Zašto je timska komunikacija važnija od vašeg Martech stacka

Komunikacija i analiza marketinškog tima

Netipično stajalište Sime Ahave o kvaliteti podataka i komunikacijskim strukturama osvježilo je cijeli salon u Idite na Analytics! konferencija. OWOX, MarTech lider u regionu ZND, pozdravio je hiljade stručnjaka na ovom skupu kako bi podijelili svoja znanja i ideje.

OWOX BI tim željeli biste da razmislite o konceptu koji je predložio Simo Ahava, a koji definitivno ima potencijal za rast vašeg poslovanja. 

Kvalitet podataka i kvalitet organizacije

Kvalitet podataka ovisi o osobi koja ih analizira. Tipično bismo za sve nedostatke podataka krivili alate, tijekove rada i skupove podataka. Ali je li to razumno?

Iskreno govoreći, kvalitet podataka direktno je vezan za način na koji komuniciramo unutar naših organizacija. Kvalitet organizacije određuje sve, počevši od pristupa rudarenju podataka, procjeni i mjerenju, nastavljajući obradu i završavajući ukupnom kvalitetom proizvoda i odlučivanjem. 

Kompanije i njihove komunikacijske strukture

Zamislimo da se kompanija specijalizirala za jedan alat. Ljudi u ovoj kompaniji sjajno pronalaze određene probleme i rješavaju ih za B2B segment. Sve je sjajno i nema sumnje da poznajete nekoliko ovakvih kompanija.

Nuspojave aktivnosti ovih kompanija kriju se u dugotrajnom procesu podizanja zahtjeva za kvalitetom podataka. Istovremeno, trebali bismo imati na umu da alati stvoreni za analizu podataka rade samo s podacima i izolirani su od poslovnih problema - čak i ako su stvoreni za njihovo rješavanje. 

Zbog toga se pojavila druga vrsta firme. Te su kompanije specijalizirane za otklanjanje grešaka u toku rada. Mogu pronaći čitavu hrpu problema u poslovnim procesima, staviti ih na bijelu ploču i reći rukovodiocima:

Ovdje, ovdje i tamo! Primijenite ovu novu poslovnu strategiju i bit ćete dobro!

Ali zvuči predobro da bi bilo istina. Sumnjiva je efikasnost savjeta koji se ne temelji na razumijevanju alata. A te konsultantske firme uglavnom ne razumiju zašto su se pojavili takvi problemi, zašto svaki novi dan donosi nove složenosti i greške i koji su alati pogrešno postavljeni.

Dakle, korisnost ovih kompanija samostalno je ograničena. 

Postoje kompanije sa poslovnom stručnošću i znanjem alata. U tim kompanijama svi su opsjednuti zapošljavanjem ljudi s velikim kvalitetama, stručnjaka koji su sigurni u svoje vještine i znanja. Super. Ali obično ove kompanije nisu usmjerene na rješavanje komunikacijskih problema unutar tima, što često smatraju nevažnim. Pa kako se pojavljuju novi problemi, započinje lov na vještice - čija je greška? Možda su stručnjaci za BI pobrkali procese? Ne, programeri nisu pročitali tehnički opis. Ali sve u svemu, pravi problem je što tim ne može jasno razmisliti o problemu da bi ga zajedno riješio. 

To nam pokazuje da će čak i u kompaniji punoj sjajnih stručnjaka za sve biti potrebno više truda nego što je potrebno ako organizacija nije zreo dosta. Ideja da morate biti odrasla osoba i biti odgovorni, posebno u krizi, posljednje je o čemu ljudi razmišljaju u većini kompanija.

Čak se i moje dvogodišnje dijete koje ide u vrtić čini zrelijim od nekih organizacija s kojima sam radio.

Ne možete stvoriti efikasnu kompaniju samo angažiranjem velikog broja stručnjaka, jer ih sve apsorbira neka grupa ili odjel. Dakle, uprava nastavlja zapošljavati stručnjake, ali ništa se ne mijenja jer se struktura i logika toka posla uopće ne mijenjaju.

Ako ne učinite ništa da stvorite kanale komunikacije unutar i izvan ovih grupa i odjela, svi vaši napori bit će besmisleni. Zbog toga je strategija komunikacije i zrelost u fokusu Ahave.

Conwayev zakon primijenjen na analitičke kompanije

Značajni podaci - Conwayev zakon

Prije pedeset godina, sjajni programer po imenu Melvin Conway dao je prijedlog koji je kasnije postao popularno poznat kao Conwayev zakon: 

Organizacije koje dizajniraju sisteme. . . su ograničeni na izradu dizajna koji su kopije komunikacijskih struktura ovih organizacija.

