Benn Stancil ผู้ก่อตั้ง Mode กล่าวถึงวิทยาศาสตร์ข้อมูลสามารถช่วยให้เราตัดสินใจได้ดีขึ้น

การวิเคราะห์ข้อมูลไม่ได้เกี่ยวกับการสร้างแดชบอร์ดแฟนซี แต่เป็นกระบวนการที่ใช้เวลานาน ทำซ้ำ และทำงานร่วมกัน ซึ่งจะช่วยให้คุณเข้าใจได้ดีขึ้นว่าลูกค้าต้องการอะไร และทำอย่างไรจึงจะไปถึงที่นั่น

หรือค่อนข้างควรจะเป็น ภาพโปรเฟสเซอร์ของห้องที่เต็มไปด้วยจอภาพและแดชบอร์ดที่ซับซ้อนซึ่งการตัดสินใจทั้งหมดไม่ได้เกิดขึ้นจริง และถึงเวลาแล้วที่เราจะต้องละจากมัน Benn Stancil ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่ฝ่ายวิเคราะห์ที่อยู่เบื้องหลัง Mode ซึ่งเป็นแพลตฟอร์มที่ออกแบบมาเพื่อช่วยให้นักวิเคราะห์ข้อมูลและนักวิทยาศาสตร์ข้อมูลวิเคราะห์ แสดงภาพ และแบ่งปันข้อมูล งานประจำวันของพวกเขาส่วนใหญ่เกี่ยวข้องกับการนั่งกับผู้จัดการผลิตภัณฑ์และ ผู้นำธุรกิจ คลุกคลีกับสิ่งต่าง ๆ พยายามแก้ปัญหาทางธุรกิจร่วมกัน

ความจริงของเรื่องนี้ก็คือว่าศาสตร์ข้อมูลเป็นสาขาที่ค่อนข้างใหม่ ดังนั้น ผู้นำธุรกิจจำนวนมากจึงไม่ค่อยแน่ใจว่าจะเริ่มต้นอย่างไร จะใช้ประโยชน์จากมันอย่างไร หรือต้องทำอย่างไรเมื่อแดชบอร์ดและเครื่องมือทั้งหมดดูเหมือนจะชี้ไปที่โซลูชันต่างๆ แต่อย่างที่ Benn ชี้ให้เห็น อนาคตของการวิเคราะห์ข้อมูลไม่ใช่แผนภาพสถาปัตยกรรมหรือผู้นำธุรกิจที่มองแดชบอร์ด แต่เป็นการสร้างประสบการณ์และเป็นสิ่งที่น่าตื่นเต้นมาก

สัปดาห์นี้ เรามีความยินดีอย่างยิ่งที่ได้พูดคุยกับ Benn เกี่ยวกับกองข้อมูลสมัยใหม่ และวิธีที่ข้อมูลสามารถนำมาใช้เพื่อขับเคลื่อนการเติบโตได้ และที่สำคัญกว่านั้น

หากคุณมีเวลาไม่มากพอ ต่อไปนี้คือคำแนะนำสั้นๆ สองสามข้อ:

• แม้ว่าวิทยาศาสตร์ข้อมูลจะทำนายอนาคตไม่ได้ แต่ก็สามารถช่วยให้คุณมุ่งเน้นทรัพยากร แก้ไขปัญหา และแม้แต่ปลดล็อกตลาดใหม่ได้อย่างแน่นอน
• ข้อมูลเชิงลึกจากการวิเคราะห์ข้อมูลจะดีพอๆ กับตัวข้อมูลเท่านั้น ตรวจสอบให้แน่ใจว่าข้อมูลของคุณถูกต้องก่อนที่คุณจะสรุปผลใดๆ
• เว้นแต่คุณกำลังดูข้อมูลเพื่อทำความเข้าใจว่าเหตุใดลูกค้าของคุณจึงใช้ผลิตภัณฑ์ของคุณ ให้หลีกเลี่ยงการตัดสินใจตามความคาดหวังของคุณเกี่ยวกับแรงจูงใจของพวกเขา
• เนื่องจากเราเห็นมาตรฐานมากกว่าแนวทางปฏิบัติที่ดีที่สุดสำหรับการจัดการข้อมูล ไม่จำเป็นต้องออกแบบกระบวนการตั้งแต่เริ่มต้นอีกต่อไป แต่ให้สร้างด้านบนและปรับให้เข้ากับกรณีการใช้งานแต่ละอย่าง
• การดูแถวและคอลัมน์ที่ไม่สิ้นสุดอาจทำให้คุณกังวลแม้กระทั่งนักวิเคราะห์ข้อมูลที่มีประสบการณ์ หากมีข้อสงสัย ให้เริ่มลองใช้สมมติฐานพื้นฐานเกี่ยวกับผลิตภัณฑ์และไปต่อจากนี้

หากคุณชอบการสนทนาของเรา โปรดดูตอนอื่นๆ ของพอดคาสต์ของเรา คุณสามารถติดตามบน iTunes, Spotify หรือรับฟีด RSS ในเครื่องเล่นที่คุณเลือก ต่อไปนี้คือการถอดเสียงของตอนที่มีการแก้ไขเล็กน้อย

เข้าสู่การวิเคราะห์

Liam Geraghty: Benn ขอบคุณมากที่มาร่วมงานกับเราในวันนี้

Benn Stancil: ดีใจ ที่ได้มาอยู่ที่นี่

Liam: ก่อนอื่น คุณช่วยเล่าให้เราฟังหน่อยได้ไหมเกี่ยวกับภูมิหลังของคุณ คุณทำอะไร และมาถึงจุดนี้ได้อย่างไร

เบ็นน์: โดยทั่วไปแล้วฉันเริ่มต้นอาชีพของฉันในโลกที่ต่างไปจากเดิมอย่างสิ้นเชิง ฉันเริ่มต้นในโลกนโยบายในฐานะนักวิจัยด้านเศรษฐศาสตร์ที่คลังความคิด ฉันใช้เวลาสองสามปีที่นั่น ชอบงานนี้มาก และชอบแนวคิดในการพยายามแก้ปัญหาเกี่ยวกับข้อมูลโดยพื้นฐาน งานของฉันคือการดูว่าเกิดอะไรขึ้นในเศรษฐกิจโลก - ตอนนั้นเหมือนกับปี 2010 และทุกอย่างก็พังทลาย - จากนั้นดูข้อมูลเกี่ยวกับมันและพยายามเสนอแนะว่าผู้กำหนดนโยบายควรทำอย่างไร .

