สัมภาษณ์กับ Danny Mawani Holmgaard

เราขอให้ Yulia Tkachova ผู้จัดการผลิตภัณฑ์ของ OWOX ติดต่อ Danny Mawani Holmgaard หัวหน้านักวิเคราะห์ที่ Impact Extend นี่คือรายการสั้น ๆ ของหัวข้อที่พวกเขาได้สัมผัส:

Yulia Tkachova: มาทำความรู้จักกันเถอะ! บอกเราเกี่ยวกับตัวคุณและประสบการณ์ของคุณ

Danny Mawani Holmgaard: ฉันเป็นหัวหน้านักวิเคราะห์ที่ Impact Extend เอเจนซี่การตลาดดิจิทัล ฉันไม่ได้ทำงานเฉพาะกับ Google Analytics เท่านั้นแต่ยังทำงานด้านวิศวกรรมข้อมูล การตั้งค่าไปป์ไลน์ข้อมูล การผสานรวมข้อมูลออนไลน์และออฟไลน์ และสร้างแบบจำลองข้อมูล ฉันรวมและวิเคราะห์ข้อมูลเพื่อให้สามารถใช้ได้ทั้งในเชิงกลยุทธ์ แสดงว่าเรามาถูกทางหรือจำเป็นต้องเปลี่ยนแปลง และในการดำเนินงาน ตรวจสอบให้แน่ใจว่าข้อมูลอยู่ในระบบที่ถูกต้องเพื่อให้สามารถดำเนินการได้

YT: คุณเริ่มจัดการกับการวิเคราะห์การตลาดได้อย่างไร

DH: จริง ๆ แล้วฉันสะดุดกับเส้นทางอาชีพนี้โดยบังเอิญ ตอนแรกฉันกำลังเรียนการออกแบบแนวคิดดิจิทัลและอยากเป็นนักออกแบบเว็บไซต์ ฉันเพิ่ม Google Analytics ในโครงการโรงเรียนของฉันเพื่อความสนุกสนาน และทันใดนั้นฉันก็รู้ว่าคุณสามารถมีอิทธิพลต่อกระบวนการเชิงกลยุทธ์ทั้งหมดตั้งแต่ตัวเลือกการออกแบบไปจนถึงการสร้างประสบการณ์ที่ดีขึ้นสำหรับผู้ใช้ในขณะที่ปรับปรุงผลลัพธ์ทางธุรกิจ สิ่งหนึ่งที่นำไปสู่อีกสิ่งหนึ่ง และฉันได้ทำงานกับข้อมูลในช่วงหกปีที่ผ่านมา

YT: คุณชอบบทบาทของคุณมากที่สุดและน้อยที่สุด?

DH: ฉันตื่นเต้นมากเกี่ยวกับโครงการใหม่และออกแบบโซลูชันตั้งแต่เริ่มต้น ซึ่งหมายถึงการเปลี่ยนจากการกำหนดขอบเขตแหล่งข้อมูลที่จำเป็นไปจนถึงการเขียนโค้ดเพื่อเชื่อมต่อกับฐานข้อมูลและ API ต่างๆ ด้านอื่นๆ ที่ฉันชอบคือการได้เห็นความพยายามของเรากำลังสร้างผลกระทบ (เล่นสำนวนเจตนา) ให้กับลูกค้าของเราโดยการให้ข้อมูลที่พวกเขาต้องการ แต่ไม่เคยคิดว่าจะเป็นไปได้เพื่อขับเคลื่อนธุรกิจของพวกเขาไปข้างหน้าด้วยการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล

ส่วนที่ "สนุก" น้อยที่สุดในงานของฉันเกิดขึ้นเมื่อมีบางอย่างพังและต้องแก้ไข การรับข้อมูลหลังจากเหตุการณ์ที่ไม่สามารถติดตามได้เกิดขึ้นค่อนข้างยาก น่าเสียดายที่เราไม่สามารถคาดการณ์ทุกสิ่งที่อาจผิดพลาดได้เมื่อรวบรวมข้อมูล นี่อาจเป็นอะไรก็ได้ตั้งแต่การปรับใช้ที่ผิดพลาดไปจนถึงผู้ที่กำหนดค่าการตั้งค่าในระบบของพวกเขาอย่างไม่ถูกต้อง สิ่งที่ดีที่สุดที่คุณสามารถทำได้คือตั้งค่าจอภาพสำหรับข้อมูลของคุณ และทำความสะอาดสปริงเป็นระยะๆ เพื่อให้แน่ใจว่าคุณมีประสิทธิภาพการทำงานที่ดีและเรียนรู้จากข้อผิดพลาด

