Mode 创始人 Benn Stancil 关于数据科学如何帮助我们做出更好的决策

数据分析不是要喷出花哨的仪表板——它是一个漫长的、迭代的、协作的过程，可以帮助您更好地了解客户想要什么，以及如何到达那里。

或者更确切地说，它应该是。 一个充满监视器和精心制作的仪表板的房间的刻板印象并不真实，现在是我们摆脱它的时候了。 根据 Mode 背后的联合创始人兼首席分析官 Benn Stancil 表示，Mode 是一个旨在帮助数据分析师和数据科学家分析、可视化和共享数据的平台，他们的许多实际日常工作涉及与产品经理坐在一起商业领袖，修补各种事物，试图一起解决商业问题。

事实是，数据科学作为一个领域，仍然相对较新。 因此，许多业务领导者发现自己不太确定如何开始，如何利用它，或者当所有仪表板和工具似乎都指向不同的解决方案时该怎么做。 但正如 Benn 所指出的，数据分析的未来不是架构图或业务领导者查看仪表板——它正在构建一种体验，并且是一种非常令人兴奋的体验。

本周，我们有幸与 Benn 聊了聊现代数据堆栈以及数据如何——更重要的是，应该——用于推动增长。

如果你的时间不够，这里有一些快速的要点：

• 虽然数据科学无法预测未来，但它绝对可以帮助您集中资源、解决问题，甚至打开新市场。
• 来自数据分析的任何洞察力都只会与数据本身一样好。 在得出任何结论之前，请确保您的数据准确无误。
• 除非您正在查看数据以了解客户使用您的产品的原因，否则请避免根据您对他们动机的期望做出决定。
• 随着我们看到处理数据的最佳实践更加标准化，不再需要从头开始设计流程，而是在此基础上构建并使其适应每个用例。
• 即使对于经验丰富的数据分析师来说，查看无穷无尽的行和列也可能令人生畏。 如有疑问，请开始研究一些基本的产品假设并从那里开始。

如果您喜欢我们的讨论，请查看我们播客的更多剧集。 您可以关注 iTunes、Spotify 或在您选择的播放器中获取 RSS 提要。 以下是该剧集的轻微编辑记录。

进入分析

Liam Geraghty： Benn，非常感谢你今天加入我们。

Benn Stancil：很高兴来到这里。

利亚姆：首先，你能告诉我们一些关于你的背景、你是做什么的以及你是如何走到今天这一步的吗？

Benn：我的职业生涯基本上是在一个完全不同的世界开始的。 我开始在政策领域担任智囊团的经济学研究员。 我在那里呆了几年，非常喜欢这项工作，并且喜欢基本上尝试解决数据问题的想法。 我的工作是看看世界经济正在发生什么——当时就像 2010 年，所以一切都在分崩离析——然后查看有关它的数据并尝试就政策制定者应该做什么提出建议.

从概念上讲，这真的很有趣，但是如果你作为智囊团的一些初级人员就美联储应该做什么提出建议，没有人真正关注你。 我喜欢做这种工作的想法，但我想以一种与人们试图解决的问题更直接相关的方式来做，在那里你可以真正看到你的想法或建议是否奏效。 这就是我最终从那份工作转到旧金山一家科技公司的分析工作的原因。 那是我在科技行业的第一份工作。 我在那里工作了几年，担任分析师或数据科学家。 我的工作是与营销人员、产品经理或运营人员一起工作，帮助他们决定要运送哪些产品、定位哪些受众，或者业务是否在某些领域表现良好，而在某些领域表现不佳。其他。 这与我在 DC 所做的类似，但适用于一个非常不同的领域。

“一个由三个人组成的公司从某人的客厅工作到数百人的旅程是你不断遇到新事物的旅程”

从那里，我遇到了一些人，开始意识到像我这样的人的需求以及我们想要什么样的工具，什么样的工具还没有，最终基于这个愿景创建了 Mode。

Liam：在创业之旅中使用 Mode 达到这一点是否具有挑战性？

本恩：当然。 每个创业公司都会是一个挑战，Mode 也不例外。 模式有很多起伏。 一方面，这是非常具有挑战性的。 每天你都在处理不同的问题，这些问题是你以前从未真正预料到的。 我相信你很清楚，一个由三个人组成的公司从某人的起居室工作到数百人的旅程是一个你不断遇到新事物的旅程，你在第一个月遇到的问题是与您在第二个月遇到的问题不同。

