Hvorfor teamkommunikation er vigtigere end din Martech Stack

Marketingteams kommunikation og analyse

Simo Ahavas atypiske synspunkt på datakvalitet og kommunikationsstrukturer opfriskede hele loungen på Gå Analytics! konference. OWOX, MarTech-lederen i SNG-regionen, bød tusinder af eksperter velkommen til denne samling for at dele deres viden og ideer.

OWOX BI-team vil gerne have dig til at tænke over det koncept, der er foreslået af Simo Ahava, som bestemt har potentiale til at få din virksomhed til at vokse. 

Kvaliteten af ​​data og kvaliteten af ​​organisationen

Kvaliteten af ​​data afhænger af den person, der analyserer det. Vi skylder typisk alle fejl i dataene på værktøjer, arbejdsgange og datasæt. Men er det rimeligt?

Ærligt talt er datakvaliteten direkte knyttet til, hvordan vi kommunikerer inden for vores organisationer. Organisationens kvalitet bestemmer alt, begyndende med tilgangen til datamining, estimering og måling, fortsætter med behandlingen og slutter med produktets overordnede kvalitet og beslutningstagning. 

Virksomheder og deres kommunikationsstrukturer

Lad os forestille os, at en virksomhed er specialiseret i et værktøj. Menneskerne i dette firma er gode til at finde bestemte problemer og løse dem til B2B-segmentet. Alt er fantastisk, og du kender uden tvivl et par virksomheder som dette.

Bivirkningerne af disse virksomheds aktiviteter er skjult i den langsigtede proces med at hæve kravene til datakvalitet. Samtidig skal vi huske, at værktøjer, der er oprettet til at analysere data, kun fungerer med data og er isoleret fra forretningsproblemerne - selvom de er skabt til at løse dem. 

Derfor er en anden form for firma dukket op. Disse virksomheder er specialiserede i fejlfinding af workflow. De kan finde en hel række problemer i forretningsprocesser, sætte dem på en tavle og fortælle ledere:

Her, her og der! Anvend denne nye forretningsstrategi, så har du det godt!

Men det lyder for godt til at være sandt. Effektiviteten af ​​rådgivning, der ikke er baseret på en forståelse af værktøjerne, er tvivlsom. Og disse konsulentfirmaer har en tendens til ikke at forstå, hvorfor sådanne problemer dukkede op, hvorfor hver nye dag bringer nye kompleksiteter og fejl, og hvilke værktøjer der er konfigureret forkert.

Så nytten af ​​disse virksomheder alene er begrænset. 

Der er virksomheder med både forretningsekspertise og viden om værktøjer. I disse virksomheder er alle besat af at ansætte folk med store kvaliteter, eksperter, der er sikre på deres færdigheder og viden. Fedt nok. Men typisk er disse virksomheder ikke rettet mod at løse kommunikationsproblemer inde i teamet, hvilket de ofte ser som uvigtige. Så når nye problemer dukker op, begynder heksejagt - hvis skyld er det? Måske forvirrede BI-specialisterne processerne? Nej, programmørerne læste ikke den tekniske beskrivelse. Men alt i alt er det virkelige problem, at holdet ikke kan overveje problemet klart for at løse det sammen. 

Dette viser os, at alt i en virksomhed fyldt med seje specialister vil alt kræve mere indsats end nødvendigt, hvis organisationen ikke er det modne nok. Tanken om, at du skal være voksen og være ansvarlig, især i en krise, er den sidste ting, folk tænker på i de fleste virksomheder.

Selv mit toårige barn, der går i børnehaven, virker mere modent end nogle af de organisationer, jeg har arbejdet med.

Du kan ikke kun oprette en effektiv virksomhed ved at ansætte et stort antal specialister, da de alle absorberes af en gruppe eller afdeling. Så ledelsen fortsætter med at ansætte specialister, men intet ændrer sig, fordi arbejdsgangens struktur og logik slet ikke ændrer sig.

Hvis du ikke gør noget for at skabe kommunikationskanaler inden for og uden for disse grupper og afdelinger, vil al din indsats være meningsløs. Derfor er kommunikationsstrategi og modenhed Ahavas fokus.

Conways lov anvendt på Analytics-virksomheder

Meningsfulde data - Conways lov

For halvtreds år siden fremsatte en stor programmør ved navn Melvin Conway et forslag, der senere blev populært kendt som Conways lov: 

Organisationer, der designer systemer. . . er begrænset til at producere design, der er kopier af disse organisationers kommunikationsstrukturer.

