Mode의 설립자인 Benn Stancil은 데이터 과학이 더 나은 결정을 내리는 데 어떻게 도움이 되는지 설명합니다.

데이터 분석은 멋진 대시보드를 퍼뜨리는 것이 아니라 고객이 원하는 것과 도달하는 방법을 더 잘 이해하는 데 도움이 되는 길고 반복적인 협업 프로세스입니다.

또는 오히려 그래야 합니다. 모든 결정이 내려지는 모니터와 정교한 대시보드로 가득 찬 방의 고정관념은 현실이 아니며 이제 우리가 그로부터 멀어질 때가 되었습니다. 데이터 분석가와 데이터 과학자가 데이터를 분석, 시각화 및 공유할 수 있도록 설계된 플랫폼인 Mode의 공동 설립자이자 최고 분석 책임자인 Benn Stancil에 따르면 실제 일상 업무에는 제품 관리자 및 비즈니스 리더, 다양한 일을 만지작거리고 비즈니스 문제를 함께 해결하려고 합니다.

문제의 사실은 한 분야로서의 데이터 과학이 여전히 상대적으로 새로운 분야라는 것입니다. 따라서 많은 비즈니스 리더는 시작 방법, 활용 방법 또는 모든 대시보드와 도구가 서로 다른 솔루션을 가리키는 것처럼 보일 때 무엇을 해야 하는지 잘 모릅니다. 그러나 Benn이 지적했듯이 데이터 분석의 미래는 아키텍처 다이어그램이나 대시보드를 바라보는 비즈니스 리더가 아니라 경험을 구축하는 것이며 매우 흥미로운 것입니다.

이번 주에 우리는 최신 데이터 스택과 데이터가 성장을 주도하는 데 어떻게 사용되어야 하는지, 그리고 더 중요하게는 어떻게 사용해야 하는지에 대해 Benn과 즐거운 시간을 보냈습니다.

시간이 부족한 경우 다음 몇 가지 간단한 사항을 참조하세요.

• 데이터 과학이 미래를 예측할 수는 없지만 리소스에 집중하고 문제를 해결하며 새로운 시장을 개척하는 데 확실히 도움이 될 수 있습니다.
• 데이터 분석에서 얻은 모든 통찰력은 데이터 자체만큼만 좋습니다. 데이터에 대한 결론을 내리기 전에 데이터가 정확한지 확인하십시오.
• 고객이 제품을 사용하는 이유를 이해하기 위해 데이터를 보고 있지 않는 한 고객의 동기에 대한 기대에 따라 결정을 내리지 마십시오.
• 데이터 처리에 대한 모범 사례에 대한 표준화가 더 많이 이루어짐에 따라 더 이상 프로세스를 처음부터 설계할 필요가 없으며, 오히려 이를 기반으로 구축하고 각 사용 사례에 적용할 수 있습니다.
• 노련한 데이터 분석가에게도 끝없는 행과 열을 보는 것은 벅찰 수 있습니다. 확신이 서지 않으면 몇 가지 기본적인 제품 가정을 살펴보고 거기서부터 시작하십시오.

토론이 재미있다면 팟캐스트의 더 많은 에피소드를 확인하세요. iTunes, Spotify에서 팔로우하거나 선택한 플레이어에서 RSS 피드를 가져올 수 있습니다. 다음은 에피소드의 가볍게 편집된 대본입니다.

분석 시작

Liam Geraghty: Benn, 오늘 함께 해주셔서 감사합니다.

Benn Stancil: 반갑 습니다.

Liam: 우선, 당신의 배경, 당신이 하는 일, 어떻게 이 지경에 이르게 되었는지에 대해 간단히 말씀해 주시겠습니까?

Benn: 저는 기본적으로 완전히 다른 세계에서 경력을 시작했습니다. 저는 싱크탱크에서 경제학 연구원으로 정책 세계에서 시작했습니다. 나는 그곳에서 몇 년을 보냈고 그 작업이 정말 마음에 들었고 기본적으로 데이터 문제를 해결하려는 아이디어를 좋아했습니다. 내 일은 세계 경제에서 무슨 일이 일어나고 있는지 살펴보는 것이었습니다. 당시는 2010년 같았고 모든 것이 무너지고 있었습니다. 그런 다음 관련 데이터를 보고 정책 입안자가 해야 할 일에 대한 권장 사항을 제시하려고 했습니다. .

