В преддверии запуска курса “” продюсер бизнес-юнита Data Science Полина Маликова законспектировала полезные статьи, из которых узнаете, что такое data-driven подход, какие навыки важны маркетологам-аналитикам и почему бизнес заинтересован в таких специалистах.
““, Нетология
Эксперты направления Data Science Нетологии рассказали, как data-driven подход используют в компаниях и как успешно внедрить культуру принятия решений на основе данных.
Data-driven менеджмент – культура принятия стратегических решений на основе данных с интеграцией аналитических отчетов в ключевые бизнес-процессы компании.
Переход к data-driven подразумевает не столько технологическую трансформацию, сколько изменение бизнес-модели компании – с фокусом сугубо на цифры. При этом, менеджеры по интеграции Data Science в бизнес-процессы не менее востребованы, чем технические специалисты Data Science.
Анализ данных позволяет получить практические бизнес-результаты, а также четкое видение направления развития компании.
Как стать data-driven
Необходимо рассмотреть важные вопросы, которые помогут понять, нужно ли компании в принципе переходить на data-driven модель. Например:
- какой результат даст сбор, место и срок хранения данных и во сколько это обойдется компании;
- стоимость информационно-технической экосистемы, позволяющей получать доступ к данным, и количество ее пользователей;
- план действий по переходу от бизнес-отчетности к глобальной аналитике;
- способность объединить всех единой целью изменения культуры работы с данными.
Культура работы с данными помогает договориться о правилах игры и дальнейших рекомендациях. Но руководителю нужно учиться понимать результаты аналитики в бизнес-процессах компании, а для этого лучше “пощупать” данные самому.
Обучение в онлайн-университете: профессия ““
““, OWOX
Эксперт по маркетингу и обработке данных, старший директор по аналитике в компании Search Discovery Тим Вилсон рассказал, какими навыками должен обладать аналитик, как подружить маркетологов и аналитиков, а также поделился отраслевыми проблемами и собственным видением развития маркетинговой аналитики.
Навыки и личные качества аналитиков
Начнем с того, что аналитики должны хорошо знать электронные таблицы – Google Sheets и Excel, а также инструменты BI/визуализации, чтобы поделиться результатами работы со всеми на проекте в удобном и читаемом виде.
При большом количестве детализированных данных специалисту необходимы языки SQL/Python/R.
Статистика позволит глубже понять природу данных и говорить о практическом развертывании статистических методов.
Навыки эффективного общения – важнейшие среди личных качеств. Специалист должен уметь слушать и понимать потребности заинтересованных сторон, а также эффективно визуализировать данные. Чтобы стать успешным аналитиком, пригодится любознательность, скептицизм и настойчивость.
Как избежать разногласий между аналитиками и маркетологами
Иногда между аналитиками и маркетологами возникают разногласия, которые мешают эффективной работе и решению бизнес-задач. Причина в неправильной коммуникации – аналитики и маркетологи часто говорят на разных языках. Чтобы избежать проблем, аналитик должен использовать знания в маркетинге и понятно доносить свои мысли.
Ключевые ресурсы для аналитиков
- : бесплатный ресурс, в котором постоянно работают тысячи активных аналитиков.
- : аналитический подкаст.
- .
- Онлайн-курсы и .
Каких знаний не хватает аналитикам и специалистам по маркетингу, чтобы сделать компании data-driven
Аналитикам и маркетологам не хватает понимания бизнес-контекста. Они концентрируются на данных, надеясь получить ответы без четко сформулированного бизнес-вопроса. Но даже если поставить правильный бизнес-вопрос, можно зарыться в механике и сложности исходных данных и удалиться от главной цели – как данные могут помочь росту бизнеса.
Проблемы и вызовы
Рынок переполнен венчурными стартапами, которые заявляют, что достаточно просто купить и внедрить технологию искусственного интеллекта и компания в одночасье станет data-driven. Так это не работает. Особенно учитывая тот факт, что до сих пор приходится обучать компании основам: установление четких KPI, качественный сбор данных, автоматизация повторяющихся задач, анализ на базе продуманных гипотез.
Трудности при внедрении аналитики:
- Популярные одностраничные приложения (SPA) создают проблемы с тегами.
- Отсутствие простого способа кроссплатформенного отслеживания.
- Ограничивающие сбор данных регламенты конфиденциальности (GDPR, CCPA).
- Вероятность ошибочных данных из-за стандартных браузерных настроек блокировки отслеживания и удаления cookie.
Будущее: тенденции развития аналитической сферы
Компании будут чаще использовать машинное обучение в своей работе. Главная причина этого – доступность необработанных данных о клиентах и прогнозов.
