OWOX BI Research เกี่ยวกับสถานะของ Digital Analytics: Simo Ahava interview

เรามีโอกาสที่ดีในการสัมภาษณ์ Simo Ahava หลังจากการพูดคุยที่สร้างแรงบันดาลใจของเขาที่ Go Analytics! การประชุมซึ่งเป็นส่วนหนึ่งของการวิจัยของเราเกี่ยวกับสถานะของการวิเคราะห์ดิจิทัลในปี 2019

Simo Ahava เป็นนักวิเคราะห์ที่มีความสามารถและเป็นผู้ร่วมก่อตั้ง 8-bit-sheep ซึ่งเป็นบริษัทที่ปรึกษาที่เชี่ยวชาญในการสร้างโครงสร้างการสื่อสารที่ดี ดังนั้นเขาจึงค่อนข้างคุ้นเคยกับวิธีปลูกฝังการวิเคราะห์ที่มีประสิทธิภาพ​ เราพูดคุยกันถึงคำถามจำนวนหนึ่งที่นักการตลาดหรือนักวิเคราะห์จะสนใจ พวกเขาจะแบ่งออกเป็นหมวดหมู่ต่อไปนี้:

คำถามทั้งหมดถูกจัดเตรียมและถามโดย Mariia Bocheva ผู้บริหารฝ่ายพัฒนาธุรกิจของเรา (ซึ่งชอบพูดออกเสียงบล็อกของ Simo ในระหว่างการประชุมประจำวันของเรา) :)

คุณเห็นปัญหาอะไรบ้างเมื่อใช้การวิเคราะห์ และคุณจะประเมินการพัฒนาโดยรวมของตลาดอย่างไร

ฉันเดาว่าปัญหาหลักคือการทำความเข้าใจความเป็นไปได้และข้อจำกัดของแต่ละเครื่องมือ เครื่องมือทุกชิ้นในตลาดมีระดับของกล่องดำ ฉันไม่ได้หมายความว่าเครื่องมือเหล่านี้ซ่อนวิธีการทำงาน (แม้ว่าบางเครื่องมือจะทำโดยจงใจ) แต่การผสานรวมเครื่องมือเหล่านี้เข้ากับกระบวนการขององค์กรนั้นไม่อาจคาดเดาได้

ฉันยังกังวลเกี่ยวกับบริการใหม่ๆ มากมายที่พยายามทำให้สิ่งต่างๆ "เร็วขึ้น" ราวกับว่าความเร็วเป็นคุณธรรมบางประการที่ทุกบริษัทต้องปฏิบัติตาม ความรวดเร็วมักจะต้องแลกมาด้วยความระมัดระวัง และมีความเสี่ยงเสมอที่จะทำบางสิ่งที่รวดเร็วจริงๆ เพื่อให้ได้ผลลัพธ์ที่อาจทำให้เข้าใจผิดได้มากเท่านั้น

ฉันคิดว่าความรู้และความเข้าใจโดยรวมเกี่ยวกับสแต็คทางเทคนิคได้รับการปรับปรุง เนื่องจากเครื่องมืออย่างโซลูชันการจัดการแท็กทำให้โลกของนักพัฒนาซอฟต์แวร์ไม่ชัดเจน เยี่ยมมาก เป็นเทรนด์ที่ฉันหวังว่าจะดำเนินต่อไปในอนาคต ในทำนองเดียวกัน บริการคลาวด์สามารถเข้าถึงได้มากขึ้นและราคาไม่แพง ซึ่งทำให้มีความสนใจในระบบอัตโนมัติและวิศวกรรมข้อมูลเพิ่มขึ้น

นักวิเคราะห์สามารถมีผลกระทบกับการตลาดมากขึ้นได้อย่างไร?

จะเป็นประโยชน์ต่อทีมการตลาดได้อย่างไร?

