บทสัมภาษณ์กับจิม สเติร์น

Jim Sterne เป็นผู้ก่อตั้ง Marketing Analytics Summit (เดิมชื่อ eMetrics Summit) ผู้อำนวยการกิตติคุณของ Digital Analytics Association ผู้เขียนหนังสือ 12 เล่ม วิทยากรที่มีความสามารถ ตลอดจนบุคคลและผู้เชี่ยวชาญที่ยอดเยี่ยมโดยรวม

Mariia Bocheva มีความยินดีที่ได้พบกับ Jim ที่งาน Marketing Analytics Summit ในลาสเวกัสในเดือนมิถุนายน 2019 ไม่กี่เดือนหลังจากการสัมภาษณ์ครั้งนี้เกิดขึ้น มารีอาได้เผยแพร่รายงานฉบับเต็มแล้วในวันแรกและวันที่สองของการประชุมครั้งนี้

บทสัมภาษณ์ของ Mariia กับ Jim ครอบคลุมหัวข้อต่อไปนี้:

การสื่อสารเป็นสิ่งสำคัญ : การพูดคุยกับผู้คนในการประชุม การนำเสนอ PowerPoint การแชร์แดชบอร์ด นี่ อาจ เรียกได้ว่าเป็นทักษะที่ยาก เพราะมันจำเป็นมาก แต่จริงๆ แล้วมันเป็นทักษะของคน ดังนั้นจึงเป็นทักษะที่นุ่มนวล

JS: เมื่อเราพูดถึง Hard Skill อันดับแรก เราจะพูดถึงตัวข้อมูลเอง – การรวบรวมข้อมูล การล้างข้อมูล การสร้างไปป์ไลน์ โดยพื้นฐานแล้วด้านวิศวกรรมข้อมูล หากคุณยินดีที่จะทำงานในบริษัทที่มีขนาดใหญ่พอที่จะมีวิศวกรข้อมูล คุณไม่จำเป็นต้องทำสิ่งเหล่านี้

ทักษะที่จำเป็นคืออะไร คือการ รู้ว่าข้อมูลมาจาก ไหน มีการประมวลผล ประมวลผลล่วงหน้า และบูรณาการอย่างไรก่อนที่คุณจะลงมือทำ คุณต้องเข้าใจวัตถุดิบ

อีกอย่างที่ฉันเห็นคือ สถิติ ไม่จำเป็นเลยที่จะต้องเป็นนักสถิติ แต่การเข้าใจสถิติโดยทั่วไปเป็นสิ่งสำคัญมาก เพื่อให้คุณสามารถนำแนวคิดไปใช้ได้ ทักษะที่ยากรวมถึงการรู้จักเครื่องมือของคุณ ดังที่ Adam Greco กล่าวไว้ว่า: "ยิ่งคุณรู้จักเครื่องมือของคุณมากเท่าไร คุณก็ยิ่งมีตัวเลือกมากขึ้นเท่านั้น คุณก็ยิ่งมีความสามารถมากขึ้นเท่านั้น"

สุดท้ายนี้ หากคุณต้องการลงลึก ให้ศึกษา R หรือ Python ขึ้นอยู่กับสิ่งที่คุณสนใจมากกว่า – สถิติหรือแมชชีนเลิร์นนิง อีกครั้ง ไม่จำเป็นอย่างยิ่ง แต่มีประโยชน์มาก

จ ส: มันขึ้นอยู่กับหลายปัจจัยจริงๆ ถ้าฉันมีทีมนักวิเคราะห์ 100 คน บางทีฉันอาจไม่ต้องการคนที่รู้วิธีใช้ SQL, Python และ R ในทางกลับกัน มันก็ไม่เสียหาย

ฉันต้องเป็นนักเขียนโค้ดที่เชี่ยวชาญหรือไม่? ไม่. แต่ฉันต้องเข้าใจว่าเกิดอะไรขึ้นและเกิดอะไรขึ้นเบื้องหลัง? ใช่.

