Perché la comunicazione di squadra è più importante del tuo stack Martech

Comunicazione e analisi del team di marketing

Il punto di vista atipico di Simo Ahava sulla qualità dei dati e sulle strutture di comunicazione ha rinfrescato l'intera lounge del Vai ad Analytics! conferenza. OWOX, il leader MarTech nella regione della CSI, ha accolto migliaia di esperti a questo incontro per condividere le loro conoscenze e idee.

OWOX BI Team vorrei che riflettessi sul concetto proposto da Simo Ahava, che ha sicuramente il potenziale per far crescere il tuo business. 

La qualità dei dati e la qualità dell'organizzazione

La qualità dei dati dipende dalla persona che li sta analizzando. In genere, attribuiamo la colpa a tutti i difetti dei dati a strumenti, flussi di lavoro e set di dati. Ma è ragionevole?

Francamente, la qualità dei dati è direttamente legata al modo in cui comunichiamo all'interno delle nostre organizzazioni. La qualità dell'organizzazione determina tutto, a partire dall'approccio al data mining, stima e misurazione, proseguendo con l'elaborazione e terminando con la qualità complessiva del prodotto e del processo decisionale. 

Aziende e loro strutture di comunicazione

Immaginiamo che un'azienda sia specializzata in uno strumento. Le persone in questa azienda sono brave a trovare alcuni problemi e risolverli per il segmento B2B. È tutto fantastico e senza dubbio conosci un paio di aziende come questa.

Gli effetti collaterali delle attività di queste aziende sono nascosti nel processo a lungo termine di innalzamento dei requisiti per la qualità dei dati. Allo stesso tempo, dovremmo ricordare che gli strumenti creati per analizzare i dati funzionano solo con i dati e sono isolati dai problemi aziendali, anche se creati per risolverli. 

Ecco perché è apparso un altro tipo di azienda. Queste aziende sono specializzate nel debug del flusso di lavoro. Possono trovare un sacco di problemi nei processi aziendali, metterli su una lavagna e dire ai dirigenti:

Qui, qui e là! Applica questa nuova strategia aziendale e starai bene!

Ma sembra troppo bello per essere vero. L'efficienza della consulenza che non si basa sulla comprensione degli strumenti è dubbia. E quelle società di consulenza tendono a non capire perché si sono verificati tali problemi, perché ogni nuovo giorno porta nuove complessità ed errori e quali strumenti sono stati impostati in modo errato.

Quindi l'utilità di queste società da sole è limitata. 

Ci sono aziende sia con esperienza di business che conoscenza degli strumenti. In queste aziende, tutti sono ossessionati dall'assumere persone con grandi qualità, esperti che sono certi delle loro capacità e conoscenze. Freddo. Ma in genere, queste aziende non mirano a risolvere i problemi di comunicazione all'interno del team, che spesso considerano irrilevanti. Quindi quando compaiono nuovi problemi, inizia la caccia alle streghe - di chi è la colpa? Forse gli specialisti di BI hanno confuso i processi? No, i programmatori non hanno letto la descrizione tecnica. Ma tutto sommato, il vero problema è che la squadra non può riflettere chiaramente sul problema per risolverlo insieme. 

Questo ci mostra che anche in un'azienda piena di specialisti interessanti, tutto richiederà più impegno del necessario se l'organizzazione non lo è alunni abbastanza. L'idea che devi essere un adulto ed essere responsabile, soprattutto in una crisi, è l'ultima cosa a cui le persone pensano nella maggior parte delle aziende.

Anche mio figlio di due anni che andrà all'asilo sembra più maturo di alcune delle organizzazioni con cui ho lavorato.

Non puoi creare un'azienda efficiente solo assumendo un gran numero di specialisti, poiché sono tutti assorbiti da qualche gruppo o dipartimento. Quindi la direzione continua ad assumere specialisti, ma non cambia nulla perché la struttura e la logica del flusso di lavoro non cambiano affatto.

Se non fai nulla per creare canali di comunicazione all'interno e all'esterno di questi gruppi e dipartimenti, tutti i tuoi sforzi saranno privi di significato. Ecco perché la strategia di comunicazione e la maturità sono l'obiettivo di Ahava.

Legge di Conway applicata alle società di analisi

Dati significativi - Legge di Conway

Cinquant'anni fa, un grande programmatore di nome Melvin Conway fece un suggerimento che in seguito divenne popolarmente noto come la legge di Conway: 

Organizzazioni che progettano sistemi. . . sono costretti a produrre progetti che siano copie delle strutture di comunicazione di queste organizzazioni.