นักวิเคราะห์ไม่จำเป็นต้องมีผลกระทบต่อการตลาด ข้อมูลไม่ “นักวิเคราะห์” เป็นเพียงคำอธิบายของบทบาท และโดยส่วนตัวแล้วฉันคิดว่าเกือบจะเป็นอันตรายหากมีคนถูกตราหน้าว่าเป็น “นักวิเคราะห์” เป็นกำลังสำคัญในองค์กร ทันทีที่คุณจ้างนักวิเคราะห์ คุณพบคนที่จะมอบ "ข้อมูล" ทั้งหมดนั้นให้

เนื่องจากนักวิเคราะห์ทำงานกับข้อมูล บทบาทของพวกเขาควรอยู่เหนือทีมต่างๆ และควรทำหน้าที่เป็นสะพานเชื่อมระหว่างส่วนต่างๆ ขององค์กร ด้วยวิธีนี้ พวกเขาจึงคล้ายกับ Scrum master และเจ้าของผลิตภัณฑ์มากกว่าผู้กระทืบข้อมูลรายบุคคล

ตอนนี้คุณมีความท้าทายด้านการวิเคราะห์อะไรบ้าง ?

ฉันไม่ได้เผชิญกับความท้าทายด้านการวิเคราะห์ แต่เป็นการท้าทายอย่างต่อเนื่องที่จะเข้าใจเครื่องมือที่ฉันทำงานด้วย และวิธีที่เครื่องมือเหล่านั้นสามารถนำมาใช้ได้ดีที่สุดเพื่อช่วยให้องค์กรเข้าใจข้อมูลของตนมากขึ้น

ในขณะเดียวกัน ฉันยังถูกท้าทายด้วยการทำให้องค์กรตระหนักถึงข้อบกพร่องของตนเองมากขึ้น ความท้าทายที่ใหญ่ที่สุดในการวิเคราะห์ หรือจริงๆ แล้ววินัยดิจิทัล คือการผสานรวมเข้ากับกระบวนการขององค์กรโดยไม่ใช้อติพจน์หรือการพูดเกินจริง หลายบริษัทพยายามที่จะ "ขับเคลื่อนด้วยข้อมูล" หรือ "ดิจิทัลมาก่อน" ซึ่งกลายเป็นการไล่ล่าหาเครื่องมือที่ดีที่สุดอย่างรวดเร็ว โดยที่จริงแล้วองค์กรเหล่านี้ควรมุ่งเน้นที่การสร้างทีมจากหลากหลายสาขาวิชา แนวทางการออกแบบบริการที่คล่องตัวมากขึ้น และความเข้าใจที่เพิ่มขึ้นเกี่ยวกับคำถามทางธุรกิจและปัญหาที่ต้องแก้ไข ก่อนที่จะรู้ว่าเครื่องมือใดทำหน้าที่ทั้งหมดนั้น

คุณคิดว่าการสื่อสารที่ผิดพลาดระหว่างนักวิเคราะห์และทีมการตลาดเป็นเรื่องปกติหรือไม่? ถ้าใช่ คุณมีคำแนะนำเกี่ยวกับวิธีการเอาชนะมันหรือไม่?

เป็นเรื่องปกติเหมือนกับการสื่อสารที่ผิดพลาดระหว่างคนสองคนในองค์กร วิธีแก้ปัญหาการสื่อสารผิดพลาด? ด้วยการสื่อสารที่ดีขึ้น :)

มีหลายสิ่งที่ต้องเรียนรู้จากวิธีการที่คล่องตัว เช่น Scrum ซึ่งทั้งหมดขึ้นอยู่กับโครงสร้างการสื่อสารที่แข็งแกร่งในองค์กร หากคุณพบว่ามีปัญหาในการสื่อสาร จำเป็นอย่างยิ่งที่จะต้องค้นหาสาเหตุและแก้ไขปัญหาโดยแนะนำการตั้งค่าและบริบทใหม่ๆ สำหรับการสื่อสาร เช่น การประชุมรายวัน การจัดการงานในมือ เซสชันย้อนหลัง และการสาธิต

นักวิเคราะห์และผู้เชี่ยวชาญด้านการตลาดขาดความรู้อะไรบ้างในการขับเคลื่อนข้อมูลของบริษัทต่างๆ

ฉันคิดว่าพวกเขาส่วนใหญ่ขาดสองสิ่ง:

1. พวกเขาคิดว่าบริษัทควรขับเคลื่อนด้วยข้อมูล
2. รับซื้อและไว้วางใจจากคนรอบข้าง

เป็นการยากที่จะผลักดันให้เกิดการเปลี่ยนแปลงหากคุณใช้คำศัพท์ต่างๆ เช่น "ที่ขับเคลื่อนด้วยข้อมูล" บริษัทขับเคลื่อนด้วยข้อมูล สัญชาตญาณ ความเชี่ยวชาญ ทรัพยากรบุคคล ฯลฯ ผสมกัน ไม่มีอะไรเป็นตัวขับเคลื่อนการเปลี่ยนแปลง

