Исследование OWOX BI о состоянии цифровой аналитики: интервью Симо Ахава

У нас была прекрасная возможность взять интервью у Симо Ахава после его вдохновляющего выступления на Go Analytics! конференции в рамках нашего исследования состояния цифровой аналитики в 2019 году.

Симо Ахава — талантливый аналитик и соучредитель 8-bit-sheep, консалтинговой компании, которая специализируется на создании здоровых коммуникативных структур. Так что он хорошо знаком с тем, как развивать эффективную аналитику. Мы обсудили ряд вопросов, которые могут быть интересны любому маркетологу или аналитику. Они разбиты на следующие категории:

Все вопросы были подготовлены и заданы Марией Бочевой, нашим менеджером по развитию бизнеса (которая любит вслух цитировать блог Симо во время наших ежедневных встреч). :)

Какие трудности вы видите при внедрении аналитики и как вы оцениваете общее развитие рынка?

Думаю, основная сложность заключается в понимании возможностей и ограничений каждого инструмента. У каждого инструмента на рынке есть определенная степень «черного ящика». Я не имею в виду, что эти инструменты скрывают, как они работают (хотя некоторые делают это намеренно), а скорее то, что интеграция этих инструментов в процессы организации может быть очень непредсказуемой.

Меня также беспокоит то, как много новых сервисов стремятся сделать все «быстрее». Как будто скорость — это некая добродетель, которой должны следовать все компании. Быть быстрым часто приходится за счет осторожности , и всегда есть риск сделать что-то очень быстро только для получения результатов, которые могут ввести в заблуждение.

Я действительно думаю, что общее знание и понимание технических стеков улучшилось, потому что такие инструменты, как решения для управления тегами, демистифицируют мир разработчиков. Это здорово – эта тенденция, я надеюсь, сохранится и в будущем. Точно так же облачные сервисы становятся все более доступными и доступными, что привело к повышенному интересу к автоматизации и обработке данных.

Как аналитик может оказать большее влияние на маркетинг?

Чем они могут быть полезны для отдела маркетинга?

Аналитик не обязан влиять на маркетинг. Данные делают. «Аналитик» — это всего лишь описание роли, и я лично считаю почти вредным, когда кто-то с ярлыком «аналитик» является сильной силой в организации. Как только вы наняли аналитика, вы нашли, кому делегировать все эти «данные».

Поскольку аналитик работает с данными, его роль должна выходить за рамки разных команд, и он должен функционировать как мост между различными частями организации. В этом смысле они больше похожи на Scrum-мастеров и владельцев продуктов, чем на отдельных обработчиков данных.

Какие аналитические задачи стоят перед вами прямо сейчас ?

Я не сталкиваюсь с какими-либо аналитическими проблемами как таковыми, но мне постоянно сложно понять инструменты, с которыми я работаю, и то, как эти инструменты лучше всего использовать, чтобы помочь организациям лучше понять свои данные.

В то же время передо мной стоит задача сделать организации более осведомленными о своих недостатках. Самая большая проблема для аналитики или любой цифровой дисциплины заключается в том, как интегрировать ее в процессы организации без гиперболы или преувеличения. Многие компании стремятся быть «управляемыми данными» или «сначала цифровыми», что очень быстро превращается в охоту за лучшим инструментом, тогда как на самом деле этим организациям следует сосредоточиться на создании многопрофильных команд, более гибких подходах к дизайну услуг. , а также лучшее понимание того, какие бизнес-вопросы и проблемы необходимо решить, прежде чем выяснять, какой инструмент все это делает.

Как вы думаете, распространено ли недопонимание между аналитиками и маркетинговыми командами? Если да, то есть ли у вас какие-либо рекомендации, как это преодолеть?

Это так же распространено, как недопонимание между любыми двумя людьми в организации. Как решить недопонимание? Общаться лучше :)

Можно многому научиться у гибких методологий, таких как Scrum, которые полностью зависят от надежных коммуникационных структур в организации. Если вы обнаружите, что есть проблемы с общением, абсолютно необходимо выяснить, почему они существуют, и решить их, введя новые настройки и контексты для общения, такие как ежедневные встречи, обработка невыполненных работ, ретроспективные сеансы и демонстрации.

Каких знаний не хватает аналитикам и маркетологам, чтобы сделать компании управляемыми данными?

Я думаю, что им в основном не хватает двух вещей:

1. Они считают, что компания должна управляться данными
2. Покупка и доверие со стороны окружающих

Трудно добиваться изменений, если вы используете такую ​​терминологию, как «управляемый данными». Компанией движет совокупность данных, интуиции, опыта, человеческих ресурсов и т. д. Нет ничего, что двигало бы к изменениям.

Другая причина, по которой трудно закрепиться в компании, заключается в отсутствии доверия к тому, что вы делаете. Это проблема общения. Так что смотрите мой ответ на предыдущий вопрос :)

Заинтересованность и доверие можно получить, сделав свои усилия прозрачными: добавьте большие информационные панели по всему офису, сосредоточьте внимание на данных на демонстрациях и на совещаниях по спринтам, дайте всем понять, что каждая мелочь, сделанная с продуктом или услугой, измеримое воздействие.

Чтобы глубже понять мысли Симо Ахавы о проблемах коммуникации, загрузите его презентацию, чтобы прочитать ее во время прослушивания его живого выступления для Go Analytics! Конференция.

Как вы думаете, какое будущее у маркетинговой аналитики?

Какие тенденции вы видите в будущем и что пользуется большим спросом?