개념적으로는 정말 흥미로웠지만, 연준이 싱크탱크의 후배로서 해야 할 일에 대해 조언한다면 아무도 당신에게 관심을 기울이지 않습니다. 나는 그런 종류의 일을 하는 아이디어를 좋아하지만 사람들이 해결하려고 하는 문제와 더 직접적으로 관련이 있는 방식으로 하고 싶었습니다. 여러분의 아이디어나 권장 사항이 실제로 효과가 있는지 확인할 수 있는 방식이었습니다. 그것이 내가 샌프란시스코에 있는 기술 회사의 분석 업무로 옮겨간 방법입니다. 그게 기술 분야에서의 첫 직장이었습니다. 저는 그곳에서 분석가나 데이터 과학자로 몇 년 동안 일했습니다. 저는 마케팅 담당자, 제품 관리자 또는 운영 담당자와 협력하여 어떤 제품을 배송할지, 어떤 청중을 대상으로 할지 또는 비즈니스가 특정 영역에서는 잘 수행되고 있지만 잘 되지는 않는지에 대한 결정을 내리는 데 도움을 주는 유형의 사람이었습니다. 다른 사람. DC에서 하는 것과 비슷했지만 매우 다른 도메인에 적용했습니다.

“누군가의 거실에서 일하는 세 사람의 회사가 수백 명이 되는 곳으로 가는 여정은 끊임없이 새로운 것을 만나는 곳입니다.”

거기에서 사람들을 만나서 나와 같은 사람들의 요구 사항과 우리가 원하는 도구 종류, 아직 없는 도구 종류를 깨닫고 그 비전을 바탕으로 모드를 만들었습니다.

Liam: 모드를 시작하면서 여기까지 오는 것이 어려웠나요?

벤: 물론이죠 . 모든 스타트업은 도전이 될 것이고 모드도 다르지 않습니다. 모드는 우여곡절이 많았습니다. 한편으로는 매우 도전적입니다. 매일 다른 문제, 전에는 전혀 예상하지 못했던 일을 하고 있습니다. 여러분도 잘 알고 계시겠지만, 누군가의 거실에서 일하는 세 사람의 회사가 수백 명의 사람들이 일하는 곳으로 가는 여정은 여러분이 끊임없이 새로운 것을 만나는 곳입니다. 두 번째 달에 발생한 문제와 다릅니다.

매일, 당신은 이전에 해결해야 한다고 생각하지 못했던 새로운 것을 배워야 합니다. "나는 이 특정한 일을 정말 잘하게 될거야"와 같은 것이 아닙니다. 잘하면 다음 단계로 넘어갑니다. 그런 의미에서 굉장히 도전적이다. 그러나 우리는 훌륭한 팀을 가지고 있습니다. 직원이건 아니건, 초기 고객이건 아니건, 그냥 친구건 가족이건, 회사를 지지해주는 훌륭한 사람들이 있고 당신은 그것과 함께 가고 있습니다. 힘든 작업이었지만 많은 사람들의 지원을 받아 매우 좋은 경험이었습니다. 실리콘 밸리의 사람들은 특히 자신과 회사의 성공을 돕는 데 전념하는 전체 생태계를 가질 수 있는 특권을 누리고 있다고 생각합니다. 다른 곳에서 했다면 훨씬 더 힘들었을 것 같아요.

데이터가 할 수 있는 것과 할 수 없는 것

Liam: 데이터 과학은 앱 및 기타 시스템에서 이미 수집하고 있는 정보를 사용하여 의사 결정을 개선하려는 기업의 모든 것입니다. 여기에서 회사 모드가 필요합니다. 구축한 플랫폼과 데이터 과학자에게 이 플랫폼이 어떻게 도움이 되는지 알려주실 수 있습니까?

벤: 물론이죠 . 기업은 다양한 방식으로 데이터를 사용합니다. 그것에 대해 생각하기 쉬운 방법은 사람들이 결정을 내리는 대시보드와 차트로 가득 찬 방과 같은 영화와 물건의 캐리커처에서 보는 것을 생각하는 것입니다. 그것은 분명히 일어나지 않습니다. 사람들에게는 대시보드가 ​​있고 우리는 모두 회사의 성과와 그런 종류를 확인하고 있습니다. 그러나 데이터를 효과적으로 사용하는 실제 일상 업무의 대부분은 비즈니스 전문가와 함께 문제를 해결하고 결정을 내리는 데 도움이 되는 질문에 답하려고 하는 데이터 전문가로부터 나옵니다.

"제품 관리자는 화면을 보고 '아, 이것이 바로 우리에게 필요한 것'이라고 말하지 않을 것입니다."

당신이 어떤 제품을 만들지 결정하기를 원하는 제품 관리자라고 상상해 보십시오. 변경하려는 현재 기능을 사람들이 어떻게 사용하는지 이해하고 싶을 수 있습니다. 다른 유형의 사람들이 다른 방식으로 사용합니까? 그들이 하려고 하지만 어려움을 겪고 있는 일이 있습니까? 그들이 가지고 있는 목표를 달성할 수 있습니까? 이러한 모든 사항에는 매우 특정한 질문이 필요하며 대시보드를 보고 답할 수 있는 프로세스가 아닙니다. 제품 관리자는 화면을 보고 "아, 이것이 바로 우리에게 필요한 것입니다."라고 말하지 않을 것입니다. 고객이 원하는 것을 점점 더 많이 이해하고 결정을 내리고 "이봐, 우리가 이것을 구축해야 할 것 같아. 우리가 구축하기에 적합한 기능이라고 생각하는지 알아내기 위해 몇 가지 분석을 해보자.”