อีกเหตุผลหนึ่งที่หาจุดยืนในบริษัทได้ยากเพราะขาดความเชื่อมั่นในสิ่งที่คุณทำ นี่เป็นปัญหาด้านการสื่อสาร ดูคำตอบของฉันสำหรับคำถามก่อนหน้า :)

การซื้อเข้ามาและความไว้วางใจสามารถทำได้โดยการทำให้ความพยายามของคุณโปร่งใส – เพิ่มแดชบอร์ดขนาดใหญ่ทั่วทั้งสำนักงาน ทำให้ข้อมูลเป็นจุดสนใจของการอภิปรายในการสาธิตและในการประชุมแบบเร่งรีบ ทำให้ทุกคนทราบว่าทุกสิ่งเล็กน้อยที่ทำกับผลิตภัณฑ์หรือบริการมี ผลกระทบที่วัดได้

หากต้องการเจาะลึกถึงความคิดของ Simo Ahava เกี่ยวกับประเด็นการสื่อสาร ดาวน์โหลดงานนำเสนอของเขาเพื่ออ่านขณะฟังการแสดงสดของเขาสำหรับ Go Analytics! การประชุม.

คุณคิดว่าอนาคตของการวิเคราะห์การตลาดคืออะไร?

แนวโน้มใดที่คุณเห็นว่ากำลังมาและมีความต้องการสูง?

ฉันคิดว่าอนาคตมืดมน ข้อจำกัดในเบราว์เซอร์และพื้นที่แอป (การปราบปรามคุกกี้ของบุคคลที่หนึ่งของ Safari การบล็อกโฆษณาและเนื้อหา ฯลฯ) ความต้องการที่เพิ่มขึ้นสำหรับการออกแบบที่เน้นความเป็นส่วนตัว และความไม่น่าเชื่อถือของข้อมูลสัญญาณในระยะยาวทำให้ยากต่อการเชื่อมต่อ ในอนาคต

ฉันแน่ใจว่าการวิเคราะห์การตลาดจะยังคงเปลี่ยนจากแนวทางของผู้จำหน่ายรายเดียว (เช่น Google Analytics) ไปสู่ไปป์ไลน์ข้อมูลแบบองค์รวมมากขึ้น ซึ่งหมายความว่าวิศวกรข้อมูลจะมีความต้องการมากขึ้นเรื่อยๆ

คุณเห็นโอกาสอะไรในตลาดปัจจุบัน?

มีผู้ค้า องค์กร บุคคล ประเทศ นักการเมือง สมาชิกสภานิติบัญญัติ และคนทั่วไปที่ทำสิ่งที่โง่เขลา สิ่งเหล่านี้มีส่วนทำให้เกิดความไม่แน่นอนในสาขาดิจิทัล รวมถึงการตลาดด้วย เราสามารถยอมรับสิ่งนั้นตามมูลค่าและต่อสู้ต่อไปในพื้นที่ที่จำกัดมากขึ้น หรือเราสามารถฝ่าฟันฝ่าอุปสรรคและเริ่มคิดถึงการวิเคราะห์การตลาดไม่ใช่เป็นวินัยเดียว แต่ในฐานะที่เป็นขอบเขตของความเป็นไปได้ที่บริษัทสามารถรับรู้ได้กว้างขึ้น ด้วยข้อมูล

การตลาดควบคู่ไปกับการออกแบบผลิตภัณฑ์และบริการ หากองค์กรมีทีมการตลาดเฉพาะซึ่งไม่เกี่ยวข้องกับกลไกการทำงานในแต่ละวันของสิ่งที่บริษัทผลิตจริง นั่นก็เป็นปัญหา ในทำนองเดียวกัน หากองค์กรยังคงเชื่อว่าการค้นหาเครื่องมือที่ดีที่สุดคือการแก้ปัญหาทั้งหมด นั่นคือปัญหา

