Warum Teamkommunikation wichtiger ist als Ihr Martech-Stack

Kommunikation und Analyse des Marketingteams

Simo Ahavas atypischer Standpunkt zu Datenqualität und Kommunikationsstrukturen erfrischte die gesamte Lounge im Gehen Sie zu Analytics! Konferenz. OWOXDer MarTech-Marktführer in der GUS-Region begrüßte Tausende von Experten zu diesem Treffen, um ihr Wissen und ihre Ideen auszutauschen.

OWOX BI-Team Ich möchte, dass Sie über das von Simo Ahava vorgeschlagene Konzept nachdenken, das definitiv das Potenzial hat, Ihr Geschäft wachsen zu lassen. 

Die Qualität der Daten und die Qualität der Organisation

Die Qualität der Daten hängt von der Person ab, die sie analysiert. In der Regel geben wir Tools, Workflows und Datasets die Schuld an allen Fehlern in den Daten. Aber ist das vernünftig?

Ehrlich gesagt hängt die Qualität der Daten direkt davon ab, wie wir in unseren Organisationen kommunizieren. Die Qualität der Organisation bestimmt alles, angefangen beim Ansatz für Data Mining, Schätzung und Messung über die Verarbeitung bis hin zur Gesamtqualität des Produkts und der Entscheidungsfindung. 

Unternehmen und ihre Kommunikationsstrukturen

Stellen wir uns vor, ein Unternehmen ist auf ein Tool spezialisiert. Die Mitarbeiter dieses Unternehmens sind hervorragend darin, bestimmte Probleme zu finden und für das B2B-Segment zu lösen. Alles ist großartig, und ohne Zweifel kennen Sie ein paar Unternehmen wie dieses.

Die Nebenwirkungen der Aktivitäten dieser Unternehmen sind im langfristigen Prozess der Erhöhung der Anforderungen an die Datenqualität verborgen. Gleichzeitig sollten wir uns daran erinnern, dass Tools, die zur Analyse von Daten erstellt wurden, nur mit Daten funktionieren und von den Geschäftsproblemen isoliert sind - auch wenn sie zur Lösung dieser Probleme erstellt wurden. 

Deshalb ist eine andere Art von Firma aufgetaucht. Diese Unternehmen sind auf das Debuggen von Workflows spezialisiert. Sie können eine ganze Reihe von Problemen in Geschäftsprozessen finden, sie auf ein Whiteboard stellen und den Führungskräften sagen:

Hier, hier und da! Wenden Sie diese neue Geschäftsstrategie an und es wird Ihnen gut gehen!

Aber es klingt zu schön um wahr zu sein. Die Effizienz der Beratung, die nicht auf einem Verständnis der Tools basiert, ist zweifelhaft. Und diese Beratungsunternehmen neigen dazu, nicht zu verstehen, warum solche Probleme aufgetreten sind, warum jeder neue Tag neue Komplexitäten und Fehler mit sich bringt und welche Tools falsch eingerichtet wurden.

Daher ist der Nutzen dieser Unternehmen für sich genommen begrenzt. 

Es gibt Unternehmen, die sowohl über Fachwissen als auch über Tools verfügen. In diesen Unternehmen ist jeder davon besessen, Leute mit großen Qualitäten einzustellen, Experten, die sich ihrer Fähigkeiten und Kenntnisse sicher sind. Cool. In der Regel zielen diese Unternehmen jedoch nicht darauf ab, Kommunikationsprobleme innerhalb des Teams zu lösen, die sie häufig als unwichtig ansehen. Wenn also neue Probleme auftauchen, beginnt die Hexenjagd - wessen Schuld ist das? Vielleicht haben die BI-Spezialisten die Prozesse verwirrt? Nein, die Programmierer haben die technische Beschreibung nicht gelesen. Alles in allem ist das eigentliche Problem, dass das Team nicht klar über das Problem nachdenken kann, um es gemeinsam zu lösen. 

Dies zeigt uns, dass selbst in einem Unternehmen mit coolen Spezialisten alles mehr Aufwand erfordert als nötig, wenn die Organisation dies nicht tut reifen genug. Die Idee, dass man erwachsen und verantwortungsbewusst sein muss, insbesondere in einer Krise, ist das Letzte, woran die Menschen in den meisten Unternehmen denken.