每天，您都必须学习一些以前从未想过必须解决的新事物。 这不像是，“我会在这件特别的事情上做得很好。” 只要你擅长它，你就会进入下一个。 从这个意义上说，这是非常具有挑战性的。 但是，我们拥有一支出色的团队。 有很多优秀的人支持公司，无论他们是员工还是早期客户，无论他们是否只是朋友和家人，以及容忍的人类型你和它一起去。 这是一项艰苦的工作，但这是一次非常好的经历，得到了这么多人的支持。 我认为硅谷的人们特别有幸拥有一个致力于帮助他们和他们的公司取得成功的完整生态系统。 如果你要在其他地方这样做，我想会更难。

哪些数据可以做，哪些不能做

Liam：对于希望通过使用他们已经在其应用程序和其他系统中收集的信息来改进决策的企业来说，数据科学就是一切。 这就是您的公司模式的用武之地。您能告诉我们一些关于您构建的平台以及它如何帮助数据科学家的信息吗？

本恩：当然。 公司以多种不同的方式使用数据。 考虑它的简单方法是考虑您在电影和其他东西的漫画中看到的内容，例如充满仪表板和图表的房间，人们在其中做出决定。 这显然不会发生。 人们确实有仪表板，我们都在检查公司的表现以及类似的东西。 但是，有效使用数据的许多实际日常工作来自数据专家与业务专家坐在一起，试图一起解决问题并回答他们必须帮助他们做出决定的问题。

“产品经理不会看着屏幕说‘啊哈，这正是我们需要的’”

想象一下，您是一名产品经理，想要决定要构建哪种产品。 您可能想了解人们如何使用您正在考虑更改的当前功能。 不同类型的人是否以不同的方式使用它？ 是否有他们正在尝试做但正在苦苦挣扎的事情？ 他们能实现他们的目标吗？ 所有这些事情都需要这些非常特殊的问题，而且这不是您可以通过查看仪表板来回答的过程。 产品经理不会看着屏幕说，“啊哈，这正是我们需要的。” 这是一个漫长的迭代过程，越来越多地了解客户的需求，然后做出决定并说：“嘿，我认为我们应该建立这个。 让我们进行一些分析，以确定我们是否认为这是构建正确的功能。”

模式实际上是让人们能够做到这一点。 这是关于使分析师能够完成此类工作，以便他们可以非常快速轻松地帮助回答其他人的问题。 然后，他们如何分配它并确保它也与这些人协作——分析师不能只是钻空子来回答这些问题，他们必须与产品经理一起工作。 这就是我们真正想要实现的。 一旦你有了这些答案，你能把它们变成可重复使用的东西吗？ 你能把它们制作成易于返回和审计之类的东西吗？ 它的核心是帮助那些需要了解他们的业务并回答问题的人，使他们能够更流畅地与分析师一起工作，而分析师通常是推动这些答案的人。

利亚姆：有什么数据故事或示例有一个令人愉快的结果，而一个却没有这么多的结果？ 例如，仅适用于像我这样涉足数据池的人。

Benn：有几个快乐的结果。 这家公司基本上是为他们的一群客户提供视频服务——他们的产品是一个全球视频平台。 他们试图弄清楚如何让世界各地的人们变得更好，他们意识到有些国家往往表现得非常好，而有些国家则不然，他们并不确定为什么。 他们就像，“哦，我们在这个国家做得很好，在这个国家做得很好，但在其他国家做得不是很好。

“[我们的研究] 为这种产品开辟了新市场，而他们不必经历他们最初计划的其他类型的实验”

在进行了大量分析和深入研究后，他们意识到由于数据中心或 AWS 环境所在的位置，某些国家/地区的视频速度太慢了。 他们认为这可能是文化问题，国际化问题，也许他们在那里做错了什么。 也许是因为产品没有引起特定受众的共鸣，或者被不同国家不同用例的不同类型的人采用。 他们有很多可以尝试解决的不同问题，例如，“也许我们必须投入大量国际化，如果我们想向这些类型的受众销售产品，也许我们必须投入不同的功能，因为他们以不同的方式思考问题。” 同样，它是一个视频平台，所以他们可能不得不投资于不同的内容。

