Modeの創設者であるBennStancilが、データサイエンスがより良い意思決定にどのように役立つかについて説明します

データ分析は、派手なダッシュボードを吐き出すことではありません。これは、顧客が何を望んでいるか、そしてそこに到達する方法をよりよく理解するのに役立つ、長く反復的な共同プロセスです。

というか、そうあるべきです。 すべての決定が行われるモニターと精巧なダッシュボードでいっぱいの部屋のステレオタイプのイメージは現実的ではなく、私たちがそこから離れる時が来ています。 データアナリストやデータサイエンティストがデータを分析、視覚化、共有できるように設計されたプラットフォームであるModeの共同創設者兼最高分析責任者であるBenn Stancilによると、実際の日常業務の多くは、製品マネージャーと一緒に座っていることです。ビジネスリーダーは、さまざまなことをいじくり回し、一緒にビジネスの問題を解決しようとします。

問題の事実は、フィールドとしてのデータサイエンスはまだ比較的新しいということです。 そのため、多くのビジネスリーダーは、どのように開始するか、どのように活用するか、またはすべてのダッシュボードとツールが異なるソリューションを指しているように見える場合に何をすべきかをよく理解していません。 しかし、ベンが指摘するように、データ分析の未来は、アーキテクチャ図やダッシュボードを見ているビジネスリーダーではありません。それは、エクスペリエンスを構築し、非常にエキサイティングなものです。

今週は、最新のデータスタックについて、またデータを使用して成長を促進する方法について、ベンとおしゃべりすることができました。

時間に余裕がない場合は、次の点に注意してください。

• データサイエンスは将来を予測することはできませんが、リソースの集中、問題のトラブルシューティング、さらには新しい市場の開拓に役立つことは間違いありません。
• データ分析から得られる洞察は、データ自体と同じくらい良いものになります。 データについて結論を出す前に、データが正確であることを確認してください。
• 顧客が製品を使用している理由を理解するためにデータを調べているのでない限り、顧客の動機に対する期待に基づいて意思決定を行うことは避けてください。
• データを処理するためのベストプラクティスよりも標準化が進んでいるため、プロセスを最初から設計する必要はなく、その上に構築して各ユースケースに適合させる必要があります。
• 経験豊富なデータアナリストでさえ、無限の行と列を見るのは気が遠くなることがあります。 疑わしい場合は、いくつかの基本的な製品の仮定をいじり始めて、そこから進んでください。

私たちの議論を楽しんでいるなら、私たちのポッドキャストのより多くのエピソードをチェックしてください。 iTunesでフォローしたり、Spotifyを使用したり、選択したプレーヤーでRSSフィードを取得したりできます。 以下は、エピソードの軽く編集されたトランスクリプトです。

分析に入る

Liam Geraghty：ベン、今日はご参加いただきありがとうございます。

ベン・スタンシル：ここに来てよかった。

リアム：まず、あなたの経歴、何をしているのか、そしてどのようにしてこの点に到達したのかについて少し教えていただけますか？

ベン：私は基本的にまったく別の世界でキャリアをスタートさせました。 私はシンクタンクの経済学研究者として政策の世界で始めました。 私はそこで数年間過ごし、その仕事が本当に好きで、基本的にデータの問題を解決しようとするアイデアが好きでした。 私の仕事は、世界経済で何が起こっているのか（当時は2010年のようだったので、すべてがバラバラになっていた）を調べてから、それに関するデータを見て、政策立案者が何をすべきかについての推奨事項を考え出すことでした。 。

概念的には本当に面白かったのですが、シンクタンクのジュニアとしてFRBが何をすべきかについてアドバイスをすると、誰もあなたに本当に注意を向けていません。 そのような仕事をするというアイデアは好きですが、人々が解決しようとしている問題に直接関係し、自分のアイデアや推奨事項がうまくいくかどうかを実際に確認できる方法でやりたかったのです。 そのようにして、私はその仕事からサンフランシスコのテクノロジー会社の分析の仕事に移りました。 それが私の最初のテクノロジーの仕事でした。 私はそこでアナリストまたはデータサイエンティストとして数年間働きました。 私は、マーケター、プロダクトマネージャー、または運用担当者と協力して、出荷する製品、ターゲットとするオーディエンス、または特定の分野でビジネスがうまく機能しているかどうかを判断するのを支援するタイプの人でした。その他。 それは私がDCで行っていたものと似ていましたが、非常に異なるドメインに適用されました。