Sogar mein zweijähriges Kind, das in den Kindergarten geht, scheint reifer zu sein als einige der Organisationen, mit denen ich zusammengearbeitet habe.

Sie können ein effizientes Unternehmen nicht nur durch die Einstellung einer großen Anzahl von Spezialisten schaffen, da diese alle von einer Gruppe oder Abteilung übernommen werden. Das Management stellt also weiterhin Spezialisten ein, aber nichts ändert sich, da sich die Struktur und Logik des Workflows überhaupt nicht ändert.

Wenn Sie nichts tun, um Kommunikationskanäle innerhalb und außerhalb dieser Gruppen und Abteilungen zu erstellen, sind alle Ihre Bemühungen bedeutungslos. Deshalb steht Ahava im Mittelpunkt der Kommunikationsstrategie und -reife.

Conways Gesetz für Analytikunternehmen

Aussagekräftige Daten - Conways Gesetz

Vor fünfzig Jahren machte ein großer Programmierer namens Melvin Conway einen Vorschlag, der später im Volksmund als Conways Gesetz bekannt wurde: 

Organisationen, die Systeme entwerfen. . . sind gezwungen, Entwürfe zu erstellen, die Kopien der Kommunikationsstrukturen dieser Organisationen sind.

Melvin Conway, Conways Gesetz

Diese Gedanken tauchten zu einer Zeit auf, als ein Computer perfekt in einen Raum passte! Stellen Sie sich vor: Hier arbeitet ein Team an einem Computer, und dort arbeitet ein anderes Team an einem anderen Computer. Im wirklichen Leben bedeutet das Gesetz von Conway, dass alle Kommunikationsfehler, die zwischen diesen Teams auftreten, sich in der Struktur und Funktionalität der von ihnen entwickelten Programme widerspiegeln. 

Anmerkung des Verfassers:

Diese Theorie wurde in der Entwicklungswelt hunderte Male getestet und viel diskutiert. Die sicherste Definition von Conways Gesetz wurde von Pieter Hintjens, einem der einflussreichsten Programmierer der frühen 2000er Jahre, erstellt. Er sagte: "Wenn Sie in einer beschissenen Organisation sind, werden Sie beschissene Software entwickeln." ((Amdahl zu Zipf: Zehn Gesetze der Physik der Menschen)

Es ist leicht zu erkennen, wie dieses Gesetz in der Marketing- und Analysewelt funktioniert. In dieser Welt arbeiten Unternehmen mit riesigen Datenmengen, die aus verschiedenen Quellen stammen. Wir können uns alle darauf einigen, dass die Daten selbst fair sind. Wenn Sie die Datensätze jedoch genau untersuchen, werden Sie alle Mängel der Organisationen erkennen, die diese Daten gesammelt haben:

  • Fehlende Werte, bei denen Ingenieure nicht über ein Problem gesprochen haben 
  • Falsche Formate, bei denen niemand aufpasste und niemand die Anzahl der Dezimalstellen diskutierte
  • Kommunikationsverzögerungen, bei denen niemand das Übertragungsformat (Batch oder Stream) kennt und wer die Daten empfangen muss

Deshalb decken Datenaustauschsysteme unsere Mängel vollständig auf.

Datenqualität ist die Leistung von Werkzeugspezialisten, Workflow-Experten, Managern und die Kommunikation zwischen all diesen Personen.

Die besten und schlechtesten Kommunikationsstrukturen für multidisziplinäre Teams

Ein typisches Projektteam in einem MarTech- oder Marketinganalyseunternehmen besteht aus Business Intelligence-Spezialisten (BI), Datenwissenschaftlern, Designern, Vermarktern, Analysten und Programmierern (in beliebiger Kombination).

Aber was passiert in einem Team, das die Bedeutung der Kommunikation nicht versteht? Mal sehen. Die Programmierer werden lange Zeit Code schreiben und sich bemühen, während ein anderer Teil des Teams nur darauf wartet, dass sie den Staffelstab übergeben. Endlich wird die Beta-Version veröffentlicht und alle werden darüber murmeln, warum es so lange gedauert hat. Und wenn der erste Fehler auftritt, wird jeder nach jemandem suchen, der die Schuld trägt, aber nicht nach Wegen, um die Situation zu vermeiden, die ihn dorthin gebracht hat. 