เป็นแนวคิดที่น่าสนใจจริงๆ แต่ถ้าคุณเสนอแนะว่าเฟดควรทำอย่างไรในฐานะผู้อยู่ใต้บังคับบัญชาของนักคิด จะไม่มีใครสนใจคุณเลยจริงๆ ฉันชอบความคิดในการทำงานประเภทนั้น แต่ฉันต้องการทำมันในลักษณะที่เกี่ยวข้องโดยตรงกับปัญหาที่ผู้คนพยายามแก้ไข ซึ่งคุณสามารถดูได้จริง ๆ ว่าความคิดหรือคำแนะนำของคุณได้ผลหรือไม่ นั่นเป็นวิธีที่ฉันย้ายจากงานนั้นไปเป็นงานวิเคราะห์ที่บริษัทเทคโนโลยีในซานฟรานซิสโก นั่นเป็นงานแรกของฉันในด้านเทคโนโลยี ฉันทำงานที่นั่นสองสามปีในฐานะนักวิเคราะห์หรือนักวิทยาศาสตร์ข้อมูล ฉันเป็นคนประเภทที่งานจะทำงานร่วมกับนักการตลาด ผู้จัดการผลิตภัณฑ์ หรือเจ้าหน้าที่ฝ่ายปฏิบัติการเพื่อช่วยพวกเขาในการตัดสินใจว่าจะจัดส่งผลิตภัณฑ์ใด กลุ่มเป้าหมายใด หรือหากธุรกิจทำงานได้ดีในบางพื้นที่และไม่ดีใน คนอื่น. คล้ายกับที่ฉันทำใน DC แต่นำไปใช้กับโดเมนที่ต่างกันมาก

“การเดินทางของบริษัทสามคนที่ทำงานจากห้องนั่งเล่นของใครบางคนไปสู่บางสิ่งที่มีคนหลายร้อยคน เป็นการเดินทางที่คุณจะได้พบเจอสิ่งใหม่ๆ อยู่เสมอ”

จากที่นั่น ฉันได้พบกับผู้คนจำนวนหนึ่ง เริ่มตระหนักถึงความต้องการของคนอย่างฉัน และเครื่องมือชนิดใดที่เราต้องการ เครื่องมือประเภทใดที่ยังไม่มี และจบลงด้วยการสร้างโหมดตามวิสัยทัศน์นั้น

Liam: มันท้าทายไหมที่จะถึงจุดนี้ด้วย Mode ในการเดินทางเริ่มต้น?

เบ็น: แน่นอน การเริ่มต้นทุกครั้งจะเป็นสิ่งที่ท้าทาย และโหมดก็ไม่ต่างกัน โหมดมีขึ้นและลงมากมาย ด้านหนึ่งมันเป็นเรื่องที่ท้าทายมาก ทุกวันคุณทำงานเกี่ยวกับปัญหาต่างๆ ที่คุณไม่เคยคาดคิดมาก่อน ฉันแน่ใจว่าคุณคงทราบดี การเดินทางของบริษัทสามคนที่ทำงานจากห้องนั่งเล่นของใครบางคนไปสู่บางสิ่งที่มีคนหลายร้อยคน เป็นการเดินทางที่คุณจะพบสิ่งใหม่ๆ อยู่เสมอ ซึ่งปัญหาที่คุณมีในเดือนแรกคือ ต่างจากปัญหาที่คุณมีในเดือนที่สอง

ทุกวัน คุณต้องเรียนรู้สิ่งใหม่ ๆ ที่คุณไม่เคยคิดว่าจะต้องแก้มาก่อน ไม่ใช่ว่า "ฉันจะเก่งเรื่องนี้โดยเฉพาะ" เมื่อคุณเก่งขึ้น คุณก็จะเข้าสู่สิ่งต่อไป ในแง่นั้นมันเป็นสิ่งที่ท้าทายมาก อย่างไรก็ตาม เรามีทีมที่ยอดเยี่ยม มีคนดีๆ ที่สนับสนุนบริษัท ไม่ว่าจะเป็นพนักงานหรือไม่ก็ตาม เป็นคนที่เป็นลูกค้าช่วงแรกๆ หรือเปล่า เป็นแค่เพื่อนและครอบครัวหรือไม่ และประเภทคนที่ทนด้วย คุณในขณะที่คุณกำลังไปกับมัน เป็นงานหนัก แต่ก็เป็นประสบการณ์ที่ดีมากที่ได้รับการสนับสนุนจากผู้คนมากมายให้ทำ ฉันคิดว่าผู้คนในซิลิคอนแวลลีย์ได้รับสิทธิพิเศษเป็นพิเศษที่มีระบบนิเวศทั้งระบบที่ทุ่มเทเพื่อช่วยให้พวกเขาและบริษัทประสบความสำเร็จ ถ้าไปทำที่อื่น ผมว่าคงยากกว่านี้เยอะ

ข้อมูลอะไรทำได้และทำไม่ได้

Liam: Data Science คือทุกสิ่งสำหรับธุรกิจที่ต้องการปรับปรุงการตัดสินใจโดยใช้ข้อมูลที่รวบรวมไว้แล้วในแอปและระบบอื่นๆ นี่คือที่มาของโหมดบริษัทของคุณ ช่วยเล่าให้เราฟังหน่อยได้ไหมเกี่ยวกับแพลตฟอร์มที่คุณสร้างขึ้นและแพลตฟอร์มนี้ช่วยนักวิทยาศาสตร์ข้อมูลได้อย่างไร

เบ็น: แน่นอน บริษัทต่างๆ ใช้ข้อมูลในรูปแบบต่างๆ มากมาย วิธีคิดง่ายๆ คือการนึกถึงสิ่งที่คุณเห็นในการ์ตูนล้อเลียนในภาพยนตร์และเรื่องต่างๆ เช่น ห้องที่เต็มไปด้วยแดชบอร์ดและแผนภูมิที่ผู้คนกำลังตัดสินใจ ที่เห็นได้ชัดว่าไม่ได้เกิดขึ้น ผู้คนมีแดชบอร์ด และเราทุกคนต่างกำลังตรวจสอบว่าบริษัทมีผลการดำเนินงานเป็นอย่างไรและอะไรทำนองนั้น แต่งานจริงในแต่ละวันที่ใช้ข้อมูลอย่างมีประสิทธิภาพนั้นมาจากผู้เชี่ยวชาญด้านข้อมูลซึ่งนั่งกับผู้เชี่ยวชาญด้านธุรกิจที่พยายามแก้ปัญหาร่วมกันและตอบคำถามที่พวกเขาต้องใช้เพื่อช่วยในการตัดสินใจ

“ผู้จัดการผลิตภัณฑ์จะไม่ดูที่หน้าจอและพูดว่า 'อ่า นี่แหละคือสิ่งที่เราต้องการ'”

ลองนึกภาพคุณเป็นผู้จัดการผลิตภัณฑ์ที่ต้องการตัดสินใจว่าจะสร้างผลิตภัณฑ์ใด คุณอาจต้องการทำความเข้าใจว่าผู้คนใช้คุณลักษณะปัจจุบันที่คุณกำลังคิดจะเปลี่ยนอย่างไร คนหลายประเภทใช้มันในรูปแบบที่แตกต่างกันหรือไม่? มีสิ่งที่พวกเขาพยายามทำ แต่กำลังดิ้นรนอยู่หรือไม่? พวกเขาสามารถบรรลุเป้าหมายที่พวกเขามีได้หรือไม่? สิ่งเหล่านี้ต้องการคำถามเฉพาะเหล่านี้ และไม่ใช่กระบวนการที่คุณจะตอบโดยดูที่แดชบอร์ด ผู้จัดการผลิตภัณฑ์จะไม่มองไปที่หน้าจอและพูดว่า "อ๋อ นี่คือสิ่งที่เราต้องการ" เป็นกระบวนการที่ใช้เวลานานและทำซ้ำๆ ในการทำความเข้าใจว่าลูกค้าต้องการอะไรมากขึ้นเรื่อยๆ จากนั้นจึงค่อยตัดสินใจและพูดว่า “เฮ้ ฉันคิดว่าเราควรสร้างสิ่งนี้ขึ้นมา มาวิเคราะห์กันเพื่อดูว่าเราคิดว่านั่นเป็นคุณสมบัติที่เหมาะสมที่จะสร้างหรือไม่”