모드는 사람들이 그렇게 할 수 있도록 하는 것입니다. 분석가가 그런 종류의 작업을 수행하여 다른 사람들의 질문에 매우 빠르고 쉽게 답변할 수 있도록 하는 것입니다. 그런 다음 어떻게 배포하고 해당 사람들과 협업하는지 확인합니다. 분석가는 구멍에 들어가서 이러한 질문에 답할 수 없으며 제품 관리자와 함께 작업해야 합니다. 그것이 우리가 진정으로 활성화하고자 하는 것입니다. 그리고 그런 종류의 답변을 얻은 후에는 재사용할 수 있는 것으로 바꿀 수 있습니까? 쉽게 돌아가고 감사할 수 있도록 만들 수 있습니까? 핵심은 비즈니스에 대해 이해하고 질문에 답해야 하는 사람들이 이러한 답변을 주도하는 분석가와 보다 원활하게 작업할 수 있도록 지원하는 것입니다.

Liam: 행복한 결과를 낳은 데이터 스토리나 사례는 무엇이며 그렇지 않은 사례는 무엇입니까? 예를 들어 데이터 풀에 발을 담그고 있는 나와 같은 사람들을 위한 것입니다.

Benn: 몇 가지 행복한 결과입니다. 기본적으로 수많은 고객에게 비디오를 제공하는 회사가 있었습니다. 그들의 제품은 글로벌 비디오 플랫폼입니다. 그들은 전 세계 사람들을 위해 어떻게 하면 더 나은 삶을 살 수 있는지 알아내려고 노력했고 일부 국가는 매우 잘 수행하는 경향이 있고 일부 국가는 그렇지 않다는 것을 깨달았습니다. 그리고 그들은 그 이유를 정확히 알지 못했습니다. 그들은 "오, 우리는 이 나라에서 훌륭하게 하고 있고 이 나라에서 훌륭하게 하고 있지만 다른 나라에서는 그렇게 훌륭하지 않습니다.

"[우리 연구]는 원래 계획했던 다른 종류의 실험을 거치지 않고도 이 제품에 대한 새로운 시장을 열었습니다."

많은 분석을 하고 파고든 후 그들은 데이터 센터나 AWS 환경이 위치한 곳 때문에 특정 국가에서 비디오가 너무 느리다는 것을 깨달았습니다. 그들은 아마도 그것이 문화적인 것, 국제화에 대한 것, 거기서 뭔가 잘못했다고 생각했습니다. 특정 청중에게 반향을 일으키지 않았거나 여러 국가에서 다양한 사용 사례를 가진 다양한 유형의 사람들이 채택한 제품에 관한 것일 수도 있습니다. 그들은 해결하려고 시도할 수 있는 여러 가지 다양한 문제를 가지고 있었습니다. 예를 들면 "아마도 우리는 국제화에 많은 투자를 해야 하고, 아마도 우리가 이러한 유형의 청중에게 판매하려면 다른 기능에 투자해야 할 것입니다. 문제를 다르게 생각하십시오.” 다시 말하지만 비디오 플랫폼이었기 때문에 다른 콘텐츠에 투자해야 했을 수도 있습니다.

그러나 그것은 더 간단한 것으로 끝났습니다. 이 국가에서는 앱이 너무 느리고 동영상이 너무 많이 버퍼링되어 사람들이 좌절했고 좋은 경험이 아니었습니다. 그들은 "이봐, 우리 제품을 AWS의 더 많은 데이터 센터에 넣자"라고 말하거나 사용하던 호스팅 제품에 대해 말함으로써 문제를 해결할 수 있었습니다. 사소한 솔루션은 아니지만 다양한 국제 청중을 위해 완전히 새로운 콘텐츠를 만드는 방법을 찾아야 하는 것과 비교하면 어려운 솔루션은 아닙니다. 일부 국가에서는 성공했지만 다른 국가에서는 성공하지 못했다는 사실을 깨달았을 때 원래 계획했던 다른 종류의 실험을 거치지 않고도 이 제품에 대한 새로운 시장을 열었습니다.

리암: 물론이죠. 좋은 예입니다.

Benn: 부정적인 데이터 이야기와 관련하여 몇 가지 예가 있다고 생각합니다. 사람들이 데이터에 기반한 결정을 내리려고 하다가 결국 잘 되지 않는 결정을 내리는 경우가 분명히 있습니다. 그 중 일부는 데이터의 본질입니다. 데이터는 다소 확률적으로 무언가를 알려줍니다. "내가 주사위를 굴렸을 때 1과 5 또는 6 사이에서 나올 것이라고 확신해야 하나요?"라고 묻는 경우 "당신이 해야 할 옳은 일은 1에서 5에 베팅하는 것입니다. 당신의 확률은 훨씬 더 높습니다." 그것은 올바른 데이터 기반 분석이지만 때로는 잃을 수도 있습니다. 제품을 만들거나 비즈니스를 위해 한 번만 할 수 있는 결정을 내리는 중이라면 다시 돌아가서 "사실, 다시 롤링하고 1에서 5까지 나올 때까지 계속 롤링합시다"라고 말할 수 없습니다. 아마도 우리는 1에서 5에 베팅하고 6을 굴렸을 것입니다. 그렇게 진행됩니다.