Melvin Conway, Conways lov

Disse tanker dukkede op på et tidspunkt, hvor en computer passede perfekt til et rum! Forestil dig: Her har vi et hold, der arbejder på en computer, og der har vi et andet team, der arbejder på en anden computer. Og i det virkelige liv betyder Conways lov, at alle kommunikationsfejl, der optræder blandt disse hold, afspejles i strukturen og funktionaliteten af ​​de programmer, de udvikler. 

Forfatterens note:

Denne teori er blevet testet hundreder af gange i udviklingsverdenen og er blevet diskuteret meget. Den mest sikre definition af Conways lov blev oprettet af Pieter Hintjens, en af ​​de mest indflydelsesrige programmører i begyndelsen af ​​2000'erne, der sagde at "hvis du er i en lort organisation, vil du lave lort software." (Amdahl til Zipf: Ti love om menneskers fysik)

Det er let at se, hvordan denne lov fungerer i markedsførings- og analyseverdenen. I denne verden arbejder virksomheder med enorme mængder data indsamlet fra forskellige kilder. Vi er alle enige om, at dataene i sig selv er retfærdige. Men hvis du inspicerer datasæt nøje, vil du se alle manglerne hos de organisationer, der indsamlede disse data:

  • Manglende værdier, hvor ingeniører ikke har talt igennem et problem 
  • Forkerte formater, hvor ingen var opmærksomme, og ingen diskuterede antallet af decimaler
  • Kommunikationsforsinkelser, hvor ingen kender formatet for overførsel (batch eller stream), og hvem der skal modtage dataene

Derfor afslører dataudvekslingssystemer vores mangler fuldstændigt.

Datakvalitet er opnåelsen af ​​værktøjsspecialister, workfloweksperter, ledere og kommunikationen mellem alle disse mennesker.

De bedste og værste kommunikationsstrukturer for tværfaglige teams

Et typisk projektteam i et MarTech- eller marketinganalysefirma består af business intelligence (BI) -specialister, dataforskere, designere, marketingfolk, analytikere og programmører (i enhver kombination).

Men hvad vil der ske i et team, der ikke forstår vigtigheden af ​​kommunikation? Lad os se. Programmørerne vil skrive kode i lang tid og prøve hårdt, mens en anden del af holdet bare venter på, at de sender stafetten. Endelig frigives betaversionen, og alle mumler om, hvorfor det tog så lang tid. Og når den første fejl opstår, vil alle begynde at lede efter en anden at bebrejde, men ikke efter måder at undgå den situation, der fik dem der. 

Hvis vi kigger dybere, vil vi se, at gensidige mål ikke blev forstået korrekt (eller overhovedet). Og i en sådan situation får vi et beskadiget eller mangelfuldt produkt. 

Tilskynd multidisciplinære hold

De værste træk ved denne situation:

  • Utilstrækkelig involvering
  • Utilstrækkelig deltagelse
  • Manglende samarbejde
  • Manglende tillid

Hvordan kan vi ordne det? Bogstaveligt talt ved at få folk til at tale. 

Tilskynd tværfaglige hold

Lad os samle alle sammen, indstille diskussionsemner og planlægge ugentlige møder: markedsføring med BI, programmører med designere og dataspecialister. Så håber vi, at folk taler om projektet. Men det er stadig ikke nok, fordi teammedlemmer stadig ikke taler om hele projektet og ikke taler med hele teamet. Det er let at blive sneet under med snesevis af møder og ingen vej ud og ingen tid til at udføre arbejdet. Og disse beskeder efter møder vil dræbe resten af ​​tiden og forståelsen af, hvad de skal gøre næste gang. 

Derfor er mødet kun det første skridt. Vi har stadig nogle problemer:

  • Dårlig kommunikation
  • Mangel på gensidige mål
  • Utilstrækkelig involvering

Nogle gange forsøger folk at videregive vigtige oplysninger om projektet til deres kolleger. Men i stedet for at beskeden kommer igennem, gør rygtermaskinen alt for dem. Når folk ikke ved, hvordan de skal dele deres tanker og ideer ordentligt og i det rette miljø, går information tabt på vej til modtageren. 

Dette er symptomer på en virksomhed, der kæmper med kommunikationsproblemer. Og det begynder at kurere dem med møder. Men vi har altid en anden løsning.

