Mode 創始人 Benn Stancil 關於數據科學如何幫助我們做出更好的決策

數據分析不是要噴出花哨的儀表板——它是一個漫長的、迭代的、協作的過程，可以幫助您更好地了解客戶想要什麼，以及如何到達那裡。

或者更確切地說，它應該是。 一個充滿監視器和精心製作的儀表板的房間的刻板印象並不真實，現在是我們擺脫它的時候了。 根據 Mode 背後的聯合創始人兼首席分析官 Benn Stancil 表示，Mode 是一個旨在幫助數據分析師和數據科學家分析、可視化和共享數據的平台，他們的許多實際日常工作涉及與產品經理坐在一起商業領袖，修補各種事物，試圖一起解決商業問題。

事實是，數據科學作為一個領域，仍然相對較新。 因此，許多業務領導者發現自己不太確定如何開始，如何利用它，或者當所有儀表板和工具似乎都指向不同的解決方案時該怎麼做。 但正如 Benn 所指出的，數據分析的未來不是架構圖或業務領導者查看儀表板——它正在構建一種體驗，並且是一種非常令人興奮的體驗。

本週，我們有幸與 Benn 聊了聊現代數據堆棧以及數據如何——更重要的是，應該——用於推動增長。

如果你的時間不夠，這裡有一些快速的要點：

• 雖然數據科學無法預測未來，但它絕對可以幫助您集中資源、解決問題，甚至打開新市場。
• 來自數據分析的任何洞察力都只會與數據本身一樣好。 在得出任何結論之前，請確保您的數據準確無誤。
• 除非您正在查看數據以了解客戶使用您的產品的原因，否則請避免根據您對他們動機的期望做出決定。
• 隨著我們看到處理數據的最佳實踐更加標準化，不再需要從頭開始設計流程，而是在此基礎上構建並使其適應每個用例。
• 即使對於經驗豐富的數據分析師來說，查看無窮無盡的行和列也可能令人生畏。 如有疑問，請開始研究一些基本的產品假設並從那裡開始。

如果您喜歡我們的討論，請查看我們播客的更多劇集。 您可以關注 iTunes、Spotify 或在您選擇的播放器中獲取 RSS 提要。 以下是該劇集的輕微編輯記錄。

進入分析

Liam Geraghty： Benn，非常感謝你今天加入我們。

Benn Stancil：很高興來到這裡。

利亞姆：首先，你能告訴我們一些關於你的背景、你是做什麼的以及你是如何走到今天這一步的嗎？

Benn：我的職業生涯基本上是在一個完全不同的世界開始的。 我開始在政策領域擔任智囊團的經濟學研究員。 我在那里呆了幾年，非常喜歡這項工作，並且喜歡基本上嘗試解決數據問題的想法。 我的工作是看看世界經濟正在發生什麼——當時就像 2010 年，所以一切都在分崩離析——然後查看有關它的數據並嘗試就政策制定者應該做什麼提出建議.

從概念上講，這真的很有趣，但是如果你作為智囊團的一些初級人員就美聯儲應該做什麼提出建議，沒有人真正關注你。 我喜歡做這種工作的想法，但我想以一種與人們試圖解決的問題更直接相關的方式來做，在那裡你可以真正看到你的想法或建議是否奏效。 這就是我最終從那份工作轉到舊金山一家科技公司的分析工作的原因。 那是我在科技行業的第一份工作。 我在那里工作了幾年，擔任分析師或數據科學家。 我的工作是與營銷人員、產品經理或運營人員合作，幫助他們決定要運送哪些產品、定位哪些受眾，或者業務是否在某些領域表現良好而在某些方面表現不佳。其他。 這與我在 DC 所做的類似，但適用於一個非常不同的領域。

“一個由三個人組成的公司從某人的客廳工作到數百人的旅程是你不斷遇到新事物的旅程”

從那裡，我遇到了一些人，開始意識到像我這樣的人的需求以及我們想要什麼樣的工具，什麼樣的工具還沒有，最終基於這個願景創建了 Mode。

Liam：在創業之旅中使用 Mode 達到這一點是否具有挑戰性？

本恩：當然。 每個創業公司都會是一個挑戰，Mode 也不例外。 模式有很多起伏。 一方面，這是非常具有挑戰性的。 每天你都在處理不同的問題，這些問題是你以前從未真正預料到的。 我相信你很清楚，一個由三個人組成的公司從某人的起居室工作到數百人的旅程是一個你不斷遇到新事物的旅程，你在第一個月遇到的問題是與您在第二個月遇到的問題不同。