「3人の会社が誰かの居間から何百人もの人々に向かって働いている旅は、あなたが常に新しいことに遭遇している旅です。」

そこから何人かの人に会い、自分のような人のニーズや、どんな道具が欲しいのか、どんな道具がまだないのかを実感し、そのビジョンに基づいてモードを作り上げました。

リアム：スタートアップの旅でモードを使ってこのポイントに到達するのは難しかったですか？

ベン：確かに。 すべてのスタートアップは挑戦であり、モードも例外ではありません。 モードには浮き沈みがたくさんありました。 一方では、それは非常に挑戦的でした。 毎日、さまざまな問題に取り組んでいます。これまで本当に予想していなかったことです。 ご存知のとおり、3人の会社が誰かの居間から何百人もの人に向かって働くという旅は、常に新しいことに遭遇する旅であり、1か月目に抱える問題は次のとおりです。 2か月目に発生する問題とは異なります。

毎日、これまで解決しなければならないと思ったことのない新しいことを学ぶ必要があります。 「私はこの特定のことで本当に上手になるつもりです」というようなものではありません。 あなたがそれで上手になるのと同じように、あなたは次のものにいます。 その意味で、それは非常に挑戦的でした。 しかし、私たちは素晴らしいチームを持っています。 従業員であるかどうか、初期の顧客であるかどうか、単なる友人や家族であるかどうか、そして我慢する人々のタイプなど、会社を支えてくれた素晴らしい人々がいます。あなたがそれに沿って進んでいるようにあなた。 大変な作業でしたが、多くの方々のご支援をいただき、とても良い経験になりました。 シリコンバレーの人々は、彼らと彼らの会社の成功を支援することに専念するエコシステム全体を持っていることを特に光栄に思っています。 もしあなたが他の場所でこれをするなら、それはもっと難しいだろうと思います。

データでできることとできないこと

リアム：データサイエンスとは、アプリやその他のシステムですでに収集している情報を使用して意思決定を改善しようとしている企業にとってのすべてです。 これがあなたの会社のモードの出番です。あなたが構築したプラットフォームと、それがデータサイエンティストにどのように役立つかについて少し教えてください。

ベン：確かに。 企業はさまざまな方法でデータを使用します。 それについて考える簡単な方法は、人々が決定を下しているダッシュボードやチャートでいっぱいの部屋のように、映画などの似顔絵に見られるものについて考えることです。 それは明らかに起こりません。 人々はダッシュボードを持っており、私たちは皆、企業の業績やそのようなものをチェックしています。 しかし、データを効果的に使用する実際の日常業務の多くは、問題を一緒に解決し、彼らがいくつかの決定を下すのを助けるために必要な質問に答えようとしているビジネス専門家と一緒に座っているデータ専門家から来ています。

「プロダクトマネージャーは画面を見て、「ああ、これはまさに私たちが必要としているものだ」のようになることはありません。」

あなたがどの製品を作るかを決めたいと思っている製品マネージャーだと想像してみてください。 変更を検討している現在の機能を人々がどのように使用しているかを理解することをお勧めします。 さまざまなタイプの人々がさまざまな方法でそれを使用していますか？ 彼らがやろうとしているが苦労していることはありますか？ 彼らは彼らが持っている目標を達成することができますか？ これらはすべて、これらの非常に特殊な質問を必要とし、ダッシュボードを見て答えるプロセスではありません。 プロダクトマネージャーは画面を見て、「ああ、これはまさに私たちが必要としているものです」のようになることはありません。 これは、顧客が何を望んでいるのかをますます理解し、決定を下して、「ねえ、私たちはこれを構築する必要があると思います。 それが構築するのに適切な機能であるかどうかを判断するために、いくつかの分析を行いましょう。」

モードとは、実際には人々がそれを行えるようにすることです。 それは、アナリストがその種の作業を行えるようにして、他の人々の質問に非常に迅速かつ簡単に答えられるようにすることです。 そして、それをどのように配布し、それがそれらの人々とも協力していることを確認します。アナリストはただ穴に入ってこれらの質問に答えることはできません。彼らはそれを行うためにプロダクトマネージャーと協力しなければなりません。 それが私たちが本当に実現したいことです。 そして、そのような答えが得られたら、それらを再利用可能なものに変えることができますか？ 簡単に戻って監査できるようにすることができますか？ その核となるのは、ビジネスについて何かを理解し、質問に答える必要のある人々が、それらの答えを推進することが多いアナリストとより流動的に作業できるようにすることです。