Wenn wir genauer hinschauen, werden wir feststellen, dass die gegenseitigen Ziele nicht richtig (oder überhaupt nicht) verstanden wurden. In einer solchen Situation erhalten wir ein beschädigtes oder fehlerhaftes Produkt. 

Ermutigen Sie multidisziplinäre Teams

Die schlimmsten Merkmale dieser Situation:

  • Unzureichende Beteiligung
  • Unzureichende Teilnahme
  • Mangelnde Zusammenarbeit
  • Mangel an Vertrauen

Wie können wir das beheben? Im wahrsten Sinne des Wortes, indem man Leute zum Reden bringt. 

Ermutigen Sie multidisziplinäre Teams

Lassen Sie uns alle zusammenbringen, Diskussionsthemen festlegen und wöchentliche Besprechungen planen: Marketing mit BI, Programmierer mit Designern und Datenspezialisten. Dann hoffen wir, dass die Leute über das Projekt sprechen. Aber das ist immer noch nicht genug, weil die Teammitglieder immer noch nicht über das gesamte Projekt sprechen und nicht mit dem gesamten Team. Es ist leicht, sich mit zig Meetings und ohne Ausweg und ohne Zeit für die Arbeit zu verschneit. Und diese Nachrichten nach Besprechungen werden den Rest der Zeit töten und verstehen, was als nächstes zu tun ist. 

Deshalb sind Treffen nur der erste Schritt. Wir haben noch einige Probleme:

  • Schlechte Kommunikation
  • Fehlende gegenseitige Ziele
  • Unzureichende Beteiligung

Manchmal versuchen Menschen, wichtige Informationen über das Projekt an ihre Kollegen weiterzugeben. Aber anstatt dass die Nachricht durchkommt, erledigt die Gerüchtemaschine alles für sie. Wenn Menschen nicht wissen, wie sie ihre Gedanken und Ideen richtig und in der richtigen Umgebung teilen können, gehen Informationen auf dem Weg zum Empfänger verloren. 

Dies sind Symptome eines Unternehmens, das mit Kommunikationsproblemen zu kämpfen hat. Und es beginnt sie mit Treffen zu heilen. Aber wir haben immer eine andere Lösung.

Führen Sie alle dazu, über das Projekt zu kommunizieren. 

Multidisziplinäre Kommunikation in Teams

Die besten Eigenschaften dieses Ansatzes:

  • Transparenz
  • Beteiligung
  • Wissens- und Kompetenzaustausch
  • Non-Stop-Bildung

Dies ist eine äußerst komplexe Struktur, die schwer zu erstellen ist. Möglicherweise kennen Sie einige Frameworks, die diesen Ansatz verfolgen: Agile, Lean, Scrum. Es spielt keine Rolle, wie Sie es nennen; Alle basieren auf dem Prinzip „Alles gleichzeitig machen“. All diese Kalender, Aufgabenwarteschlangen, Demo-Präsentationen und Stand-up-Meetings zielen darauf ab, dass die Leute häufig und gemeinsam über das Projekt sprechen.

Deshalb mag ich Agile sehr, weil es die Bedeutung der Kommunikation als Voraussetzung für das Überleben des Projekts beinhaltet.

Und wenn Sie glauben, ein Analyst zu sein, der Agile nicht mag, sehen Sie es anders: Es hilft Ihnen, die Ergebnisse Ihrer Arbeit - all Ihre verarbeiteten Daten, diese großartigen Dashboards, Ihre Datensätze - zu zeigen, um Menschen zu machen schätze deine Bemühungen. Dazu müssen Sie jedoch Ihre Kollegen treffen und mit ihnen am Runden Tisch sprechen.

Was kommt als nächstes? Alle haben angefangen, über das Projekt zu sprechen. Jetzt haben wir die Qualität zu beweisen von dem Projekt. Zu diesem Zweck stellen Unternehmen in der Regel einen Berater mit den höchsten beruflichen Qualifikationen ein. 

Das Hauptkriterium eines guten Beraters (ich kann Ihnen sagen, weil ich ein Berater bin) ist die ständige Verringerung seiner Beteiligung an dem Projekt.