Melvin Conway, Conwayev zakon

Te su se misli pojavile u vrijeme kada je jedan računar savršeno odgovarao jednoj sobi! Zamislite samo: Ovdje imamo jedan tim koji radi na jednom računaru, a tamo imamo drugi tim koji radi na drugom računaru. A u stvarnom životu Conwayev zakon znači da će se sve komunikacijske mane koje se pojave među timovima preslikavati u strukturu i funkcionalnost programa koje razvijaju. 

Napomena autora:

Ova teorija je testirana stotinama puta u svijetu razvoja i o njoj se puno raspravljalo. Najsigurniju definiciju Conwayevog zakona stvorio je Pieter Hintjens, jedan od najutjecajnijih programera s početka 2000-ih, koji je rekao da "ako ste u usranoj organizaciji, napravit ćete usrani softver." (Amdahl do Zipfa: Deset zakona fizike ljudi)

Lako je vidjeti kako ovaj zakon djeluje u svijetu marketinga i analitike. U ovom svijetu kompanije rade s ogromnim količinama podataka prikupljenih iz različitih izvora. Svi se možemo složiti da su podaci sami po sebi pošteni. Ali ako pažljivo pregledate skupove podataka, vidjet ćete sve nedostatke organizacija koje su te podatke prikupile:

  • Nedostaju vrijednosti u kojima inženjeri nisu razgovarali o problemu 
  • Pogrešni formati u kojima niko nije obraćao pažnju i niko nije raspravljao o broju decimalnih mjesta
  • Kašnjenja u komunikaciji kada niko ne zna format prijenosa (batch ili stream) i ko mora primiti podatke

Zbog toga sistemi za razmjenu podataka u potpunosti otkrivaju naše nesavršenosti.

Kvalitet podataka postignuće su stručnjaka za alate, stručnjaka za tijek posla, menadžera i komunikaciju među svim tim ljudima.

Najbolje i najgore komunikacijske strukture za multidisciplinarne timove

Tipični projektni tim u kompaniji MarTech ili marketinškoj analitici sastoje se od stručnjaka za poslovnu inteligenciju (BI), naučnika za podatke, dizajnera, marketera, analitičara i programera (u bilo kojoj kombinaciji).

Ali šta će se dogoditi u timu koji ne razumije važnost komunikacije? Da vidimo. Programeri će dugo pisati kod, trudeći se, dok će drugi dio tima samo čekati da prenesu palicu. Napokon će izaći beta verzija i svi će mrmljati zašto je to toliko dugo trajalo. A kad se pojavi prva mana, svi će početi tražiti nekoga drugog krivca, ali ne i načine kako izbjeći situaciju koja ih je tamo dovela. 

Ako pogledamo dublje, vidjet ćemo da zajednički ciljevi nisu pravilno shvaćeni (ili uopće nisu shvaćeni). I u takvoj situaciji dobit ćemo oštećen ili neispravan proizvod. 

Ohrabrite multidisciplinarne timove

Najgore karakteristike ove situacije:

  • Nedovoljno učešće
  • Nedovoljno učešće
  • Nedostatak saradnje
  • Nedostatak poverenja

Kako to možemo popraviti? Bukvalno tjerajući ljude da razgovaraju. 

Ohrabrite multidisciplinarne timove

Okupimo sve zajedno, postavimo teme za raspravu i zakažemo sedmične sastanke: marketing s BI-om, programeri s dizajnerima i stručnjaci za podatke. Tada ćemo se nadati da ljudi razgovaraju o projektu. Ali to još uvijek nije dovoljno, jer članovi tima još uvijek ne razgovaraju o cijelom projektu i ne razgovaraju s cijelim timom. Lako je zasuti se na desetine sastanaka, nema izlaza i nema vremena za posao. A te poruke nakon sastanaka ubit će ostatak vremena i razumijevanje što dalje. 

Zato su sastanci samo prvi korak. I dalje imamo nekih problema:

  • Loša komunikacija
  • Nedostatak zajedničkih ciljeva
  • Nedovoljno učešće

Ponekad ljudi pokušavaju prenijeti važne informacije o projektu svojim kolegama. Ali umjesto da poruka prođe, stroj za glasine čini sve umjesto njih. Kada ljudi ne znaju kako pravilno i u ispravnom okruženju podijeliti svoje misli i ideje, informacije će se izgubiti na putu do primatelja. 

To su simptomi kompanije koja se bori sa problemima u komunikaciji. I počinje ih liječiti sastancima. Ali uvijek imamo drugo rješenje.