每天，您都必須學習一些以前從未想過必須解決的新事物。 這不像是，“我會在這件特別的事情上做得很好。” 只要你擅長它，你就會進入下一個。 從這個意義上說，這是非常具有挑戰性的。 但是，我們擁有一支出色的團隊。 有很多優秀的人支持公司，無論他們是員工還是早期客戶，無論他們是否只是朋友和家人，以及容忍的人類型你和它一起去。 這是一項艱苦的工作，但這是一次非常好的經歷，得到了這麼多人的支持。 我認為矽谷的人們特別有幸擁有一個致力於幫助他們和他們的公司取得成功的完整生態系統。 如果你要在其他地方這樣做，我想會更難。

哪些數據可以做，哪些不能做

Liam：對於希望通過使用他們已經在其應用程序和其他系統中收集的信息來改進決策的企業來說，數據科學就是一切。 這就是您的公司模式的用武之地。您能告訴我們一些關於您構建的平台以及它如何幫助數據科學家的信息嗎？

本恩：當然。 公司以多種不同的方式使用數據。 考慮它的簡單方法是考慮您在電影和其他東西的漫畫中看到的內容，例如充滿儀表板和圖表的房間，人們在其中做出決定。 這顯然不會發生。 人們確實有儀表板，我們都在檢查公司的表現以及類似的東西。 但是，有效使用數據的許多實際日常工作來自數據專家與業務專家坐在一起，試圖一起解決問題並回答他們必須幫助他們做出決定的問題。

“產品經理不會看著屏幕說‘啊哈，這正是我們需要的’”

想像一下，您是一名產品經理，想要決定要構建哪種產品。 您可能想了解人們如何使用您正在考慮更改的當前功能。 不同類型的人是否以不同的方式使用它？ 是否有他們正在嘗試做但正在苦苦掙扎的事情？ 他們能實現他們的目標嗎？ 所有這些事情都需要這些非常特殊的問題，而且這不是您可以通過查看儀表板來回答的過程。 產品經理不會看著屏幕說，“啊哈，這正是我們需要的。” 這是一個漫長的迭代過程，越來越多地了解客戶的需求，然後做出決定並說：“嘿，我認為我們應該建立這個。 讓我們進行一些分析，以確定我們是否認為這是構建正確的功能。”

模式實際上是讓人們能夠做到這一點。 這是關於使分析師能夠完成此類工作，以便他們可以非常快速輕鬆地幫助回答其他人的問題。 然後，他們如何分配它並確保它也與這些人協作——分析師不能只是鑽空子來回答這些問題，他們必須與產品經理一起工作。 這就是我們真正想要實現的。 一旦你有了這些答案，你能把它們變成可重複使用的東西嗎？ 你能把它們製作成易於返回和審計之類的東西嗎？ 它的核心是幫助那些需要了解他們的業務並回答問題的人，使他們能夠更流暢地與分析師一起工作，而分析師通常是推動這些答案的人。

利亞姆：有什麼數據故事或示例有一個令人愉快的結果，而一個卻沒有這麼多的結果？ 例如，僅適用於像我這樣涉足數據池的人。

Benn：有幾個快樂的結果。 這家公司基本上是為他們的一群客戶提供視頻服務——他們的產品是一個全球視頻平台。 他們試圖弄清楚如何讓世界各地的人們變得更好，他們意識到有些國家往往表現得非常好，而有些國家則不然，他們並不確定為什麼。 他們就像，“哦，我們在這個國家做得很好，在這個國家做得很好，但在其他國家做得不是很好。

“[我們的研究] 為這種產品開闢了新市場，而他們不必經歷他們最初計劃的其他類型的實驗”

在進行了大量分析和深入研究後，他們意識到由於數據中心或 AWS 環境所在的位置，某些國家/地區的視頻速度太慢了。 他們認為這可能是文化問題，國際化問題，也許他們在那裡做錯了什麼。 也許是因為產品沒有引起特定受眾的共鳴，或者被不同國家不同用例的不同類型的人採用。 他們有很多可以嘗試解決的不同問題，例如，“也許我們必須投入大量國際化，如果我們想向這些類型的受眾銷售產品，也許我們必須投入不同的功能，因為他們以不同的方式思考問題。” 同樣，它是一個視頻平台，所以他們可能不得不投資於不同的內容。