Ein Berater kann einem Unternehmen nicht nur kleine Stücke beruflicher Geheimnisse geben, da dies das Unternehmen nicht reif und selbsttragend macht. Wenn Ihr Unternehmen nicht bereits ohne Ihren Berater leben kann, sollten Sie die Qualität des Service berücksichtigen, den Sie erhalten haben. 

Übrigens sollte ein Berater keine Berichte erstellen oder ein zusätzliches Paar Hände für Sie werden. Dafür haben Sie Ihre internen Kollegen.

Stellen Sie Vermarkter für Bildung und nicht für Delegation ein

Das Hauptziel bei der Einstellung eines Beraters ist die Ausbildung, die Festlegung von Strukturen und Prozessen sowie die Erleichterung der Kommunikation. Die Rolle eines Beraters besteht nicht in der monatlichen Berichterstattung, sondern darin, sich selbst in das Projekt einzubringen und sich voll und ganz in den Tagesablauf des Teams einzubringen.

Eine gute strategischer Marketingberater schließt Lücken im Wissen und Verständnis der Projektteilnehmer. Aber er oder sie kann die Arbeit niemals für jemanden erledigen. Und eines Tages muss jeder ohne den Berater gut arbeiten. 

Das Ergebnis einer effektiven Kommunikation ist das Fehlen von Hexenjagd und Fingerzeig. Bevor eine Aufgabe gestartet wird, teilen die Mitarbeiter ihre Zweifel und Fragen mit anderen Teammitgliedern. Somit sind die meisten Probleme vor Arbeitsbeginn gelöst. 

Lassen Sie uns sehen, wie all dies den kompliziertesten Teil der Marketinganalyse beeinflusst: Definieren von Datenflüssen und Zusammenführen von Daten.

Wie spiegelt sich die Kommunikationsstruktur in der Datenübertragung und -verarbeitung wider?

Nehmen wir an, wir haben drei Quellen, die uns die folgenden Daten liefern: Verkehrsdaten, E-Commerce-Produktdaten / Kaufdaten aus dem Treueprogramm und mobile Analysedaten. Wir werden die Datenverarbeitungsphasen nacheinander durchlaufen, vom Streaming all dieser Daten in Google Cloud bis zum Senden aller Daten zur Visualisierung in Google Datenstudio mit der Hilfe von Google BigQuery

Welche Fragen sollten Menschen anhand unseres Beispiels stellen, um eine klare Kommunikation in jeder Phase der Datenverarbeitung sicherzustellen?

  • Datenerfassungsphase. Wenn wir vergessen, etwas Wichtiges zu messen, können wir nicht in die Vergangenheit zurückkehren und es erneut messen. Dinge, die vorher zu beachten sind:
    • Wenn wir nicht wissen, wie wir die wichtigsten Parameter und Variablen benennen sollen, wie können wir dann mit all dem Durcheinander umgehen?
    • Wie werden Ereignisse gekennzeichnet?
    • Was ist die eindeutige Kennung für ausgewählte Datenflüsse?
    • Wie kümmern wir uns um Sicherheit und Datenschutz? 
    • Wie werden Daten erfasst, bei denen die Datenerfassung eingeschränkt ist?
  • Das Zusammenführen von Daten fließt in den Stream. Folgendes berücksichtigen:
    • Die wichtigsten ETL-Prinzipien: Handelt es sich um eine Stapel- oder Stream-Datenübertragung? 
    • Wie werden wir die Verbindung von Stream- und Batch-Datenübertragungen markieren? 
    • Wie werden wir sie im selben Datenschema ohne Verluste und Fehler anpassen?
    • Fragen zu Zeit und Chronologie: Wie überprüfen wir die Zeitstempel? 
    • Wie können wir feststellen, ob die Datenerneuerung und -anreicherung innerhalb von Zeitstempeln ordnungsgemäß funktioniert?
    • Wie werden wir Treffer validieren? Was passiert mit ungültigen Treffern?

  • Phase der Datenaggregation. Dinge, die man beachten muss:
    • Spezielle Einstellungen für ETL-Prozesse: Was haben wir mit ungültigen Daten zu tun?
      Patchen oder löschen? 
    • Können wir davon profitieren? 
    • Wie wird sich dies auf die Qualität des gesamten Datensatzes auswirken?