โหมดคือการทำให้ผู้คนทำอย่างนั้นได้จริงๆ มันเกี่ยวกับการช่วยให้นักวิเคราะห์ทำงานประเภทนั้นได้ เพื่อที่พวกเขาจะได้ช่วยตอบคำถามคนอื่นๆ ได้อย่างรวดเร็วและง่ายดาย แล้ววิธีที่พวกเขาแจกจ่ายและทำให้แน่ใจว่ามันทำงานร่วมกับคนเหล่านั้นเช่นกัน นักวิเคราะห์ไม่สามารถลงหลุมพรางและตอบคำถามเหล่านี้ได้ พวกเขาต้องทำงานร่วมกับผู้จัดการผลิตภัณฑ์จึงจะทำได้ นั่นคือสิ่งที่เราต้องการเปิดใช้งานจริงๆ และเมื่อคุณได้คำตอบแบบนั้นแล้ว คุณสามารถเปลี่ยนให้เป็นสิ่งที่นำมาใช้ใหม่ได้หรือไม่? คุณสร้างมันขึ้นมาเพื่อให้ง่ายต่อการกลับไปตรวจสอบและเรื่องอื่นๆ ได้ไหม? หัวใจของมันคือการช่วยเหลือผู้ที่ต้องการเข้าใจบางอย่างเกี่ยวกับธุรกิจของตนและตอบคำถามโดยทำให้พวกเขาทำงานกับนักวิเคราะห์ได้อย่างคล่องตัวมากขึ้น ซึ่งมักจะเป็นผู้ขับเคลื่อนคำตอบเหล่านั้น

Liam: อะไรคือข้อมูลหรือตัวอย่างที่ได้ผลดีและเรื่องที่ไม่มาก? เฉพาะกับคนอย่างฉันที่จุ่มนิ้วเท้าลงในสระข้อมูลเป็นต้น

เบ็น: ผลลัพธ์ที่มีความสุขสองสามอย่าง มีบริษัทนี้ที่ให้บริการวิดีโอแก่ลูกค้ากลุ่มหนึ่งโดยพื้นฐานแล้ว ผลิตภัณฑ์ของพวกเขาคือแพลตฟอร์มวิดีโอระดับโลก พวกเขาพยายามหาวิธีทำให้ผู้คนทั่วโลกดีขึ้น และพวกเขาตระหนักว่าบางประเทศมีแนวโน้มที่จะทำได้ดีมาก แต่บางประเทศไม่ได้ทำ และพวกเขาก็ไม่รู้เหมือนกันว่าทำไม พวกเขาแบบว่า "โอ้ เรากำลังทำได้ดีในประเทศนี้และทำได้ดีในประเทศนี้ แต่ทำได้ไม่ดีในประเทศนี้

“[การวิจัยของเรา] ได้เปิดตลาดใหม่สำหรับผลิตภัณฑ์นี้โดยที่พวกเขาไม่ต้องผ่านการทดลองแบบอื่นที่พวกเขาวางแผนไว้”

หลังจากทำการวิเคราะห์และเจาะลึกลงไปหลายครั้ง พวกเขาตระหนักว่าวิดีโอนั้นช้าเกินไปในบางประเทศ เนื่องจากที่ตั้งของศูนย์ข้อมูลหรือสภาพแวดล้อมของ AWS พวกเขาคิดว่าบางทีมันอาจจะเป็นวัฒนธรรมบางอย่างเกี่ยวกับความเป็นสากลซึ่งบางทีพวกเขาอาจทำผิดบางอย่างที่นั่น บางทีมันอาจเป็นอะไรบางอย่างเกี่ยวกับผลิตภัณฑ์ที่ไม่ถูกใจผู้ชมบางกลุ่มหรือคนประเภทต่าง ๆ ที่มีกรณีการใช้งานต่างกันในประเทศต่างๆ พวกเขามีหลายอย่างที่พวกเขาน่าจะลองแก้ดู ซึ่งมันเหมือนกับว่า “บางทีเราอาจจะต้องใช้เงินจำนวนมากในการทำให้เป็นสากล บางทีเราอาจจะต้องลงทุนในคุณสมบัติต่างๆ ถ้าเราต้องการขายให้กับผู้ชมประเภทนี้เพราะพวกเขา คิดเกี่ยวกับปัญหาที่แตกต่างกัน” อีกครั้ง มันเป็นแพลตฟอร์มวิดีโอ ดังนั้นพวกเขาอาจต้องลงทุนในเนื้อหาที่แตกต่างกัน

แต่กลับกลายเป็นสิ่งที่ง่ายกว่า แอปทำงานช้าเกินไปในประเทศเหล่านี้ ผู้คนรู้สึกหงุดหงิดเพราะวิดีโอจะบัฟเฟอร์มากเกินไป และมันก็ไม่ใช่ประสบการณ์ที่ดี พวกเขาสามารถแก้ปัญหานั้นได้โดยพูดว่า "เฮ้ มาใส่ผลิตภัณฑ์ของเราในศูนย์ข้อมูลใน AWS กันมากขึ้น" หรือในผลิตภัณฑ์โฮสติ้งใดก็ตามที่พวกเขาใช้อยู่ ไม่ใช่วิธีแก้ปัญหาเล็กน้อย แต่ก็ไม่ใช่วิธีแก้ปัญหาที่ยากเมื่อเทียบกับการต้องคิดหาวิธีสร้างเนื้อหาใหม่ทั้งหมดสำหรับผู้ชมต่างประเทศที่แตกต่างกัน มันเปิดตลาดใหม่สำหรับผลิตภัณฑ์นี้โดยที่พวกเขาไม่ต้องผ่านการทดลองประเภทอื่นที่พวกเขาวางแผนไว้ตั้งแต่แรกเมื่อพวกเขาตระหนักว่าพวกเขาประสบความสำเร็จในบางประเทศและไม่ใช่ในบางประเทศ