但它最終變得更簡單了。 該應用程序在這些國家/地區太慢了，人們因為視頻緩衝過多而感到沮喪，這並不是一個好的體驗。 他們可以通過說“嘿，讓我們將我們的產品放在 AWS 的更多數據中心”或他們正在使用的任何託管產品中來解決這個問題。 這不是一個簡單的解決方案，但與必須弄清楚如何為不同的國際觀眾創建全新的內容相比，它並不是一個困難的解決方案。 它為該產品開闢了新市場，而當他們意識到自己在某些國家取得了成功而在其他國家卻沒有成功時，他們不必經歷他們最初計劃的其他類型的實驗。

利亞姆：當然。 這是一個很好的例子。

Benn：就負面數據故事而言，我認為有幾個例子。 在某些情況下，人們會嘗試做出數據驅動的決策，但最終會做出一些行不通的事情。 其中一部分是數據的本質——它或多或少地告訴你一些概率性的事情。 如果你問：“我應該賭我擲骰子，然後我會在 1 到 5 或 6 之間下注嗎？” 我可以告訴你，“你應該做的正確的事情是下註一到五，你的賠率要高得多。” 這是正確的數據驅動分析，但有時您可能會輸。 如果您正在為只能做出一次的產品或業務做出決定，那麼您不能回頭說：“實際上，讓我們再次滾動它並繼續滾動，直到您獲得 1 到 5 為止。” 也許我們下注 1 到 5，然後擲出 6。 事情就是這樣。

“這是作為產品和業務嘗試更加以數據為導向的遊戲的一部分——你並不總是能完全正確地做到這一點”

有很多這樣的例子，數據並不完美。 數據不會告訴你未來。 它可以讓你對可能發生的事情有所了解，但是有很多關於人們做出決定的故事，可能分析得非常好，在做出正確的決定之前做出了正確的決定，然後結果就是不泛出。 我們與很多人談論的一件事就是對此感到滿意。 這是作為產品和業務嘗試更加以數據為導向的遊戲的一部分——你並不總是能完全正確地做到這一點。 你不能因為期望它總是告訴你未來的確切情況而對數據是什麼失去信心。

垃圾進垃圾出

利亞姆：嗯，在此之後，考慮數據最終到達儀表板的旅程有多重要？

Benn：這一切肯定有一個“垃圾進，垃圾出”類型的過程，我認為這很好理解。 大多數人都明白數據質量很重要。 假設我們正在嘗試對我們的銷售渠道以及不同客戶在銷售渠道中的進展情況以及銷售渠道的哪些階段表現良好而哪些階段表現不佳做出決策，您可能會得出這樣的結論：交易總是掛起當我們與 IT 和安全方面的人們討論我們的產品是否符合他們的標準時，安全審查就會上升，因此，我們需要更多地關注這一點。 如果我們的結論是基於銷售團隊手動輸入的數據，那可能只是銷售團隊在 Salesforce 中輸入數據時比較草率的過程的一部分，因此，該結論不是反映的現實。 您必須預先完成所有工作，以確保您的數據實際上是準確的，然後才能得出任何真正的結論。

“不一定是他們捏造了數字或使用了錯誤的數據——只是當你去尋找有趣的東西時，你更傾向於找到它”

還有另一種方式，我認為圍繞“垃圾進，垃圾出”有類似的動態。 你可以做一堆不同的分析，然後說你從 10 個不同的角度看待某個問題，你看待問題的方式很重要。 會有一些觀點以特定的方式出現，而這種分析本身可能是合理的。 但除非你告訴人們，“嘿，我們嘗試了 10 件事，其中 9 個提出了一個問題，但第 10 個提出了其他問題”，然後第 10 個提出異常值的事情似乎是非常積極的……

您在學術 p-hacking 類型的研究中聽到很多關於此的內容，人們基本上都在撰寫學術論文，並且有一個問題是，“他們在尋找結果嗎？” 答案是，當然，他們是。 學者們為此付出了代價。 他們想找到一些有趣的東西。 不一定是他們捏造了數字或他們使用了錯誤的數據——只是當你去尋找有趣的東西時，你更傾向於找到它，即使那個有趣的東西不一定是真實的.

