Modern Pazarlama Analitiği ile Dijital Jenga Oynamak: Christopher Penn ile Röportaj

Baş Veri Bilimcisi ve Trust Insights'ın Kurucu Ortağı Christopher Penn ile bugün yapılan röportaj, daha yayınlanmadan önce ortalığı karıştırdı. Öyleyse biraz patlamış mısır veya bir fincan sıcak çay alın ve analitik ve analistler, modern pazarlama teknolojisi ve her şeyin nereye gittiğiyle ilgili bu makaleyi okuyun.

Her zaman olduğu gibi, Christopher ile bu harika konuşmayı yapan Mariia Bocheva'ya teşekkürler.

Kaynak: Christopher Penn'in resmi Facebook sayfası

Burada doğrudan ilgi çekici noktalara atlayın:​

Mariia Bocheva: Bize kendinizden kısaca bahseder misiniz?

Christopher Penn: Geçmişim IT'deydi . Yüksek lisansım bilgi sistemleri yönetimi üzerinedir. 2000'lerin başında bir finansal hizmetler kuruluşunda çalışmaya başladım. Web sunucusunu güncelleyin, web sitesini güncelleyin ve e-postaları düzeltin, e-posta bültenini gönderin.

O zaman olan şey pazarlamanın pazarlama teknolojisi haline gelmesiydi. Sonra 2000'lerin sonlarında ve bu on yılın başlarında, tam zamanlı pazarlamaya geçtim ve çok daha fazla veriyle çalışmaya başladım. İşte o zaman veri bilimine çok daha fazla odaklandım. Yaklaşık beş yıl boyunca bir PR firmasında şirket içinde çalıştım ve gerçekten daha çok makine öğrenimi ve yapay zekaya bakmaya başladım.
Yaklaşık iki yıl önce o şirketle yollarım ayrıldı çünkü onlar farklı bir yöne gidiyorlardı. Gerçekten veri bilimi ve makine öğrenimine odaklanmak istiyordum.

MB: Veri bilimi, makine öğrenimi ve analitikten bahsettiniz. Sizce bugün en önemli olan zor beceriler nelerdir?

CP: Üç kova beceri var. 1964'e geri dönerseniz, Harold Leavitt adında, herkesin yetkin olması gereken üç alan olduğunu öne süren ünlü bir iş stratejisti vardı: insanlar, süreç ve teknoloji.

Yetenekli bir analist veya yetenekli bir veri bilimcisi için her üç alanda da yeteneklere ihtiyacınız vardır. İşlerin insan tarafını, insanların nasıl çalıştığını, genel iş stratejisini ve bunun gibi şeyleri anlamanız ve işletmenin çözmek istediği sorunları iyi bir şekilde ele almanız gerekir. Ayrıca sürece - işlerin nasıl yapıldığına - hakim olmanız ve bunu yaptığınız işe çevirebilmeniz gerekir. Ve sonra, elbette, veri analizi yapmak için teknolojiye, becerilere, matematiksel bilgiye erişiminiz olması gerekir - ve kod yazabilmeniz gerekir.

Bunlar, çok az insanın eşit ve sağlam miktarlarda sahip olduğu üç büyük kovadır. Pek çok insan bir alanda becerilere sahipken diğer ikisinde zayıftır. Ve muhtemelen bir analistin yapması gereken en önemli şeylerden biri de budur - zayıflıklarını belirlemek. Evet diyebilmek için, seviyemi güçlü olduğum yere getirmek için üzerinde çalışmam gereken şey bu.

MB: Bu kısmen yumuşak becerileri kapsıyor, çünkü insanların nasıl çalıştığını bilmeye zar zor “zor beceri” diyeceğim. Bunun hakkında ne düşünüyorsun? Hangi yumuşak becerilerin önemli olduğunu düşünüyorsunuz?