โดยส่วนตัวแล้ว ฉันคิดว่าปัญหาที่ใหญ่ที่สุดคือปัญหาที่ไม่เคยหายไป นั่นคือ ความล้มเหลวในการสื่อสาร ทุกปัญหาที่องค์กรอาจเผชิญ ตั้งแต่ข้อบกพร่องเล็กๆ น้อยๆ ไปจนถึงภัยพิบัติด้านการประชาสัมพันธ์ที่ใหญ่ที่สุด สามารถตรวจสอบย้อนกลับไปยังปัญหาการสื่อสารระหว่างบุคคลตั้งแต่สองคนขึ้นไปได้เสมอ การแก้ไขปัญหาการสื่อสารเหล่านี้เป็นกุญแจสำคัญในการแก้ไของค์กร และการแก้ไของค์กรเป็นกุญแจสำคัญสู่ตลาดที่มีสุขภาพดีขึ้น

ทักษะยาก ๆ ใดที่สำคัญที่สุดสำหรับนักวิเคราะห์ในปัจจุบัน นักวิเคราะห์จำเป็นต้องรู้ SQL, Python และ R และสร้างแดชบอร์ดในเครื่องมือสร้างภาพข้อมูลทั่วไป เช่น Data Studio, Tableau, QlikView เป็นต้นหรือไม่?

ฉันคิดว่าพื้นฐานสำหรับการวิเคราะห์ยังคงขึ้นอยู่กับประเภทของการวิเคราะห์ที่คุณต้องการทำเป็นอย่างมาก ปัญหาของการกำหนดความคาดหวังสำหรับทักษะคือการสร้างความพิเศษเฉพาะตัวมากกว่าที่จะเชิญชวนให้ผู้คนเริ่มทำงานด้วยวินัย มีหลายสิ่งที่คุณทำได้เมื่อคุณเข้าสู่พื้นที่การวิเคราะห์ และคุณไม่มีประสบการณ์เกี่ยวกับภาษาโปรแกรมหรือเครื่องมือสร้างภาพภายนอก เมื่อคุณดำเนินการแล้ว ข้อกำหนดจะมีความเฉพาะเจาะจงมากขึ้น​

• สำหรับการวิเคราะห์เว็บ ความเข้าใจเกี่ยวกับสแต็กของเบราว์เซอร์เป็นสิ่งสำคัญยิ่ง
• สำหรับทุกคนที่ทำงานด้วยชุดข้อมูลขนาดใหญ่ SQL เป็นสิ่งจำเป็น
• Python vs. R เป็นการสนทนาที่ไม่สิ้นสุด แต่ฉันไม่คิดว่าจำเป็นถ้าคุณต้องการทำงานในการวิเคราะห์

แต่ถ้าฉันถูกบังคับให้เลือก ฉันจะเลือก Python ด้วยความสามารถในการขยายที่เหนือกว่าขอบเขตของการวิเคราะห์ข้อมูลเพียงอย่างเดียว

นักวิเคราะห์ที่ดีควรมี Soft Skill อะไรบ้าง?

ความเห็นอกเห็นใจต่อสภาพแวดล้อมทางธุรกิจที่พวกเขาทำงาน การตอบสนองอย่างรวดเร็วเพื่อปรับให้เข้ากับการเปลี่ยนแปลงรอบตัว ความคิดในการสร้างสะพานที่จะทำงานข้ามไซโลมากกว่าที่จะเสริมกำลัง และความกระหายที่ไม่รู้จักพอในการเรียนรู้สิ่งใหม่

ทักษะที่สำคัญที่สุดคือการสื่อสาร ข้อมูลเป็นหนึ่งในสิ่งที่ต้องทนทุกข์ทรมานจริงๆ หากคนในองค์กรที่ผลิตข้อมูลนั้นไม่สามารถสื่อสารได้ ข้อมูลเป็นพิมพ์เขียวขององค์กร และสามารถเปิดเผยข้อบกพร่องในองค์กรได้อย่างตรงไปตรงมามากกว่าที่ปรึกษาใดๆ

อะไรคือความผิดพลาดที่ใหญ่ที่สุดที่นักวิเคราะห์สามารถทำได้?