การรู้ว่า TCP/IP ทำงานอย่างไรมีประโยชน์ การรู้ว่า HTTPS ทำงานอย่างไร การรู้ว่าการเข้ารหัสเกิดขึ้นได้อย่างไร จำเป็นจริงหรือไม่นั้น ขึ้นอยู่กับทีมของคุณ

หากคุณเป็นคนเดียวที่ทำงานกับ SQL คุณต้องเก่งขึ้นเพราะคุณเป็นคนเดียว แต่ถ้าคุณมีผู้เชี่ยวชาญ SQL ทั้งทีม คุณไม่จำเป็นต้องมี แต่คุณควรเข้าใจสิ่งที่พวกเขากำลังพูดถึงเพื่อที่คุณจะได้ถามคำถามที่ดีได้

ช่างประปาไม่จำเป็นต้องรู้วิธีการทำท่อทองแดง แต่ถ้าเขารู้แล้วเจอปัญหาแปลกๆ บางอย่าง เขาบอกได้เลยว่า อ๋อ นั่นเป็นปัญหาในการผลิตเพราะเขามีความรู้พิเศษนี้ แล้วมันจำเป็นไหม? ไม่ แต่มันมีประโยชน์เสมอ

JS: ใช่ มันเป็นเรื่องธรรมดามาก คำแนะนำเกี่ยวกับการฝึกอบรมข้ามสายงาน ฉันกำลังนำเสนองาน (อาจจะเมื่อ 15 ปีที่แล้วในเยอรมนี) โดยอธิบายว่านักวิเคราะห์ทำอะไรและหน้าที่ของนักวิเคราะห์คือการช่วยเหลือคนในบริษัททำงานอย่างไร

สิ่งสำคัญคือต้องเข้าใจ ว่าคนอื่นพยายามทำอะไรให้สำเร็จ จากนั้นมีคนในกลุ่มผู้ชมยกมือขึ้น (มันผิดปกติสำหรับผู้ชมประเภทนี้) และถามว่า " ฉันต้องเข้าใจงานอื่น ๆ ทั้งหมดใน บริษัท ทั้งหมดหรือไม่? และฉันก็ตอบว่าใช่! นั่นเป็นความจริง นั่นคืองานของคุณ เป็นการดีที่จะรู้ว่าผู้คนพยายามทำอะไรเพื่อช่วยพวกเขา แต่ก็ยังดีที่พวกเขาเข้าใจข้อมูลเพียงพอ

ฉันมีตัวอย่างการฝึกอบรมข้ามสายงานในการวิเคราะห์ข้ามแผนก เมื่อ David Rhee ทำงานที่ Adidas เขาตัดสินใจว่าทีมของเขาจำเป็นต้องเพิ่มทักษะ ดังนั้นเขาจึงหมุนเวียนพวกเขาผ่านความรับผิดชอบที่แตกต่างกัน เขาจะรับคนวิเคราะห์อีเมลและให้พวกเขาดูแลการแสดงผล ให้ผู้แสดงมีหน้าที่ดูแลเมตริกของโซเชียลมีเดีย จากนั้นให้ดูแลเมตริกของเว็บ ในระหว่างปีเขาหมุนเวียนคน ดังนั้น ถ้าคุณอยู่ที่นั่น 3 หรือ 4 ปี คุณจะได้เรียนรู้วิธีทำทุกอย่าง

และในขณะที่ปฏิกิริยาโต้ตอบแบบทันทีของฉันคือ โอ้ พระเจ้า! ฉันต้องเริ่มต้นใหม่ทั้งหมด! ฉันใช้เวลาหนึ่งปีในการเรียนรู้สิ่งนี้ และตอนนี้คุณก็แค่โยนฉันลงไปในน้ำเย็นๆ และฉันต้องเรียนว่ายน้ำอีกครั้ง คำตอบของเขาคือ ใช่ คุณต้องทำ และด้วยเหตุนี้ ทั้งทีมจึงได้รู้ว่าคนอื่นๆ กำลังทำอะไร ดังนั้น เมื่อคุณต้องตัดสินใจ คุณต้องตัดสินใจจากมุมมองขององค์กร มากกว่าที่ ฉันจะรับผิดชอบอีเมล นี้สามารถช่วยให้ทั้งแผนก และฉันคิดว่าวิธีการนี้สามารถทำงานในลักษณะอื่นได้