เลียม: แน่นอน นั่นเป็นตัวอย่างที่ดี

เบ็นน์: ในแง่ของเรื่องราวข้อมูลเชิงลบ ฉันคิดว่ามีตัวอย่างสองสามตัวอย่าง มีหลายกรณีที่ผู้คนจะพยายามตัดสินใจโดยใช้ข้อมูลเป็นหลักและจบลงด้วยการทำสิ่งที่ไม่ได้ผล ส่วนหนึ่งคือลักษณะของข้อมูล ซึ่งกำลังบอกคุณบางอย่างที่น่าจะเป็นไปได้ไม่มากก็น้อย หากคุณถามว่า “ฉันควรเดิมพันว่าฉันกลิ้งลูกเต๋าและฉันได้ระหว่างหนึ่งถึงห้าหรือหกหรือไม่” ฉันสามารถบอกคุณได้ว่า “สิ่งที่ถูกต้องที่คุณควรทำคือเดิมพันหนึ่งถึงห้า โอกาสของคุณนั้นสูงกว่ามากสำหรับเรื่องนั้น” นั่นคือการวิเคราะห์จากข้อมูลที่ถูกต้อง แต่บางครั้งคุณอาจแพ้ หากคุณกำลังสร้างผลิตภัณฑ์หรือกำลังตัดสินใจสำหรับธุรกิจที่ทำได้เพียงครั้งเดียว คุณไม่สามารถย้อนกลับไปพูดว่า “ที่จริงแล้ว เรามาลองกันใหม่อีกครั้งและเดินหน้าต่อไปจนกว่าคุณจะได้หนึ่งถึงห้า” บางทีเราเดิมพันที่หนึ่งถึงห้าและเราทอยได้หก นั่นเป็นวิธีที่มันไป

“นั่นเป็นส่วนหนึ่งของเกมของการพยายามที่จะเน้นข้อมูลมากขึ้นในฐานะผลิตภัณฑ์และธุรกิจ – คุณจะไม่ทำให้มันถูกต้องเสมอไป”

มีตัวอย่างมากมายที่ข้อมูลไม่สมบูรณ์ ข้อมูลจะไม่บอกคุณถึงอนาคต อาจทำให้คุณเข้าใจถึงสิ่งที่อาจเกิดขึ้น แต่มีเรื่องราวมากมายเกี่ยวกับผู้คนที่กำลังตัดสินใจ ซึ่งน่าจะทำการวิเคราะห์ได้ดีมาก การตัดสินใจที่ถูกต้องก่อนที่จะทำ และผลลัพธ์กลับไม่เป็นเช่นนั้น แพนออก สิ่งหนึ่งที่เราพูดคุยกับผู้คนมากมายเกี่ยวกับเรื่องนี้ก็คือการตกลงกับสิ่งนั้น นั่นเป็นส่วนหนึ่งของเกมของการพยายามที่จะเน้นข้อมูลมากขึ้นในฐานะผลิตภัณฑ์และธุรกิจ – คุณจะไม่ทำให้มันถูกต้องเสมอไป คุณไม่สามารถหมดศรัทธาในข้อมูลโดยคาดหวังเสมอว่าข้อมูลจะเป็นอย่างไรในอนาคต

ขยะเข้าขยะออก

Liam: ในทางกลับกัน การพิจารณาการเดินทางของข้อมูลเพื่อไปถึงแดชบอร์ดในตอนท้ายมีความสำคัญเพียงใด

เบ็นน์: มีกระบวนการประเภท "ขยะเข้า ขยะออก" อย่างแน่นอน และฉันคิดว่านั่นเป็นที่เข้าใจกันดี คนส่วนใหญ่เข้าใจว่าคุณภาพของข้อมูลมีความสำคัญ สมมติว่าเรากำลังพยายามตัดสินใจเกี่ยวกับไปป์ไลน์การขายของเรา และลูกค้าที่แตกต่างกันเคลื่อนผ่านไปป์ไลน์การขายได้ดีเพียงใด และขั้นตอนของกระบวนการขายที่ทำงานได้ดีเพียงใด และขั้นตอนใดไม่สำเร็จ คุณอาจได้ข้อสรุปว่าดีลมักจะหยุดชะงัก ขึ้นในการตรวจสอบความปลอดภัยเมื่อเราพูดคุยกับผู้คนเกี่ยวกับไอทีและการรักษาความปลอดภัยว่าผลิตภัณฑ์ของเราตรงตามมาตรฐานหรือไม่ ดังนั้นเราจึงต้องให้ความสำคัญมากขึ้นในเรื่องนี้ หากข้อสรุปของเราอิงจากข้อมูลที่ป้อนโดยทีมขายด้วยตนเอง อาจเป็นไปได้ว่านั่นเป็นส่วนหนึ่งของกระบวนการที่ทีมขายไม่ถนัดในการป้อนข้อมูลนั้นใน Salesforce ดังนั้นข้อสรุปนั้นจึงไม่ใช่การสะท้อน ของความเป็นจริง คุณต้องทำงานทั้งหมดล่วงหน้าเพื่อให้แน่ใจว่าข้อมูลของคุณถูกต้องจริง ๆ ก่อนที่คุณจะสามารถสรุปผลที่แท้จริงเกี่ยวกับเรื่องนี้ได้

“ไม่จำเป็นว่าพวกเขากำลังปลอมแปลงตัวเลขหรือกำลังใช้ข้อมูลที่ไม่ดี – เพียงว่าเมื่อคุณมองหาสิ่งที่น่าสนใจ คุณมักจะพบมันมากขึ้น”

มีอีกวิธีหนึ่งที่ฉันคิดว่า "ขยะเข้า ขยะออก" มีพลังที่คล้ายคลึงกัน คุณสามารถทำการวิเคราะห์ต่างๆ มากมาย และบอกว่าคุณมองปัญหาจาก 10 มุมมองที่แตกต่างกัน วิธีที่คุณมองนั้นมีความสำคัญ จะมีบางมุมมองที่ปรากฏในลักษณะเฉพาะ และการวิเคราะห์นั้นเองอาจฟังดูมีเหตุผล แต่ถ้าคุณบอกคนอื่นว่า "นี่ เราลองมา 10 อย่างแล้ว มี 9 อย่างที่เสนอมาอย่างหนึ่ง แต่อันที่ 10 นี้แนะนำอย่างอื่น" และอันที่ 10 ที่แนะนำสิ่งที่ผิดปกตินั้นดูเหมือนจะเป็นไปในเชิงบวกอย่างมาก...

คุณได้ยินมามากเกี่ยวกับเรื่องนี้ในการศึกษาประเภท p-hacking ทางวิชาการ ซึ่งโดยทั่วไปแล้วผู้คนจะเขียนเอกสารทางวิชาการ และมีคำถามว่า "พวกเขากำลังมองหาผลลัพธ์หรือไม่" คำตอบคือแน่นอนว่าพวกเขาเป็น นักวิชาการได้รับค่าตอบแทนในการทำเช่นนั้น พวกเขาต้องการค้นหาสิ่งที่น่าสนใจ ไม่จำเป็นว่าพวกเขากำลังปลอมแปลงตัวเลขหรือกำลังใช้ข้อมูลที่ไม่ถูกต้อง เพียงแต่เมื่อคุณมองหาสิ่งที่น่าสนใจ คุณมักจะพบมันมากขึ้น แม้ว่าสิ่งที่น่าสนใจนั้นไม่จำเป็นต้องเป็นของจริง .