CP: Sert ve yumuşak beceriler arasındaki fark, daha çok iç ve dış becerilerle ilgilidir. Dışsal becerileriniz, zor beceriler diyeceğiniz becerilerdir: başka bir insanla konuşma yeteneği, yüzlerindeki ifadeleri okuma ve bunun gibi şeyler.

Ancak içsel olarak, bu muazzam miktarda öz farkındalık gerektirir. Kendi egonuzu, sizi bir iş profesyoneli olarak az çok etkili kılan şeyleri, uyum sağlamanız gereken zayıf yönlerinizi anlamayı gerektirir. Bazı insanlar için bu onların egoları, " Evet, her zaman haklı olmalıyım " deme yetenekleridir. Ama hayır, yapmıyorsun.

Ve aslında, veri analitiğinde ölümcül bir günah, değil mi? Bu tek araştırma firmasıyla çalıştığımı hatırlıyorum ve konuşmaları "ne noktaya değinmek istersen, onu destekleyecek veriler oluşturabiliriz" idi. Bu işler böyle yürümez. [Gülüyor] Yine de, aslında itibarlı bir firma çünkü şirketlerin kanıtlamak istediklerini savunmak için veri icat etmelerine yardımcı oluyorlar. Ve böylece insanlar, sizin duymak istediklerinizi söyledikleri için onlarla iş yaparlar.

Bir başka süper önemli beceri, diğer insanlara anlayabilecekleri şekilde bir şeyler açıklayabilmektir. Yani yine, bu tür bir empati var. Ve sonra üçüncü şey, gerçekten birden fazla düzeyde öğretebilmek, birinin nerede olduğunu bilmek (empati kısmı) ve ardından birlikte çalıştığınız kitleye uyum sağlamak.

Geçenlerde İçerik Pazarlama Dünyasındaydım. Ve bir izleyicide kodlayıcı olan insanlar vardı. Ben de kodlayıcılara söyledim, Tamam, bu sizin için Markov zincir modellemesi, ama diğer herkes için dijital Jenga . Öğretinizi birinin süper önemli bir yumuşak beceri olduğu yere uyarlayabilmek. Eğitim talimatlarının tasarımında bir geçmişiniz yoksa veya bununla ilgili herhangi bir deneyiminiz yoksa çok zordur. 25 yıldır öğretmenimin dövüş sanatları okuluna yardım ediyorum ve bu, orada sahip olduğum harika bir beceri - birinin bununla mücadele ettiğini, bu konuda yardıma ihtiyacı olduğunu ve birinin nerede olduğunu belirleyebilmek. kariyerlerinde kendi ilerlemeleri çok önemlidir. Ve bu öğretilmeyen bir beceridir. Bunu kendi deneyimlerinizle öğrenmelisiniz.

MB: Bunun hikaye anlatımıyla ve verileri insanların anlayabileceği şekilde sunma yeteneğiyle de bağlantılı olduğunu düşünüyor musunuz?

CP: Öyle olduğuna katılıyorum. Psikolojide "şilte fırlatmak" denen bir ifade vardır - herkesin farklı yönelimli zihinsel bir kapısı vardır. Ve eğer o kapıya bir şilte fırlatırsanız, geçmesinin yalnızca belirli sayıda yolu vardır. Ama herkesin kapısı farklıdır. Peki kitleniz nasıl şekilleniyor? Şilteleri, onları mümkün olduğunca çok kapı aralığından geçirecek şekilde atabilir misiniz?

“Hikaye anlatmaktan” hoşlanmıyorum. Ve bu ifadeden hoşlanmamamın nedeni, pazarlamacıların, özellikle de verileri iyi kavramayan pazarlamacıların fazla bencil, fazla şirket merkezli olma eğiliminde olmaları ve şöyle bir şey söylemeleridir: harika ürünümüz hakkında bir hikayeniz var! Ama kimsenin umurunda değil, değil mi? İzleyicilerin istediği hikayeleri anlatın. Ve bu, yine, empati ve öz-farkındalığa geri döner. Bu seninle veya şirketle ilgili değil. Seyircinin neye ihtiyacı olduğuyla ilgili.