เมื่อมีคนเข้ามาบอกว่า ฉันได้งานที่ดีกว่านี้กับคนอื่นที่อยู่ตรงกลางบริษัทเดวิดจะสนับสนุนและสนับสนุนพวกเขา เพราะเขาจะบอก ว่า ในอีกสองสามหรือห้าปีนับจากนี้ คุณจะกลับมาทำงานให้ฉัน และคุณจะฉลาดขึ้นเพราะคุณได้เรียนรู้สิ่งใหม่ๆหากเราใช้สิ่งนั้นกับความแตกต่างระหว่างการวิเคราะห์และการตลาด เจ้าหน้าที่วิเคราะห์สามารถใช้เวลาหนึ่งวันต่อเดือนเพียงแค่ติดตามลูกค้าวิเคราะห์รายใดรายหนึ่งของพวกเขา ออกไปเที่ยวกับเจ้าหน้าที่การตลาดทางอีเมล พบปะผู้คนในสังคมออนไลน์ ดูสิ่งที่พวกเขา ทำและลักษณะวันของพวกเขา นั่นจะเป็นสิ่งที่มีค่า

จ ส: สำหรับนักวิเคราะห์ มันคือความรู้ขอบเขตและรู้เป้าหมายของคนอื่น และสำหรับนักการตลาด ก็คือวิธีการใช้ข้อมูล การสื่อสารเป็นเพียงการรู้ว่าเป้าหมายของอีกฝ่ายคืออะไรและอุปสรรคของพวกเขาคืออะไร และนั่นก็เป็นความจริงในทุกความสัมพันธ์ ไม่ว่าจะเป็นเรื่องธุรกิจหรือเรื่องส่วนตัว

เรียกว่าเอาใจใส่ และต้องใช้ความรู้เกี่ยวกับสถานการณ์ของอีกฝ่ายหนึ่ง

JS : ความผิดพลาดที่ใหญ่ที่สุดคือการคิดว่าการวิเคราะห์ข้อมูลก็เพียงพอ แล้ว ไม่ใช่เพราะเป็นเพียงส่วนหนึ่งของระบบนิเวศทางธุรกิจทั้งหมด การทำความเข้าใจเป้าหมายและความท้าทาย การเมือง และทรัพยากรที่จำกัดของระบบนิเวศทั้งหมดนั้นสำคัญมาก

ฉันเดาว่าคำตอบที่ง่ายที่สุดเกี่ยวกับข้อผิดพลาดของตัวเองคือข้อผิดพลาดทั่วไปที่ฉันทำ ซึ่งถือว่าข้อมูลสะอาดและน่าเชื่อถือ เมื่อคุณทำงานหนัก มันง่ายมากที่จะลืมว่าบางสิ่งอาจไม่จริง

JS: สิ่งแรกที่คุณต้องทำคือมีข้อมูลเพียงพอ หากคุณเป็นสตาร์ทอัพ คุณไม่มีข้อมูล นั่นเป็นปัญหา หากคุณเป็นบริษัทขนาดเล็ก คุณมีข้อมูลน้อยมาก ซึ่งเป็นปัญหาเช่นกัน

หากคุณเป็นบริษัทขนาดกลางหรือองค์กร คุณมีข้อมูลแต่ไม่มีโครงสร้างพื้นฐาน เมื่อคุณมีข้อมูลแล้ว คุณต้องมีเครื่องมือและทักษะในการใช้เครื่องมือเหล่านั้น และเครื่องมือและทักษะของคุณต้องซับซ้อนพอที่จะให้คุณค่าได้

และหากคุณมีขนาดใหญ่เพียงพอและมีแหล่งข้อมูล คุณจำเป็นต้องทำให้สิ่งต่างๆ เป็นแบบอัตโนมัติ เช่น การสร้างแดชบอร์ด หรือทำให้การตัดสินใจและการดำเนินการทางการตลาดเป็นไปโดยอัตโนมัติ ความท้าทายที่ใหญ่ที่สุดคือการเปลี่ยนแปลงจากข้อมูลนี้เพื่อนำไปปรับใช้กับสถานการณ์จริง

ให้ทุกคนเชื่อในข้อมูล ฉันไม่แน่ใจว่าความเป็นไปได้ของระบบการวิเคราะห์นั้นขึ้นอยู่กับขนาดของบริษัทจริงๆ แต่ขึ้นอยู่กับวุฒิภาวะของบริษัทและทรัพยากรที่มีอยู่

JS: ความท้าทายที่ยิ่งใหญ่ที่สุดคือการทำให้ทุกคนทำงานในทิศทางเดียวกัน เป็นความสามารถขององค์กร ถ้าฉันเป็นนักวิเคราะห์ ฉันรักข้อมูลและอยากให้ทุกคนรักข้อมูล เป็นงานใหญ่ที่จะโน้มน้าวบริษัทให้เชื่อว่าเป็นสิ่งที่ดี เป็นปัญหาทั่วไปมากที่บริษัทชอบข้อมูลหรือบอกว่าพวกเขาทำ แต่พวกเขาใช้เพื่อยืนยันความคิดเห็นของตนเองเท่านั้นหรือพวกเขาใช้ข้อมูลในทางที่ผิด