分析師可能會遭受同樣的趨勢。 我們的工作是找到有趣的東西。 我們希望成為在大型會議上站起來說：“看看這張圖表，它揭示了這件非常戲劇性的事情。” 如果你總是在尋找那些東西，那麼，十分之九，你找不到它。 但是第 10 次，當你這樣做時，重要的是要說：“嘿，我們先嘗試了很多其他的東西。” 這有助於了解您認為您正在尋找的這個東西是否真實。

Liam：對於初創企業來說，如何利用數據來推動增長？

Benn：有很多方法。 大多數人使用它就像增長黑客一樣，人們貶義地稱之為營銷的一種新方式，但你可以以這種方式使用它。 您可以使用它來更好地了解您的客戶，了解與誰交談。 很多增長只是找到合適的人，並在合適的時間給他們正確的信息，至少從營銷漏斗的頂端。 數據在這方面可能非常重要。 你怎麼能理解，從誰進入你的渠道，他們說了什麼以及他們走了多遠？ 這些人是誰，你如何接觸到更多這樣的人？

“很多增長只是找到合適的人，並在合適的時間向他們傳達正確的信息，至少從營銷漏斗的頂端。 數據在這方面可能非常重要。”

但是，更重要的槓桿通常是圍繞了解您的客戶正在嘗試做什麼。 人們通常會構建產品並期望它們以特定方式使用，或者期望人們出於某種原因喜歡它們，而人們並不總是出於這些原因喜歡它。 我們在 Mode 中構建了很多功能，或者我們從客戶那裡聽到他們喜歡，“哦，是的，這對 X 來說將是一件很棒的事情。” 事實證明，這並不是人們喜歡它的真正原因，但他們可能會喜歡 Y。除非你查看數據以了解人們正在做的事情的行為，並試圖了解是什麼促使他們做這些事情，你經常會想，“哦，太好了，我們推出了一個非常適合這個功能的功能，這就是人們使用它的原因。 因此，我們將真正傾向於這一點。” 但可能你實際上是在與人們試圖使用該產品的方式作對，而你應該說，“嘿，他們正在為 Y 使用它。讓我們真正構建讓他們能夠做到的方式上面有你的東西。”

“這是關於找到實際的產品市場契合度，而不是你假設的那個”

舉個例子，這家公司基本上是一種用於工作的聊天產品。 它是一種協作式的、以移動為中心的 Slack 類型的產品。 他們最初認為這將是一線工作人員交流的好方法。 對於沒有電子郵件地址的人來說，這將是一種很好的交流方式。 如果您是 7-11 的收銀員，您可能沒有 7-11 的電子郵件地址，但我們需要一種能夠與這些人進行公司交流的方法。 這是一個應用程序。 他們得到了一些採用，他們認為這是因為這些沒有電子郵件地址的人，但是在查看了一堆數據後，他們意識到實際上是一群人必須進出辦公室. 最有用的不是他們沒有電子郵件地址——而是他們經常遠離電腦。 他們基本上將其用作企業聊天的 WhatsApp 替代品。

所以，如果他們認為這是關於沒有電子郵件地址的人，他們可能已經構建了一堆功能，你可以用你的電話號碼註冊，你可以在其中做很多事情，使這成為可能沒有台式電腦。 但人們真正想要的是這種體驗，他們有時可以使用電腦，然後離開電腦，在旅途中或在送貨或其他任何事情上獲得非常棒的移動體驗。 這為該產品和公司創造了一條非常不同的道路，但除非他們查看數據以了解實際使用它的人以及他們試圖用它做什麼，否則他們永遠不會理解這一點。 這是關於找到實際的產品市場契合度，而不是你假設的那個。

新工具，同樣的問題

Liam：現在的現代數據堆棧是什麼樣的？

Benn：現代數據堆棧是在數據產品遷移到雲的背景下開發的新數據工具集的統稱。 其中的核心是數據倉庫。 在 2010 年之前，任何想要一個數據倉庫（存儲所有數據的地方）的公司通常都必須去購買一些東西，一台物理機器或物理軟件，比如 CD，然後他們將在他們自己的機器上運行。自己的。 我們將在後面有一個服務器機房，這是我們的數據庫，我們將在其上運行一些 Oracle 數據庫，等等。 基本上，借助 Redshift（最早的雲數據倉庫之一），人們開始將所有這些遷移到雲端。 我不必購買機器或軟件，只需去 AWS，說“為我啟動一個 Redshift 數據庫”，我可以在 15 分鐘內通過瀏覽器完成，而且我實際上不需要任何硬件來做到這一點。 很多工具都建立在這樣的想法之上：“如果我們所有的數據都在雲中工作，而不必擁有我們自己運行的所有這些軟件呢？” 現代數據堆棧有點圍繞數據遷移到雲的樣子的想法。 有很多方法可以定義它。 但總的來說，它一直在構建這些非常橫向的產品，這些產品只會從第三方應用程序中提取數據。