MB: Bu harika bir nokta. Ne demek istediğini tamamen anlıyorum. Şilte fırlatmaktan ve herkesin nasıl farklı olduğundan bahsetmişken, analistler ve pazarlama ekipleri arasındaki iletişimsizlik hakkında ne düşünüyorsunuz? İletişimin nasıl geliştirilebileceğine dair herhangi bir öneriniz var mı?

CP: Bunun bir sorun olduğunu düşünmüyorum çünkü pek çok pazarlama ekibi ilk etapta analistlerle konuşmaz - hatta onlara erişimi bile yoktur. Konuştuğum pazarlamacıların çoğu, şirketlerinde [analist] olmadığı veya şirket onları daha acil iş sorunlarına yerleştirdiği için analist olmaya çalışmak zorunda kalıyor. Bu nedenle, bu fakir pazarlamacılar için en büyük zorluk, sahip oldukları verilerle başa çıkmak için her türlü analitik beceriyi geliştirmeleridir.

Ah, evet, Google Analytics'imiz var, diyen bir pazarlamacıyla kaç kez konuştuğumu söyleyemem. Bunun ne anlama geldiğini bilmiyorum. Google Analytics'te hiçbir şey bilmiyorum. Bu tartışmaların olması çok garip. Bildiğin roket ameliyatı değil. Ama yine de, bu öz farkındalığa geri dönersek, bu onlar için roket ameliyatıdır çünkü pazarlamaya yaratıcı olmak, ilham vermek, iyi yazmak, bir şeyler yapmak için girdiler. Kantitatif bilimi sevdikleri için pazarlamaya girmediler. Aksi takdirde, ilk etapta bir veri bilimcisi olurlardı.

Ama artık pazarlama teknolojisi ve dijital pazarlama onları bu sorunla uğraşmaya ya da mümkün olduğunca uzun süre görmezden gelmeye zorladı. Verilere erişimleri olduğunda veya bir analiste erişimleri olduğunda, başarıları öz farkındalıklarına bağlı olacaktır.

Analistlerin iyi bir pazarlama kelime hazinesi yoktur ve pazarlamacıların veri bilimi ve veri analitiğinde iyi bir kelime haznesi yoktur. Bu yüzden muhtemelen yapılacak en önemli ve kolay şey, insanları seçtiğiniz içecekle Cuma öğleden sonraları bir araya getirmek ve birbirleriyle konuşturmaktır. Çünkü sadece insanların onun hakkında konuştuklarını duyarak bir disipline yeterince aşina olabilirsiniz.

Ayrıca insanların pek çok yere ulaşımı var. Ve veri bilimcilerinizin pazarlama podcast'lerini dinlemesi veya pazarlamacılarınızın kelime dağarcığını gerçekten duymaya, regresyon ve lojistik regresyon ve rastgele orman gibi şeyleri duymaya başlamak için veri bilimi podcast'lerini dinlemesi kötü bir şey değil. Ve insanlar diyebilir ki, Ah, ekibime bunun ne anlama geldiğini sormalıyım veya bunların her birinde farklı veri türleri var, bunları nasıl ele alacağız?

Bu anlamlı etkileşimlere başlamanın bir yolu olarak gerçekten herkesin diğer disiplinlerin kelime dağarcığını duymasını sağlıyor.

MB: Bir araya getirme şeklini gerçekten beğendim. Analitik geçmişim var ama aynı zamanda pazarlamada da çalışıyorum. Benim için hiçbir zaman sorun olmadı çünkü ikisine de maruz kaldım. Ancak bir alanda çalışan birçok insan diğerine maruz kalmaz.

CP: Aynen.

MB: Harika. Hatalar açısından, sizce bir analistin yapabileceği en büyük hata nedir? Belki karşılaştığınız deneyimlerden bir şeyler paylaşabilirsiniz?