Я думаю, что будущее туманно. Ограничения в браузере и пространстве приложений (подавление в Safari основных файлов cookie, блокировка рекламы и контента и т. д.), повышенный спрос на дизайн, ориентированный на конфиденциальность, и ненадежность данных о сигналах в долгосрочной перспективе затрудняют одноранговый доступ. в будущее.

Я уверен, что маркетинговая аналитика продолжит отходить от подходов одного поставщика (например, Google Analytics) к более целостному конвейеру данных, а это означает, что спрос на инженеров данных будет расти.

Какие возможности вы видите на рынке сегодня?

Есть продавцы, организации, отдельные лица, страны, политики, законодатели и люди в целом, занимающиеся глупостями. Все это способствует неопределенности в цифровых дисциплинах, включая маркетинг. Мы можем либо принять это за чистую монету и продолжать бороться во все более ограниченном пространстве, либо мы можем преодолеть барьеры и начать думать о маркетинговой аналитике не как об отдельной дисциплине, а как о более широком спектре возможностей, которые может реализовать компания. с данными.

Маркетинг тесно связан с дизайном продуктов и услуг. Если в организации есть специальная маркетинговая команда, которая не участвует в повседневных механизмах того, что компания на самом деле производит, то это проблема. Точно так же, если организации все еще верят, что поиск лучшего инструмента — это решение всех их проблем, то это проблема.

Лично я думаю, что самая большая проблема — это та, которая никогда не исчезнет: неумение общаться. Каждый сбой, с которым может столкнуться организация, от самой маленькой ошибки до крупнейшей PR-катастрофы, всегда можно проследить до проблемы со связью между двумя или более людьми. Исправление этих проблем с коммуникацией — ключ к исправлению организаций, а исправление организаций — ключ к более здоровому рынку.

Какие профессиональные навыки наиболее важны для аналитиков сегодня? Должен ли аналитик знать SQL, Python и R и создавать информационные панели в наиболее распространенных инструментах визуализации, таких как Data Studio, Tableau, QlikView и т. д.?

Я думаю, что базовый уровень аналитики все еще очень сильно зависит от того, какой тип аналитики вы хотите использовать. Проблема установки ожиданий в отношении навыков заключается в том, что они создают эксклюзивность, а не приглашают людей начать работать с дисциплиной. Вы можете многое сделать, когда входите в пространство аналитики и у вас нет опыта работы с языками программирования или внешними инструментами визуализации. Однако по мере продвижения требования становятся более конкретными.​

• Для веб-аналитики первостепенное значение имеет понимание стека браузера.
• Для тех, кто работает с большими наборами данных, SQL является обязательным.
• Python vs. R — вечная дискуссия, но я не думаю, что это необходимо, если вы хотите работать в аналитике.

Но если бы мне пришлось выбирать, я бы выбрал Python из-за его расширяемости за пределы одной только области анализа данных.

Какими soft skills должен обладать хороший аналитик?

Сочувствие к бизнес-среде, в которой они работают, быстрые рефлексы для адаптации к изменениям вокруг них, менталитет наведения мостов для работы над разрозненными объектами, а не для их укрепления, и ненасытная жажда узнавать новое.

Самый важный навык – общение. Данные — это одна из тех вещей, которые действительно страдают, если люди в организации, где эти данные производятся, не общаются друг с другом. Данные — это план организации, и они могут выявить недостатки в организации более честно, чем любой консультант.

Какую самую большую ошибку может совершить аналитик?

Можете ли вы поделиться своими аналитическими ошибками?

На мой взгляд, самая большая ошибка, которую может совершить любой, кто работает с данными, — это преднамеренная неверная интерпретация или неправильное использование метрик для подтверждения ошибочной гипотезы. Я часто вижу это в организациях с низким уровнем зрелости, которые только начинают проводить A/B-тестирование или только что внедрили Google Analytics. Они настраивают конверсии для поддержки «самоочевидных» гипотез и намеренно избегают принимать результаты тестов, которые идут вразрез с тем, что они интуитивно считают правильным.

Тот же ход мыслей можно увидеть, например, при использовании чего-то простого, как показатель отказов, для описания вовлеченности на сайте. Без обширной настройки и без последовательной стратегии реализации, чтобы сопоставить все эти действия взаимодействия с событиями, убивающими отказы, показатель отказов является поверхностным, поверхностным показателем, который чаще всего может привести к неверным выводам.

Мои собственные ошибки как консультанта часто связаны с двумя вещами, которые я описал выше. Я легко поддаюсь «простоте» аналитики в тех случаях, когда мне нужно быстро получить хорошие результаты. Это то, чего я стараюсь избегать изо всех сил, но быть полностью беспристрастным к данным часто очень сложно. Мне легче быть честным в тех случаях, когда я эмоционально не слишком вовлечен в бизнес клиента — в таких случаях легче быть предельно честным и попытаться убедить организацию изменить свое мышление.

Мы очень ценим все ответы Симо и готовы подписаться под каждым его словом. За последние 20 лет течения в океане данных стали двигаться быстрее, даже раздавив некоторые лодки. Важно погрузиться в свои данные, используя надлежащие инструменты, но что более важно, так это наличие действительно преданной команды на борту.

Мы полностью согласны с Симо. Каждый день мы предоставляем наши услуги, чтобы директора по маркетингу, маркетологи и аналитики могли выйти на новый уровень анализа данных в своих компаниях, упростив сбор, согласование, отчетность и визуализацию данных.

Так что давайте поддерживать связь! Подпишитесь на наш блог, чтобы читать следующие интервью из нашего исследования о состоянии цифровой аналитики и адаптировать опыт ведущих аналитиков к своему бизнесу.

О чем бы вы спросили Симо? Дайте нам знать в комментариях ниже!