"그것은 제품 및 비즈니스로서 보다 데이터 지향적으로 노력하는 게임의 일부입니다. 항상 정확한 결과를 얻을 수는 없습니다."

데이터가 완벽하지 않은 그런 종류의 예가 많이 있습니다. 데이터는 미래를 말해주지 않습니다. 어떤 일이 일어날지 짐작할 수 있지만, 사람들이 결정을 내리고, 아마도 분석을 정말 잘하고, 결정이 내려지기 전에 올바른 결정을 내렸지만 결과는 그렇지 못하다는 이야기가 많이 있습니다. 팬 아웃. 우리가 많은 사람들과 이야기하는 것 중 하나는 그것에 대해 괜찮다는 것입니다. 이는 제품 및 비즈니스로서 보다 데이터 지향적으로 노력하는 게임의 일부입니다. 항상 정확한 결과를 얻을 수는 없습니다. 데이터가 미래에 대해 정확히 알려줄 것이라고 기대한다고 해서 데이터가 무엇인지에 대한 믿음을 잃을 수는 없습니다.

쓰레기 인, 쓰레기 아웃

Liam: 글쎄요, 그 뒤에는 데이터가 결국 대시보드에 도달하기 위해 따라가는 여정을 고려하는 것이 얼마나 중요한가요?

Benn: 이 모든 것에는 분명히 "가비지 인, 가비지 아웃" 유형의 프로세스가 있으며, 이는 꽤 잘 이해되고 있는 것 같습니다. 대부분의 사람들은 데이터 품질이 중요하다는 것을 이해합니다. 판매 파이프라인과 다양한 고객이 판매 파이프라인을 통해 얼마나 잘 이동하고 있는지, 판매 깔때기의 어떤 단계가 잘 수행되고 어떤 단계가 수행되지 않는지에 대한 결정을 내리려고 한다고 가정해 보겠습니다. 거래는 항상 중단된다는 결론에 도달할 수 있습니다. 우리 제품이 표준을 충족하는지 여부에 대해 IT 및 보안 관련 사람들과 이야기할 때 보안 검토에서 위로 올라가므로 그것에 더 집중해야 합니다. 우리의 결론이 영업 팀이 수동으로 입력한 데이터를 기반으로 하는 경우 영업 팀이 Salesforce에 해당 데이터를 입력하는 데 더 신중을 기하는 프로세스의 일부일 수 있으므로 해당 결론은 반영되지 않습니다. 현실의. 데이터에 대한 실질적인 결론을 내리기 전에 데이터가 실제로 정확한지 확인하기 위해 모든 작업을 사전에 수행해야 합니다.

"그들이 숫자를 조작하거나 잘못된 데이터를 사용하고 있는 것은 아닙니다. 단지 흥미로운 것을 찾을 때 찾는 경향이 훨씬 더 클 뿐입니다."

이 "쓰레기 인, 가비지 아웃"에 대해 유사한 역학이 있다고 생각하는 또 다른 방법이 있습니다. 당신은 다양한 분석을 할 수 있고 10가지 다른 관점에서 어떤 문제를 본다고 말할 수 있습니다. 당신이 그것을 보는 방식이 중요할 것입니다. 특정한 방식으로 나타나는 몇 가지 관점이 있을 것이며, 그 분석 자체가 건전할 수 있습니다. 그러나 사람들에게 "이봐, 우리는 10가지를 시도했는데 그 중 9가지가 한 가지를 제안했지만 이 10번째 것은 다른 것을 제안했다"고 말하지 않는 한 이상치인 것을 제안한 10번째 것은 매우 긍정적인 것으로 보입니다…

사람들이 기본적으로 학술 논문을 작성하는 학술 p-hacking 유형의 연구에서 이것에 대해 많이 들었습니다. "결과를 찾고 있습니까?"라는 질문이 있습니다. 대답은 물론입니다. 학자들은 그렇게 하기 위해 돈을 받습니다. 그들은 흥미로운 것을 찾고 싶어합니다. 그들이 숫자를 조작하거나 잘못된 데이터를 사용하고 있는 것은 아닙니다. 단지 흥미로운 것을 찾을 때 그 흥미로운 것이 반드시 실제가 아닐지라도 그것을 찾는 경향이 훨씬 더 크다는 것입니다. .