CP: Analistlerin yaptığı hatalar açısından... Bunlar insan sorunları, değil mi? Yani bir numara gerçekten ön varsayım yanlılığıdır. Yani, aradığım sonucu biliyorum ve bunu kanıtlamam gerekiyor. Hayır. Bunun için kelime meraksız. Meraklıysan, meraklı değilsin, doğru cevabı bulmak istemiyorsun. Olabildiğince çabuk bir cevap bulmak istiyorsun ya da zaten sahip olduğun bir önyargıyı haklı çıkaran bir cevap bulmak istiyorsun, zaten yargıladığın bir sonuç ve bunlar insani problemler, değil mi? Bunlar teknolojiyle ilgili değil ve hiçbir yazılım bunu düzeltemez. İlgisizliğinizi hiçbir araç düzeltemez.

Yani bu, elimizden geldiğince eğitmemiz ve her şeyden çok işe almamız gereken bir şey. Ve merak için işe alabilirsin, değil mi?

Eskiden yaptığım ve her zaman eğlenceli olduğunu düşündüğüm bir röportaj sorusu vardı, bir deste normal iskambil kağıdı alıp bir röportajda birine vereceğim. İşte bir deste iskambil destesi diyebilirim. Sıraya koy . Hiçbir zaman herhangi bir sıralama veya benzeri bir şey belirtmedim. Amaç, kişiye bakmak ve böyle bir direktife nasıl tepki verdiklerini görmek. paniklerler mi? Bu muhtemelen o kadar değil Evet, anladım. sıraya koyacağım . Ama hangi siparişi istediğimi söylemedim. Yine, bir ön varsayım önyargıları var ve bu kötü. Soru soruyorlar mı? Kaç soru soruyorlar? Kazdıklarında, seni üzerine mi itiyorlar? Bunlar, sahip olmak isteyeceğiniz özelliklerdir.

MB: Aynı konu hakkındaki röportajımızın bir sonraki bölümüne geçelim ama başka bir açıdan. Bugün çok fazla moda söz var. Herkes veri odaklı şirketlerden bahsediyor, ancak pek çok şirket bunu başaramıyor. Neden bu olduğunu düşünüyorsun? Şirketleri başka bir düzeye taşıyabilecek ve büyümelerine ve sahip oldukları verileri kullanabilmelerine yardımcı olabilecek analitik veya pazarlama açısından kaçırdığımız bir şey var mı?

CP: Bu her şeyden çok insani bir sorun.

Veriye dayalı olmak, önce verilerle karar vermeniz gerektiği anlamına gelir - deneyim değil, akıl değil, içgüdü değil , her zaman yaptığımız gibi değil .

Verilere bakıp, Tamam, veriler böyle diyor ve nasıl işlendiğinden eminiz, bu yüzden ona göre kararlar verelim .

Bu, yolumun üstesinden gelmeyi gerektirir - bizim dediğimiz gibi, HIPPO sorunu [en yüksek ücretli kişinin görüşü]. Bu, üstesinden gelinmesi zor olan kültürel ve insani bir sorundur, dolayısıyla veriye dayalı olmak gerçekten çok zordur.

Birini veriye dayalı olmaktan alıkoyan bir numaralı şey - Edison Research'ten arkadaşım Tom Webster bunu söylüyor - sevmedikleri verilerle, analizlerle ve cevaplarla uğraşamamalarıdır!

Dövüş sanatlarında, rahatsız olmaktan rahat olmanız gerektiğine dair bir ifademiz var, bu da kısmi cevaplarda, eksik cevaplarda, asla sahip olamayacağınız bazı verileri kaçırırken ve yine de yapabiliyor olmanızda rahat olmanız gerektiği anlamına gelir. verileri iş etkisi yaratacak şekillerde kullanmak. İnsanların uzmanlık sorunları veya belirli becerileri olduğu anlamına gelmez. Herhangi bir beceriyi öğretebilirsiniz. Sorun şu ki, bu kültürel değişimi Evet, cevabı beğenmesem bile, cevap konusunda net olmasam bile, yine de bir karar vermek için cevabı kullanacağım demek için yapabilir misin?