นักวิเคราะห์สามารถประสบกับแนวโน้มเดียวกัน งานของเราคือค้นหาสิ่งที่น่าสนใจ เราต้องการเป็นคนที่ยืนขึ้นในการประชุมใหญ่และกล่าวว่า "ลองดูแผนภูมินี้ที่เผยให้เห็นสิ่งที่น่าทึ่งจริงๆ" หากคุณกำลังมองหาสิ่งเหล่านั้นอยู่เสมอ เก้าครั้งใน 10 ครั้ง คุณไม่พบมัน แต่ครั้งที่ 10 นั้น เมื่อคุณทำ คุณควรพูดว่า "เฮ้ เราลองอย่างอื่นหลายอย่างก่อน" ซึ่งช่วยให้เข้าใจว่าสิ่งที่คุณกำลังคิดว่ากำลังหาอยู่นี้มีจริงหรือไม่

Liam: สำหรับสตาร์ทอัพ จะใช้ข้อมูลขับเคลื่อนการเติบโตได้อย่างไร?

เบ็น: หลายวิธี คนส่วนใหญ่ใช้วิธีนี้เหมือนกับการแฮ็กการเติบโต ซึ่งผู้คนมักเรียกกันว่าการตลาดแบบดูถูก แต่คุณสามารถใช้วิธีนี้ได้มาก คุณสามารถใช้เพื่อทำความเข้าใจลูกค้าของคุณให้ดีขึ้น รู้ว่าจะคุยกับใคร การเติบโตจำนวนมากคือการหาคนที่เหมาะสมและให้ข้อความที่ถูกต้องในเวลาที่เหมาะสม อย่างน้อยก็จากด้านบนสุดของช่องทางการตลาด ข้อมูลมีความสำคัญมากในเรื่องนั้น คุณจะเข้าใจได้อย่างไรว่าพวกเขามาจากใครในช่องทางของคุณ พวกเขาพูดอะไร และไปได้ไกลแค่ไหน? คนเหล่านั้นเป็นใคร และคุณจะเข้าถึงลักษณะแบบนั้นได้อย่างไร?

“การเติบโตอย่างมากคือการหาคนที่เหมาะสมและให้ข้อความที่ถูกต้องในเวลาที่เหมาะสม อย่างน้อยก็จากด้านบนสุดของช่องทางการตลาด ข้อมูลมีความสำคัญมากในเรื่องนั้น”

อย่างไรก็ตาม คันโยกที่สำคัญกว่านั้นมักจะเกี่ยวข้องกับการทำความเข้าใจว่าลูกค้าของคุณพยายามทำอะไร ผู้คนมักจะสร้างผลิตภัณฑ์และคาดหวังว่าจะใช้ในลักษณะใดลักษณะหนึ่ง หรือคาดหวังให้ผู้คนชอบพวกเขาด้วยเหตุผลใดก็ตาม และผู้คนก็ไม่ชอบด้วยเหตุผลเหล่านั้นเสมอไป มีฟีเจอร์มากมายที่เราสร้างขึ้นใน Mode หรือที่เราได้ยินจากลูกค้าว่าพวกเขาชอบพูดว่า "ใช่แล้ว นี่จะเป็นสิ่งที่ดีสำหรับ X" และปรากฎว่านั่นไม่ใช่เหตุผลที่คนชอบจริง ๆ แต่พวกเขาอาจจะชอบมันสำหรับ Y เว้นแต่ว่าคุณกำลังดูข้อมูลเพื่อทำความเข้าใจพฤติกรรมของสิ่งที่ผู้คนทำ และพยายามเข้าใจว่าอะไรกระตุ้นให้พวกเขาทำสิ่งเหล่านั้น คุณมักจะคิดว่า "โอ้ เยี่ยมมาก เราได้เปิดตัวคุณลักษณะที่ดีจริงๆ สำหรับเรื่องนี้ และนั่นเป็นเหตุผลที่ผู้คนใช้คุณลักษณะนี้ ดังนั้นเราจะพึ่งพาสิ่งนั้นจริงๆ” แต่อาจเป็นไปได้ว่าคุณกำลังเล่นกับวิธีที่ผู้คนพยายามใช้ผลิตภัณฑ์ และคุณควรจะพูดว่า “เฮ้ พวกเขากำลังใช้มันสำหรับ Y มาสร้างวิธีที่ทำให้พวกเขาทำได้จริง ๆ กันเถอะ” สิ่ง Y บนมัน”

“มันเกี่ยวกับการค้นหาความเหมาะสมของตลาดผลิตภัณฑ์ที่แท้จริง มากกว่าที่คุณคิด”

ตัวอย่างเช่น มีบริษัทนี้เป็นผลิตภัณฑ์แชทสำหรับการทำงานเป็นหลัก เป็นผลิตภัณฑ์ประเภท Slack ซึ่งเป็นการทำงานร่วมกันซึ่งเน้นที่อุปกรณ์พกพา เดิมทีพวกเขาคิดว่ามันจะเป็นวิธีที่ดีสำหรับพนักงานในแนวหน้าในการสื่อสาร เป็นวิธีที่ดีสำหรับผู้ที่ไม่มีที่อยู่อีเมลในการสื่อสาร หากคุณเป็นแคชเชียร์ที่ 7-11 คุณอาจไม่มีที่อยู่อีเมล 7-11 แต่เราต้องการวิธีที่จะพูดคุยกับบุคคลเหล่านั้นในองค์กรได้ นี่เป็นแอพสำหรับสิ่งนั้น พวกเขาได้รับการรับเลี้ยงบุตรบุญธรรมและคิดว่าเป็นเพราะคนเหล่านี้ที่ไม่มีที่อยู่อีเมล แต่หลังจากดูข้อมูลจำนวนมาก พวกเขารู้ว่าจริงๆ แล้วคือคนที่ต้องเข้าและออกจากสำนักงานเป็นจำนวนมาก . สิ่งที่มีประโยชน์มากที่สุดไม่ใช่ว่าพวกเขาไม่มีที่อยู่อีเมล แต่เป็นเพราะว่าพวกเขาอยู่ห่างจากคอมพิวเตอร์มาก โดยพื้นฐานแล้วพวกเขาใช้มันแทน WhatsApp สำหรับการแชทในองค์กร

ดังนั้น หากพวกเขาคิดว่ามันเกี่ยวกับคนที่ไม่มีที่อยู่อีเมล พวกเขาอาจสร้างฟีเจอร์มากมายให้คุณลงชื่อสมัครใช้ด้วยหมายเลขโทรศัพท์ของคุณ ซึ่งคุณทำสิ่งต่างๆ มากมายที่ทำให้สิ่งนี้เป็นไปได้ในที่ที่คุณทำไม่ได้ ไม่มีคอมพิวเตอร์ตั้งโต๊ะ แต่สิ่งที่ผู้คนต้องการจริงๆ คือประสบการณ์ที่พวกเขาสามารถใช้คอมพิวเตอร์ได้ในบางครั้ง แล้วเดินจากไป และมีประสบการณ์บนมือถือที่ยอดเยี่ยมจริงๆ ขณะที่พวกเขาอยู่บนท้องถนน หรือพวกเขากำลังส่งสินค้าหรืออะไรก็ตาม นั่นสร้างเส้นทางที่แตกต่างไปจากเดิมมากสำหรับผลิตภัณฑ์และบริษัทนั้น ๆ แต่พวกเขาจะไม่มีวันเข้าใจว่าเว้นแต่พวกเขาจะดูข้อมูลเพื่อทำความเข้าใจผู้คนที่ใช้มันจริง ๆ และสิ่งที่พวกเขาพยายามจะทำกับมัน มันเกี่ยวกับการค้นหาความเหมาะสมของตลาดผลิตภัณฑ์ที่แท้จริง มากกว่าที่คุณคิด

เครื่องมือใหม่ ปัญหาเดิมๆ

Liam: ตอนนี้ data stack สมัยใหม่หน้าตาเป็นอย่างไร?