但它最终变得更简单了。 该应用程序在这些国家/地区太慢了，人们因为视频缓冲过多而感到沮丧，这并不是一个好的体验。 他们可以通过说“嘿，让我们将我们的产品放在 AWS 的更多数据中心”或他们正在使用的任何托管产品中来解决这个问题。 这不是一个简单的解决方案，但与必须弄清楚如何为不同的国际观众创建全新的内容相比，它并不是一个困难的解决方案。 它为该产品开辟了新市场，而当他们意识到自己在某些国家取得了成功而在其他国家却没有成功时，他们不必经历他们最初计划的其他类型的实验。

利亚姆：当然。 这是一个很好的例子。

Benn：就负面数据故事而言，我认为有几个例子。 在某些情况下，人们会尝试做出数据驱动的决策，但最终会做出一些行不通的事情。 其中一部分是数据的本质——它或多或少地告诉你一些概率性的事情。 如果你问：“我应该赌我掷骰子，然后我会在 1 到 5 或 6 之间下注吗？” 我可以告诉你，“你应该做的正确的事情是下注一到五，你的赔率要高得多。” 这是正确的数据驱动分析，但有时您可能会输。 如果您正在为只能做出一次的产品或业务做出决定，那么您不能回头说：“实际上，让我们再次滚动它并继续滚动，直到您获得 1 到 5 为止。” 也许我们下注 1 到 5，然后掷出 6。 事情就是这样。

“这是作为产品和业务尝试更加以数据为导向的游戏的一部分——你并不总是能完全正确地做到这一点”

有很多这样的例子，数据并不完美。 数据不会告诉你未来。 它可以让你对可能发生的事情有所了解，但是有很多关于人们做出决定的故事，可能分析得非常好，在做出正确的决定之前做出了正确的决定，然后结果就是不泛出。 我们与很多人谈论的一件事就是对此感到满意。 这是作为产品和业务尝试更加以数据为导向的游戏的一部分——你并不总是能完全正确地做到这一点。 你不能因为期望它总是告诉你未来的确切情况而对数据是什么失去信心。

垃圾进垃圾出

利亚姆：嗯，在此之后，考虑数据最终到达仪表板的旅程有多重要？

Benn：这一切肯定有一个“垃圾进，垃圾出”类型的过程，我认为这很好理解。 大多数人都明白数据质量很重要。 假设我们正在尝试对我们的销售渠道以及不同客户在销售渠道中的进展情况以及销售渠道的哪些阶段表现良好以及哪些阶段表现不佳做出决定，您可能会得出这样的结论：交易总是挂起当我们与 IT 和安全方面的人们讨论我们的产品是否符合他们的标准时，安全审查就会上升，因此，我们需要更多地关注这一点。 如果我们的结论是基于销售团队手动输入的数据，那可能只是销售团队在 Salesforce 中输入数据时比较草率的过程的一部分，因此，该结论不是反映的现实。 您必须预先完成所有工作，以确保您的数据实际上是准确的，然后才能得出任何真正的结论。

“不一定是他们捏造了数字或使用了错误的数据——只是当你去寻找有趣的东西时，你更倾向于找到它”

还有另一种方式，我认为围绕“垃圾进，垃圾出”有类似的动态。 你可以做一堆不同的分析，然后说你从 10 个不同的角度看待某个问题，你看待问题的方式很重要。 会有一些观点以特定的方式出现，而这种分析本身可能是合理的。 但除非你告诉人们，“嘿，我们尝试了 10 件事，其中 9 个提出了一个问题，但第 10 个提出了其他问题”，然后第 10 个提出异常值的事情似乎是非常积极的……

您在学术 p-hacking 类型的研究中听到很多关于此的内容，人们基本上都在撰写学术论文，并且有一个问题是，“他们在寻找结果吗？” 答案是，当然，他们是。 学者们为此付出了代价。 他们想找到一些有趣的东西。 不一定是他们捏造了数字或他们使用了错误的数据——只是当你去寻找有趣的东西时，你更倾向于找到它，即使那个有趣的东西不一定是真实的.