ปัญหาที่พบบ่อยที่สุดคือการใช้ข้อมูลที่ไม่ดี ผ่านความเข้าใจผิดและความปรารถนาของมนุษย์ที่จะแสดงตัวเองว่าประสบความสำเร็จ

JS: ฉันคิดว่าเรามีเทคโนโลยีมากกว่าที่เรารู้ว่าต้องทำอย่างไร ย้อนกลับไปในปี 2548 Avinash Kaushick สอนเราว่าเมื่อคุณใช้จ่าย $10 ในการวิเคราะห์ คุณใช้เงิน $9 กับผู้คน และ $1 สำหรับเทคโนโลยี และเราก็ยังอยู่ที่นั่น มีคนฉลาดจริงๆ ที่สร้างเทคโนโลยีที่เหลือเชื่อจริงๆ และมันก็เกินความสามารถของเราที่จะใช้มันทั้งหมดเล็กน้อย

ลองนึกภาพว่ามีระบบที่รวบรวมข้อมูลทั้งหมด ล้างข้อมูล รวบรวมทั้งหมดไว้ในที่เก็บส่วนกลาง และทำการตัดสินใจหลายอย่าง การแสดงข้อความที่ใช่ต่อบุคคลที่ใช่ในเวลาที่เหมาะสม ทำให้คุณมียอดขายเพิ่มขึ้น ลูกค้าของคุณมีความสุขมากขึ้น และแนวทางดังกล่าวมีต้นทุนที่ถูกกว่าเสมอ มันจะดีมากถ้ามันสามารถทำงานได้ แต่การทำให้ชิ้นส่วนทั้งหมดทำงานร่วมกันหมายความว่าคุณต้องใช้เทคโนโลยีจำนวนมาก และเครื่องมือต่าง ๆ ทั้งหมดที่คุณต้องใช้มีความซับซ้อนมากขึ้นทุกวัน

ดังนั้นฉันจึงต้องการเครื่องมือ 15 อย่าง และฉันต้องเป็นผู้เชี่ยวชาญกับเครื่องมือเหล่านี้ทั้งหมดเพื่อให้ทำงานได้ดี คุณสามารถใช้เวลาสามชั่วโมงในการทำงานกับเครื่องมือชิ้นเดียว แล้วจากนั้นก็เปลี่ยนบางสิ่ง เช่น เครื่องมือเวอร์ชันใหม่ บางคนใส่ป้ายกำกับลิงก์ผิด หรือมีบางอย่างผิดพลาด เราจึงมีเวลาแห่งความสมบูรณ์แบบ 15 นาที จากนั้นจึงใช้เวลาที่เหลือทั้งชีวิตพยายามทำทุกอย่างให้ทำงานร่วมกัน

JS: อืม งานล่าสุดของฉันคือการเรียนรู้ของเครื่อง นั่นคือคำตอบของฉัน ;-)

เป็นเพียงซอฟต์แวร์ประเภทต่างๆ แต่ก็ยังเป็นซอฟต์แวร์และกำลังทำสิ่งต่างๆ ให้เสร็จสิ้น ดังนั้นผู้เชี่ยวชาญควรดูว่าเมื่อใดจึงเหมาะสมที่จะใช้เครื่องมือนั้นเพื่อแก้ปัญหานี้ และเมื่อใดที่เครื่องมือเกินความจำเป็น เนื่องจากมีราคาแพงหรือซับซ้อนเกินไป

สิ่งสำคัญคือการรู้ว่าเมื่อใดควรใช้เครื่องมือที่เหมาะสม บางครั้ง สเปรดชีต Excel ก็ยอดเยี่ยม บางครั้งการถดถอยทางสถิติอย่างง่ายก็เพียงพอแล้ว และบางครั้ง โอเค เรามาหมุนระบบการเรียนรู้ของเครื่องเพื่อพยายามแก้ปัญหานี้หรือทำให้สิ่งนี้เป็นอัตโนมัติ การรู้ความแตกต่างคือคุณค่าที่นักวิเคราะห์นำมาสู่ตาราง