リアム：満足のいく結果が得られたデータストーリーまたは例と、それほど多くなかったデータストーリーまたは例は何ですか？ たとえば、私のようにデータのプールに足を踏み入れている人のためだけに。

ベン：いくつかの幸せな結果。 基本的に多くの顧客にビデオを提供していたこの会社がありました–彼らの製品はグローバルなビデオプラットフォームです。 彼らは世界中の人々のためにそれをより良くする方法を見つけようとしていました、そして彼らはいくつかの国が非常にうまくいく傾向があることといくつかの国がそうでないことに気づきました、そして彼らは正確に理由がわかりませんでした。 彼らは、「ああ、私たちはこの国で素晴らしいことをしていて、この国で素晴らしいことをしているが、これらの他の国ではそれほど素晴らしいことをしていない。

「[私たちの研究]は、当初計画していた他の種類の実験を行うことなく、この製品の新しい市場を開拓しました。」

一連の分析を行ってそれを掘り下げた後、彼らは、データセンターまたはAWS環境が配置されている場所が原因で、特定の国ではビデオが遅すぎることに気付きました。 彼らは、おそらくそれは文化的なものであり、国際化に関するものであり、そこで何か間違ったことをしたのではないかと考えました。 たぶんそれは、特定のオーディエンスに共鳴しなかった製品や、さまざまな国でさまざまなユースケースを持つさまざまなタイプの人々に採用された製品に関するものでした。 彼らは解決しようと試みた可能性のあるさまざまなことをたくさん持っていました。たとえば、「多分私たちはたくさんの国際化に投資しなければならないかもしれません。問題について別の方法で考えてください。」 繰り返しになりますが、それはビデオプラットフォームだったので、おそらく彼らは別のコンテンツに投資しなければなりませんでした。

しかし、それは結局もっと単純なものになりました。 これらの国ではアプリが遅すぎ、ビデオのバッファリングが多すぎるために人々は不満を感じ、それは良い経験ではありませんでした。 彼らは、「ねえ、私たちの製品をAWSのより多くのデータセンターに入れましょう」と言うことで、または彼らが使用していたホスティング製品にそれを解決することができました。 これは簡単な解決策ではありませんが、さまざまな海外の視聴者向けにまったく新しいコンテンツを作成する方法を理解する必要があることと比較すると、難しい解決策ではありません。 一部の国では成功し、他の国では成功しなかったことに気付いたときに、当初計画していた他の種類の実験を行うことなく、この製品の新しい市場を開拓しました。

リアム：もちろんです。 それは素晴らしい例です。

ベン：ネガティブなデータストーリーに関しては、いくつかの例があると思います。 確かに、人々がデータ主導の意思決定を行おうとして、うまくいかないことをしてしまう場合があります。 その一部は、データとは何かという性質です。それは、多かれ少なかれ確率的に何かを教えてくれます。 あなたが尋ねた場合、「私はサイコロを振って、1から5または6の間になることに賭けるべきですか？」 「あなたがすべき正しいことは、1から5に賭けることです、あなたのオッズはそれに対してはるかに高いです。」と私はあなたに言うことができました。 これは正しいデータ駆動型分析ですが、場合によっては失う可能性があります。 一度しかできない製品を作ったり、ビジネスを決定したりする場合、「実際には、もう一度ロールして、1から5になるまでロールを続けましょう」と言うことはできません。 たぶん私たちは1から5に賭けて、6をロールしました。 それがどうなるかです。

「これは、製品およびビジネスとしてよりデータ指向にしようとするゲームの一部です。常に正確に正しくなるとは限りません」

データが完全ではないそのようなことの例はたくさんあります。 データはあなたに未来を教えてくれません。 何が起こるかをある程度理解することはできますが、人々が意思決定を行い、おそらく分析を非常にうまく行い、それが行われる前に適切な意思決定を行った後、結果が得られないという話はたくさんあります。功を奏する。 私たちが多くの人々と話していることの1つは、それで大丈夫だということです。 これは、製品およびビジネスとしてよりデータ指向にしようとするゲームの一部です。常に正確に正しくなるとは限りません。 データが常に将来がどうなるかを正確に教えてくれることを期待することで、データが何であるかについての信頼を失うことはできません。