“我們在技術質量方面取得了這些顯著進步，但我們試圖解決的核心問題往往頑固地存在”

假設您在 Salesforce、Zendesk、Marketo 或 Stripe 中有數據，這些產品只會將這些數據攝取到您的倉庫中。 您擁有可以對其進行轉換並在您的倉庫中對其進行建模的產品——假設您有一堆雜亂的數據想要轉換為乾淨的數據，那麼您就有了可以管理這些數據的產品。 倉庫本身會做存儲。 有一些分析工具，比如 Mode，位於它之上，用於儀表板、分析，以便能夠共享和分發該工作。 然後，還有許多其他工具可以支持這些工具。 現在您有五六個工具運行您的數據工具，您希望能夠監控所有這些工具。 一切正常嗎？ 從 A 點到 B 點的管道是否按我預期的那樣正常運行和運行？ 如果我想對其中一個進行更改，我該如何安排對系統的更改？

它正在變得更加複雜的生態系統，但這一切都建立在這種核心流程的基礎上，以某種方式在倉庫中攝取數據，以某種方式在倉庫中對其進行轉換，以某種方式在倉庫中的數據之上構建數據資產，然後以某種方式將其運送給實際需要查看它的任何人。

Liam：當你有不同的儀表板和工具告訴你不同的事情時，很難讓每個人都同意這些數字。 這是一個挑戰嗎？

本恩：是的。 這是現代數據堆棧當前狀態的悖論之一。 我們現在已經花了將近 10 年的時間來打造這些產品，它們在很多方面都是革命性的。 與 10 年前相比，他們做得更好、更快。 大約 10 年前，對於頂級數據庫，您必須每年花費 100 萬美元來運行它。 您必須為運行它的機器付費。 你通常必須有一兩個人全職工作來管理它。 今天，您可以比每年花費 20,000 美元的倉庫更快地獲得倉庫，而且您不必讓任何人來全面管理它。 我可以去 AWS，按下一個按鈕，支付數万美元購買過去每年可能花費我幾百萬美元的東西。 這是一個更好的產品。

您可以在整個堆棧中提出相同的聲明。 分析工具以這種方式得到了改進。 數據攝取工具和管道工具以這種方式得到了改進。 我們已經在技術質量方面取得了這些巨大的進步，但我們試圖解決的核心問題往往是頑固的。 10 年前我們遇到的核心問題之一是兩個人走進一個房間，然後說，“我的儀表板這麼說”，而另一個人說，“我的儀錶盤這麼說”。 他們花了整個會議時間，而不是試圖弄清楚該做什麼，而是爭論誰的數字是正確的。 我們仍然這樣做，仍然有很多。

“營銷和銷售已經存在了數百年。 我們仍處於了解數據行業前景的早期階段”

我聽到了 Databricks 的 CEO 的講話，這些真正現代化的倉庫之一推動了這種變化。 他是說，你從客戶那裡聽到的最常見的抱怨之一是人們把所有的時間都花在為數字爭論不休，哪個是正確的。 我認為解決這個問題的一部分將是繼續構建可以相互交談並更好地協同工作的工具，以及允許我們定義一次的系統，這樣如果我們查看儀表板，我們就會知道它來自同一個地方. 但其中一部分也將是組織弄清楚如何處理數據。 數據仍然是一個相對較新的事物。 在過去的 10 年、15 年中，大多數公司已經開始真正使用它。 我們仍在研究如何實現這一目標。 社區中仍然有很多關於我們需要的不同角色、它們的用途以及誰負責什麼的對話。

工程學不是一夜之間發展起來的實踐。 IT 不是一夜之間發展起來的實踐。 營銷和銷售已經存在了數百年。 我們仍處於了解數據行業是什麼樣子的早期階段。 我認為這將是我們構建的工具的組合，並且每個人都開始意識到，“這就是它的工作方式，這就是它不可行的方式”，然後我們才能真正克服看似基礎的問題.