เบ็นน์: สแต็คข้อมูลสมัยใหม่เป็นคำศัพท์เฉพาะสำหรับชุดเครื่องมือข้อมูลชุดใหม่ที่กำลังได้รับการพัฒนาบนส่วนหลังของผลิตภัณฑ์ข้อมูลที่ย้ายไปยังระบบคลาวด์ แกนหลักของสิ่งนี้คือคลังข้อมูล ก่อนปี 2010 บริษัทใดๆ ที่ต้องการคลังข้อมูล ซึ่งเป็นที่ที่คุณจัดเก็บข้อมูลทั้งหมดของคุณ มักจะต้องไปซื้อบางอย่าง เช่น เครื่องจักรจริงหรือซอฟต์แวร์จริง เช่น ซีดี เพื่อเรียกใช้บนเครื่อง เป็นเจ้าของ. เราจะมีห้องเซิร์ฟเวอร์ที่ด้านหลังซึ่งเป็นฐานข้อมูลของเรา และเราจะเรียกใช้ฐานข้อมูล Oracle บางส่วนบนนั้น และทั้งหมดนั้น โดยพื้นฐานแล้ว Redshift ซึ่งเป็นหนึ่งในคลังข้อมูลบนคลาวด์แห่งแรก ผู้คนเริ่มย้ายข้อมูลทั้งหมดนั้นไปยังคลาวด์ แทนที่จะต้องซื้อเครื่องหรือซอฟต์แวร์ ฉันสามารถไปที่ AWS แล้วพูดว่า "สร้างฐานข้อมูล Redshift ให้ฉัน" ฉันสามารถทำได้จากเบราว์เซอร์ของฉันใน 15 นาที และฉันไม่จำเป็นต้องมีเลย ฮาร์ดแวร์ที่จะทำ เครื่องมือจำนวนหนึ่งถูกสร้างขึ้นจากแนวคิดที่ว่า "จะเกิดอะไรขึ้นถ้าเราใช้ข้อมูลทั้งหมดของเราในระบบคลาวด์และไม่จำเป็นต้องมีซอฟต์แวร์ทั้งหมดที่เราใช้งานเอง" กองข้อมูลสมัยใหม่เป็นแนวความคิดที่ว่าข้อมูลจะย้ายไปยังระบบคลาวด์เป็นอย่างไร มีหลายวิธีที่คุณสามารถกำหนดได้ แต่โดยทั่วไปแล้ว ได้มีการสร้างผลิตภัณฑ์ในแนวนอนเหล่านี้ซึ่งเพิ่งจะนำเข้าข้อมูลจากแอปของบุคคลที่สาม

“เรามีการปรับปรุงคุณภาพของเทคโนโลยีอย่างมาก แต่ปัญหาหลักที่เราพยายามแก้ไขมักจะเกิดขึ้นอย่างดื้อรั้น”

สมมติว่าคุณมีข้อมูลใน Salesforce หรือ Zendesk หรือ Marketo หรือ Stripe ซึ่งเป็นผลิตภัณฑ์ที่จะนำเข้าข้อมูลนั้นไปยังคลังสินค้าของคุณ คุณมีผลิตภัณฑ์ที่จะเปลี่ยนรูปแบบและสร้างแบบจำลองในคลังสินค้าของคุณ สมมติว่าคุณมีข้อมูลยุ่งเหยิงจำนวนหนึ่งที่คุณต้องการเปลี่ยนเป็นข้อมูลที่สะอาด ดังนั้นคุณจึงมีผลิตภัณฑ์ที่จะจัดการสิ่งนั้น คลังสินค้าเองจะทำการจัดเก็บ มีเครื่องมือวิเคราะห์ เช่น โหมด ที่ด้านบนของแดชบอร์ด สำหรับการวิเคราะห์ เพื่อให้สามารถแบ่งปันและแจกจ่ายงานนั้นได้ และยังมีเครื่องมืออื่นๆ อีกมากมายที่สร้างขึ้นเพื่อรองรับสิ่งเหล่านั้น ตอนนี้คุณมีเครื่องมือห้าหรือหกตัวที่ใช้เครื่องมือข้อมูลของคุณแล้ว คุณต้องการที่จะตรวจสอบเครื่องมือทั้งหมดได้ ทุกอย่างทำงานถูกต้องหรือไม่? ไปป์ไลน์จากจุด A ไปยังจุด B ทำงานและทำงานตามที่ฉันคาดไว้หรือไม่ หากฉันต้องการเปลี่ยนแปลงสิ่งใดสิ่งหนึ่ง ฉันจะจัดเรียงการประสานที่เปลี่ยนแปลงไปยังระบบได้อย่างไร

มันกำลังกลายเป็นระบบนิเวศที่ซับซ้อนกว่านี้มาก แต่ทั้งหมดนั้นสร้างขึ้นจากกระแสหลักในการนำเข้าข้อมูลในคลังสินค้า วิธีการแปลงในคลังสินค้า วิธีการบางอย่างในการสร้างสินทรัพย์ข้อมูลบนข้อมูลในคลังสินค้า แล้วส่งไปให้ใครก็ตามที่ต้องการดูจริงๆ

Liam: เป็นเรื่องยากมากที่จะให้ทุกคนเห็นด้วยกับตัวเลขเมื่อคุณมีแดชบอร์ดและเครื่องมือต่างๆ ที่บอกคุณถึงสิ่งที่แตกต่างกัน นั่นเป็นความท้าทายหรือไม่?

เบ็น: ครับ นี่เป็นหนึ่งในความขัดแย้งของสถานะปัจจุบันของกองข้อมูลสมัยใหม่ ตอนนี้เราใช้เวลาเกือบ 10 ปีในการสร้างผลิตภัณฑ์เหล่านี้ และพวกเขากำลังปฏิวัติในหลายแง่มุม พวกเขาทำสิ่งต่าง ๆ ได้ดีขึ้นอย่างมากและเร็วกว่าที่พวกเขาทำเมื่อ 10 ปีก่อนอย่างมาก ประมาณ 10 ปีที่แล้ว สำหรับฐานข้อมูลระดับแนวหน้า คุณจะต้องใช้เงินหนึ่งล้านเหรียญต่อปีเพื่อดำเนินการ คุณต้องจ่ายเงินสำหรับเครื่องที่ใช้งานได้ โดยปกติคุณจะต้องมีคนหนึ่งหรือสองคนที่ทำงานเต็มเวลาเพื่อจัดการมัน วันนี้ คุณสามารถรับคลังสินค้าได้เร็วกว่าคลังสินค้าที่มีราคา 20,000 ดอลลาร์ต่อปี และคุณไม่จำเป็นต้องให้ใครมาจัดการอย่างเต็มที่ ฉันสามารถไปที่ AWS กดปุ่มและจ่ายเงินหลายหมื่นดอลลาร์สำหรับบางสิ่งที่เคยทำให้ฉันเสียค่าใช้จ่ายหลายล้านเหรียญต่อปี และเป็นผลิตภัณฑ์ที่ดีกว่า