MB: Yani bu daha çok kültürel bir değişimle ilgili.

CP: Gerçekten öyle.

MB: Bu kültürel değişimden bahsederken, nereden başlayacağınıza dair herhangi bir öneriniz var mı?

CP: Zaten bu şekilde olan şirketler için çalışın. Kulağa küstahça gelebilir, ancak bu çok insani bir şey olduğu için, çalıştığınız şirketin DNA'sı bu şekilde değilse, özellikle liderlik satın almamışsa, bu pivotu yapmak son derece zordur. , Hayır, her zaman yaptığımız gibi yapacağız. Şirketimiz 126 yaşında ve biz bunu hep böyle yaptık! Pekala, onların fikrini değiştirmeyeceksin.

Geçenlerde bir konferansta biriyle yemek yiyordum. Ve dediler ki, Şirketimiz 126 yaşında ve CEO'muz sadece 1950 olmasını istiyoruz dedi . İnsanlar ürünlerimizi alıp kullandığında ve tüm bu internet olayı ortadan kalktığında neden 1950 olmasın? Kötü haber, bu olmayacak. [Gülüyor]

MB: Oldukça zor. Kısa bir hikaye: Uzun bir geçmişi olan bir şirketle çalışıyoruz. 1908'de aile şirketi olarak kurulmuşlar ve o zamandan beri iç çamaşırı üretiyorlar. Ve oldukça büyük hale geldiler. Şimdi Fransa, Hollanda, Birleşik Krallık, Almanya ve benzerlerinde satıyorlar. Ve çok sayıda gerçek mekanda faaliyet gösteren mağazaları var ve farklı zincirleri var. Lüks segmentleri, toplu pazar segmentleri vb. Ve bir noktada, e-ticaret ekibi yönetime geldi ve “Bütçemizi artırmamız gerekiyor çünkü giderlerimiz artıyor, satış getiriyoruz, şunu ve şunu” dedi. Ve dediler ki, biliyor musunuz beyler, genel gelire bakarsak, sadece %5'ten sorumlusunuz.

Bunun üzerine e-ticaret ekibi bize geldi ve sordu, "Çevrimdışı çevrimiçi satın alma araştırmasını göz önünde bulundurarak, şirket için aslında daha fazla gelir elde ettiğimizi ve daha büyük sayıları etkilediğimizi kanıtlamamıza yardımcı olabilir misiniz?" Onlarla bir proje yürüttük ve bu iyi bir beş altı ay sürdü. Ancak günün sonunda, gelirin neredeyse %30-35'inden sorumlu oldukları ortaya çıktı. Ve bir şeyler yaptıklarını kanıtlamalarına yardımcı oldu ve bu da bütçelerini artırmalarına yardımcı oldu. Ama evet, yönetim kuruluyla konuşmak, sayıları göstermek ve bu içsel hissi değiştirmeye çalışmak biraz zaman aldı. Tam olarak ne hakkında konuştuğunu.

CP: Evet. Kültür zor. İnsanlar zor.

MB: Bu beni başka bir soruya getiriyor. Zor becerilerle ilgili ilk soruya dönmek istiyorum. Platform, insanlar ve süreçlerden bahsediyordunuz, ancak basit Python ve gösterge tablolarının nasıl oluşturulacağını bilmek gibi daha teknik şeyler hakkında ne düşünüyorsunuz? Belki istatistik? Analitikte daha derine inmek isteyen kişiler için başlaması gereken önemli şeyler nelerdir?

CP: Tamam, bu konuda biraz lafım var. Gösterge tabloları görselleştirmedir. Görselleştirme, veri analizinin kritik bir parçasıdır. Ve bu başlı başına bir sanat olan şeylerden biri. Bahsettiğiniz teknolojiler - SQL, Python, R, vb. - görselleştirme araçları değildir. Onlar hesaplama araçları.

Ve tüm veri analizlerindeki, özellikle pazarlamadaki en büyük günahlardan biri, görselleştirme araçlarınızı hesaplama yapmaya çalışmaktır.