คุณช่วยแชร์ข้อผิดพลาดในการวิเคราะห์ของคุณหน่อยได้ไหม

ในความคิดของฉัน ความผิดพลาดที่ใหญ่ที่สุดที่ทุกคนที่ทำงานกับข้อมูลสามารถสร้างขึ้นได้ คือจงใจตีความหมายผิดหรือนำตัวชี้วัดไปใช้ในทางที่ผิดเพื่อสนับสนุนสมมติฐานที่ล้มเหลว ฉันเห็นสิ่งนี้บ่อยครั้งในองค์กรที่มีวุฒิภาวะต่ำซึ่งกำลังเริ่มต้นการทดสอบ A/B หรือเพิ่งใช้งาน Google Analytics พวกเขากำหนดค่าการแปลงเพื่อรองรับสมมติฐาน "ที่เห็นได้ชัด" และจงใจหลีกเลี่ยงการยอมรับผลการทดสอบที่ขัดกับสิ่งที่พวกเขาคิดว่าถูกต้องโดยสัญชาตญาณ

แนวความคิดเดียวกันนี้สามารถเห็นได้ในการใช้บางสิ่งง่ายๆ เช่น อัตราตีกลับเพื่ออธิบายการมีส่วนร่วมบนไซต์ เป็นต้น หากไม่มีการปรับแต่งที่กว้างขวางและไม่มีกลยุทธ์การใช้งานที่สอดคล้องกันเพื่อแมปกิจกรรมการมีส่วนร่วมเหล่านั้นทั้งหมดลงในเหตุการณ์การฆ่าด้วยการตีกลับ อัตราตีกลับเป็นตัวชี้วัดที่ตื้นและตื้นที่สามารถนำไปสู่ข้อสรุปที่ไม่ถูกต้องได้บ่อยกว่าไม่

ความผิดพลาดของตัวเองในฐานะที่ปรึกษามักเกี่ยวข้องกับสองสิ่งที่ฉันอธิบายไว้ข้างต้น เป็นเรื่องง่ายสำหรับฉันที่จะได้รับ "ความง่าย" ของการวิเคราะห์ในกรณีที่ฉันต้องสามารถให้ผลลัพธ์ที่ดีได้อย่างรวดเร็ว เป็นสิ่งที่ฉันพยายามหลีกเลี่ยงอย่างดีที่สุด แต่การไม่ลำเอียงกับข้อมูลโดยสิ้นเชิงมักจะเป็นเรื่องยากมาก ฉันพบว่ามันง่ายกว่าที่จะยุติธรรมในกรณีที่ฉันไม่ได้ลงทุนทางอารมณ์มากเกินไปในธุรกิจของลูกค้า ในกรณีเหล่านั้น ง่ายกว่าที่จะซื่อสัตย์อย่างไร้ความปราณีและพยายามเกลี้ยกล่อมให้องค์กรหันหลังให้วิธีคิดของพวกเขา

เราซาบซึ้งกับคำตอบของ Simo จริงๆ และพร้อมที่จะลงนามในทุกคำพูดของเขา ในช่วง 20 ปีที่ผ่านมา กระแสน้ำในมหาสมุทรของข้อมูลเริ่มเคลื่อนตัวเร็วขึ้น แม้กระทั่งเรือบางลำก็พัง สิ่งสำคัญคือต้องเจาะลึกข้อมูลของคุณพร้อมกับเครื่องมือที่เหมาะสม แต่สิ่งที่สำคัญกว่านั้นคือการมีทีมที่ทุ่มเทอย่างแท้จริง

เราเห็นด้วยอย่างยิ่งกับ Simo ทุกวัน เรากำลังให้บริการของเราเพื่อให้ CMO นักการตลาด และนักวิเคราะห์สามารถบรรลุระดับใหม่ของการวิเคราะห์ข้อมูลในบริษัทของพวกเขา โดยทำให้การรวบรวม การจัดตำแหน่ง การรายงาน และการแสดงภาพข้อมูลง่ายขึ้น

ติดต่อกันมาเลย! สมัครสมาชิกบล็อกของเราเพื่ออ่านบทสัมภาษณ์ครั้งต่อไปจากการวิจัยของเราเกี่ยวกับสถานะของการวิเคราะห์ดิจิทัลและปรับประสบการณ์ของนักวิเคราะห์ชั้นนำให้เข้ากับธุรกิจของคุณ

คุณจะถาม Simo เกี่ยวกับอะไร แจ้งให้เราทราบในความคิดเห็นด้านล่าง!