분석가도 같은 경향으로 고통받을 수 있습니다. 우리의 임무는 흥미로운 것을 찾는 것입니다. 우리는 큰 회의에 서서 "이 정말 극적인 것을 보여주는 이 차트를 확인하십시오."라고 말하는 사람이 되기를 원합니다. 당신이 항상 그런 것들을 찾고 있다면, 다시, 10번 중 9번은 찾지 못합니다. 하지만 10번 할 때 "이봐, 우리는 다른 많은 것들을 먼저 시도했어."라고 말하는 것이 중요합니다. 그것은 당신이 찾고 있다고 생각하는 것이 진짜인지 아닌지를 이해하는 데 도움이 됩니다.

Liam: 스타트업의 경우 데이터를 사용하여 성장을 주도할 수 있는 방법은 무엇입니까?

Benn: 여러 가지 방법이 있습니다. 대부분의 사람들이 마케팅을 부르는 새로운 방식이라고 폄하하는 그로스 해킹처럼 사용하지만 그런 식으로 매우 많이 사용할 수 있습니다. 이를 사용하여 고객을 더 잘 이해하고 누구와 이야기해야 하는지 알 수 있습니다. 많은 성장은 최소한 마케팅 퍼널 측면에서 적합한 사람을 찾고 적시에 적절한 메시지를 제공하는 것입니다. 그런 점에서 데이터는 정말 중요할 수 있습니다. 유입경로에 들어온 사람이 무엇을 말하고 얼마나 멀리 도달하는지 어떻게 이해할 수 있습니까? 그 사람들은 누구이며 어떻게 그렇게 보이는 사람들에게 더 다가갈 수 있습니까?

“적어도 마케팅 퍼널 측면에서 적절한 사람을 찾고 적시에 적절한 메시지를 전달하는 것이 많은 성장입니다. 그런 점에서 데이터는 정말 중요할 수 있습니다.”

하지만 더 중요한 수단은 고객이 무엇을 하려고 하는지 이해하는 것과 관련이 있습니다. 사람들은 종종 제품을 만들고 특정 방식으로 사용되기를 기대하거나 이런저런 이유로 사람들이 제품을 좋아할 것으로 기대하지만 사람들이 항상 그런 이유로 제품을 좋아하는 것은 아닙니다. Mode에서 우리가 구축한 많은 기능이 있거나 고객으로부터 "오 예, 이것은 X에 좋은 일이 될 것입니다."와 같은 의견을 들었습니다. 그리고 그것이 사람들이 실제로 그것을 좋아하는 이유는 아니지만 Y를 위해 그것을 좋아할 수도 있다는 것이 밝혀졌습니다. 사람들이 하는 행동의 행동을 이해하기 위해 데이터를 보고 그러한 일을 하도록 동기를 부여하는 것을 이해하려고 노력하지 않는 한, 당신은 종종 이렇게 생각할 것입니다. “오, 좋습니다. 우리는 이 기능에 정말 좋은 기능을 출시했고 그래서 사람들이 이 기능을 사용하고 있습니다. 그래서 우리는 그것에 정말로 의지할 것입니다.” 하지만 실제로 사람들이 제품을 사용하려는 방식에 반대하는 것일 수 있으며, 대신 "이봐, 그들은 Y를 위해 그것을 사용하고 있습니다. 그들이 할 수 있는 방법을 실제로 구축합시다. 그것에 대해 Y."

“당신이 가지고 있다고 생각하는 것이 아니라 실제 제품 시장 적합성을 찾는 것입니다.”

예를 들어, 본질적으로 업무를 위한 일종의 채팅 제품인 이 회사가 있었습니다. 모바일에 중점을 둔 일종의 협업형 슬랙(Slack)형 제품이었다. 그들은 원래 일선 직원이 의사 소통하는 좋은 방법이라고 생각했습니다. 이메일 주소가 없는 사람들이 소통할 수 있는 좋은 방법이 될 것입니다. 7-11의 계산원인 경우 7-11 이메일 주소가 없을 수도 있지만 그 사람들과 기업 대화를 나눌 수 있는 방법이 필요합니다. 이를 위한 앱이었습니다. 그들은 일부 채택을 받았고 이메일 주소가 없는 사람들 때문이라고 생각했지만 많은 데이터를 살펴본 후 사무실을 들락날락해야 하는 사람이 실제로는 사람들이라는 것을 깨달았습니다. . 가장 유용한 것은 이메일 주소가 없다는 것이 아니라 컴퓨터에서 많이 떨어져 있다는 것이었습니다. 그들은 본질적으로 회사 채팅을 대체하는 WhatApp 유형으로 그것을 사용하고 있었습니다.

따라서 그들이 이메일 주소가 없는 사람들에 관한 것이라고 생각했다면 전화번호로 가입하는 많은 기능을 구축했을 것입니다. 데스크탑 컴퓨터가 없습니다. 하지만 사람들이 실제로 원했던 것은 때때로 컴퓨터를 사용하다가 이동 중에도, 배달을 하는 등의 작업을 하는 동안 컴퓨터에서 멀리 떨어져 있어 정말 멋진 모바일 경험을 할 수 있는 경험이었습니다. 이는 해당 제품과 회사에 대해 매우 다른 경로를 생성하지만 실제로 사용 중인 사람들과 이를 사용하여 수행하려는 작업을 이해하기 위해 데이터를 살펴보지 않는 한 결코 이해하지 못할 것입니다. 그것은 당신이 가지고 있다고 가정하는 것이 아니라 실제 제품 시장에 맞는 것을 찾는 것입니다.

