为什么没有人对分析师高五？ Steen Rasmussen 的艰难而真实的回答

Mariia Bocheva 对 Steen Rasmussen 进行了一次精彩的采访，他是我们认识的最有才华和最有影响力的网络分析布道者之一。 我们还得到了他在分析中的演讲录音！ 会议上，他介绍了有助于我们形成连贯研究图景的细节。

我们决定打破传统的采访风格，将其转变为必不可少的阅读材料，帮助分析师提出新想法。

在本文中：

首先，谈谈 Steen Rasmussen：他目前是 IIH Nordic 的 Web 分析传播者、董事和董事会成员。 他还可以理所当然地声称自己是现代分析的制定者之一。 IIH Nordic 是那些拥有完全独特的数据生态系统和实验驱动文化的公司之一，在这里一切都旨在促进有意义和高效的工作。 例如，他们的组织水平如此之高，以至于他们每周只工作四天，同时处理每周工作五天的工作量。

听起来像个梦，对吧？ 让我们找出 Steen 与我们分享的内容。

谁告诉你要成为一名优秀的分析师，你必须掌握技能和工具？ 或者，作为一名分析师是一份安全的工作，你可以先做报告，然后再放松，直到下次需要报告？

清楚地了解您被聘用的原因以及您为公司带来的价值对于您的成功至关重要。 分析师致力于为企业提供见解，以实现两个主要目标：

1. 在增加利润的同时降低成本
2. 获取新客户并留住现有客户

这是分析师工作的主要目标，执行的每项任务和建立的报告都应该从上面幻灯片中描述的目标开始。

分析工具、技术和方法只是工具。 虽然它们会影响所提供服务的质量，但它们不能保证对业务需求的深刻理解——这取决于分析师。 您选择的工具不一定是 Google 工具堆栈，而是适合您组织风格的工具组合。​

是的，每个分析师都在努力工作以推动他们的公司向前发展。 但通常，没有人赞扬他们的辛勤工作。 发生这种情况的主要原因是同事看到分析师的工作结果是这样的：

这看起来很不错，但是我们应该用这些东西做什么呢？

你听过类似的问题吗？ 当人们没有感知分析师提供的价值时，就会发生这种情况。

您的同事对分析并非刻薄或免疫； 他们只是不断需要在不再友好的市场压力下做出正确的决定。

这就是硬币的另一面：即使在数据最发达的公司，你也会体验到邓宁-克鲁格效应或幸存者偏见，因为这是人的天性。 他们不相信分析有那么难，他们会根据手头的信息得出结论。

或者有时分析师过于关注数字，而不是洞察力或做什么建议。 但是，强调永远不会 100% 完美的数据——再加上商业决策中固有的不确定性——不会让任何事情变得更好。

分析师应尽力：

• 以易于理解的方式交流他们所知道的。
• 对将与他们的数字一起工作的人产生同理心。
• 永远不要在没有假设的情况下陷入数据深渊。 永远记住为什么要进行分析。
• 将分析结果转化为人们的解决方案。 让人们了解数据可以带他们走多远。 教育您的同事如何在工作中应用数据分析。
• 培养健康的自我批评。 把你的想法带到办公桌前，不要害怕失败。

以下是分析师可能犯的一些最大错误：

不检查草稿

​如果不仔细检查结果中的数字，分析师可能会失去如此多的可信度。 您应该始终检查其他系统并进行简单的现实检查——您的结果是否存在于现实中？ 三分钟内平均能有 89 次浏览量吗？ 当您怀疑自己并严格要求自己时，您就不仅仅是专家了——您是可靠的专家。

避免提供建议或回答其他问题，以避免看起来愚蠢的风险

分析师可能害怕分享任何额外的数字。 大胆分享数字； 这是一项很棒的技能。 即使你已经犯了一些错误，即使它被提及，即使你的想法受到质疑，也不要在机械地做被问到的事情时忽视你的创意。 保持好奇心、创造力和无所畏惧。

分析师根据他们目前拥有的数据构建报告，有时这些报告会乏味地描述明显的事实。 那你该怎么办？ 你是一个糟糕的分析师吗？

永远记住，你拥有的部分数据可能是错误的或损坏的，因为你没有收集到更多的数据是不可用的，还有更多的数据是你甚至无法想象的。

分析师的任务之一是突破可用数据的极限，回答管理层和同事的问题。 不要试图在你已经拥有的东西中找到听起来像答案的东西，而是要培养公司的数据。 不要试图为你的假设寻找支持，同时忽略反补贴的证据。 尽量覆盖所有你能接触到的东西，记住即使在那之后，也会有更多的数据需要收集。

您如何获得比现有更多的数据？ 您可以用来丰富营销数据的一种方法是，不仅将每个广告活动视为潜在客户的来源，而且将其视为数据的来源。 您可能会发起一个完整的活动来获取数据，就像每个 A/B 测试活动都是为了找出更有效的方法一样。

A/B 测试是一个很棒的工具，并且在很长一段时间内都很有价值。 但时代变了，A/B 测试的逻辑是在实际情况不同的情况下建立起来的。

每次我们决定 A 比 B 好或 B 比 A 好时，我们都会排除一些喜欢其他版本的访问者……所以我们实际上每次都在限制我们的业务范围。

从这个角度来看，我们看到 A/B 测试不再是数据激活的最佳工具。 令人着迷的是，现在我们可以为喜欢 A 的人提供变体 A，为选择其他变体的人提供 B。 这是现代数据收集和激活速度所带来的可能性之一。 今天，您无需选择； 您可以满足尽可能多的客户。