Web sitesi kodunu oluşturmaya ve içerikle, görselleştirmeyle etkileşime girmeye çalışan insanlar gibi. Stil sayfalarınız ve HTML'niz bir nedenden dolayı ayrıdır. Çünkü görselleştirme, bilgi işlemden ayrıdır. SQL'e, Python'a, R'ye, SPSS'ye ve OWOX'a ve hesaplamayı yapmak ve bunu iyi yapmak için ne kullanırsanız kullanın - görselleştirmeye geçmeden önce arka uçta tüm veri analizini sağlayabilmek için kesinlikle ihtiyacınız var.

Gösterge tablonuz - görselleştirmeleriniz - herhangi bir tür bilgi işlem yapıyor olmamalıdır. Verileri harmanlamamalısınız, veri manipülasyonu yapmamalısınız. Görselleştirmelere giren tüm veriler, oraya ulaşmadan önce zaten hesaplanmalıdır.

Çünkü aksi takdirde bu devasa yönetişim sorunuyla karşılaşırsınız. Patronun bir şeyde yeni bir değişikliğe ihtiyacı var, ancak bu veri noktasının oraya nasıl geldiğini bilmiyoruz. Bu yüzden onu nasıl manipüle edeceğimizi bilmiyoruz. Dolayısıyla herhangi bir değişiklik yapamıyoruz. Patrona söylemeliyiz, Üzgünüm, burada ne olacağını anlamak için spagettimizi çözmemiz altı hafta alacak .

Hesaplamayı görselleştirmeden ayrı tuttuğunuzda ve patron, Hey, bunu istiyorum, diyorsunuz, Harika, hesaplama katmanıma gideceğim, stüdyomuzu yükleyeceğim ve kodda ve hesaplama mantığında değişiklikler yapacağım . Ve yeni bir veri noktası göndereceğim veya noktayı değiştireceğim . Ve bu Evet, çubuk grafik, yeni çubuk grafik, işte burada . Ve değişiklikleri temiz tutar, sürümleri kontrol altında tutar. Ve tüm veri manipülasyonlarını, özellikle büyük ölçekte yönetmeyi çok daha kolay hale getirir.

Hepsi bir arada pazarlama yapıyorsanız, muhtemelen tek bir kişi, tek dükkan, tek araç türü bir şeyle kurtulabilirsiniz. Ve sürüm kontrolü sorunuyla karşılaşmayacaksınız çünkü bundan sorumlu olan tek kişi sizsiniz. Ancak, ayrılırsanız veya kovulursanız, o şirket tamamen susuz kalır. Ve bu en kötü uygulama.

Analitik ve pazarlama departmanlarınızda birden fazla kişinin bulunduğu daha büyük bir şirketteyseniz, bilgi işlem ve görselleştirmeyi ayrı tutmalısınız. Aksi takdirde, verilerin nerede yaşadığını ve bundan kimin sorumlu olduğunu bulmaya çalışarak çok fazla zaman ve para harcayacaksınız.

Diğer bir şey - ve bu, günümüzde GDPR, CCPA ve diğer düzenlemelere uyum için çok önemlidir - görselleştirme ve hesaplama birlikte harmanlanırsa, bir erişim kontrolü sorununuz olur. Verilere kimin erişebileceği konusunda sınır koyamayacağınız, yani verileri sızdırabileceğiniz, belirli veri kaynaklarına erişimi olmaması gereken çalışanlara maruz bırakabileceğiniz bir sorununuz var.

Bilgi işlem ayrı olarak yönetildiğinde ve işlendiğinde, onu kısıtlayabilir ve görselleştirme ekibinize, Sahip olmanıza izin verilen tüm bunları görselleştirebilirsiniz ve hiçbir noktada hassas kişisel bilgiler görselleştirme ekibine bile gitmez diyebilirsiniz. onlardan güvenlidir. İnsanların bunu ayrı ve temiz tutmak için yapması çok önemli.