YT: DH: การทำให้ข้อมูลสามารถดำเนินการได้คือสิ่งที่เราพยายามทำให้สำเร็จสำหรับลูกค้าทั้งหมดของเรา สำหรับฉัน ข้อมูลที่สามารถดำเนินการได้คือข้อมูลที่คุณสามารถนำไปใช้และใช้งานได้จริงภายในองค์กร ไม่ว่าจะเป็นสิ่งที่ซับซ้อน เช่น การคำนวณมูลค่าตลอดช่วงชีวิตของลูกค้าสำหรับลูกค้าในทุกช่องทาง แล้วใช้ข้อมูลนั้นในระบบอัตโนมัติทางการตลาดของคุณ การเสนอราคาโฆษณาตามต้นทุน อัตรากำไรขั้นต้นและความน่าจะเป็นในการขายของผลิตภัณฑ์ หรือบางอย่างง่ายๆ เช่น การสร้างผู้ชมใน Google Analytics ที่ช่วยให้คุณกำหนดเป้าหมายใหม่ที่เกี่ยวข้องได้ โดยรวมแล้ว การทำให้ข้อมูลสามารถดำเนินการได้คือการทำให้แน่ใจว่าข้อมูลที่คุณรวบรวมสามารถนำมาใช้เพื่อทำการเปลี่ยนแปลงแบบไดนามิกตามการกระทำของผู้ใช้เพื่อกระตุ้นให้เกิด Conversion หรือมอบประสบการณ์การใช้งานที่ดีขึ้นแก่ผู้ใช้

YT: คุณแนะนำทักษะและซอฟต์แวร์ใดในการทำให้ข้อมูลนำไปปฏิบัติได้

DH: ส่วนใหญ่ขึ้นอยู่กับทรัพยากรและความทะเยอทะยานของทีมของคุณ สิ่งสำคัญที่สุดคือการค้นหาสิ่งที่คุณพยายามบรรลุและตั้งเป้าหมาย คุณไม่จำเป็นต้องทำงานกับชุดข้อมูลขนาดใหญ่หรือสามารถเขียนโปรแกรมทางสถิติขั้นสูงเพื่อให้ข้อมูลของคุณดำเนินการได้ เริ่มต้นง่ายๆ และสร้างจากที่นั่น ไม่ว่าจะเป็นการตรวจสอบให้แน่ใจว่าข้อมูลวิเคราะห์ของคุณได้รับการวัดอย่างถูกต้อง ไปจนถึงการอัปโหลดข้อมูลการคืนเงินหรือค่าใช้จ่าย เพื่อเรียนรู้ว่าคุณกำลังเสียเงินกับผลิตภัณฑ์ใด

โดยทั่วไป ให้ใช้ข้อมูลที่คุณมีอยู่และเริ่มต้นเพียงเล็กน้อย หากคุณเริ่มโครงการขนาดใหญ่เกินไปก่อนที่องค์กรจะจัดการได้ คุณเสี่ยงที่จะสูญเสียทรัพยากรของทีมอันมีค่าไปกับโครงการที่อาจล้มเหลว ในความเห็นของฉัน ทักษะที่อ่อนนุ่มที่สำคัญที่สุดคือความสามารถในการอยากรู้อยากเห็นและสร้างสรรค์ในแง่ของข้อมูลที่สามารถใช้ขับเคลื่อนธุรกิจไปข้างหน้าได้ การดำเนินการทางเทคนิคทั้งหมดมีความสำคัญเป็นอันดับสอง เนื่องจากไม่มีประโยชน์หากไม่สามารถนำไปใช้ในเชิงกลยุทธ์ได้