새로운 도구, 동일한 문제

Liam: 현재 최신 데이터 스택은 어떤 모습입니까?

Benn: 최신 데이터 스택은 클라우드로 이동하는 데이터 제품을 기반으로 개발 중인 새로운 데이터 도구 세트를 총칭하는 용어입니다. 이것의 핵심은 데이터 웨어하우스입니다. 2010년 이전에는 모든 데이터를 저장하는 데이터 웨어하우스를 원하는 회사는 일반적으로 CD와 같은 물리적 시스템 또는 물리적 소프트웨어를 구입하여 시스템에서 실행해야 했습니다. 소유하다. 우리는 뒤쪽에 우리의 데이터베이스인 서버룸이 있고 그 위에서 일부 Oracle 데이터베이스와 그 모든 것을 실행할 것입니다. 기본적으로 최초의 클라우드 데이터 웨어하우스 중 하나인 Redshift를 통해 사람들은 모든 것을 클라우드로 옮기기 시작했습니다. 기계나 소프트웨어를 구입하는 대신 AWS로 이동하여 "Redshift 데이터베이스 스핀업"이라고 말하면 브라우저에서 15분 만에 수행할 수 있습니다. 그것을 할 하드웨어. 많은 도구가 "클라우드에서 모든 데이터 작업을 수행하고 우리가 직접 실행하는 이 모든 소프트웨어가 필요하지 않다면 어떨까요?"라는 아이디어를 바탕으로 구축되었습니다. 최신 데이터 스택은 데이터가 클라우드로 이동하는 모습에 대한 일종의 아이디어입니다. 당신이 그것을 정의할 수 있는 많은 방법이 있습니다. 그러나 일반적으로 타사 앱에서 데이터를 수집하는 매우 수평적인 제품을 구축해 왔습니다.

"기술의 품질이 극적으로 향상되었지만 우리가 해결하려고 하는 핵심 문제는 종종 완고하게 지속됩니다."

Salesforce, Zendesk, Marketo 또는 Stripe에 데이터가 있다고 가정해 보겠습니다. 이를 변형하고 창고에서 모델링할 제품이 있습니다. 깨끗한 데이터로 바꾸고 싶은 지저분한 데이터가 많으니 이를 관리할 제품이 있다고 가정해 보겠습니다. 창고 자체가 보관을 할 것입니다. 모드와 같은 분석 도구는 대시보드, 분석, 해당 작업을 공유 및 배포할 수 있는 상단에 있습니다. 그런 다음 이를 지원하기 위해 구축된 다른 도구가 많이 있습니다. 이제 데이터 도구를 실행하는 도구가 5~6개 있으므로 모든 도구를 모니터링할 수 있기를 원합니다. 모든 것이 제대로 작동합니까? A 지점에서 B 지점으로 가는 파이프라인이 예상대로 가동되고 실행되고 있습니까? 하나를 변경하려면 시스템에 대한 변경을 어떻게 조정합니까?

훨씬 더 복잡한 생태계가 되고 있지만 웨어하우스에서 데이터를 수집하는 방식, 웨어하우스에서 데이터를 변환하는 방식, 웨어하우스의 데이터 위에 데이터 자산을 구축하는 방식의 핵심 흐름에 모두 구축되어 있습니다. , 그리고 그것을 실제로 볼 필요가 있는 누구에게나 그것을 발송하는 어떤 방법.

Liam: 서로 다른 대시보드와 도구가 서로 다른 정보를 제공할 때 모든 사람이 수치에 동의하도록 하는 것은 매우 어려울 수 있습니다. 도전인가요?

벤: 네. 이것은 현대 데이터 스택의 현재 상태에 대한 역설 중 하나입니다. 우리는 이제 이러한 제품을 제작하는 데 거의 10년을 보냈고 여러 면에서 혁신적입니다. 그들은 10년 전보다 훨씬 더 빠르고 극적으로 개선되었습니다. 약 10년 전만 해도 최고급 데이터베이스의 경우 이를 실행하는 데 연간 백만 달러를 지출해야 했습니다. 당신은 그것을 실행하는 기계에 대한 비용을 지불해야 할 것입니다. 당신은 보통 그것을 관리하는 것이 정규직인 한두 사람이 있어야 할 것입니다. 오늘날에는 연간 $20,000의 비용이 드는 창고보다 더 빨리 창고를 확보할 수 있으며 이를 완전히 관리하는 사람이 없어도 됩니다. 저는 AWS로 가서 버튼을 누르고 수만 달러를 지불할 수 있습니다. 예전에는 연간 몇 백만 달러 정도의 비용이 들었을 것입니다. 그리고 더 좋은 제품입니다.