ガベージイン、ガベージアウト

リアム：そうですね、データが最後にダッシュボードに到達するまでの道のりを考えることはどれほど重要ですか？

ベン：これには間違いなく「ガベージイン、ガベージアウト」タイプのプロセスがあり、それはかなりよく理解されていると思います。 ほとんどの人は、データ品質が重要であることを理解しています。 販売パイプラインについて、さまざまな顧客が販売パイプラインをどの程度うまく進んでいるか、販売ファネルのどの段階がうまく機能しているか、どの段階がうまく機能していないかを判断しようとしているとすると、取引は常にハングするという結論に達する可能性があります。私たちの製品が彼らの基準を満たしているかどうかについてITとセキュリティについて人々と話すとき、セキュリティレビューでアップします、そしてそれで、私たちはそれにもっともっと焦点を合わせる必要があります。 私たちの結論が営業チームによって手動で入力されたデータに基づいている場合、それは営業チームがSalesforceにそのデータを入力することについて怠惰であるプロセスの一部である可能性があり、したがって、その結論は反映ではありません現実の。 データについて実際の結論を出す前に、データが実際に正確であることを確認するために、すべての作業を事前に行う必要があります。

「必ずしも彼らが数字を混乱させている、または彼らが悪いデータを使用しているというわけではありません。それはあなたが何か面白いものを探しに行くとき、あなたはそれを見つける傾向がはるかに強いということです。」

この「ガベージイン、ガベージアウト」の周りにも同様のダイナミクスがあると私が思う別の方法があります。 あなたはたくさんの異なる分析をすることができます、そしてあなたが10の異なる視点からいくつかの問題を見ていると言うことができます、あなたがそれを見る方法は重要です。 特定の方法で表示されるいくつかの視点があり、その分析自体は健全である可能性があります。 しかし、「ねえ、10のことを試しましたが、そのうちの9つは1つのことを提案しましたが、この10つ目は別のことを提案しました」と言わない限り、外れ値を示唆した10つ目は非常にポジティブに見えます…

これについては、基本的に学術論文を書いているアカデミックp-hackingタイプの研究でよく耳にしますが、「結果を求めているのか」という疑問があります。 もちろん、答えはそうです。 学者はそれをするために支払われます。 彼らは何か面白いものを見つけたいと思っています。 必ずしも彼らが数字を混乱させている、または悪いデータを使用しているというわけではありません。興味深いものを探しに行くと、その興味深いものが必ずしも本物でなくても、それを見つける傾向がはるかに強いというだけです。 。

アナリストも同じ傾向に悩まされる可能性があります。 私たちの仕事は何か面白いものを見つけることです。 私たちは、大きな会議に立ち、「この本当に劇的なことを明らかにするこのチャートをチェックしてください」と言う人になりたいと思っています。 あなたがいつもそれらのものを探しているなら、繰り返しますが、10回のうち9回はそれを見つけられません。 しかし、その10回目は、「ねえ、最初に他のことをたくさん試した」と言うことが重要です。 それはあなたが見つけているとあなたが考えているこのことが本物であるかどうかを理解するのに役立ちます。

リアム：スタートアップの場合、データをどのように使用して成長を促進できるでしょうか。

ベン：たくさんの方法。 ほとんどの人はそれを成長ハッキングのように使用します。これは人々がマーケティングと呼ぶ新しい方法と呼ばれていますが、あなたはそのような方法でそれを非常に使用することができます。 これを使用して、顧客をよりよく理解し、誰と話すかを知ることができます。 多くの成長は、少なくともマーケティングファネル側のトップから、適切な人材を見つけ、適切なタイミングで適切なメッセージを提供することです。 その中でデータは本当に重要です。 誰が目標到達プロセスに参加しているのか、彼らが何を言っているのか、どこまで到達しているのかをどのように理解できますか？ それらの人々は誰ですか、そしてあなたはどのようにしてそのように見えるより多くに到達しますか？

「多くの成長は、少なくともマーケティングファネル側のトップから、適切な人材を見つけ、適切なタイミングで適切なメッセージを提供することです。 その中でデータは非常に重要になる可能性があります。」