YT: แล้วเครื่องมือที่ช่วยให้คุณดำเนินการกับข้อมูลล่ะ

DH: เพื่อลดการใช้จ่ายในผลิตภัณฑ์และทำให้ลูกค้าของเราสามารถจัดสรรทรัพยากรสำหรับกลยุทธ์และการดำเนินการ เราได้สร้างกระบวนการ ETL [แยก แปลง โหลด] ด้วยตนเองโดยใช้ Google Cloud Platform ทำให้เราปรับขนาดได้ง่ายด้วยต้นทุนที่ต่ำ เราใช้ R, Python และ SQL เป็นหลักในการประมวลผลข้อมูล แต่เรายังใช้ผู้ให้บริการสองสามรายเพื่อช่วยเรา เช่น ช่องทาง io และ OWOX เนื่องจากสามารถจัดการตัวเชื่อมต่อข้อมูลจำนวนมากจากแพลตฟอร์มโฆษณาด้วยต้นทุนที่ต่ำที่นำออกจากกล่องโดยตรง

ข้อเสียของการสร้างการตั้งค่าแบบเดียวกับเราคือต้องใช้เวลานานมากในการสร้างแบบจำลองที่มีประสิทธิภาพซึ่งสามารถรองรับชุดข้อมูลขนาดใหญ่และแบบจำลองทางสถิติขั้นสูงที่เรารู้สึกว่ามีคุณภาพเพียงพอสำหรับการผลิต ฉันเป็นแฟนตัวยงของเครื่องมือ ETL เช่น Azure Databricks, Alteryx และผลิตภัณฑ์ที่คล้ายกันซึ่งสามารถลดงานวิศวกรรมข้อมูลจำนวนมากด้วยคุณสมบัติในตัว อย่างไรก็ตาม เครื่องมือเหล่านี้อาจมีราคาแพงมากและยังต้องอาศัยความรู้มากมายจึงจะได้ผล หากคุณกำลังจะใช้เครื่องมือราคาแพง อย่าลืมใช้มันอย่างเหมาะสมเพื่อให้สามารถสร้างรายได้แทนที่จะทำให้งบประมาณของคุณหมดไป

YT: เมื่อไม่กี่วันก่อน เราทั้งคู่ชอบโพสต์ของ Mikko Pippo ว่าทำไมนักการตลาดถึงเสียเงิน มีจุดอื่นๆ ที่คุณอยากจะแนะนำให้เพิ่มในรายการตรวจสอบของ Mikkos หรือไม่? เหตุใดนักการตลาดจึงเปลืองงบประมาณและคุณจะหลีกเลี่ยงสิ่งนี้ได้อย่างไร

DH: Mikko เป็นหนึ่งในคนที่ฉลาดกว่าที่ฉันรู้จัก และถ้าคุณไม่ติดตามเขา ฉันแนะนำให้คุณทำตาม หากฉันสามารถให้ข้อมูลเพิ่มเติมในโพสต์ของเขาได้ อาจเป็นการพยายามปรับปรุงข้อมูลที่คุณมีอยู่แล้ว เช่น ข้อมูลเกี่ยวกับคะแนนความภักดีของลูกค้า การคืนเงิน หรือกลุ่มลูกค้า ทำได้ค่อนข้างง่ายหากคุณมีลูกค้า ผู้ใช้ หรือรหัสธุรกรรมอยู่ในการตั้งค่าการวิเคราะห์ของคุณ

เหตุผลที่ผู้คนไม่มีมูลเหตุที่ถูกต้องในการเก็บรวบรวมข้อมูลหรือไม่ได้ใช้ข้อมูลที่มีอยู่ก็อย่างที่ Mikko กล่าวไว้ว่า: การขาดการศึกษา ถ้าคุณไม่รู้ว่าข้อมูลสามารถทำอะไรให้คุณ หรือถ้าคุณไม่รู้ว่าตัวเลขควรมีลักษณะอย่างไรในองค์กร ก็เป็นเรื่องยากมากที่จะทำอะไร

การวิเคราะห์อาจดูน่ากลัวและใช้งานยาก ส่วนใหญ่ไม่ใช่ว่าคนที่นั่งอยู่กับข้อมูลไม่ต้องการใช้ ส่วนใหญ่เป็นคำถามเกี่ยวกับบุคคลนั้นที่ไม่มีเวลาปรับขนาดความสามารถ ดังนั้นจึงขึ้นอยู่กับองค์กรที่จะสร้างสภาพแวดล้อมที่ผู้ที่สามารถเข้าถึงข้อมูลสามารถเรียนรู้วิธีใช้การวิเคราะห์หรือค้นหาหน่วยงานภายนอกเพื่อสนับสนุนผู้ที่ทำการตัดสินใจทางธุรกิจ