전체 스택에서 동일한 주장을 할 수 있습니다. 그런 식으로 분석 도구가 향상되었습니다. 데이터 수집 도구 및 파이프라인 도구는 이러한 방식으로 개선되었습니다. 우리는 기술의 질에서 이처럼 극적인 개선을 이루었지만, 우리가 해결하려고 하는 핵심 문제는 종종 완고하게 지속됩니다. 10년 전에 우리가 겪었던 핵심 문제 중 하나는 두 사람이 방에 걸어들어가 "내 대시보드에 이렇게 되어 있습니다."라고 말하는 것과 다른 사람이 "내 대시보드에 이렇게 나와 있습니다"라고 말하는 것이었습니다. 그들은 누구의 숫자가 맞는지 논쟁하며 무엇을 해야 할지 고민하기 보다는 회의 내내 시간을 보냅니다. 그리고 우리는 여전히 그렇게 하고 있습니다. 여전히 많이 있습니다.

“마케팅과 판매는 수백 년 동안 존재해 왔습니다. 우리는 아직 데이터 직업이 어떤 모습일지 파악하는 초기 단계에 있습니다.”

저는 이러한 변화를 주도하는 정말 현대적인 웨어하우스 중 하나인 Databricks의 CEO로부터 연설을 들었습니다. 그는 고객에게서 가장 흔히 듣는 불만 중 하나가 사람들이 숫자와 숫자를 놓고 논쟁하며 시간을 보낸다는 것입니다. 저는 그 문제를 해결하기 위해 계속해서 서로 대화하고 더 잘 작동할 수 있는 도구와 한 번만 정의할 수 있는 시스템을 구축하여 대시보드를 보면 동일한 위치에서 끌어오고 있다는 것을 알 수 있다고 생각합니다. . 그러나 그 중 일부는 데이터 작업 방법을 파악하는 조직도 될 것입니다. 데이터는 여전히 비교적 새로운 것입니다. 대부분의 회사는 지난 10, 15년 동안 실제 방식으로 사용하기 시작했습니다. 우리는 여전히 그것을 작동시키는 방법을 알아내고 있습니다. 우리가 필요로 하는 다양한 역할, 역할이 무엇인지, 누가 무엇을 책임져야 하는지에 대해 커뮤니티에서 여전히 많은 대화가 있습니다.

공학은 하루아침에 개발된 관행이 아닙니다. IT는 하루아침에 개발된 관행이 아닙니다. 마케팅과 영업은 수백 년 동안 존재해 왔습니다. 우리는 아직 데이터 직업이 어떤 모습일지 파악하는 초기 단계에 있습니다. 우리가 구축한 도구와 모든 사람이 "이것이 작동하는 방식이고 이것이 작동하지 않는 방식"이라는 사실을 깨닫기 시작한 도구의 조합이 될 것이라고 생각합니다. .

리암: 물론이죠. 모든 업종의 사람들이 각자의 이야기를 가지고 있을 거라 생각합니다. 내 생각에 팟캐스트 메트릭은 데이터의 복잡성을 보여주는 좋은 예일 것입니다. 개별 청취자가 여러 장치에서 동일한 에피소드를 다운로드했거나 청취할 의도로 다운로드했지만 제대로 듣지 못했을 수 있기 때문에 다운로드는 일반적으로 총 청취자 수와 동일하지 않습니다. 나는 그들이 이러한 것들을 측정하는 표준화된 방법을 도입하려고 한다는 것을 압니다. 아마도 많은 산업 분야에서 전반적으로 일어날 것입니다.

Benn: 기본적인 웹 마케팅 메트릭과 사람들이 광고와 물건을 실행하는 방식에 대해 생각해보면 우리는 그 중 일부를 표준화하기 시작했습니다. Facebook 광고 대시보드나 Google 광고 대시보드로 이동하면 꽤 비슷하게 보일 것입니다. 우리가 실제로 어떻게 이야기하고 어떤 광고가 실적이 좋은지 그렇지 않은지를 파악하는 방법에 대한 표준화가 있었기 때문에 그들은 거의 같은 이야기를 할 것입니다. 당신은 이것을 다른 것들과 함께 봅니다. 예를 들어 SaaS 회사에서 이것을 볼 수 있습니다. SaaS 회사는 이제 모두에서 가져온 메트릭의 표준 책을 가지고 있습니다. 우리가 이 통합을 보기 시작한 곳이 몇 군데 있지만 앞으로 몇 년 동안 더 많이 있을 것입니다. 팟캐스트에 대해 어떻게 생각합니까? 특정 유형의 제품에 대해 어떻게 생각합니까? 지원 팀의 성과 측정에 대해 어떻게 생각합니까? 지금은 훨씬 더 풍부한 정보를 가지고 있지만 모든 회사가 여전히 개별적으로 파악하려고 하는 데이터인 이 모든 다른 것들에 대해 어떻게 생각합니까?