所以不要陷入非此即彼的心态； 改变应用数据洞察的方法。 谷歌优化和其他个性化工具将帮助您。

让我们看看在工作日中间等待分析师的其他威胁是什么。

理解这一点的最好方法是为典型的在线商店建模一个段分区。

在上面的幻灯片中，已经向您购买的人沿着绿线。 还有一些人永远不会向你购买——那些人在红线上。 典型的广告预算分配不会排除任何这些细分，因为：

1. 营销团队将继续努力让红线观众感兴趣。 这些人可能会点击广告并浪费您的预算，但他们仍然不会购买任何东西。
2. 营销部门将通过向他们提供折扣和损失利润来试图挽回那些已经从你那里购买的人。

发生这种情况是因为这是营销的运作方式，每个人都已经习惯了。 但如果你修改你的自动化系统，把你的广告集中在中间群体，投入你所有的资源来培养这种受众，即使在最困难的行业，你也会获得真正的收入增长。 因此，对参与广告预算分配决策的营销人员和分析师的最佳建议是，您必须正确理解您的数据。

这是一个从清洗数据到编排数据的机会。 自动化营销机器仍然只是由聪明的分析师管理的工具。

道德并不是分析师工作中被广泛讨论的一个方面。 但是，在促进企业利益的同时，在工作中保持道德也很重要。 还记得几年前剑桥分析公司发生的事情吗？ 最终客户真的很关心你把他们的数据带到哪里以及你用它做什么。 如果您不小心收集和存储数据、让借用的数据不受保护或未经许可使用它来操纵他人，您的公司可能会付出巨大的代价。

Cookie、隐私政策和复选框只是维护客户与使用个人数据的网站之间关系的第一步。 分析师可能会发现这些限制不公平，因为它们会导致数据碎片化。 有时，对客户个人数据的实验在技术上可能很有趣，但从道德的角度来看是有问题的。

此外，网络上没有儿童安全的地方。 孩子们比成年人更多地使用智能手机，并且在网上发布了大量非常个人化的数据。 这是营销人员和分析师必须应对的新的道德挑战。 我们可以在线向受父母监护的儿童销售吗？ 我们可以从几岁开始向儿童展示广告而不损害他们的权利？

您不需要分析的唯一情况是您不会使用它。 如果您真的不想使用分析结果，请不要在上面浪费金钱。

如何在分析上花钱是一个完全不同的故事，但请记住，营销分析是一项投资，它必须提高投资回报率才能物有所值。

考虑每个工具可以带来的利润，而不是它的受欢迎程度或它有多酷，来完善你的工具箱。 请记住，每种工具都有其局限性，并且旨在帮助您，而不是取代您。

给分析师的更多建议：

1. 停止将您的转化率与平均值进行比较。 这不是增长的最佳基础。 您应该比较的是您自己当前的转化率与上个月的转化率。 为自己树立标杆，一次次超越自己，稳定的成长不是梦想，而是现实。
2. 停止依赖平均指标。 因为平均值隐藏了真正重要的信息……和身体。 有时，人们很懒惰，会线性思考，当我们看到令我们满意的数字时，我们真的很高兴。 但是，当我们深入了解时，我们会向自己承认，转化事件（例如，Google AdWords 广告系列点击）可能不会导致购买——或者至少不会导致购买我们宣传的确切产品。 如果人们购买 iPhone 外壳而不是 Macbook Pro 会怎样？ 边际不一样，不是吗？ 因此，即使一家公司仍然显示出良好的 ROAS，也要从内部检查这个指标，了解一切是如何发生的。

给企业的建议：

1. 不要再假设如果你雇佣了一位数字分析师，你就已经建立了整个数据科学部门。 您需要建立一个具有广泛技能的团队：聘请统计学家、业务分析师/口译员、技术熟练的数据科学家。 这些专家是您对分析的主要投资，而不是您购买的工具箱！
2. 如果您是一家小型企业，请收集有关您自己的数据，了解类似初创公司的运作方式和市场基准，尝试获取更广泛的数据，构建您自己的数据集，并定义您周围的世界。
3. 如果您在一个大市场中，请留意竞争对手并从内部转向外部世界。 要战胜竞争，还有很多事情要做！

很长一段时间，分析师们都在学习如何收集数据，并且痴迷于它，就像对金矿或油井一样。

数据的最大价值在于事件发生的那一刻。 等到为分析准备数据、交付结果、做出决策并采取行动时，可能为时已晚。 世界已经发生了变化，新的事件发生了。

因此，我们必须记住，我们的数据存在于我们周围世界的背景下。

谢谢，斯蒂恩，在分析中进行了如此深入的采访和精彩的演讲！ 会议！

我们希望您喜欢这篇阅读文章，并对分析和分析师在现代市场中的角色有新的认识。 在 OWOX，Steen 启发我们在分析中支持以人类为中心的标准，其中工具比专家更重要。 我们相信分析师本身是分析中最重要的部分，而不是他们使用的强大工具。 因此，让我们互相学习，让分析成为有史以来最好的学科！

订阅我们的博客，阅读接下来的采访，作为我们对数字分析状态研究的一部分，并让顶级分析师的经验适应您的业务。