YT: คำแนะนำของคุณสำหรับนักการตลาดที่ต้องการเป็นผู้เชี่ยวชาญที่ขับเคลื่อนด้วยข้อมูลอย่างแท้จริงคืออะไร

DH: เริ่มต้นจากสิ่งเล็กๆ อย่างแน่นอน การเรียนรู้พื้นฐานของสถิติและความสามารถในการใช้ Excel ขั้นพื้นฐานสามารถนำคุณไปไกลได้ เมื่อคุณคุ้นเคยกับการทำงานกับชุดข้อมูลพื้นฐานและการรวมข้อมูลแล้ว คุณสามารถเพิ่มขนาดได้ในลักษณะที่เหมาะกับคุณที่สุด เมื่อฉันเรียนรู้สิ่งใหม่ ฉันพยายามจับคู่มันกับโครงงานปัจจุบันและพยายามเรียนรู้สิ่งใหม่ที่จะปรับปรุงงานของฉันในขณะที่ทำ ฉันเริ่มเขียนโปรแกรมเชิงสถิติด้วย R เพราะฉันทำงานเดียวกันทุกเดือนซึ่งใช้เวลาหลายวัน เมื่อเรียนรู้สิ่งใหม่ ฉันลดเวลานี้เหลือหนึ่งชั่วโมง สิ่งหนึ่งที่ฉันอยากจะพูดถึงที่นี่คือคุณไม่ควรกลัวที่จะเกินขอบเขตของโครงการ แม้ว่าชั่วโมงที่คุณใช้ในการเรียนรู้บางอย่างจะลดผลกำไรทั้งหมดของโครงการลง คุณยังสามารถนำทุกสิ่งที่คุณเรียนรู้ไปใช้กับโครงการต่อไปที่คุณสร้าง ทำให้พวกเขาดีขึ้นและมีเสถียรภาพมากกว่าถ้าคุณไม่ได้ใช้เวลาในการเรียนรู้วิธีการทำ .

คำแนะนำสุดท้ายของฉันที่นี่คือการเลือกเส้นทาง คุณไม่สามารถทำอะไรได้เลยถ้าคุณต้องการทำมันให้ดี ฉันไม่เก่งเรื่องสถิติเท่าหัวหน้าหน่วยธุรกิจอัจฉริยะ และเขาไม่เก่งด้านวิศวกรรมข้อมูลเหมือนฉัน ดังนั้นเราจึงมีบทบาทที่กำหนดไว้แต่ยังสามารถสนับสนุนซึ่งกันและกันในพื้นฐานการทำงานของเรา การทำงานร่วมกันเป็นกุญแจสำคัญหากคุณต้องการประสบความสำเร็จ และการจ้างคนจากภายนอกมาช่วยขยายแผนกของคุณไม่ใช่เรื่องแย่

YT: ใครคือแรงบันดาลใจที่ยิ่งใหญ่ที่สุดในชุมชน #measure? คุณช่วยแท็กมืออาชีพที่ความคิดเห็นมีค่าควรแก่การแชร์ในบล็อกของเราได้ไหม

DH: Mark Edmonson เป็นคนที่สร้างแรงบันดาลใจให้ฉันทุกวัน เขาให้อะไรมากมายแก่ชุมชน มีประโยชน์เสมอ และสร้างโซลูชันที่ยอดเยี่ยมต่อไปที่ช่วยให้นักวิเคราะห์ทั่วโลกปรับปรุงงานของพวกเขาเมื่อใช้แพลตฟอร์ม Google Cloud

YT: 5 กิจกรรมที่คุณชอบที่สุดสำหรับนักวิเคราะห์คืออะไร?

DH: นี่คือ:

• วัดค่าย
• ซุปเปอร์วีค
• การประชุมสุดยอดการวิเคราะห์การตลาด
• การวิเคราะห์เว็บวันพุธ
• วิเคราะห์!