ただし、より重要な手段は、多くの場合、顧客が何をしようとしているのかを理解することです。 人々はしばしば製品を作り、それらが特定の方法で使用されることを期待したり、何らかの理由で人々がそれらを好きになることを期待します、そして人々はそれらの理由で常にそれを好きではありません。 Modeで構築した機能や、お客様から「そうそう、これはXにとって素晴らしいことになるだろう」と聞いた機能がたくさんあります。 そして、それが人々がそれを好きな理由ではないことがわかりましたが、彼らはYのためにそれを好きかもしれません。人々がしている行動を理解するためにデータを見て、それらのことをする動機を理解しようとしない限り、 「ああ、すごい、これに本当に良い機能をリリースしたので、人々はそれを使用しているのです。 ですから、私たちは本当にそれに傾倒するつもりです。」 しかし、実際に人々が製品を使おうとしている方法と対戦している可能性があります。代わりに、「ねえ、彼らはYにそれを使用しています。彼らができるようにする方法を実際に構築しましょう。 Yのことです。」

「それは、あなたが持っていると思っているものではなく、実際の製品市場の適合性を見つけることです」

一例として、本質的に仕事用のチャット製品のような会社がありました。 これは、モバイルに焦点を合わせた、協調的な一種のSlackタイプの製品でした。 彼らは当初、最前線の労働者がコミュニケーションをとるのに最適な方法だと考えていました。 メールアドレスを持っていない人がコミュニケーションをとるのに最適な方法です。 セブンイレブンのキャッシャーの場合、セブンイレブンのメールアドレスを持っていない可能性がありますが、それらの人々と企業で話をすることができる方法が必要です。 これはそのためのアプリでした。 彼らはある程度採用され、メールアドレスを持っていない人たちのせいだと思っていましたが、たくさんのデータを見て、実際にはオフィスに出入りしなければならない人たちだと気づきました。 。 最も便利なことは、彼らが電子メールアドレスを持っていなかったということではありませんでした–それは彼らが彼らのコンピュータからたくさん離れていたということでした。 彼らは本質的にそれを企業チャットの代わりにWhatsAppタイプとして使用していました。

それで、彼らがそれが電子メールアドレスを持たない人々についてであると思っていたならば、彼らはあなたがあなたの電話番号でサインアップするたくさんの機能を構築したかもしれません。デスクトップコンピュータを持っていません。 しかし、人々が実際に望んでいたのは、時々コンピューターを使用し、それから離れて、外出中や配達中などに本当に素晴らしいモバイル体験をすることができるこの体験でした。 それはその製品と会社にとって非常に異なる道を作りますが、実際にそれを使用している人々と彼らがそれで何をしようとしているのかを理解するためにデータを見ない限り、彼らはそれを理解しません。 それは、あなたが持っていると思っているものではなく、実際の製品市場の適合性を見つけることです。

新しいツール、同じ問題

リアム：現在のデータスタックはどのようになっていますか？

ベン：最新のデータスタックは、クラウドに移行するデータ製品を背景に開発されている新しいデータツールセットの総称です。 この中核はデータウェアハウスです。 2010年以前は、すべてのデータを保存するデータウェアハウスが必要な企業は、通常、CDなどの物理マシンまたは物理ソフトウェアを購入して、それらのマシンで実行する必要がありました。自分の。 後ろにデータベースであるサーバールームがあり、その上でOracleデータベースを実行します。 基本的に、最初のクラウドデータウェアハウスの1つであるRedshiftを使用して、人々はそれらすべてをクラウドに移行し始めました。 マシンやソフトウェアを購入する代わりに、AWSにアクセスして、「Redshiftデータベースをスピンアップしてください」と言うだけで、ブラウザから15分で実行でき、実際に持っている必要はありません。それを行うためのハードウェア。 「すべてのデータをクラウドで処理し、自分たちで実行するすべてのソフトウェアを用意する必要がなかったとしたらどうなるでしょうか」という考えに基づいて、多数のツールが構築されています。 最新のデータスタックは、データがクラウドに移動するのがどのように見えるかという考え方に似ています。 あなたがそれを定義することができるたくさんの方法があります。 しかし、一般的には、サードパーティのアプリからデータを取り込むだけの、これらの非常に水平的な製品を構築してきました。