Melvin Conway, Legge di Conway

Questi pensieri sono apparsi in un momento in cui un computer si adattava perfettamente a una stanza! Immagina: qui abbiamo un team che lavora su un computer e lì abbiamo un altro team che lavora su un altro computer. E nella vita reale, la legge di Conway significa che tutti i difetti di comunicazione che compaiono tra quei team si rispecchieranno nella struttura e nella funzionalità dei programmi che sviluppano. 

Nota dell'autore:

Questa teoria è stata testata centinaia di volte nel mondo dello sviluppo ed è stata discussa molto. La definizione più certa della legge di Conway è stata creata da Pieter Hintjens, uno dei programmatori più influenti dei primi anni 2000, che diceva che "se sei in un'organizzazione di merda, farai software di merda". (Da Amdahl a Zipf: dieci leggi della fisica delle persone)

È facile vedere come funziona questa legge nel mondo del marketing e dell'analisi. In questo mondo, le aziende stanno lavorando con enormi quantità di dati raccolti da diverse fonti. Siamo tutti d'accordo sul fatto che i dati stessi siano corretti. Ma se esamini attentamente i set di dati, vedrai tutte le imperfezioni delle organizzazioni che hanno raccolto quei dati:

  • Valori mancanti in cui gli ingegneri non hanno parlato di un problema 
  • Formati sbagliati in cui nessuno prestava attenzione e nessuno discuteva il numero di cifre decimali
  • Ritardi di comunicazione in cui nessuno conosce il formato del trasferimento (batch o flusso) e chi deve ricevere i dati

Ecco perché i sistemi di scambio dati rivelano completamente le nostre imperfezioni.

La qualità dei dati è il risultato di specialisti di strumenti, esperti di flussi di lavoro, manager e la comunicazione tra tutte queste persone.

Le migliori e peggiori strutture di comunicazione per team multidisciplinari

Un tipico team di progetto in una società MarTech o di analisi di marketing è composto da specialisti di business intelligence (BI), data scientist, designer, esperti di marketing, analisti e programmatori (in qualsiasi combinazione).

Ma cosa succederà in una squadra che non capisce l'importanza della comunicazione? Vediamo. I programmatori scriveranno il codice per molto tempo, sforzandosi, mentre un'altra parte del team aspetterà solo che passino il testimone. Alla fine, verrà rilasciata la versione beta e tutti mormoreranno il motivo per cui ci è voluto così tanto tempo. E quando appare il primo difetto, tutti inizieranno a cercare qualcun altro da incolpare ma non i modi per evitare la situazione che li ha portati lì. 

Se guardiamo più in profondità, vedremo che gli obiettivi reciproci non sono stati compresi correttamente (o per niente). E in una situazione del genere, avremo un prodotto danneggiato o difettoso. 

Incoraggia i team multidisciplinari

Le peggiori caratteristiche di questa situazione:

  • Coinvolgimento insufficiente
  • Partecipazione insufficiente
  • Mancanza di collaborazione
  • Mancanza di fiducia

Come possiamo aggiustarlo? Letteralmente facendo parlare le persone. 

Incoraggia i team multidisciplinari

Riuniamo tutti insieme, stabiliamo argomenti di discussione e programmiamo incontri settimanali: marketing con BI, programmatori con designer e specialisti dei dati. Allora speriamo che la gente parli del progetto. Ma non è ancora abbastanza perché i membri del team non parlano ancora dell'intero progetto e non parlano con tutto il team. È facile cadere nella neve con decine di riunioni e nessuna via d'uscita e non c'è tempo per fare il lavoro. E quei messaggi dopo le riunioni uccideranno il resto del tempo e la comprensione di cosa fare dopo. 

Ecco perché gli incontri sono solo il primo passo. Abbiamo ancora dei problemi:

  • Povera comunicazione
  • Mancanza di obiettivi comuni
  • Coinvolgimento insufficiente

A volte, le persone cercano di trasmettere informazioni importanti sul progetto ai loro colleghi. Ma invece di far passare il messaggio, la macchina delle voci fa tutto per loro. Quando le persone non sanno come condividere i propri pensieri e le proprie idee in modo appropriato e nell'ambiente appropriato, le informazioni andranno perse durante il percorso verso il destinatario. 

Questi sono i sintomi di un'azienda alle prese con problemi di comunicazione. E inizia a curarli con gli incontri. Ma abbiamo sempre un'altra soluzione.

Conduci tutti a comunicare sul progetto. 