“모든 사람이 처음부터 이 작업을 수행하려고 하는 대신 모범 사례에 따라 적응할 것입니다.”

"이런 종류의 문제에 대해 생각하는 가장 좋은 방법은 아마도 이것이 가장 좋은 방법일 것입니다." 기업은 여전히 ​​해야 할 맞춤 보고가 분명히 있을 것입니다. 이 팟캐스트는 다른 청중이나 다른 목표를 가질 수 있기 때문에 다른 팟캐스트와 다르게 측정하고자 할 수 있습니다. 모든 사람이 자신만의 조정 방식을 가지고 있지만 "좋아, 이것이 우리 모두가 작동하는 방식에 동의하는 방식"이라는 훨씬 더 나은 감각이 있을 것이라고 생각합니다. 우리는 모든 사람이 처음부터 이 작업을 수행하는 대신 모범 사례를 적용할 것입니다. 데이터 관행을 시작하는 많은 회사는 종종 처음부터 새로운 것을 구축하려고 합니다. 우리 모두가 그 위에 지을 수 있는 비계가 있는 지점에 도달하기 전에 가야 할 길이 조금 있다고 생각합니다.

어떤 면에서 웹 프레임워크가 그 예입니다. 웹 제품이나 소프트웨어를 구축하려는 경우 매우 잘 정의된 윤곽선을 그릴 수 있는 곳에서 그린 다음 원하는 대로 애플리케이션을 만들기 위해 고유한 논리를 추가할 수 있습니다. 분석에는 그런 기능이 없습니다. 모든 사람은 기반으로 구축할 수 있는 그런 종류의 핵심 프레임워크가 아니라 0에서 시작합니다.

Liam: 모든 것을 빤히 쳐다보고 약간 불안해하는 데이터에 겁을 먹고 있는 스타트업에게 해주고 싶은 말은?

Benn: 이것은 신생 기업에서 발생할 수 있지만 개별 분석가가 있는 데이터 성숙 회사에서도 발생할 수 있습니다. 빈 페이지나 과부하된 Excel 스프레드시트를 보고 "도대체 내가 뭘 하고 있는 거지?"라고 생각하기 쉽습니다. 경험 많은 분석가가 문제를 이해하기 시작했다면 하기 쉽고, 아직 데이터로 무엇을 해야 할지 모르는 회사라면 하기 쉽고, 방금 어딘가에 합류하고 무엇을해야할지 확신하지 못하는 주니어 분석가.

“정말 간단한 것부터 시작해도 괜찮습니다. 사람들이 얼마나 많은 기본 정보를 가치 있게 여길지 놀랍습니다.”

이에 대한 솔루션은 모두 동일하다고 생각합니다. 정말 간단한 것부터 시작하는 것이 좋습니다. 사람들이 얼마나 많은 기본 정보를 가치 있게 여길지 놀랍습니다. 일주일에 한 번 데이터 팀을 만나 한 주 동안 배운 내용을 기본적으로 공유하는 사람을 알고 있습니다. 이러한 것들 중 일부는 어리석게도 간단했습니다. 회사는 업무용으로 만들어진 제품이라 월요일부터 금요일까지 사용했습니다. 요일별로 얼마나 많은 사람들이 사용하는지 차트를 만들었는데, 야 주말에는 안쓰고 평일에는 많이들 쓰는구나. 당신은 거기에서 어떤 놀라운 통찰력을 정확히 밝히고 있는 것이 아닙니다. 모두가 이미 그것이 어떻게 작동하는지 알고 있었지만, 그 수치와 정확히 주말에 얼마나 많이 떨어졌는지 확인했습니다. 어떤 주말에는 많이 떨어지지 않았고 어떤 주말에는 엄청나게 떨어졌습니다. 그 행동을 유도하는 것에 대한 질문과 호기심. 사람들이 많이 이용하는 주말인 이유는? 거기에 무슨 일이 벌어 졌습니까? 그것은 더 많은 것을 위한 씨앗이었습니다. “좋아, 계속 배우자. 계속해서 질문합시다. 계속 파헤치자.”

그것이 내가 사람들에게 시작하도록 격려하는 방법입니다. 비록 그것이 당신이 만들고 있는 가정일지라도, 기본적인 것들부터 시작하십시오. 숫자를 보기 시작하자마자 생각하게 만들고 머리를 긁적이며 여기에는 이해하지 못하는 호기심이 더 많다는 것을 깨닫게 되는 것들이 보일 것입니다. 대부분은 그저 그 호기심에 사로잡혀 “가서 놀라운 것을 밝혀내야 해요. 건초더미에서 첫날 회사의 궤적을 바꿀 바늘을 찾아야 합니다.” 당신은 그것을 즉시 찾지 못할 것입니다. 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. I don't know why that would be. 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. 무엇 향후 계획? 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. 맞나요?

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. 재미있었어요.