「テクノロジーの品質は劇的に向上しましたが、解決しようとしている主要な問題は、頑固に持続することがよくあります。」

Salesforce、Zendesk、Marketo、Stripeにデータがあるとしましょう。これらの製品は、そのデータをウェアハウスに取り込むだけです。 それを変換してウェアハウスでモデル化する製品があります。たとえば、クリーンなデータに変換したい大量の乱雑なデータがあるとすると、それを管理する製品があります。 倉庫自体が保管を行います。 モードのような分析ツールがあり、ダッシュボード、分析、その作業を共有および配布できるようにするためにその上に配置されます。 そして、それらをサポートするために構築される他のツールがたくさんあります。 データツールを実行するツールが5つまたは6つあるので、それらすべてを監視できるようにする必要があります。 すべてが正しく機能していますか？ ポイントAからポイントBまでのパイプラインは稼働しており、期待どおりに機能していますか？ 1つに変更を加えたい場合、システムへの変更をどのように調整しますか？

これははるかに複雑なエコシステムになりつつありますが、すべてがこのコアフローに基づいて構築されており、ウェアハウスにデータを取り込む方法、ウェアハウスにデータを変換する方法、ウェアハウスのデータの上にデータアセットを構築する方法があります。 、そしてそれを実際に見る必要がある人にそれを出荷するための何らかの方法。

リアム：さまざまなダッシュボードやツールでさまざまなことを伝える場合、全員が数字に同意するのは非常に難しい場合があります。 それは挑戦ですか？

ベン：うん。 これは、最新のデータスタックの現在の状態のパラドックスの1つです。 私たちは今、これらの製品の製造に10年近くを費やしてきましたが、多くの意味で革新的です。 彼らは10年前よりも劇的に良くそして劇的に速く物事を行います。 約10年前、最高級のデータベースの場合、それを実行するには、たとえば、年間100万ドルを費やす必要がありました。 あなたはそれを実行するマシンの代金を払わなければならないでしょう。 通常、フルタイムの仕事はそれを管理することであった1人か2人の人が必要です。 今日では、年間2万ドルの費用がかかる倉庫よりも早く倉庫を手に入れることができ、誰もがそれを完全に管理する必要はありません。 AWSにアクセスしてボタンを押すだけで、以前はおそらく年間数百万ドルの費用がかかっていたものに数万ドルを支払うことができます。 そして、それはより良い製品です。

スタック全体で同じ主張をすることができます。 分析ツールはそのように改善されました。 データ取り込みツールとパイプラインツールは、このように改善されました。 テクノロジーの品質はこれらの劇的な改善を遂げましたが、私たちが解決しようとしている主要な問題は、頑固に持続することがよくあります。 10年前に私たちが抱えていた主要な問題の1つは、2人が部屋に入って「私のダッシュボードがこれを言っている」と言い、他の誰かが「私のダッシュボードがこれを言っている」と言ったことでした。 彼らは、何をすべきかを理解しようとするのではなく、会議全体を費やして、誰の数が正しいかについて議論します。 そして、私たちはまだそれを行っています、それはまだたくさんあります。

「マーケティングと販売は何百年も前からあります。 私たちはまだデータの専門家にとってどのように見えるかを理解する初期段階にあります。」

この変化の多くを推進しているこれらの本当に近代的な倉庫の1つであるDatabricksのCEOからの話を聞きました。 彼は、顧客からよく聞かれる不満の1つは、人々がすべての時間を数字をめちゃくちゃに費やしていることと、どちらが正しいかということだと言っていました。 その問題を解決するための一部は、互いに話し合い、よりよく連携できるツールと、ダッシュボードを見ると同じ場所から引っ張られていることがわかるように一度定義できるシステムを構築し続けることだと思います。 。 しかし、その一部は、データの操作方法を理解している組織にもなります。 データはまだ比較的新しいものです。 ほとんどの企業は、過去10、15年で実際にそれを使い始めました。 私たちはまだそれを機能させる方法を考えています。 コミュニティでは、私たちが必要とするさまざまな役割、それらが何のためにあるのか、そして誰が何に対して責任があるのか​​について、まだ多くの会話があります。