JS: เหตุการณ์ที่สำคัญที่สุดคืองานที่อยู่ใกล้คุณที่สุดและคุณสามารถซื้อได้ เพราะมันไม่ใช่งานที่ดีถ้าคุณไปไม่ได้ สิ่งที่สำคัญที่สุดรองลงมาคือที่ที่คุณสามารถพบปะผู้คนที่คุณรู้จัก เพราะนั่นคือวิธีที่คุณสร้างเครือข่ายมืออาชีพของคุณ

ฉันชอบไปที่ DAA Hub ในเวอร์จิเนีย ซึ่งเหมาะสำหรับการดำน้ำลึกกับผู้คนที่ทำการวิเคราะห์มาเป็นเวลานาน หากคุณจริงจังกับอาชีพการงานมาก คุณควรไปซื้อตั๋ว ฉันสามารถพูดได้เช่นเดียวกันเกี่ยวกับ Superweek นั่นเป็นสถานที่ที่คนฉลาดจริงๆ พูดคุยเกี่ยวกับสิ่งที่ซับซ้อนจริงๆ ด้วยวิธีที่น่าสนใจ

ในทางกลับกัน MeasureCamp เป็นชุมชนที่น่าตื่นเต้น ครั้งสุดท้ายที่ฉันทำ MeasureCamp อยู่ที่เมืองบราติสลาวา สโลวาเกีย ฉันสามารถพูดได้ว่า MeasureCamp ทุกแห่งที่ฉันเคยไปมีทัศนคติที่เหมือนกัน น่าสนใจจริงๆ ผู้คนพยายามแก้ปัญหาตรงไปตรงมา และทุกคนพยายามช่วยเหลือซึ่งกันและกัน นั่นทำให้ฉันรู้สึกดีมาก

และฉันเดาว่าฉันควรจะพูดถึง Marketing Analytics Summit ของฉันเองจริงๆ ! มีอีกหลายงานที่กำลังจะเกิดขึ้นในยุโรป และงานหลักจะจัดขึ้นที่ลาสเวกัสในเดือนมิถุนายน

ฉันมักจะแนะนำให้คนเข้าร่วม สมาคม DAA ซึ่งมีอายุ 15 ปีแล้วและมีสมาชิก 5,000 คน ฉันยังต้องการแนะนำผู้คนให้ไป ที่พอดคาสต์ Digital Analytics Power Hour ฉันอยากจะแนะนำให้กลับไปฟัง ทุก ตอน

และแน่นอนว่า วัดหย่อน เราเคยเชื่อมต่อกับรายการสนทนาทางอีเมล จากนั้นก็มีบล็อกต่างๆ ที่ผู้คนมีส่วนร่วมอย่างแข็งขัน จากนั้นมีกิจกรรมมากมายบน Twitter พร้อมแฮชแท็ก #measure หากคุณมีปัญหา คำถาม หรือเรื่องตลก หรือคุณแค่ต้องเลิกยุ่งกับตัวเลขสักครู่แล้วสื่อสารกับมนุษย์ วันนี้ การสนทนาดูเหมือนจะอยู่บน Measure Slack และมันยอดเยี่ยมมาก

สิ่งสุดท้ายที่อยากเพิ่มเติมคือเกี่ยวกับ #วัดวัฒนธรรม ต่างคนต่างชอบช่วยเหลือกัน อุตสาหกรรมของเราคือทั้งหมดที่เกี่ยวกับการแบ่งปัน เราช่วยเหลือกันมานานหลายปี นั่นเป็นเหตุผลที่เหตุการณ์ทั้งหมดนั้นมีค่ามาก เราเป็นคนที่ชอบช่วยเหลือ แบ่งปัน และเรียนรู้

เราขอขอบคุณจิมสำหรับความคิดที่ให้กำลังใจและสดใหม่ เราหวังว่าคุณจะสนุกกับการสัมภาษณ์นี้และได้รับแรงบันดาลใจดีๆ อย่างที่เราทำ รักงานและชุมชนการวิเคราะห์ของคุณและอย่าหยุดพัฒนาตัวเอง!

สมัครสมาชิกบล็อกของเราเพื่ออ่านบทสัมภาษณ์ครั้งถัดไปซึ่งเป็นส่วนหนึ่งของการวิจัยของเราเกี่ยวกับสถานะของการวิเคราะห์ดิจิทัลและปรับประสบการณ์ของนักวิเคราะห์ชั้นนำให้เข้ากับธุรกิจของคุณ