Navedite sve na komunikaciju oko projekta. 

Multidisciplinarna komunikacija u timovima

Najbolje karakteristike ovog pristupa:

  • Providnost
  • Uključenost
  • Razmjena znanja i vještina
  • Non-stop obrazovanje

Ovo je izuzetno složena struktura koju je teško stvoriti. Možda znate nekoliko okvira koji zauzimaju ovaj pristup: Agile, Lean, Scrum. Nije važno kako ćete ga imenovati; svi su izgrađeni na principu „čineći sve zajedno u isto vrijeme“. Svi ti kalendari, redovi zadataka, demo prezentacije i stand-up sastanci imaju za cilj da ljudi često i svi zajedno razgovaraju o projektu.

Zbog toga mi se Agile jako sviđa, jer uključuje važnost komunikacije kao preduvjet za opstanak projekta.

A ako mislite da ste analitičar koji ne voli Agile, pogledajte na drugi način: pomaže vam da pokažete rezultate svog rada - sve svoje obrađene podatke, te sjajne nadzorne ploče, svoje skupove podataka - kako biste ljude učinili ljudima cijenimo vaš trud. Ali da biste to učinili, morate se sastati sa svojim kolegama i razgovarati s njima za okruglim stolom.

Šta je sledeće? Svi su počeli pričati o projektu. Sad jesmo kako bi dokazali kvalitet projekta. Da bi to učinile, kompanije obično angažiraju savjetnika s najvišim profesionalnim kvalifikacijama. 

Glavni kriterij dobrog savjetnika (mogu vam reći jer sam savjetnik) je stalno smanjenje njegove uključenosti u projekt.

Savjetnik ne može samo nahraniti kompaniju malim profesionalnim tajnama, jer to neće učiniti kompaniju zrelom i samoodrživom. Ako vaša kompanija već ne može živjeti bez vašeg savjetnika, trebali biste razmotriti kvalitet usluge koju ste dobili. 

Inače, konsultant ne bi trebao praviti izvještaje niti postati dodatni par ruku za vas. Za to imate svoje unutrašnje kolege.

Angažirajte marketere za obrazovanje, a ne delegaciju

Glavni cilj angažiranja savjetnika je obrazovanje, popravljanje struktura i procesa i olakšavanje komunikacije. Uloga savjetnika nije mjesečno izvještavanje, već implantacija sebe u projekt i potpuno sudjelovanje u svakodnevnoj rutini tima.

Dobar savjetnik za strateški marketing popunjava praznine u znanju i razumijevanju učesnika u projektu. Ali on ili ona možda nikada neće raditi posao za nekoga. I jednog dana, svi će morati dobro raditi bez konsultanta. 

Rezultati efikasne komunikacije su odsustvo lova na vještice i ukazivanja prstom. Prije započinjanja zadatka, ljudi dijele svoje sumnje i pitanja s ostalim članovima tima. Stoga se većina problema rješava prije početka rada. 

Pogledajmo kako sve to utječe na najsloženiji dio posla marketinške analize: definiranje tokova podataka i spajanje podataka.

Kako se zrcali komunikacijska struktura u prijenosu i obradi podataka?

Pretpostavimo da imamo tri izvora koji nam daju sljedeće podatke: podatke o prometu, podatke o proizvodima e-trgovine / podatke o kupovini iz programa lojalnosti i podatke o mobilnoj analitici. Prolazit ćemo jednu po jednu kroz faze obrade podataka, od streaminga svih tih podataka na Google Cloud do slanja svega za vizualizaciju Google Data Studio uz pomoć Google BigQuery

Na osnovu našeg primjera, koja pitanja bi ljudi trebali postavljati kako bi osigurali jasnu komunikaciju tijekom svake faze obrade podataka?

  • Faza prikupljanja podataka. Ako zaboravimo izmjeriti nešto važno, ne možemo se vratiti u prošlost i izmjeriti. Stvari koje treba prethodno razmotriti:
    • Ako ne znamo kako imenovati najvažnije parametre i varijable, kako se nositi sa svim neredom?
    • Kako će se označavati događaji?
    • Koji će biti jedinstveni identifikator za odabrane tokove podataka?
    • Kako ćemo se pobrinuti za sigurnost i privatnost? 
    • Kako ćemo prikupiti podatke tamo gdje postoje ograničenja u prikupljanju podataka?
  • Spajanje podataka teče u tok. Uzmite u obzir sljedeće:
    • Glavni ETL principi: Da li je to paketni ili stream prenos podataka? 
    • Kako ćemo obilježiti vezu protoka i skupnog prijenosa podataka? 
    • Kako ćemo ih prilagoditi u istoj shemi podataka bez gubitaka i grešaka?
    • Pitanja o vremenu i hronologiji: Kako ćemo provjeriti vremenske žigove? 
    • Kako možemo znati rade li obnavljanje i obogaćivanje podataka ispravno unutar vremenskih oznaka?
    • Kako ćemo potvrditi pogotke? Šta se događa s nevažećim pogocima?

