в таблицу.

JS: Самое важное событие — это то, которое находится ближе всего к вам и которое вы можете себе позволить. Потому что это нехорошее событие, если вы не можете туда попасть. Следующим по важности местом является то, где вы можете встретиться с людьми, которых вы знаете, потому что именно так вы строите свою профессиональную сеть.

Мне нравится посещать центр DAA в Вирджинии , который отлично подходит для глубокого погружения с людьми, которые давно занимаются аналитикой. Если вы очень серьезно относитесь к своей карьере, вам следует пойти и купить билет. То же самое я могу сказать и о Superweek . Это место, где действительно умные люди увлекательно рассказывают о действительно сложных вещах.

С другой стороны, MeasureCamp — интересное сообщество. Последний раз я проводил MeasureCamp в Братиславе, Словакия. Я могу сказать, что каждый MeasureCamp, в котором я был, имеет такое же отношение. Это действительно интересно: люди пытаются решать очень простые задачи, и все стараются помочь друг другу. Это просто заставляет меня чувствовать себя так хорошо.

И я думаю, мне действительно следует упомянуть мой собственный Саммит по маркетинговой аналитике ! В Европе их будет несколько, а главное событие состоится в июне в Лас-Вегасе.

Я всегда призываю людей вступить в ассоциацию DAA , которой уже 15 лет, и она насчитывает 5000 членов. Я также хотел бы указать людям на подкаст Digital Analytics Power Hour . Рекомендую вернуться и переслушать все серии.

И, конечно же, Measure Slack . Раньше мы связывались в списках обсуждений по электронной почте. Потом есть разные блоги, где люди активно занимаются. Потом была большая активность в Твиттере с хэштегом #measure. Если у вас есть проблема, вопрос или шутка, или вам просто нужно на минуту отвлечься от цифр и пообщаться с людьми. Сегодня разговор, похоже, идет о Measure Slack, и это здорово.

Последнее, что я хотел бы добавить, касается культуры #measure. Людям нравится помогать друг другу. Вся наша индустрия посвящена обмену. Мы помогаем друг другу уже много лет. Вот почему все эти события так ценны; мы люди, которым нравится помогать, делиться и учиться.

Мы благодарим Джима за такие обнадеживающие и свежие мысли. Мы надеемся, что вам понравилось это интервью, и вы получили такой же заряд вдохновения, как и мы. Любите свою работу и свое аналитическое сообщество и никогда не переставайте развиваться!

Подпишитесь на наш блог, чтобы читать следующие интервью в рамках нашего исследования состояния цифровой аналитики и адаптировать опыт ведущих аналитиков к своему бизнесу.