分析师可能会遭受同样的趋势。 我们的工作是找到有趣的东西。 我们希望成为在大型会议上站起来说：“看看这张图表，它揭示了这件非常戏剧性的事情。” 如果你总是在寻找那些东西，那么，十分之九，你找不到它。 但是第 10 次，当你这样做时，重要的是要说：“嘿，我们先尝试了很多其他的东西。” 这有助于了解您认为您正在寻找的这个东西是否真实。

Liam：对于初创企业来说，如何利用数据来推动增长？

Benn：有很多方法。 大多数人使用它就像增长黑客一样，人们贬义地称之为营销的一种新方式，但你可以以这种方式使用它。 您可以使用它来更好地了解您的客户，了解与谁交谈。 很多增长只是找到合适的人，并在合适的时间给他们正确的信息，至少从营销漏斗的顶端。 数据在这方面可能非常重要。 你怎么能理解，从谁进入你的渠道，他们说了什么以及他们走了多远？ 这些人是谁，你如何接触到更多这样的人？

“很多增长只是找到合适的人，并在合适的时间向他们传达正确的信息，至少从营销漏斗的顶端。 数据在这方面可能非常重要。”

但是，更重要的杠杆通常是围绕了解您的客户正在尝试做什么。 人们通常会构建产品并期望它们以特定方式使用，或者期望人们出于某种原因喜欢它们，而人们并不总是出于这些原因喜欢它。 我们在 Mode 中构建了很多功能，或者我们从客户那里听到他们喜欢，“哦，是的，这对 X 来说将是一件很棒的事情。” 事实证明，这并不是人们喜欢它的真正原因，但他们可能会喜欢 Y。除非你查看数据以了解人们正在做的事情的行为，并试图了解是什么促使他们做这些事情，你经常会想，“哦，太好了，我们推出了一个非常适合这个功能的功能，这就是人们使用它的原因。 因此，我们将真正倾向于这一点。” 但可能你实际上是在与人们试图使用该产品的方式作对，而你应该说，“嘿，他们正在为 Y 使用它。让我们真正构建让他们能够做到的方式上面有你的东西。”

“这是关于找到实际的产品市场契合度，而不是你假设的那个”

举个例子，这家公司基本上是一种用于工作的聊天产品。 它是一种协作式的、以移动为中心的 Slack 类型的产品。 他们最初认为这将是一线工作人员交流的好方法。 对于没有电子邮件地址的人来说，这将是一种很好的交流方式。 如果您是 7-11 的收银员，您可能没有 7-11 的电子邮件地址，但我们需要一种能够与这些人进行公司交流的方法。 这是一个应用程序。 他们得到了一些采用，他们认为这是因为这些没有电子邮件地址的人，但是在查看了一堆数据后，他们意识到实际上是一群人必须进出办公室. 最有用的不是他们没有电子邮件地址——而是他们经常远离电脑。 他们基本上将其用作企业聊天的 WhatsApp 替代品。

所以，如果他们认为这是关于没有电子邮件地址的人，他们可能已经构建了一堆功能，你可以用你的电话号码注册，你可以在其中做很多事情，使这成为可能没有台式电脑。 但人们真正想要的是这种体验，他们有时可以使用电脑，然后离开电脑，在旅途中或在送货或其他任何事情上获得非常棒的移动体验。 这为该产品和公司创造了一条非常不同的道路，但除非他们查看数据以了解实际使用它的人以及他们试图用它做什么，否则他们永远不会理解这一点。 这是关于找到实际的产品市场契合度，而不是你假设的那个。

新工具，同样的问题

Liam：现在的现代数据堆栈是什么样的？

Benn：现代数据堆栈是在数据产品迁移到云的背景下开发的新数据工具集的统称。 其中的核心是数据仓库。 在 2010 年之前，任何想要一个数据仓库（存储所有数据的地方）的公司通常都必须去购买一些东西，一台物理机器或物理软件，比如 CD，然后他们将在他们自己的机器上运行。自己的。 我们将在后面有一个服务器机房，这是我们的数据库，我们将在其上运行一些 Oracle 数据库，等等。 基本上，借助 Redshift（最早的云数据仓库之一），人们开始将所有这些迁移到云端。 我不必购买机器或软件，只需去 AWS，说“为我启动一个 Redshift 数据库”，我可以在 15 分钟内通过浏览器完成，而且我实际上不需要任何硬件来做到这一点。 很多工具都建立在这样的想法之上：“如果我们所有的数据都在云中工作，而不必拥有我们自己运行的所有这些软件呢？” 现代数据堆栈有点围绕数据迁移到云的样子的想法。 有很多方法可以定义它。 但总的来说，它一直在构建这些非常横向的产品，这些产品只会从第三方应用程序中提取数据。