Få alle til at kommunikere om projektet. 

Tværfaglig kommunikation i teams

De bedste funktioner i denne tilgang:

  • Gennemsigtighed
  • Involvering
  • Udveksling af viden og færdigheder
  • Uafbrudt uddannelse

Dette er en ekstremt kompleks struktur, der er vanskelig at skabe. Du kender muligvis et par rammer, der tager denne tilgang: Agile, Lean, Scrum. Det betyder ikke noget, hvad du kalder det; alle er bygget på "at gøre alt sammen på samme tid" -princippet. Alle disse kalendere, opgavekøer, demo-præsentationer og stand-up-møder har til formål at få folk til at snakke om projektet ofte og alle sammen.

Derfor kan jeg godt lide Agile, fordi det inkluderer vigtigheden af ​​kommunikation som en forudsætning for projektoverlevelse.

Og hvis du tror, ​​du er en analytiker, der ikke kan lide Agile, skal du se på det på en anden måde: Det hjælper dig med at vise resultaterne af dit arbejde - alle dine behandlede data, de fantastiske dashboards, dine datasæt - til at gøre folk værdsætter din indsats. Men for at gøre det skal du møde dine kolleger og tale med dem ved det runde bord.

Hvad er det næste? Alle er begyndt at tale om projektet. Nu har vi det for at bevise kvaliteten af projektet. For at gøre dette ansætter virksomheder typisk en konsulent med de højeste faglige kvalifikationer. 

Hovedkriteriet for en god konsulent (jeg kan fortælle dig, fordi jeg er konsulent) er konstant at mindske hans engagement i projektet.

En konsulent kan ikke bare give en virksomhed små stykker professionelle hemmeligheder, fordi det ikke gør virksomheden moden og selvbærende. Hvis din virksomhed ikke allerede kan leve uden din konsulent, skal du overveje kvaliteten af ​​den service, du har modtaget. 

Forresten skal en konsulent ikke lave rapporter eller blive et ekstra par hænder til dig. Du har dine indvendige kolleger til det.

Ansæt markedsførere for uddannelse, ikke delegation

Hovedformålet med at ansætte en konsulent er uddannelse, fastsættelse af strukturer og processer og lettere kommunikation. En konsulents rolle er ikke månedlig rapportering, men snarere at implantere sig selv i projektet og være helt involveret i teamets daglige rutine.

En god strategisk marketingkonsulent udfylder huller i projektdeltagernes viden og forståelse. Men han eller hun gør måske aldrig arbejdet for nogen. Og en dag skal alle arbejde fint uden konsulenten. 

Resultaterne af effektiv kommunikation er fravær af heksejagt og fingerpegning. Før en opgave startes, deler folk deres tvivl og spørgsmål med andre teammedlemmer. Således løses de fleste problemer, inden arbejdet begynder. 

Lad os se, hvordan alt dette påvirker den mest komplicerede del af marketinganalysearbejdet: at definere datastrømme og flette data.

Hvordan spejles kommunikationsstrukturen i dataoverførsel og -behandling?

Lad os antage, at vi har tre kilder, der giver os følgende data: trafikdata, e-handelsproduktdata / købsdata fra loyalitetsprogrammet og mobilanalysedata. Vi gennemgår stadierne for databehandling en efter en fra at streame alle disse data til Google Cloud til at sende alt til visualisering i Google Data Studio med hjælp fra Google BigQuery

Baseret på vores eksempel, hvilke spørgsmål skal folk stille for at sikre klar kommunikation under hvert trin i databehandling?

  • Dataindsamlingsfase. Hvis vi glemmer at måle noget vigtigt, kan vi ikke gå tilbage i tiden og måle det igen. Ting at overveje på forhånd:
    • Hvis vi ikke ved, hvad vi skal navngive de vigtigste parametre og variabler, hvordan kan vi håndtere alt rodet?
    • Hvordan markeres begivenheder?
    • Hvad vil være den unikke identifikator for valgte datastrømme?
    • Hvordan tager vi os af sikkerhed og privatlivets fred? 
    • Hvordan indsamler vi data, hvor der er begrænsninger i dataindsamlingen?
  • Fletning af data strømmer ind i strømmen. Overvej følgende:
    • De vigtigste ETL-principper: Er det en batch- eller streamtype af dataoverførsel? 
    • Hvordan markerer vi sammenhængen mellem stream- og batchdataoverførsler? 
    • Hvordan justerer vi dem i det samme dataskema uden tab og fejl?
    • Spørgsmål om tid og kronologi: Hvordan kontrollerer vi tidsstemplerne? 
    • Hvordan kan vi vide, om datarenovering og berigelse fungerer korrekt inden for tidsstempler?
    • Hvordan validerer vi hits? Hvad sker der med ugyldige hits?