Öyleyse görselleştirmeden sorumlu bir analistin bu dilleri bilmesi gerekiyor mu? Kesinlikle hayır. Hesap yapan kişinin bilmesi gerekiyor mu? Yüzde yüz evet.

MB: Burada önemli bir noktanız var. Hazır veri kümelerini görselleştirdiğimizde ve içlerinde hesaplanmış alanlar olmadığında yaklaşımı gerçekten seviyorum.

Ve daha önce sorduğum bir soruyu temizlemek istiyorum. Farklı işletme aşamaları veya farklı büyüklükteki işletmeler veya farklı ölçeklerde faaliyet gösteren işletmeler vardır. Farklı açılardan bakabilirsiniz. KOBİ, KOBİ, kurumsal — hepsinin bir analiz ekibi için farklı gereksinimleri vardır veya en azından öyle görünüyorlar. Ne düşünüyorsun? Farklı türdeki şirketlerde analistlerin gereksinimleri arasında bir fark olduğunu düşünüyor musunuz?

CP: Temel olarak, herkesin pazarlamada aynı amacı vardır, bu da geliri artırmaya yardımcı olmaktır. Doğru? Pazarlamadaki amacınız gelir elde etmeye yardımcı olmak değilse, pazarlamada ne yaptığınızdan emin değilim. Ama her ne yapıyorsan, yanlış yapıyorsun. Çünkü günün sonunda, görevimiz bu - etki yaratmak. Olan şey, yapılacak farklı şeyler olduğu değil. Şirketiniz ölçeklendikçe görevler daha özel hale gelir. Küçük bir şirkette tek kişilik bir şov olduğunuzda, muhtemelen web tasarımcısı, e-posta görevlisi veya galibi, analist, istatistikçi, müşteri hizmetleri görevlisi olursunuz.

Büyüdükçe işe alıyorsun. Ve işe aldıkça uzmanlaşırsınız. Bireysel görevleri bölmeye başlarsınız. Ve artık her görevin kendi raporlaması ve kendi verileri, kendi görselleştirmesi var. Ve günün sonunda, şirketlerin en sık yanlış yaptığı şey, bu uzmanlıkların her birinin, özellikle de işletmedeki, herkesin sahip olduğu aynı amaca ulaşmak zorunda olduğu gerçeğini gözden kaçırmalarıdır. Ticari etki yarattık mı? Şirketin para kazanmasına, paradan tasarruf etmesine veya zamandan tasarruf etmesine yardımcı mı oluyoruz? Müşterileri büyütmek mi? Bütün bu şeyler.

Dolayısıyla, şirketinizin yaşam döngüsünün neresinde olduğuna bağlı olarak, mantıklı bir analistseniz rolünüz, Büyük resim hedefine katkıda bulunacak ne yapıyorum diye sormaktır. Kişisel olarak KPI'larım nelerdir? Kişisel KPI'larım bölümün KPI'ları ile uyumlu mu? İşletmeninkilerle uyumlu mu? Tüm konuşmalarımda kullandığım tanım — bunu MAICON konferansında [Pazarlama Yapay Zeka Konferansı] duydunuz — bir KPI, ikramiye alıp almayacağınızı veya kovulacağınızı belirleyen bir sayıdır, değil mi? Bu bir KPI. Bu bir sayıysa ve bunun için ikramiye almayacak veya kovulmayacaksanız, bu bir ölçüdür.

Bu açıdan baktığınız zaman, üzerinde çalıştığınız, ekibinizin üzerinde çalıştığı, departmanınızın üzerinde çalıştığı, şirketinizin üzerinde çalıştığı KPI'lar nelerdir? Ve o sayılara bakıyorsun ve bazen hiçbir anlam ifade etmeyecekler. Ve durum buysa, o zaman bir analist olarak bunun farkında olmanız ve bayrağı yükseltmeniz ve " Arkadaşlar, bunun herhangi bir ticari etki yaratacağından emin değilim" demeniz gerekir. Ve şirket hala yapmanız gerektiğini söylüyorsa, o zaman LinkedIn profilinizi güncellemeye başlarsınız. Çünkü bir şirket saçma sapan KPI'lar için çalışıyorsa, işini kaybedecek. Sadece zaman meselesi.