エンジニアリングは一夜にして発展した慣習ではありませんでした。 ITは一夜にして発展した慣習ではありませんでした。 マーケティングと販売は何百年も前からあります。 私たちはまだデータの専門家にとってどのように見えるかを理解する初期段階にあります。 これは、私たちが構築するツールの組み合わせであり、根本的な問題のように見えるものを実際に乗り越える前に、「これが機能する方法であり、これが機能しない方法です」と誰もが気づき始めると思います。 。

リアム：もちろんです。 あらゆる業界の誰もが独自のストーリーを持っていると思います。 ポッドキャストのメトリクスは、おそらくデータの複雑さの良い例だと思います。 個々のリスナーが同じエピソードを複数のデバイスにダウンロードした可能性があるため、またはダウンロードを聞くことを意図してダウンロードしたが、それを理解できなかった可能性があるため、ダウンロードは通常、リスナーの総数と等しくありません。 彼らがこれらのことを測定する標準化された方法を導入しようとしていることを私は知っています。これはおそらく多くの業界で全面的に行われるでしょう。

ベン：基本的なウェブマーケティングの指標と、人々が広告などをどのように実行するかについて考えると、私たちはそのいくつかを標準化し始めました。 Facebookの広告ダッシュボードまたはGoogleの広告ダッシュボードにアクセスすると、これらは非常によく似ています。 私たちが実際にどのように話し、どの広告がうまく機能しているかどうかを判断する方法が標準化されているため、彼らは多かれ少なかれ同じ話をするでしょう。 あなたはこれを他のいくつかのものと一緒に見ます。 これは、たとえばSaaS企業で見られます。 SaaS企業は現在、すべての企業が利用する標準的な指標の本を持っています。 私たちがこの合体を見始めている場所はいくつかありますが、今後数年間でさらに多くの場所があります。ポッドキャストについてどう思いますか？ 特定の種類の製品についてどう思いますか？ サポートチームのパフォーマンスを測定することについてどう思いますか？ 私たちが今でははるかに豊富な情報を持っているが、すべての企業がまだ個別に把握しようとしているデータであるこれらのさまざまなものすべてについてどう思いますか？

「誰もがこれを最初からやろうとするのではなく、ベストプラクティスから適応します」

「これは、この種の問題について考えるためのおそらくベストプラクティスです」という標準化が行われると思います。 企業は、明らかに、彼らがしなければならないいくつかの特注の報告を持っているでしょう。 このポッドキャストは、オーディエンスや目標が異なる可能性があるため、他のポッドキャストとは異なる方法で測定したい場合があります。 誰もが独自の調整を行うことになりますが、「これが私たち全員がうまくいくことに同意する方法です」というより良い感覚があると思います。 誰もがこれを最初からやろうとするのではなく、ベストプラクティスから適応します。 データプラクティスを開始する多くの企業は、多くの場合、ゼロから物事を構築しようとしています。 私たち全員がその上に構築できる足場を手に入れるまでには、少し道のりがあると思います。

Webフレームワークは、ある意味でその一例です。 Web製品またはソフトウェアを構築する場合は、そこから描画できる非常に明確なアウトラインがあり、独自のロジックを追加して、アプリケーションを希望どおりに作成できます。 アナリティクスにはそれがまったくありません。 誰もがその上に構築できるそのようなコアフレームワークを持つのではなく、ゼロから始めます。

リアム：それをじっと見つめ、少し不安を感じているデータに怯えているスタートアップに何を言いますか？

ベン：これはスタートアップで発生する可能性がありますが、個々のアナリストがいるデータ成熟した企業でも発生する可能性があります。 空白のページやオーバーロードされたExcelスプレッドシートをじっと見つめて、「世界で何をしているのか」と考えるのは簡単です。 これは、問題を理解し始めたばかりの経験豊富なアナリストであれば簡単に実行できます。データの処理方法をまだ知らない企業であれば簡単に実行できます。また、どこかに加わったばかりでどうしたらいいかわからないジュニアアナリスト。