  • Dataaggregationsfase. Ting at overveje:
    • Specialiserede indstillinger for ETL-processer: Hvad har vi at gøre med ugyldige data?
      Patch eller slet? 
    • Kan vi få overskud fra det? 
    • Hvordan vil det påvirke kvaliteten af ​​hele datasættet?

Det første princip for alle disse faser er, at fejlene stabler oven på hinanden og arver fra hinanden. Data indsamlet med en fejl i første fase vil få dit hoved til at brænde let i alle de efterfølgende faser. Og det andet princip er, at du skal vælge point til datakvalitetssikring. Fordi på aggregeringsstadiet blandes alle data sammen, og du vil ikke være i stand til at påvirke kvaliteten af ​​de blandede data. Dette er virkelig vigtigt for maskinlæringsprojekter, hvor datakvaliteten vil påvirke kvaliteten af ​​maskinlæringsresultaterne. Gode ​​resultater kan ikke opnås med data af lav kvalitet.

  • Visualisering
    Dette er CEO-fasen. Du har måske hørt om situationen, når administrerende direktør ser på tallene på instrumentbrættet og siger: ”Okay, vi har en stor fortjeneste i år, endnu mere end tidligere, men hvorfor er alle de økonomiske parametre i den røde zone ? ” Og i øjeblikket er det for sent at lede efter fejlene, som de burde have været fanget for længe siden.

Alt er baseret på kommunikation. Og om emnerne for samtale. Her er et eksempel på, hvad der skal diskuteres under forberedelse af Yandex-streaming:

Marketing BI: Snowplow, Google Analytics, Yandex

Du finder svarene på de fleste af disse spørgsmål kun sammen med hele dit team. For når nogen træffer en beslutning baseret på gætte eller personlig mening uden at teste ideen med andre, kan der opstå fejl.

Kompleksiteter er overalt, selv på de enkleste steder.

Her er endnu et eksempel: Når sporing af eksponeringsscorerne for produktkort, bemærker en analytiker en fejl. I hitdataene blev alle indtryk fra alle bannere og produktkort sendt lige efter sideindlæsning. Men vi kan ikke være sikre på, om brugeren virkelig kiggede på alt på siden. Analytikeren kommer til holdet for at informere dem om dette i detaljer.

BI siger, at vi ikke kan forlade situationen sådan.

Hvordan kan vi beregne CPM, hvis vi ikke engang er sikre på, om produktet blev vist? Hvad er den kvalificerede CTR for billederne så?

Markedsførerne svarer:

Se, alle sammen, vi kan oprette en rapport, der viser den bedste CTR og verificere den mod et lignende kreativt banner eller foto andre steder.

Og så vil udviklerne sige:

Ja, vi kan løse dette problem ved hjælp af vores nye integration til rullesporing og eftersynskontrol.

Endelig siger UI / UX-designere:

Ja! Vi kan vælge, om vi endelig har brug for den dovne eller evige rulle eller paginering!

Her er trinene, som dette lille hold gennemgik:

  1. Definerede problemet
  2. Præsenterede de forretningsmæssige konsekvenser af problemet
  3. Målte virkningen af ​​ændringer
  4. Præsenterede tekniske beslutninger
  5. Opdagede den ikke-trivielle fortjeneste

For at løse dette problem skal de kontrollere dataindsamlingen fra alle systemer. En delvis løsning i en del af dataskemaet løser ikke forretningsproblemet.

juster juster design

Derfor er vi nødt til at arbejde sammen. Dataene skal indsamles ansvarligt hver dag, og det er hårdt arbejde at gøre det. Og datakvaliteten skal opnås ved at ansætte de rigtige mennesker, købe de rigtige værktøjer og investere penge, tid og kræfter i at opbygge effektive kommunikationsstrukturer, som er afgørende for en organisations succes.

Hvad mener du?

Dette websted bruger Akismet til at reducere spam. Lær, hvordan dine kommentardata behandles.