MB: Sizi doğru anladığımdan emin olmak için, küçük şirketlerdeki analistlerle büyük şirketlerdeki analistlerin gereksinimleri arasında hiçbir fark yok çünkü herkesin hedefi gelir.

CP: Evet, gelir ve iş etkisi — şirketin para kazanmasına, paradan tasarruf etmesine veya zamandan tasarruf etmesine yardımcı oluyor musunuz? Bunlar herkesin istediği ve her işletmenin ihtiyaç duyduğu üç işlevdir. 10 bin yıldır bahsettiğimiz şey aynı: daha iyi, daha hızlı, daha ucuz … herkes bunu istiyor. Peki işimizi daha iyi, daha hızlı ve daha ucuz hale getirmek için ne yapıyoruz?

CP: Evet. Ve bu, günümüzde makine öğrenimi ve yapay zekanın en büyük sorunlarından biridir - yalnızca kutunun içinde neler olduğunu bilmek değil, aynı zamanda yorumlamak ve açıklamak.

Açıklanabilirlik, bu şeyde olduğu gibi, modelin ne yaptığının post-hoc bir açıklamasıdır ve bu şeyler olmadı. GDPR gibi düzenlemelere baktığınızda, bu yeterince iyi değil. GDPR says that you have to be able to tell a customer in the European Economic Area how their data was used, which means you need to be able to unpack the algorithm itself and say, Bunun için teşekkürler. Let's get deeper in our troubleshooting investigation. What problems do you see on the market today? One of them is ethics, for sure. And probably culture, employees, and the maturity level of companies. Maybe you can unwrap that once again, or maybe you want to add something else to the problems?

CP : I think probably one of the most important things that companies are going to need to do is change how they hire. The reason you don't have good people coming out of school with skills in statistics and data science as a standard — even if there are exceptions to every rule — is because you have professors at these schools who are, you know, in their later years of their career who also don't have those skills and don't know how to teach them. And the marketplace doesn't demand them.

If the marketplace demanded them and said, Hikayenin sonu. Those are the core languages in data science. And every vendor out there that is offering sort of an easy drag-and-drop interface — their technology is lagging behind what the open-source code is in the marketplace. If you want to use the latest version of GPT-2 from OpenAI, guess what? You better know how to use Python, because no vendor has it in their software yet. And if you want to be able to do advanced text analytics, that's where you're going to have to go. So you have to learn those things. If you want to take some courses, there's a phenomenal resource hub from IBM called Cognitive Class, and it's 100% free. You pay zero dollars and you can take all these different courses on every topic imaginable in data science and AI. I strongly recommend it.

MB: One very last question. How can an analyst have a greater impact on marketing or on business? I predict you'll also say that it's a human problem and an involvement problem, but maybe you could add something else.

CP: It's somewhat related, but it's having those KPIs and those goals and understanding your business's KPIs. If you want to have an impact, you have to serve the overall goals of the company. And that means you have to understand them.

As a marketer, if you just blindly have that bias — I'm going to drive new leads, that's what I'm really good at — but the company has a customer retention problem and we need your help creating content that retains customers, that keeps them loyal, then you're going to be doing the wrong thing.

Do you understand the goals of your company? Do you understand how your marketing relates to those goals? If you don't, better update your LinkedIn profile, because you're not going to last very long.

MB: Thanks a lot. That inspires me the most!

Vay! There was a lot of stuff revealed in this interview! We're still processing it all.

We totally agree with Christopher about the human and technology problems. Sometimes they're hard to admit, but you should fight them. We're glad to be one of the companies that's moving in the direction of making data a tool for development, decision-making, and people.

Share this article with your colleagues, and stay tuned for our next interviews!