  • Faza agregacije podataka. Stvari koje treba uzeti u obzir:
    • Specijalizirane postavke za ETL procese: Kakve veze imamo s nevaljanim podacima?
      Zakrpati ili izbrisati? 
    • Možemo li od toga profitirati? 
    • Kako će to utjecati na kvalitetu cijelog skupa podataka?

Prvi princip za sve ove faze je da se greške naslažu jedna na drugu i nasljeđuju jedna od druge. Podaci prikupljeni s nedostatkom u prvoj fazi učinit će da vam glava lagano gori u svim narednim fazama. A drugi princip je da biste trebali birati bodove za osiguranje kvaliteta podataka. Budući da će se u fazi agregiranja svi podaci miješati zajedno i nećete moći utjecati na kvalitetu miješanih podataka. Ovo je zaista važno za projekte mašinskog učenja, gdje će kvaliteta podataka utjecati na kvalitetu rezultata strojnog učenja. Dobri rezultati su nedostižni s nekvalitetnim podacima.

  • vizualizacija
    Ovo je faza izvršnog direktora. Možda ste čuli za situaciju kada izvršni direktor gleda brojeve na nadzornoj ploči i kaže: „U redu, ove smo godine imali veliku zaradu, čak i više nego ranije, ali zašto su svi financijski parametri u crvenoj zoni ? " I u ovom je trenutku prekasno za traženje grešaka, jer su trebale biti uhvaćene davno.

Sve se zasniva na komunikaciji. I na teme razgovora. Evo primjera o čemu treba razgovarati prilikom pripreme Yandex streaminga:

Marketing BI: Snowplow, Google Analytics, Yandex

Odgovore na većinu ovih pitanja pronaći ćete samo zajedno sa cijelim svojim timom. Jer kad neko donese odluku na osnovu pogađanja ili ličnog mišljenja bez testiranja ideje s drugima, mogu se pojaviti greške.

Kompleksnosti su svugdje, čak i na najjednostavnijim mjestima.

Evo još jednog primjera: Kada prati rezultate otiska kartica proizvoda, analitičar primjećuje grešku. U podacima o pogocima svi prikazi iz svih natpisa i kartica proizvoda poslani su odmah nakon učitavanja stranice. Ali ne možemo biti sigurni je li korisnik zaista pogledao sve na stranici. Analitičar dolazi u tim da ih detaljno obavijesti o tome.

BI kaže da ne možemo tako napustiti situaciju.

Kako možemo izračunati CPM ako čak ne možemo biti sigurni je li proizvod prikazan? Koji je onda kvalifikovani CTR za slike?

Trgovci odgovaraju:

Pogledajte, svi, možemo stvoriti izvještaj koji prikazuje najbolji CTR i provjeriti ga na sličnom kreativnom natpisu ili fotografiji na drugim mjestima.

A onda će programeri reći:

Da, ovaj problem možemo riješiti uz pomoć naše nove integracije za praćenje pomicanja i provjeru vidljivosti predmeta.

Konačno, dizajneri UI / UX kažu:

Da! Možemo birati hoće li nam napokon trebati lijeni ili vječni svitak ili paginacija!

Evo koraka kroz koje je prošao ovaj mali tim:

  1. Definirao problem
  2. Predstavio poslovne posljedice problema
  3. Izmjeren utjecaj promjena
  4. Predstavljene tehničke odluke
  5. Otkrila netrivijalnu dobit

Da bi riješili ovaj problem, trebali bi provjeriti prikupljanje podataka iz svih sistema. Djelomično rješenje u jednom dijelu sheme podataka neće riješiti poslovni problem.

poravnati prilagoditi dizajn

Zato moramo raditi zajedno. Podaci se moraju prikupljati odgovorno svaki dan, a to je naporan posao. I kvalitet podataka mora biti postignut do zapošljavanje pravih ljudi, kupovina pravih alata i ulaganje novca, vremena i truda u izgradnju učinkovitih komunikacijskih struktura, koje su ključne za uspjeh organizacije.

Šta ti misliš?

Ova stranica koristi Akismet kako bi smanjila neželjenu poštu. Saznajte kako se podaci vašeg komentara obrađuju.