今天所有市场分析和数据科学专业人士都需要的五项技能
五项市场分析和数据科学专业人士需要的技能
赞助内容
作者:Ann Gynn
加快和减慢。
每个营销分析和数据科学专业人员都会遇到这个看起来矛盾的挑战。
您必须适应快速变化,包括机器学习和人工智能的日益增长的影响。但您还必须以有意义且符合法律的方式整合起来。
这是几位在市场分析和数据科学(MADS)会议上发言的营销分析先驱和数据创新者们所确定的总体主题。幸运的是,他们还分享了一些克服这些挑战的想法。(在华盛顿特区举行的9月26日至28日的会议期间,获取更多的想法、灵感和建议。)
数据源、规则和相关性迅速变化
“最大的挑战是技能和行业变化的速度有多快,”Trust Insights的首席执行官Katie Robbert说。
传统的数字营销渠道,如有机搜索和内容营销,正在演变,特别是在人工智能改进的影响日益增大的情况下。营销人员曾经依赖的社交媒体平台已经不再能够建立和影响受众。
Robbert表示,这个数字营销的新世界改变了您接触人们的方式和地点。“对于营销分析从业人员来说,获取数据的地方将变得越来越困难,”她说。
20年前,拥有更多的数据意味着你更聪明,Croud首席战略官、Google Analytics初始团队成员Avinash Kaushik说。“现在我们拥有比上帝想要任何人都拥有的更多数据。因此,聪明就是能够找出要忽略的数据,以便能够集中注意力。”
Snowflake的高级市场情报总监Guan Wang也同意。他说,分析师和科学家需要“将数据整合到一个平台中,以实现人工智能和机器学习的工作负载。”
而这并不是一项容易的任务。
“市场情报[团队]工作非常辛苦,因为我们正在处理超过11,000个应用或解决方案。整个生态系统高度碎片化,”Wang说。
但是,统一数据和提取智能需要时间
碎片化的数据来源和技术使得营销分析从业人员难以以战略和可行的方式连接各个方面,Convince & Convert的战略总监Zontee Hou说。
“越来越多的组织认识到统一数据的机会和需求,”她说。
但在他们减慢速度并投入时间统一数据之前,他们将被困在报告指标而非洞察力的境地。Starz的商业智能和数据科学副总裁Michael Bagalman看到了一个相关的挑战。
“从业人员还必须应对高效地整合和分析大量数据集以获取可行洞察的问题,同时还要处理数据使用的法规和道德影响,”他说。
Bagalman解释说,这样做需要应对像GDPR和CCPA这样复杂的法律隐私框架,并确保任何机器学习和人工智能解释的算法都能导致公平和无偏的决策。
所有这些加起来构成了一个具有挑战性的工作环境。为了应对这种情况,专家们建议以下几点:
1. 在非技术方面获得更好的能力
尽管这些挑战似乎集中在技术方面,但应对它们的方法始于其他地方。
营销分析师应该提高他们的技能,了解该与谁交谈以及如何与他们交谈,以获取所需的信息。Trust Insights的Katie Robbert说,这需要倾听和提问,以了解他们所知道的,这样您就可以将其带回给您的团队、受众和利益相关者。
“您可以教任何人技术技能。人们可以遵循标准操作程序,”她说。“最难教的技能是沟通和倾听。”
2. 提高您的讲故事能力
通过提高您的沟通能力,您将能够按照Hou的建议: “以明确的方式编织一个关于如何使用营销数据来指导组织的营销团队的故事。”
她说你应该讲述一个能够连接各个方面、解释投资回报的方式和位置,并详细描述由于视野有限而尚未实现的可能行动的故事。”团队需要跨部门合作,并得到高层的支持,才能真正解决这个问题,”Convince & Convert的Zontee Hou说。
3. 将业务目标聚焦
获得组织范围的支持需要利用数据为业务做出贡献。
“商业人士想要看到业务结果。始终记住要将业务目标与关键利益相关者对齐,”Snowflake的Guan Wang说,并指出应定期重新审视这种对齐是否仍然合适。
“确保他们能够舒适地使用模型,然后不断迭代。机器学习不仅仅是一份报告。你要提供很多很多模型,”他说。
4. 学会平衡业务、法律和伦理影响
与业务目标保持一致还需要解决围绕数据的法律要求问题。”这是数据驱动营销和维护个人隐私权之间的一个复杂平衡,”Starz的Michael Bagalman说。”要达成这种平衡,需要深入了解法律框架、技术能力和伦理考虑。像GDPR和CCPA这样的法规具有全球影响,每个法规都有独特的细微差别,需要仔细解释和实施。”
在引入新的营销工具和数据收集方法时,你应该建立一个合规系统来解决这些法律问题。”确保数据的准确性、透明度和安全性需要强大的技术基础设施和持续监控,”他说。”这些挑战的复杂性需要法律专家、数据科学家、营销人员和伦理学家之间的合作,以开发尊重用户权利和营销效果的整体解决方案,”他说。
从分析实践者来看,这需要什么呢?Bagalman分享了一个长长的清单:法律/法规知识、技术熟练、对伦理考虑的理解、沟通能力(特别是与非技术利益相关者的沟通)、合作、数据治理、多样性和包容意识、持续学习、问题解决、风险管理、战略思维、适应性和同理心 – 真正理解消费者对数据和隐私伦理的看法。
5. 对影响进行建模
你准备好行动了吗?Avinash Kaushik创建了一个可能有助于以内容为重点的营销分析专家的模型 – 影响矩阵。它能够回答以下问题:
- 团队的分析实践有多成熟?
- 如何将领导者/分析师从低价值的指标中解放出来?
- 如何为分析带来明确的发展路径?
- 如何将机器学习和自动化的角色置于前沿?
- CMO的仪表板和主管的仪表板应该包含什么?
矩阵的x轴详细说明了一份内容需要多长时间才能产生价值 – 实时、每周、每月、每季度或每半年。y轴从超级战术到超级战略。Kaushik在这篇文章中详细介绍了如何创建它。
他说:”影响矩阵将帮助你基于一个框架进行对话,然后制定一个计划,说’我们今天在这里。我们如何到达那里?'”
学会征服营销分析和数据挑战
你和你的营销分析团队准备好在技术和数字营销迅速发展的同时,花时间确保一切都为你的业务正常运作了吗?虽然这些专家在这里迅速介绍了潜在的解决方案,但他们将在MADS会议上详细解释,并亲自回答你的问题。
加入我们,参加2023年9月26日至28日在华盛顿特区举行的MADS会议。点击这里了解更多信息,并使用代码KDN100注册,享受100美元的会议费优惠。