Das erste Prinzip für alle diese Stufen ist, dass sich die Fehler übereinander stapeln und voneinander erben. Daten, die in der ersten Phase mit einem Fehler erfasst wurden, lassen Ihren Kopf in allen folgenden Phasen leicht brennen. Und das zweite Prinzip ist, dass Sie Punkte für die Datenqualitätssicherung auswählen sollten. Denn in der Aggregationsphase werden alle Daten zusammengemischt, und Sie können die Qualität der gemischten Daten nicht beeinflussen. Dies ist sehr wichtig für Projekte zum maschinellen Lernen, bei denen die Qualität der Daten die Qualität der Ergebnisse des maschinellen Lernens beeinflusst. Gute Ergebnisse sind mit Daten geringer Qualität nicht zu erreichen.

  • Visualisierung
    Dies ist die CEO-Phase. Sie haben vielleicht von der Situation gehört, als der CEO sich die Zahlen auf dem Dashboard ansieht und sagt: „Okay, wir haben dieses Jahr viel mehr Gewinn als zuvor, aber warum befinden sich alle finanziellen Parameter in der roten Zone? ? " Und in diesem Moment ist es zu spät, um nach den Fehlern zu suchen, da sie schon vor langer Zeit hätten entdeckt werden müssen.

Alles basiert auf Kommunikation. Und zu den Gesprächsthemen. Hier ist ein Beispiel dafür, was bei der Vorbereitung des Yandex-Streamings besprochen werden sollte:

Marketing BI: Schneepflug, Google Analytics, Yandex

Die Antworten auf die meisten dieser Fragen finden Sie nur zusammen mit Ihrem gesamten Team. Denn wenn jemand eine Entscheidung aufgrund von Vermutungen oder persönlicher Meinung trifft, ohne die Idee mit anderen zu testen, können Fehler auftreten.

Komplexität ist überall, auch an den einfachsten Orten.

Hier noch ein Beispiel: Bei der Verfolgung der Impression-Scores von Produktkarten bemerkt ein Analyst einen Fehler. In den Trefferdaten wurden alle Impressionen von allen Bannern und Produktkarten direkt nach dem Laden der Seite gesendet. Wir können jedoch nicht sicher sein, ob der Benutzer wirklich alles auf der Seite angesehen hat. Der Analyst kommt zum Team, um sie ausführlich darüber zu informieren.

Die BI sagt, dass wir die Situation nicht so verlassen können.

Wie können wir den CPM berechnen, wenn wir nicht einmal sicher sind, ob das Produkt gezeigt wurde? Was ist dann die qualifizierte Klickrate für die Bilder?

Die Vermarkter antworten:

Schauen Sie, alle zusammen, wir können einen Bericht mit der besten Klickrate erstellen und ihn an anderen Stellen anhand eines ähnlichen kreativen Banners oder Fotos überprüfen.

Und dann werden die Entwickler sagen:

Ja, wir können dieses Problem mithilfe unserer neuen Integration für die Bildlaufverfolgung und die Überprüfung der Sichtbarkeit von Motiven lösen.

Schließlich sagen die UI / UX-Designer:

Ja! Wir können wählen, ob wir endlich die faule oder ewige Schriftrolle oder Paginierung brauchen!

Hier sind die Schritte, die dieses kleine Team durchlaufen hat:

  1. Definierte das Problem
  2. Präsentierte die geschäftlichen Konsequenzen des Problems
  3. Die Auswirkungen von Änderungen gemessen
  4. Präsentierte technische Entscheidungen
  5. Entdeckte den nicht trivialen Gewinn

Um dieses Problem zu lösen, sollten sie die Datenerfassung von allen Systemen überprüfen. Eine Teillösung in einem Teil des Datenschemas löst das Geschäftsproblem nicht.

Ausrichten Design anpassen

Deshalb müssen wir zusammenarbeiten. Die Daten müssen jeden Tag verantwortungsbewusst gesammelt werden, und das ist harte Arbeit. Und der Datenqualität muss erreicht werden durch Die richtigen Leute einstellen, die richtigen Tools kaufen und Geld, Zeit und Mühe in den Aufbau effektiver Kommunikationsstrukturen investieren, die für den Erfolg eines Unternehmens entscheidend sind.

Was denken Sie?

Diese Seite verwendet Akismet, um Spam zu reduzieren. Erfahren Sie, wie Ihre Kommentardaten verarbeitet werden.