Comunicazione multidisciplinare in team

Le migliori caratteristiche di questo approccio:

  • Trasparenza
  • coinvolgimento
  • Scambio di conoscenze e competenze
  • Educazione continua

Questa è una struttura estremamente complessa che è difficile da creare. Potresti conoscere alcuni framework che adottano questo approccio: Agile, Lean, Scrum. Non importa come lo chiami; tutti sono costruiti sul principio "fare tutto insieme allo stesso tempo". Tutti quei calendari, code di attività, presentazioni demo e riunioni in piedi hanno lo scopo di far parlare le persone del progetto frequentemente e tutte insieme.

Ecco perché mi piace molto Agile, perché include l'importanza della comunicazione come prerequisito per la sopravvivenza del progetto.

E se pensi di essere un analista a cui non piace Agile, guardalo in un altro modo: ti aiuta a mostrare i risultati del tuo lavoro - tutti i tuoi dati elaborati, quei fantastici dashboard, i tuoi set di dati - per rendere le persone apprezzo i tuoi sforzi. Ma per farlo, devi incontrare i tuoi colleghi e parlare con loro alla tavola rotonda.

Qual è il prossimo? Tutti hanno iniziato a parlare del progetto. Ora abbiamo per dimostrare la qualità del progetto. Per fare ciò, le aziende in genere assumono un consulente con le più alte qualifiche professionali. 

Il criterio principale di un buon consulente (posso dirtelo perché sono un consulente) è diminuire costantemente il suo coinvolgimento nel progetto.

Un consulente non può semplicemente fornire a un'azienda piccoli pezzi di segreti professionali perché ciò non renderà l'azienda matura e autosufficiente. Se la tua azienda non può già vivere senza il tuo consulente, dovresti considerare la qualità del servizio che hai ricevuto. 

A proposito, un consulente non dovrebbe fare rapporti o diventare un altro paio di mani per te. Hai i tuoi colleghi interni per questo.

Assumi operatori di marketing per l'istruzione, non deleghe

L'obiettivo principale dell'assunzione di un consulente è l'istruzione, la fissazione di strutture e processi e la facilitazione della comunicazione. Il ruolo di un consulente non è la rendicontazione mensile, ma piuttosto inserirsi nel progetto e essere totalmente coinvolti nella routine quotidiana del team.

Un buon consulente di marketing strategico colma le lacune nella conoscenza e nella comprensione dei partecipanti al progetto. Ma lui o lei potrebbe non fare mai il lavoro per qualcuno. E un giorno, tutti dovranno lavorare bene senza il consulente. 

I risultati di una comunicazione efficace sono l'assenza di caccia alle streghe e di puntamento del dito. Prima che un'attività venga avviata, le persone condividono dubbi e domande con altri membri del team. Pertanto, la maggior parte dei problemi viene risolta prima dell'inizio del lavoro. 

Vediamo come tutto ciò influenza la parte più complicata del lavoro di analisi di marketing: la definizione dei flussi di dati e l'unione dei dati.

Come si rispecchia la struttura di comunicazione nel trasferimento e nell'elaborazione dei dati?

Supponiamo di avere tre fonti che ci forniscono i seguenti dati: dati sul traffico, dati sui prodotti e-commerce / dati sugli acquisti dal programma fedeltà e dati sull'analisi dei dispositivi mobili. Passeremo attraverso le fasi di elaborazione dei dati una per una, dallo streaming di tutti i dati a Google Cloud all'invio di tutto per la visualizzazione Google Data Studio con l'aiuto di Google BigQuery

Sulla base del nostro esempio, quali domande dovrebbero porre le persone per garantire una comunicazione chiara durante ogni fase del trattamento dei dati?

  • Fase di raccolta dati. Se dimentichiamo di misurare qualcosa di importante, non possiamo tornare indietro nel tempo e rimisurarlo. Cose da considerare in anticipo:
    • Se non sappiamo come nominare i parametri e le variabili più importanti, come possiamo affrontare tutto il casino?
    • Come verranno segnalati gli eventi?
    • Quale sarà l'identificatore univoco per i flussi di dati scelti?
    • Come ci occuperemo della sicurezza e della privacy? 
    • Come raccoglieremo i dati laddove ci sono limitazioni alla raccolta dei dati?
  • L'unione dei dati fluisce nel flusso. Considera quanto segue:
    • I principali principi ETL: si tratta di un trasferimento di dati in batch o in streaming? 
    • Come contrassegneremo la congiunzione di trasferimenti di dati in streaming e batch? 
    • Come li aggiusteremo nello stesso schema di dati senza perdite ed errori?
    • Domande su tempo e cronologia: come controlleremo i timestamp? 
    • Come possiamo sapere se il rinnovamento e l'arricchimento dei dati funziona correttamente entro i timestamp?
    • Come convalideremo i risultati? Cosa succede con gli hit non validi?