“我们在技术质量方面取得了这些显着进步，但我们试图解决的核心问题往往顽固地存在”

假设您在 Salesforce、Zendesk、Marketo 或 Stripe 中有数据，这些产品只会将这些数据摄取到您的仓库中。 您拥有可以对其进行转换并在您的仓库中对其进行建模的产品——假设您有一堆杂乱的数据想要转换为干净的数据，那么您就有了可以管理这些数据的产品。 仓库本身会做存储。 有一些分析工具，比如 Mode，位于它之上，用于仪表板、分析，以便能够共享和分发该工作。 然后，还有许多其他工具可以支持这些工具。 现在您有五六个工具运行您的数据工具，您希望能够监控所有这些工具。 一切正常吗？ 从 A 点到 B 点的管道是否按我预期的那样正常运行和运行？ 如果我想对其中一个进行更改，我该如何安排对系统的更改？

它正在变得更加复杂的生态系统，但它都建立在这种核心流程的基础上，以某种方式在仓库中摄取数据，以某种方式在仓库中对其进行转换，以某种方式在仓库中的数据之上构建数据资产，然后以某种方式将其运送给实际需要查看它的任何人。

Liam：当你有不同的仪表板和工具告诉你不同的事情时，很难让每个人都同意这些数字。 这是一个挑战吗？

本恩：是的。 这是现代数据堆栈当前状态的悖论之一。 我们现在已经花了将近 10 年的时间来打造这些产品，它们在很多方面都是革命性的。 与 10 年前相比，他们做得更好、更快。 大约 10 年前，对于顶级数据库，您必须每年花费 100 万美元来运行它。 您必须为运行它的机器付费。 你通常必须有一两个人全职工作来管理它。 今天，您可以比每年花费 20,000 美元的仓库更快地获得仓库，而且您不必让任何人来全面管理它。 我可以去 AWS，按下一个按钮，支付数万美元购买过去每年可能花费我几百万美元的东西。 这是一个更好的产品。

您可以在整个堆栈中提出相同的声明。 分析工具以这种方式得到了改进。 数据摄取工具和管道工具以这种方式得到了改进。 我们已经在技术质量方面取得了这些巨大的进步，但我们试图解决的核心问题往往是顽固的。 10 年前我们遇到的核心问题之一是两个人走进一个房间，然后说，“我的仪表板这么说”，而另一个人说，“我的仪表盘这么说”。 他们花了整个会议时间，而不是试图弄清楚该做什么，而是争论谁的数字是正确的。 我们仍然这样做，仍然有很多。

“营销和销售已经存在了数百年。 我们仍处于了解数据行业前景的早期阶段”

我听到了 Databricks 的 CEO 的讲话，这些真正现代化的仓库之一推动了这种变化。 他是说，你从客户那里听到的最常见的抱怨之一是人们把所有的时间都花在为数字争论不休，哪个是正确的。 我认为解决这个问题的一部分将是继续构建可以相互交谈并更好地协同工作的工具，以及允许我们定义一次的系统，这样如果我们查看仪表板，我们就会知道它来自同一个地方. 但其中一部分也将是组织弄清楚如何处理数据。 数据仍然是一个相对较新的事物。 在过去的 10 年、15 年中，大多数公司已经开始真正使用它。 我们仍在研究如何实现这一目标。 社区中仍然有很多关于我们需要的不同角色、它们的用途以及谁负责什么的对话。

工程学不是一夜之间发展起来的实践。 IT 不是一夜之间发展起来的实践。 营销和销售已经存在了数百年。 我们仍处于了解数据行业是什么样子的早期阶段。 我认为这将是我们构建的工具的组合，并且每个人都开始意识到，“这就是它的工作方式，而这就是它不起作用的方式”，然后我们才能真正克服看似基本的问题.