「本当にシンプルなものから始めても大丈夫です。 人々がどれだけの基本的な情報を価値があると思うかは注目に値します。」

その解決策はすべて同じだと思います。本当に単純なものから始めてもかまいません。 人々がどれだけの基本的な情報を価値があると思うかは注目に値します。 私は、週に1回、データチームに会ってもらい、その週に学んだことを基本的に共有する人を知っています。 これらのいくつかはばかげて単純でした。 同社は企業向けに作られた製品だったので、月曜日から金曜日まで使用されました。 彼らは、曜日ごとに何人の人がそれを使用するかについてのチャートを作成しました、そしてねえ、ほとんどの人は週末にそれを使用せず、多くの人が平日にそれを使用します。 そこにある信じられないほどの洞察を正確に明らかにしているわけではありません。 誰もがそれがどのように機能するかをすでに知っていましたが、週末にそれらの数値と正確にどれだけ落ちたかを見ると、あまり落ちない週末もあれば、1トン落ちた週末もありました。その行動を推進しているものについての質問と好奇心の。 なぜその週末は人々がそれを頻繁に使用しているように見えるのですか？ そこで何が起こった？ それが、さらに多くの「わかりました。学び続けましょう。 引き続き質問をしていきましょう。 掘り続けましょう。」

それが私が人々に始めることを勧める方法です。 あなたがしている仮定であっても、基本的なことから始めてください。 数字を見始めるとすぐに、頭をかきむしりながら考えさせ、興味を持っていることを理解できないほどたくさんのことがここにあることに気付くようなことがわかります。 その多くは、その好奇心にとらわれることを許しているだけであり、「私はいくつかの素晴らしいことを発見する必要があります。 干し草の山の中から、初日に会社の軌道を変える針を見つける必要があります。」 You're not going to find that right away. The way you're going to find it is by just poking around, seeing things that are interesting, and letting yourself explore those interesting things when you find them.

Always tinkering

Liam: You're clearly so passionate about data. I was just wondering where that came from.

Benn: Part of it is working in it for a long time and just getting to know it. Part of it, though, is that I think it's fun to figure stuff out like this. I was talking to someone about flying from New York to San Francisco a couple days ago, and it's a flight that I've made a good bit, and they had made it a good bit, too. They were saying that when they were flying back on a Delta flight, it felt way faster than when they were flying on a United flight. Why is Delta faster on this? And it made me think: are there some airlines that are just able to fly faster? It doesn't seem like that would be true, but does that actually hold up? The Department of Transportation releases raw data on every flight in the US. Where it started, where it ended, what time it took off, when it landed – all of that stuff.

“I'm just naturally prone to want to play around with that and understand it. I don't really have an explanation as to why that is other than I find it fun”

I just started playing around with it, trying to figure this out. I looked at different routes and was like, “Are there changes in the speed of different airlines? Are planes flying faster at different times of day, at different times of the year?” As you get into it, it just became interesting to see… I don't know any of this stuff. I don't know how fast planes fly or why they fly at different speeds on the same routes or whatever, but it was interesting. There were actually some airlines that were consistently a couple minutes faster. なぜそうなるのかわかりません。 It was never by much, but it was basically like 90 seconds of difference fairly consistently between a couple airlines. I don't know, maybe they just have different guidelines or something. That sort of thing, I think, is what makes me interested in it. I'm just naturally prone to want to play around with that and understand it. I don't really have an explanation as to why that is other than I find it fun. That really drew me to the job in the first place. Then, once you get into it, you start to see all these other things that you could be doing that are fascinating and fun.

Liam: That's great. 次は何ですか？ Have you any particular plans or projects for 2022?

Benn: I mean, continuing to do the Mode thing. I think there's a lot of stuff on that front that we're excited about, a lot of new things we're building. The direction of the space is one we're very excited about. Personally, last year I basically started writing a lot more on Substack, and that's been fun. It's been good to get some of the thoughts out about these ideas, have conversations with the people in the community and see where things go. We're planning on being much more involved in that. I don't know exactly where that goes, and part of this is, again, letting myself be curious about it, do the things I enjoy, and if I find stuff that's fun and other people seem to enjoy, then giving myself the permission to continue to do it.

Liam: I was going to ask where our listeners can go to keep up with you and your work, definitely the Substack. I think it's Benn.substack.com. そうですか？

Benn: That's correct. The two places would be mainly there and Twitter. I'm not the most active Twitter person in the world, so Substack is better for some of the more interesting things. But my Twitter handle is @BennStancil, and there's also LinkedIn if you want to connect professionally.

Liam: I've been reading lots of your posts and they're great, so I would definitely recommend everyone go and subscribe to Benn's Substack. Thank you so much for chatting with us, Benn.

Benn: For sure. Thanks again for having me. This was fun.