利亞姆：當然。 我想各個行業的每個人都會有自己的故事。 我認為，播客指標可能是數據複雜性的一個很好的例子。 下載量通常不等於聽眾總數，因為單個聽眾可能已經在多個設備上下載了相同的劇集，或者他們可能已經下載了它以收聽它，但從未得到過它。 我知道他們正在嘗試引入一種標準化的方法來衡量這些事情，我猜這可能會在很多行業中全面發生。

Benn：如果您考慮基本的網絡營銷指標以及人們如何投放廣告和其他東西，我們已經開始將其中的一些標準化。 如果您訪問 Facebook 廣告儀表板或 Google 廣告儀表板，這些內容看起來會非常相似。 他們會或多或少地告訴你同樣的故事，因為在我們實際談論和確定哪些廣告表現良好與否方面存在一些標準化。 你會在其他一些事情上看到這一點。 例如，你會在 SaaS 公司看到這一點。 SaaS 公司現在有一本標準的指標書，它們都可以藉鑑。 在一些地方，我們開始看到這種融合，但在未來幾年還會有更多，比如，我們如何看待播客？ 我們如何看待特定類型的產品？ 我們如何看待衡量支持團隊的績效？ 我們如何看待所有這些不同的東西，這些不同的東西是我們現在擁有如此豐富信息的數據，但每家公司仍在試圖單獨弄清楚？

“我們將適應最佳實踐，而不是每個人都試圖從頭開始做這件事”

我認為會有一些標準化，“這可能是思考這類問題的最佳實踐。” 公司顯然仍將有一些他們需要做的定制報告。 此播客可能希望以不同於其他播客的方式衡量事物，因為您可能有不同的受眾或不同的目標。 每個人都會有自己的調整，但我認為會有更好的感覺，“好吧，這是我們都同意的工作方式。” 我們將適應最佳實踐，而不是每個人都試圖從頭開始這樣做。 許多開始數據實踐的公司通常都在嘗試從頭開始構建事物。 我認為我們還有一些路要走，才能達到我們都可以在其上搭建的腳手架的地步。

在某些方面，Web 框架就是一個例子。 如果你想構建一個網絡產品或軟件，你可以從那裡畫出非常明確的輪廓，然後添加你自己的邏輯來使你的應用程序完全符合你的要求。 分析只是沒有這個。 每個人都從零開始，而不是擁有可以在其之上構建的那種核心框架。

利亞姆：對於那些被數據嚇倒的初創公司，你會說些什麼呢？

Benn：這可能發生在初創公司，但也可能發生在擁有獨立分析師的數據成熟公司。 盯著空白頁或超載的 Excel 電子表格很容易想，“我到底要做什麼？” 如果您是一位經驗豐富的分析師，剛剛開始了解問題，這很容易做到；如果您是一家還不知道如何處理數據的公司，這很容易做到；如果您是剛加入某個地方但不知道該做什麼的初級分析師。

“從非常簡單的東西開始是可以的。 人們會發現有多少有價值的基本信息是非常了不起的”

我認為解決方案都是一樣的——從非常簡單的東西開始是可以的。 人們會發現多少有價值的基本信息是非常了不起的。 我認識一個人，他每週都會讓他的數據團隊開會，這樣他們就可以分享他們在一周內學到的東西。 其中一些事情非常簡單。 該公司是為企業打造的產品，因此在周一至週五使用。 他們製作了一個圖表，顯示一周中有多少人使用它，嘿，大多數人不在周末使用它，而很多人在工作日使用它。 你並沒有在那裡發現一些令人難以置信的洞察力。 每個人都已經知道它是如何工作的，但是看到這些數字以及它在周末的確切下降量——有些週末並沒有下降很多，有些週末下降了很多——產生了一堆圍繞是什麼驅動了這種行為的問題和好奇心。 為什麼那個週末人們似乎經常使用它？ 那裡發生什麼了？ 那是更多的種子，“好吧，讓我們繼續學習。 讓我們繼續提問。 讓我們繼續挖掘。”

這就是我鼓勵人們開始的方式。 只需從基本的事情開始，即使它們是您所做的假設。 一旦你開始看數字，你就會看到一些讓你思考和撓頭的東西，讓你意識到這裡還有很多你不明白你好奇的東西。 很多只是讓自己被好奇心所吸引，而不是說，“我需要去發現一些令人驚奇的事情。 我需要在大海撈針中找到能在第一天改變公司發展軌蹟的針。” 你不會馬上找到的。 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. 下一步是什麼？ 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. 是對的嗎？

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. 這很有趣。