YT: คุณช่วยบอกชื่อบล็อกห้าอันดับแรกของคุณหรือแหล่งข้อมูลอื่นๆ สำหรับนักวิเคราะห์ได้ไหม

DH: ด้วยความยินดี:

• บล็อกของ Mark Edmondson
• บล็อกของ Simo Ahava
• บล็อก CX
• การวิเคราะห์ความบ้าคลั่ง
• เจฟฟาลิติกส์

… บางทีอาจเป็นบล็อกของฉันด้วย ;) มีแหล่งข้อมูลดีๆ มากมายที่ฉันอยากพูดถึง เช่น #measureslack และกลุ่ม Facebook ของ Google Tag Manager ส่วนที่ดีที่สุดของชุมชนการวิเคราะห์คือผู้คนต่างกระตือรือร้นที่จะแบ่งปันโซลูชันที่ยอดเยี่ยม

YT: คุณสังเกตเห็นแนวโน้มใดในการวิเคราะห์ และแนวโน้มใดที่จะคงอยู่และมีวิวัฒนาการในอนาคต

DH: การติดตามฝั่งเซิร์ฟเวอร์เป็นสิ่งที่ผู้คนจะเริ่มนำไปใช้ทั่วทั้งองค์กรอย่างแน่นอน เนื่องจากการป้องกันการติดตามอัจฉริยะ (ITP) ทำให้การรวบรวมข้อมูลที่ถูกต้องแม่นยำเป็นเรื่องยาก ในแง่ของ ITP ฉันค่อนข้างสับสนในเรื่องนี้ ในอีกด้านหนึ่ง ITP มีจุดประสงค์ที่ดีในการปกป้องความเป็นส่วนตัวของผู้ใช้ โดยส่วนตัวแล้ว ฉันเชื่อว่าผู้ใช้ควรมีทางเลือกเสมอว่าต้องการแบ่งปันข้อมูลใดกับธุรกิจ ในทางกลับกัน สิ่งนี้ยังป้องกันไม่ให้ฟังก์ชันบางอย่างของไซต์ทำงานตามที่ตั้งใจไว้ เช่น การเข้าสู่ระบบอัตโนมัติและการปรับเปลี่ยนในแบบของคุณ

นอกจากนี้ ฉันเชื่อว่า ITP อาจมีผลที่ตามมาจากการทำให้บริษัทต่างๆ ดำเนินการแก้ไขปัญหาที่บังคับให้ผู้คนให้ข้อมูลมากกว่าที่เคยทำจริง ตัวอย่างอาจทำให้ผู้ใช้เข้าสู่ระบบก่อนที่จะดำเนินการเรียกดูเว็บไซต์หรือปฏิเสธการเข้าถึงผู้ใช้ที่ไม่ให้ความยินยอมบนไซต์ ในสถานะปัจจุบันของ ITP ฉันคิดว่ามันไม่เหมาะสมสำหรับผู้ใช้หรือบริษัท โลกยังคงอยู่ในโค้งการเรียนรู้ที่สูงชันในแง่ของการปฏิบัติตามกฎหมายในขณะที่ยังคงสามารถให้ประสบการณ์ที่ดี ผมรอดูว่ามันจะออกมาเป็นยังไง

อีกสิ่งหนึ่งที่ควรเริ่มมองหาคือแพลตฟอร์มการวิเคราะห์แอป+เว็บ มันยังอยู่ในช่วงเริ่มต้น แต่มันจะเป็นสิ่งที่ฉันแนะนำเป็นอย่างยิ่งให้นำไปใช้และต่อยอดเมื่อมีวิวัฒนาการ ด้วยวิธีนี้จะสามารถใช้ความสามารถของแพลตฟอร์มได้เมื่อคุณต้องการ นอกจากนี้ยังมาพร้อมกับคุณสมบัติเจ๋ง ๆ มากมาย เช่น การส่งออก BigQuery ฟรี

YT: คุณเผชิญความท้าทายใหม่ๆ อะไรบ้างในการทำงานประจำวันของคุณ เมื่อเทียบกับช่วงเริ่มต้นอาชีพในฐานะนักวิเคราะห์

DH: บทบาทของฉันเปลี่ยนไปมาก ตั้งแต่มีบทบาทสนับสนุนมากขึ้นในช่วงเริ่มต้นอาชีพ ไปจนถึงขับเคลื่อนโครงการตั้งแต่ต้นจนจบ ก่อนหน้านี้ ความท้าทายของฉันคือการทำความเข้าใจว่าสิ่งต่าง ๆ ทำงานอย่างไรและพยายามอย่างเต็มที่เพื่อให้แน่ใจว่ารายงานแสดงตัวชี้วัดที่ถูกต้องและมีการตั้งค่าการติดตามอย่างถูกต้อง