Ведущие игроки на рынке цифровой аналитики делают доступными те данные, из которых можно получить пользу с помощью методов машинного обучения.
““, OWOX
Основатель Marketing Analytics Summit, директор Digital Analytics Association Джим Стерн дал интервью блогу Owox BI о том, как личные качества влияют на работу аналитика, какие soft и hard skills важны для аналитиков сегодня и что ждет маркетинг-аналитику в будущем.
Навыки аналитика. Знание предметной области – важный навык аналитика. Один из главных hard skills – умение собирать данных, фильтровать их и создавать потоки. Аналитик должен знать все про исходные данные: откуда они появились, как происходила обработка и интеграция.
Немаловажный навык – понимание статистики. Не обязательно быть хорошим специалистом по статистике, но нужно уметь применять ее в работе.
С одной стороны, знание SQL, Python и R не является обязательным требованием – особенно, если в команде есть крутые специалисты, которые знают языки и выполняют работу вместо вас. С другой – знание языков программирования никогда не помешает и сделает вас более востребованным специалистом.
Аналитику необходимо понимать, какие процессы происходят в команде. Для этого не нужно быть специалистом, но знания в разных областях всегда могут пригодиться.
Важность коммуникации. Важный soft skill аналитика – коммуникация. Он должен помогать другим членам команды выполнять работу. В этом могут помочь кросс-тренинги. Команда должна думать с точки зрения целой команды, а не только своих обязанностей.
Настоящее и будущее маркетинг-аналитики. Главная проблема – развитие технологий опережает практику. Чтобы все части системы работали вместе, нужно использовать множество технологий, а инструменты будут постоянно усложняться. Специалисту важно понять, когда уместно использовать тот или иной инструмент для решения проблемы.
““, CoMagic
Эксперты рассказали блогу CoMagic, какой язык программирования стоит изучать интернет-маркетологу, чтобы оставаться востребованным специалистом.
Большинство опрошенных специалистов сошлись во мнении, что знание языков программирования – не обязательное требование к маркетологу. Но в связи с тем, что автоматизация рутинных процессов становится все более актуальной – это дает преимущество на рынке труда.
Самый оптимальный язык программирования для неспециалиста – Python. Он несложный в изучении, подходит для анализа данных и построения отчетов. Некоторые также рекомендуют язык R как альтернативу. Его удобно использовать для статистической обработки данных.
““, Cossa
Менеджер по маркетингу и организации мероприятий Cisco в Европейском регионе Наталья Никифоренко о будущем маркетинга.
Настоящий маркетинг. Цель маркетинга по Питеру Друкеру – узнать и понять клиента настолько, чтобы товар или услуга точно соответствовали его требованиям и продавали себя сами. Процессы, которые занимали много времени сейчас можно отдать на аутсорс, т.к. появились механизмы по определению эффективности.
В маркетинге грядут перемены. Маркетинг автоматизируется и знания накапливаются в виде графиков и дашбордов, поэтому есть смысл развиваться в комбинации Marketing+Scientist.
Marketing Scientist – специалист, который умеет анализировать целевую аудиторию и ее потребности, а также строить персонализированные Customer Journey Map, учитывая ресурсы компания и временных ресурсов заказчика.
Marketing Scientist может управлять полученными данными, а каждая маркетинговая активность будет сразу же показывать результаты, которые можно адаптировать.
Схематически сферы экспертизы Marketing Scientist можно изобразить так:
Как оставаться востребованным:
- остановиться и изучить рынок;
- признать, что схема “работать, как работал и работать хорошо” не работает;
- учиться новым технологиям;
- уметь радоваться переменам.
О курсе “Маркетолог-аналитик”
Чтобы управлять бизнесом, нужно принимать решения. Чтобы принимать решения, нужны цифры. Чтобы получить цифры, их нужно собрать. Чтобы собрать цифры, сделать какие-то выводы и помочь сделать это другим, нужно быть маркетологом-аналитиком.
Нетология запустила новый курс ““: вы разберётесь, как выглядит data-driven здорового человека и научитесь выстраивать его с нуля в своей компании. Для этого поработаете со сквозной аналитикой, обработкой данных с помощью языка R или Python и визуализацией в PowerBI.
Этот курс подойдет не только интернет-маркетологам, но начинающим аналитикам, которые хотят начать карьеру в Data Science.
Читать еще: ““
Мнение автора и редакции может не совпадать. Хотите написать колонку для “Нетологии”? Читайте наши . Чтобы быть в курсе всех новостей и читать новые статьи, присоединяйтесь к .