คุณสามารถอ้างสิทธิ์แบบเดียวกันได้ทั่วทั้งกอง เครื่องมือวิเคราะห์ได้รับการปรับปรุงในลักษณะนั้น เครื่องมือการนำเข้าข้อมูลและเครื่องมือไปป์ไลน์ได้รับการปรับปรุงในลักษณะนั้น เรามีการปรับปรุงคุณภาพของเทคโนโลยีอย่างมาก แต่ปัญหาหลักที่เราพยายามแก้ไขมักจะเกิดขึ้นอย่างดื้อรั้น ปัญหาหลักอย่างหนึ่งที่เรามีเมื่อ 10 ปีที่แล้วคือคนสองคนเดินเข้าไปในห้องแล้วพูดว่า "แดชบอร์ดของฉันพูดแบบนี้" และคนอื่นพูดว่า "แดชบอร์ดของฉันพูดอย่างนี้" พวกเขาใช้เวลาทั้งการประชุม แทนที่จะพยายามคิดว่าต้องทำอะไร เถียงกันว่าใครคือหมายเลขที่ถูกต้อง และเรายังคงทำอย่างนั้น ยังมีอีกมากที่

“การตลาดและการขายมีมาหลายร้อยปีแล้ว เรายังอยู่ในช่วงเริ่มต้นของการค้นหาว่าอาชีพข้อมูลเป็นอย่างไร”

ฉันได้ยินคำพูดจาก CEO ของ Databricks ซึ่งเป็นหนึ่งในโกดังที่ทันสมัยจริงๆ ซึ่งขับเคลื่อนการเปลี่ยนแปลงนี้อย่างมาก เขาบอกว่าข้อร้องเรียนที่พบบ่อยที่สุดข้อหนึ่งที่คุณได้ยินจากลูกค้าก็คือ ผู้คนมักใช้เวลาโต้เถียงกันเรื่องตัวเลขและข้อใดถูกต้อง ฉันคิดว่าส่วนหนึ่งของการแก้ปัญหานั้นจะยังคงสร้างเครื่องมือที่สามารถพูดคุยกันและทำงานร่วมกันได้ดีขึ้น และระบบที่ช่วยให้เราสามารถกำหนดสิ่งต่าง ๆ ได้ครั้งเดียว ดังนั้นถ้าเราดูที่แดชบอร์ดเราจะรู้ว่ามันดึงมาจากที่เดียวกัน . แต่ส่วนหนึ่งก็เช่นกัน จะเป็นองค์กรที่หาวิธีทำงานกับข้อมูล ข้อมูลยังคงเป็นสิ่งที่ค่อนข้างใหม่ บริษัทส่วนใหญ่เริ่มใช้งานจริงในช่วง 10, 15 ปีที่ผ่านมา เรายังคงหาวิธีที่จะทำให้มันสำเร็จ ยังมีการสนทนามากมายในชุมชนเกี่ยวกับบทบาทต่างๆ ที่เราต้องการ มีไว้เพื่ออะไร และใครรับผิดชอบอะไร

วิศวกรรมไม่ใช่วิธีปฏิบัติที่พัฒนาขึ้นในชั่วข้ามคืน ไอทีไม่ใช่วิธีปฏิบัติที่พัฒนาขึ้นในชั่วข้ามคืน การตลาดและการขายมีมาหลายร้อยปีแล้ว เรายังอยู่ในช่วงเริ่มต้นของการค้นหาว่าอาชีพข้อมูลเป็นอย่างไร ฉันคิดว่ามันจะเป็นการผสมผสานระหว่างเครื่องมือที่เราสร้างขึ้น และเพียงแค่ทุกคนเริ่มตระหนักว่า “นี่คือวิธีการทำงาน และนี่คือวิธีที่สิ่งนี้ไม่เป็นเช่นนั้น” ก่อนที่เราจะสามารถผ่านพ้นสิ่งที่ดูเหมือนปัญหาพื้นฐานได้ .

เลียม: แน่นอน ฉันคิดว่าทุกคนจากทุกอุตสาหกรรมจะมีเรื่องราวของตัวเอง ฉันคิดว่าเมตริกของพอดคาสต์น่าจะเป็นตัวอย่างที่ดีของความยุ่งยากกับข้อมูล การดาวน์โหลดมักจะไม่เท่ากับจำนวนผู้ฟังทั้งหมด เนื่องจากผู้ฟังแต่ละคนอาจดาวน์โหลดตอนเดียวกันบนอุปกรณ์หลายเครื่อง หรืออาจดาวน์โหลดโดยตั้งใจจะฟังแต่ไม่เคยเข้าถึง ฉันรู้ว่าพวกเขากำลังพยายามแนะนำวิธีมาตรฐานในการวัดสิ่งเหล่านี้ ซึ่งน่าจะเกิดขึ้นทั่วกระดาน ฉันเดา สำหรับอุตสาหกรรมจำนวนมาก

เบ็นน์: หากคุณนึกถึงเมตริกการตลาดทางเว็บขั้นพื้นฐานและวิธีที่ผู้คนเรียกใช้โฆษณาและสิ่งของต่างๆ เราได้เริ่มสร้างมาตรฐานในบางส่วนแล้ว หากคุณไปที่แดชบอร์ดโฆษณา Facebook หรือแดชบอร์ดโฆษณา Google ของคุณ สิ่งเหล่านี้จะดูคล้ายกันมาก พวกเขาจะเล่าเรื่องเดียวกันให้คุณฟังไม่มากก็น้อย เพราะมีการกำหนดมาตรฐานว่าเราพูดถึงกันอย่างไร และหาว่าโฆษณาใดทำงานได้ดีเมื่อเทียบกับไม่ดี คุณเห็นสิ่งนี้กับสิ่งอื่น ๆ คุณเห็นสิ่งนี้กับบริษัท SaaS เป็นต้น ขณะนี้บริษัท SaaS มีหนังสือเมตริกมาตรฐานที่พวกเขาใช้ทั้งหมด มีสถานที่บางแห่งที่เราเริ่มเห็นการรวมตัวกันนี้ แต่จะมีมากขึ้นในปีต่อ ๆ ไป ซึ่งมันเหมือนกับว่า เราคิดอย่างไรเกี่ยวกับพอดแคสต์ เราคิดอย่างไรเกี่ยวกับผลิตภัณฑ์บางประเภท เราคิดอย่างไรเกี่ยวกับการวัดประสิทธิภาพของทีมสนับสนุน เราคิดอย่างไรเกี่ยวกับสิ่งต่าง ๆ เหล่านี้ซึ่งเป็นข้อมูลที่เรามีในปัจจุบันมีข้อมูลที่สมบูรณ์ยิ่งขึ้น แต่ทุกบริษัทยังคงพยายามค้นหาเป็นรายบุคคล

“เราจะปรับจากแนวปฏิบัติที่ดีที่สุด แทนที่จะพยายามทำสิ่งนี้ใหม่ทั้งหมด”

