营销人员的天赐之物：如何在没有分析师和 SQL 的情况下创建报告

报告对于任何营销人员来说都是一个真正的烦恼。 大多数分析工具主要关注分析师和开发人员的需求，并禁止营销人员自己处理数据。 本文解释了为什么会发生这种情况以及我们如何看待这个问题的解决方案。

每个企业的目标都是盈利。 但是，要了解公司的发展方式以及值得继续前进的方向，公司需要跟踪和监控所有组织领域。 换言之，报告是决策者必不可少的工具。

更不用说在大流行经济状态下，当要求营销人员以更少的资源（更少的预算和更少的实施时间）实现更多目标时，没有报告就无法做到。

在过去的一年里，公司对你可以通过各种方式取得成功充满信心，无论是线下还是线上。 在数字生态系统中接触客户有很多选择（不要忘记由于自然语言处理而不断发展的语音和音频空间）。 这些渠道中的任何一个都会带来新的数据量。 您可以使用这些信息与客户进行交流，并更多地了解您的目标受众，这对业务发展很有帮助。

企业有一个运营市场、目标和数据。 任何公司都想要三件事：赚更多，少花钱，做得更快。

营销人员帮助企业实现其想要的目标。 他拥有数十种不同的服务、CMO 的目标以及营销方面的专业知识。 在大多数情况下，这是他可以使用的。

营销人员在工作中最缺乏的和最常遇到的问题：

1. 报告中的数据不匹配，必须不断监测。 为什么？ 数据在数据收集阶段可能会丢失、重复等。没有简单的原因； 否则，它不会成为市场的问题。 营销人员需要可信赖的数据来做出决策。
2. 构建包含所有必要数据的报告很复杂并且需要花费大量时间。 通常营销人员没有时间研究 SQL，也不想等待分析师的回复。 营销人员希望在正确的部分独立制作报告，而不是等待分析师的报告。 另一个问题是，他事先永远不知道会出现什么问题，下次可能需要什么报告。 在所有可能的情况下都有一份通用报告是难得的机会。
3. 营销人员需要适用的指导而不是报告。 例如，显示 CPA 的广告活动报告不如显示您需要增加或减少广告预算多少的最佳营销组合报告有价值。 为什么这样？ 因为申请成本并不能回答如何处理这些信息的问题。

由于 Google BigQuery 等服务的发展，各种规模的公司都可以更轻松地进行大数据分析。 但现有的分析产品主要针对分析师和开发人员的需求。 营销人员仍然被迫将自己限制在现成的报告或等待分析师准备数据，错失机会并浪费时间。

在上图中，Gartner 魔力象限包含分析和 BI 服务。 在分析师常用的聊天室之一中，Excel 被添加到图表中。 该图表明，业务用户需要现代分析工具，直到他们需要的数据被传送到熟悉的 Excel 或 Google 表格界面。

有句名言：“数据是一种新的石油。”正如石油行业在营销分析市场上规定了对原始形式累积价值的获取进行监管，如谷歌、Facebook、苹果，也有石油管道。像 OWOX BI、Supermetrics、Fivetran、StitichData 向 Google Cloud、AWS、MS Azure、Hadoop 等炼油厂提供数据。但对于最终用户而言，所有这些都不会产生重大价值，除非他能够在正确的时间，没有不必要的努力。

今天，商业用户被迫将自己限制在普通公交车上，这些公交车将他们送到预先设定的数据部分或多付出租车费用，而不知道他们需要到达的确切地址以及最终要建立什么报告。

为什么现有的分析工具不能完全满足营销人员的需求：

• 专业服务不包含所需的数据。 为什么不直接使用 Google Analytics？ 没有数据业务需求。 根据与您的业务模型对应的逻辑来合并所有数据并构建报表是不可能的。
• 即使企业已经收集了所有必要的数据，也需要专业知识来合并它：通过什么键、以什么结构、以什么条件等。
• 现有的高级分析服务提供专门构建的解决方案，而不是系统解决方案：您可以构建特定的报告或仪表板，但您无法创建营销人员可以使用的报告系统。 例如，您可以在 Power BI、Google Data Studio 或 Excel 中获取自动更新报告。 但是，如果您需要更改报告中的某些内容，添加必要的部分、参数和指标，或者更改渠道分组，营销人员自己无法做到这一点。 您每次都必须联系分析师。