利亚姆：当然。 我想各个行业的每个人都会有自己的故事。 我认为，播客指标可能是数据复杂性的一个很好的例子。 下载量通常不等于听众总数，因为单个听众可能已经在多个设备上下载了相同的剧集，或者他们可能已经下载了它以收听它，但从未得到过它。 我知道他们正在尝试引入一种标准化的方法来衡量这些事情，我猜这可能会在很多行业中全面发生。

Benn：如果您考虑基本的网络营销指标以及人们如何投放广告和其他东西，我们已经开始将其中的一些标准化。 如果您访问 Facebook 广告仪表板或 Google 广告仪表板，这些内容看起来会非常相似。 他们会或多或少地告诉你同样的故事，因为在我们实际谈论和确定哪些广告表现良好与否方面存在一些标准化。 你会在其他一些事情上看到这一点。 例如，你会在 SaaS 公司看到这一点。 SaaS 公司现在有一本标准的指标书，它们都可以借鉴。 在一些地方，我们开始看到这种融合，但在未来几年还会有更多，比如，我们如何看待播客？ 我们如何看待特定类型的产品？ 我们如何看待衡量支持团队的绩效？ 我们如何看待所有这些不同的东西，这些不同的东西是我们现在拥有如此丰富信息的数据，但每家公司仍在试图单独弄清楚？

“我们将适应最佳实践，而不是每个人都试图从头开始做这件事”

我认为会有一些标准化，“这可能是思考这类问题的最佳实践。” 公司显然仍将有一些他们需要做的定制报告。 此播客可能希望以不同于其他播客的方式衡量事物，因为您可能有不同的受众或不同的目标。 每个人都会有自己的调整，但我认为会有更好的感觉，“好吧，这是我们都同意的工作方式。” 我们将适应最佳实践，而不是每个人都试图从头开始这样做。 许多开始数据实践的公司通常都在尝试从头开始构建事物。 我认为我们还有一些路要走，才能达到我们都可以在其上搭建的脚手架的地步。

在某些方面，Web 框架就是一个例子。 如果你想构建一个网络产品或软件，你可以从那里画出非常明确的轮廓，然后添加你自己的逻辑来使你的应用程序完全符合你的要求。 分析只是没有这个。 每个人都从零开始，而不是拥有可以在其之上构建的那种核心框架。

利亚姆：对于那些被数据吓倒的初创公司，你会说些什么呢？

Benn：这可能发生在初创公司，但也可能发生在拥有独立分析师的数据成熟公司。 盯着空白页或超载的 Excel 电子表格很容易想，“我到底要做什么？” 如果您是一位经验丰富的分析师，刚刚开始了解问题，这很容易做到；如果您是一家还不知道如何处理数据的公司，这很容易做到；如果您是刚加入某个地方但不知道该做什么的初级分析师。

“从非常简单的东西开始是可以的。 人们会发现有多少有价值的基本信息是非常了不起的”

我认为解决方案都是一样的——从非常简单的东西开始是可以的。 人们会发现多少有价值的基本信息是非常了不起的。 我认识一个人，他每周都会让他的数据团队开会，这样他们就可以分享他们在一周内学到的东西。 其中一些事情非常简单。 该公司是为企业打造的产品，因此在周一至周五使用。 他们制作了一个图表，显示一周中有多少人使用它，嘿，大多数人不在周末使用它，而很多人在工作日使用它。 你并没有在那里发现一些令人难以置信的洞察力。 每个人都已经知道它是如何工作的，但是看到这些数字以及它在周末的确切下降量——有些周末并没有下降很多，有些周末下降了很多——产生了一堆围绕是什么驱动了这种行为的问题和好奇心。 为什么那个周末人们似乎经常使用它？ 那里发生什么了？ 那是更多的种子，“好吧，让我们继续学习。 让我们继续提问。 让我们继续挖掘。”

这就是我鼓励人们开始的方式。 只需从基本的事情开始，即使它们是您所做的假设。 一旦你开始看数字，你就会看到一些让你思考和挠头的东西，让你意识到这里还有很多你不明白你好奇的东西。 很多只是让自己被好奇心所吸引，而不是说，“我需要去发现一些令人惊奇的事情。 我需要在大海捞针中找到能在第一天改变公司发展轨迹的针。” 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. 下一步是什么？ 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. 是对的吗？

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. 这很有趣。