ฉันคิดว่าจะมีมาตรฐานอยู่บ้าง "นี่อาจเป็นแนวปฏิบัติที่ดีที่สุดสำหรับการคิดเกี่ยวกับปัญหาประเภทนี้" เห็นได้ชัดว่าบริษัทต่างๆ ยังคงมีรายงานเฉพาะที่จำเป็นต้องทำ พอดคาสต์นี้อาจต้องการวัดสิ่งต่างๆ ที่แตกต่างจากพอดแคสต์อื่นๆ เนื่องจากคุณอาจมีผู้ฟังหรือเป้าหมายต่างกัน ทุกคนจะมีการปรับแต่งในตัวเอง แต่ฉันคิดว่าจะมีความรู้สึกที่ดีขึ้นมากว่า "เอาล่ะ นี่เป็นวิธีที่เราทุกคนเห็นพ้องต้องกัน" เราจะปรับจากแนวปฏิบัติที่ดีที่สุดแทนทุกคนที่พยายามทำสิ่งนี้ตั้งแต่เริ่มต้น บริษัทจำนวนมากที่เริ่มต้นแนวทางปฏิบัติด้านข้อมูลมักจะพยายามสร้างสิ่งต่างๆ ตั้งแต่ต้นจนจบ ฉันคิดว่าเรามีวิธีเล็กๆ น้อยๆ ก่อนที่เราจะไปถึงจุดที่คุณมีนั่งร้านที่เราสามารถสร้างได้ทั้งหมด

กรอบงานเว็บเป็นตัวอย่างของสิ่งนั้น หากคุณต้องการสร้างผลิตภัณฑ์บนเว็บหรือซอฟต์แวร์ มีโครงร่างที่ค่อนข้างชัดเจนซึ่งคุณสามารถวาดได้จากจุดที่คุณเพิ่มตรรกะของคุณเองเพื่อทำให้แอปพลิเคชันของคุณเป็นอย่างที่คุณต้องการอย่างแท้จริง Analytics ไม่ได้มีแค่นั้น ทุกคนเริ่มต้นจากศูนย์ แทนที่จะมีเฟรมเวิร์กหลักประเภทนั้นที่พวกเขาสร้างได้

Liam: คุณจะพูดอะไรกับสตาร์ทอัพที่กังวลเรื่องข้อมูลที่กำลังจ้องมองอยู่และรู้สึกกังวลเล็กน้อยเกี่ยวกับข้อมูลนี้

Benn: สิ่งนี้สามารถเกิดขึ้นได้กับบริษัทที่เพิ่งเริ่มต้น แต่ก็สามารถเกิดขึ้นได้ในบริษัทที่มีข้อมูลสูงพร้อมนักวิเคราะห์รายบุคคล ง่ายที่จะจ้องที่หน้าเปล่าหรือสเปรดชีต Excel ที่โอเวอร์โหลดแล้วคิดว่า "ฉันจะทำอย่างไรในโลกนี้" ทำได้ง่ายหากคุณเป็นนักวิเคราะห์ที่มีประสบการณ์เพิ่งเริ่มเข้าใจปัญหา ทำได้ง่ายมากหากคุณเป็นบริษัทที่ยังไม่รู้ว่าจะทำอย่างไรกับข้อมูล และง่ายหากคุณเป็น นักวิเคราะห์รุ่นน้องที่เพิ่งเข้าร่วมที่ไหนสักแห่งและไม่แน่ใจว่าต้องทำอย่างไร

“มันโอเคที่จะเริ่มต้นด้วยสิ่งที่ง่ายจริงๆ มันน่าทึ่งมากที่ข้อมูลพื้นฐานที่ผู้คนจะพบว่ามีค่า”

ฉันคิดว่าวิธีแก้ปัญหานั้นเหมือนกันทั้งหมด – ไม่เป็นไรที่จะเริ่มต้นด้วยสิ่งที่ง่ายจริงๆ น่าทึ่งมากที่ข้อมูลพื้นฐานที่ผู้คนจะพบว่ามีค่า ฉันรู้จักผู้ชายคนหนึ่งที่จะให้ทีมข้อมูลมาพบปะกันสัปดาห์ละครั้งเพื่อที่พวกเขาจะได้แบ่งปันสิ่งที่พวกเขาเรียนรู้ตลอดทั้งสัปดาห์ สิ่งเหล่านี้บางอย่างเรียบง่ายอย่างโง่เขลา บริษัทเป็นผลิตภัณฑ์ที่สร้างขึ้นสำหรับธุรกิจ ดังนั้นจึงใช้ตั้งแต่วันจันทร์ถึงวันศุกร์ พวกเขาจัดทำแผนภูมิสำหรับจำนวนผู้ใช้ในแต่ละวันของสัปดาห์ และเดี๋ยวก่อน คนส่วนใหญ่ไม่ได้ใช้ในวันหยุดสุดสัปดาห์และผู้คนจำนวนมากใช้ในวันธรรมดา คุณไม่ได้เปิดเผยข้อมูลเชิงลึกที่เหลือเชื่ออย่างแน่นอน ทุกคนรู้อยู่แล้วว่ามันทำงานอย่างไร แต่เมื่อเห็นตัวเลขเหล่านั้นและจำนวนลดลงมากในช่วงสุดสัปดาห์ มีบางวันหยุดสุดสัปดาห์ที่ไม่ลดลงมากนัก และบางวันหยุดสุดสัปดาห์ลดลงเหลือตัน ทำให้เกิดกลุ่ม ของคำถามและความอยากรู้เกี่ยวกับสิ่งที่ขับเคลื่อนพฤติกรรมนั้น เหตุใดวันหยุดสุดสัปดาห์จึงเป็นวันหยุดสุดสัปดาห์ที่ผู้คนดูเหมือนจะใช้กันมาก เกิดอะไรขึ้นที่นั่น? นั่นเป็นเมล็ดพันธุ์ที่มากขึ้นของ “เอาล่ะ เรามาเรียนกันต่อ มาถามคำถามกันต่อครับ ไปขุดกันต่อเถอะ”

นั่นเป็นวิธีที่ฉันสนับสนุนให้ผู้คนเริ่มต้น แค่เริ่มด้วยสิ่งพื้นฐาน ถึงแม้ว่าสิ่งเหล่านี้จะเป็นการสมมติของคุณก็ตาม ทันทีที่คุณเริ่มดูตัวเลข คุณจะเห็นสิ่งที่ทำให้คุณคิดและเกาหัว และทำให้คุณรู้ว่ายังมีอีกมากมายที่นี่ที่คุณไม่เข้าใจว่าคุณอยากรู้ ส่วนใหญ่เป็นเพียงการปล่อยให้ตัวเองถูกความอยากรู้นั้นเข้ามาและไม่ได้พูดว่า “ฉันต้องไปค้นพบสิ่งมหัศจรรย์บางอย่าง ฉันต้องหาเข็มในกองหญ้าที่จะเปลี่ยนวิถีของบริษัทในวันแรก” 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. 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. อะไรต่อไป? 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. นั่นถูกต้องใช่ไหม?

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.