为什么营销人员很难在 Excel 或 Google 表格中获取正确的数据？ 处理数据的所有阶段之间的瓶颈在哪里？

在将数据转换为特定结构（例如，识别 UTM 标记）之后，在业务用户可以从中生成报告之前，会发生一个迭代过程。 例如，您选择所需的列，排除在一定时间内没有购买的用户等。这个过程需要分析师和营销人员之间的沟通。 而如果营销人员不懂 SQL，就无法避免这种交流。

今天，分析师构建需要使用 SQL 进行数据整合的报告。 随着时间的推移，这样的 SQL 查询越来越多，其中的逻辑也越来越复杂。 因此，没有分析师的帮助，营销人员无法获得必要的报告，而且数据的质量每次都受到质疑。

大多数分析产品在某一阶段简化了分析师的工作，但无助于正确合并数据，或者营销人员在没有分析师帮助的情况下获得必要的报告。 因此，分析师仍然是一个弱点。

我们的一位客户曾经说过：“我们的营销人员现在有两个选择：要么等待 Excel，要么学习 SQL。”好消息是，这不是唯一的选择。

基本上，无需等待分析师或学习 SQL 即可构建报告。 当数据已经建模为公司的业务模型时，营销人员不需要每次想要创建新报告时都跑到分析师那里。

分析师将数据合并到业务模型一次，以便以后更容易进行编辑。 然后，营销人员可以在现代报告服务中使用这些数据，这些服务可以使用建模数据（例如 OWOX BI）。

新的营销分析工具来拯救这一天！ 是的，营销人员需要将它们整理出来，但这仍然比 SQL 更容易、更方便。 作为交换，营销人员将收到可信赖的数据、正确部分的报告以及适用的建议。

你需要做什么才能让魔法发挥作用？

步骤 1 。 借助 ETL 工具在一个地方收集数据以进行后续分析（云数据存储，尤其是 Google BigQuery，是营销人员的理想选择）。

步骤 2 。 清理并匹配收集的数据。

步骤 3.合并业务模型的数据。

第 4 步。 将建模数据连接到报告服务。

步骤 5 。 将数据导出到数据可视化服务。

诸如漏斗之类的工具。 io、Supermetrics、OWOX BI、Datorama、Improvado、Kissmetrics 等非常适合数据收集。 但是，要正确匹配、清除、合并、重复数据删除等，您需要分析师的帮助。

为了对数据建模，营销人员还需要分析师的帮助。 不过，也只有这一次。

笔记！ 如果您有一个小项目，一对数据源（包含事件和费用的表），并且您需要构建 2-4 个报表，那么计算这些表的结构将非常简单。

但是，如果我们谈论的是一个真实项目，其中包含来自广告系统的数据、来自 CRM 的交易、用户信息、扩展产品数据以及所有其他进入 Google BigQuery 的数据的表？ 值得使用 DBT/Dataform 等工具来避免 100500 个纠缠表，只需一次更改，即可应用于整个模型。

一旦您的数据被建模，您就可以构建各种报告来使用。 作为一个现代通用平台的示例，它从各种来源收集和分析您的营销数据，允许您自动报告并将结果传输到您想要的地方，让我们看看 OWOX 智能数据。

使用智能数据服务，营销人员可以根据来自 Google BigQuery 的合并原始数据，不受限制地接收营销报告和抽样，并将报告导出到 Google Data Studio 和 Google Sheets。

获取报告有两种方式：

1. 使用报告生成器。
2. 从最受欢迎的报告库中选择现成的模板。

营销人员可以使用预制仪表板或根据公司要求定制的仪表板快速获得任何复杂的营销洞察力。 对于快速任务，OWOX BI Smart Data 中的现成报告是合适的，而对于复杂的任务——使用来自 Google BigQuery 的 SQL 查询进行数据预处理和下载——则需要。

让我们看一下报告生成器——您需要确定要在报告中看到哪些指标和参数，选择所需的报告类型以及日期范围。 智能数据在 Google BigQuery 中生成所需数据的 SQL 查询，营销人员获得可视化报告。

使用同类群组分析、LTV 计算、ROPO 分析等报告，营销人员可以考虑所有客户接触点并监控营销活动的有效性。

当前处理数据的方法不是最佳的。 营销人员和业务用户通常无法自行构建报告，因为它太复杂了。 要回答他们的问题，他们必须为分析师设置任务并等待报告。 一次又一次。 毕竟，在你回答第一个问题之前，你不知道第二个问题会是什么。

最后，事实证明，这些数据用于监控当前情况和分析过去，但很少用于管理未来。 因此，如果业务用户有机会与他们一起独立做出决策，数据将带来更多价值。