วันนี้ ฉันรู้วิธีการทำสิ่งเหล่านี้ และความยากลำบากมากมายในการสื่อสารกลยุทธ์ เพื่อให้ลูกค้าเข้าใจถึงประโยชน์ของการรวบรวมข้อมูลและผลักดันให้องค์กรของพวกเขาใช้ข้อมูลนั้นอย่างจริงจัง โดยสังเขป ฉันได้เปลี่ยนจากการดำเนินการใช้งานและงานการรายงานที่ได้รับมอบหมายมาเป็นการขับเคลื่อนกลยุทธ์และ "ทำไม" ว่าข้อมูลควรไหลอย่างไร ฉันเชื่อว่าสิ่งสำคัญคือต้องทำงานหนักก่อนที่จะสามารถเข้าใจและขับเคลื่อนกลยุทธ์ได้

ก่อนที่คุณจะสามารถก้าวหน้าในฐานะนักวิเคราะห์และพัฒนาทักษะของคุณ คุณต้องเชี่ยวชาญพื้นฐานและเข้าใจว่าทุกอย่างเชื่อมโยงกันอย่างไร

YT: Google Analytics หรือ Adobe?

DH: โดยส่วนตัวแล้ว ฉันชอบใช้ Google Analytics มากกว่า เนื่องจากทุกคนสามารถเข้าถึงได้มากกว่าและมี API ที่ยอดเยี่ยม อย่างไรก็ตาม ฉันคิดว่า Adobe มีผลิตภัณฑ์ที่แข็งแกร่งและเสถียร โดยมีวิธีการวิเคราะห์ข้อมูลที่ยอดเยี่ยม ในขณะที่ยังเป็นผลิตภัณฑ์ที่แข็งแกร่งกว่าในแง่ของการปฏิบัติตามข้อกำหนด

YT: Data Studio, Tableau หรือ Power BI?

DH: ฉันชอบใช้ ShinyDashboards ของ R เนื่องจากคุณสามารถสร้างอะไรก็ได้ที่คุณต้องการด้วยกราฟประเภทใดก็ได้ที่คุณต้องการในลักษณะไดนามิก นอกจากนี้ยังไม่ต้องการใบอนุญาตราคาแพง (เว้นแต่คุณต้องการใช้โซลูชันที่โฮสต์)

พูดตามตรง ฉันคิดว่ามีบางอย่างที่ยอดเยี่ยมกับเครื่องมือทั้งหมดที่กล่าวมาข้างต้น Data Studio นั้นฟรีและรวดเร็ว PowerBI อาจมีราคาถูกและให้การแสดงภาพข้อมูลที่ยอดเยี่ยมมากมายตั้งแต่แกะกล่อง และ Tableau มีฟังก์ชันและฟีเจอร์การแบ่งปันที่ยอดเยี่ยมจริงๆ ที่ยอดเยี่ยมหากมีผู้คนจำนวนมากสำรวจและวิเคราะห์ข้อมูลภายในองค์กร

YT: AppsFlyer หรือ FireBase?

DH: ฉันไม่มีความเห็นที่เข้มงวดที่นี่ อย่างไรก็ตาม การพัฒนา APP+Web ทำให้ FireBase น่าสนใจในตอนนี้

กุญแจสู่ความสำเร็จสำหรับนักวิเคราะห์คือความอดทนและการเตรียมพร้อมที่จะเริ่มต้นจากศูนย์ ขอขอบคุณ Danny สำหรับคำแนะนำง่ายๆ ที่ช่วยให้เรามีสมาธิและโน้มน้าวใจในการวิเคราะห์ของเรา

หากคุณชอบบทสัมภาษณ์นี้หรือมีคำถามเกี่ยวกับ Danny โปรดแสดงความคิดเห็นด้านล่าง! อย่าลืมสมัครรับข้อมูลบล็อกของเราเพื่อรับการพูดคุยและบทความที่เป็นประโยชน์มากขึ้นจากโลกแห่งการวิเคราะห์