  • Fase di aggregazione dei dati. Cose da considerare:
    • Impostazioni specializzate per i processi ETL: cosa abbiamo a che fare con i dati non validi?
      Patch o eliminare? 
    • Possiamo trarne profitto? 
    • In che modo influirà sulla qualità dell'intero set di dati?

Il primo principio per tutte queste fasi è che gli errori si accumulano l'uno sull'altro ed ereditano l'uno dall'altro. I dati raccolti con un difetto nella prima fase ti faranno bruciare leggermente la testa durante tutte le fasi successive. E il secondo principio è che dovresti scegliere i punti per la garanzia della qualità dei dati. Perché nella fase di aggregazione, tutti i dati verranno mescolati insieme e non sarai in grado di influenzare la qualità dei dati misti. Questo è molto importante per i progetti di machine learning, dove la qualità dei dati influenzerà la qualità dei risultati di machine learning. Buoni risultati sono irraggiungibili con dati di bassa qualità.

  • Visualizzazione
    Questa è la fase del CEO. Potresti aver sentito parlare della situazione quando il CEO guarda i numeri sul cruscotto e dice: "Va bene, abbiamo ottenuto molti profitti quest'anno, anche più di prima, ma perché tutti i parametri finanziari sono nella zona rossa ? " E in questo momento è troppo tardi per cercare gli errori, perché avrebbero dovuto essere scoperti molto tempo fa.

Tutto si basa sulla comunicazione. E sugli argomenti di conversazione. Ecco un esempio di ciò che dovrebbe essere discusso durante la preparazione dello streaming Yandex:

Marketing BI: spazzaneve, Google Analytics, Yandex

Troverai le risposte alla maggior parte di queste domande solo insieme a tutto il tuo team. Perché quando qualcuno prende una decisione basata su supposizioni o opinioni personali senza testare l'idea con altri, possono comparire degli errori.

Le complessità sono ovunque, anche nei luoghi più semplici.

Ecco un altro esempio: durante il monitoraggio dei punteggi delle impressioni delle schede prodotto, un analista rileva un errore. Nei dati sui risultati, tutte le impressioni da tutti i banner e le schede prodotto sono state inviate subito dopo il caricamento della pagina. Ma non possiamo essere sicuri che l'utente abbia davvero guardato tutto sulla pagina. L'analista viene dal team per informarli in dettaglio di questo.

La BI dice che non possiamo lasciare la situazione in quel modo.

Come possiamo calcolare il CPM se non possiamo nemmeno essere sicuri che il prodotto sia stato mostrato? Qual è quindi il CTR qualificato per le immagini?

I marketer rispondono:

Guarda, tutti, possiamo creare un rapporto che mostri il miglior CTR e verificarlo rispetto a un banner creativo simile o una foto in altri luoghi.

E poi gli sviluppatori diranno:

Sì, possiamo risolvere questo problema con l'aiuto della nostra nuova integrazione per il monitoraggio dello scorrimento e il controllo della visibilità del soggetto.

Infine, i designer dell'interfaccia utente / UX dicono:

Si! Possiamo scegliere se abbiamo finalmente bisogno del rotolo pigro o eterno o dell'impaginazione!

Ecco i passaggi eseguiti da questo piccolo team:

  1. Definito il problema
  2. Ha presentato le conseguenze aziendali del problema
  3. Ha misurato l'impatto dei cambiamenti
  4. Decisioni tecniche presentate
  5. Scoperto il profitto non banale

Per risolvere questo problema, dovrebbero controllare la raccolta dei dati da tutti i sistemi. Una soluzione parziale in una parte dello schema dei dati non risolverà il problema aziendale.

allineare regolare il design

Ecco perché dobbiamo lavorare insieme. I dati devono essere raccolti in modo responsabile ogni giorno ed è un duro lavoro per farlo. E il la qualità dei dati deve essere raggiunta assumere le persone giuste, acquistare gli strumenti giusti e investire denaro, tempo e sforzi nella costruzione di strutture di comunicazione efficaci, che sono vitali per il successo di un'organizzazione.

Cosa ne pensi?

Questo sito utilizza Akismet per ridurre lo spam. Scopri come vengono elaborati i dati dei tuoi commenti.