팀 커뮤니케이션이 Martech 스택보다 더 중요한 이유

마케팅 팀 커뮤니케이션 및 분석

데이터 품질 및 통신 구조에 대한 Simo Ahava의 비정형적인 관점은 전체 라운지를 새롭게 단장했습니다. 웹로그 분석! 회의. 오옥스CIS 지역의 MarTech 리더 인 수천 명의 전문가가이 모임에 참석하여 지식과 아이디어를 공유했습니다.

OWOX BI 팀 귀하의 비즈니스를 성장시킬 잠재력이있는 Simo Ahava가 제안한 개념에 대해 생각해보십시오. 

데이터 품질 및 조직의 품질

데이터의 품질은 데이터를 분석하는 사람에 따라 다릅니다. 일반적으로 우리는 도구, 워크 플로 및 데이터 세트에 대한 데이터의 모든 결함을 비난합니다. 하지만 그게 합리적입니까?

솔직히 말해서 데이터의 품질은 조직 내에서 의사 소통하는 방법과 직접적으로 관련이 있습니다. 조직의 품질은 데이터 마이닝, 추정 및 측정에 대한 접근 방식에서 시작하여 처리를 계속하고 제품의 전체 품질 및 의사 결정으로 끝나는 모든 것을 결정합니다. 

회사와 그들의 커뮤니케이션 구조

하나의 도구를 전문으로하는 회사를 상상해 봅시다. 이 회사의 사람들은 B2B 부문에서 특정 문제를 찾고 해결하는 데 능숙합니다. 모든 것이 훌륭하며 의심 할 여지없이 이와 같은 회사를 알고 있습니다.

이러한 기업 활동의 부작용은 데이터 품질에 대한 요구 사항을 높이는 장기적인 프로세스에 숨겨져 있습니다. 동시에 데이터를 분석하기 위해 만들어진 도구는 데이터로만 작동하며 문제를 해결하기 위해 만들어 졌더라도 비즈니스 문제로부터 격리된다는 점을 기억해야합니다. 

그것이 다른 종류의 회사가 등장한 이유입니다. 이러한 회사는 워크 플로 디버깅을 전문으로합니다. 그들은 비즈니스 프로세스에서 모든 문제를 찾아서 화이트 보드에 게시하고 경영진에게 다음과 같이 말할 수 있습니다.

여기, 여기, 저기! 이 새로운 비즈니스 전략을 적용하면 괜찮을 것입니다!

그러나 사실이라고하기에는 너무 좋은 것 같습니다. 도구에 대한 이해를 기반으로하지 않은 조언의 효율성은 의심 스럽습니다. 그리고 이러한 컨설팅 회사는 왜 그러한 문제가 나타 났는지, 왜 매일 새로운 복잡성과 오류가 발생하는지, 어떤 도구가 잘못 설정되었는지 이해하지 못하는 경향이 있습니다.

따라서 이러한 회사 자체의 유용성은 제한적입니다. 

비즈니스 전문성과 도구에 대한 지식을 모두 갖춘 회사가 있습니다. 이 회사에서 모든 사람은 훌륭한 자질을 가진 사람, 자신의 기술과 지식에 확실한 전문가를 고용하는 데 집착합니다. 멋있는. 그러나 일반적으로 이러한 회사는 종종 중요하지 않은 것으로 간주하는 팀 내부의 의사 소통 문제를 해결하는 것을 목표로하지 않습니다. 그래서 새로운 문제가 생기면 마녀 사냥이 시작됩니다. 누구 잘못입니까? BI 전문가가 프로세스를 혼동했을까요? 아니요, 프로그래머는 기술적 인 설명을 읽지 않았습니다. 그러나 결국 진짜 문제는 팀이 문제를 함께 해결하기 위해 명확하게 생각할 수 없다는 것입니다. 

이것은 멋진 전문가들로 가득 찬 회사에서도 조직이 그렇지 않으면 필요한 것보다 더 많은 노력이 필요하다는 것을 보여줍니다. 성숙한 충분히. 특히 위기 상황에서 어른이되어야하고 책임감이 있어야한다는 생각은 대부분의 회사에서 사람들이 생각하는 마지막 생각입니다.

유치원에 다니는 두 살짜리 아이조차도 제가 함께 일했던 조직들보다 더 성숙해 보입니다.

많은 수의 전문가를 고용해야만 효율적인 회사를 만들 수 없습니다. 이들은 모두 일부 그룹이나 부서에 흡수되기 때문입니다. 따라서 경영진은 계속해서 전문가를 고용하지만 워크 플로의 구조와 논리가 전혀 변경되지 않기 때문에 변경되지 않습니다.

이러한 그룹과 부서의 내부와 외부에서 의사 소통 채널을 만들기 위해 아무것도하지 않으면 모든 노력이 무의미해질 것입니다. 이것이 커뮤니케이션 전략과 성숙도가 Ahava의 초점 인 이유입니다.

분석 회사에 적용되는 Conway의 법칙

의미있는 데이터-Conway의 법칙

XNUMX 년 전, Melvin Conway라는 위대한 프로그래머는 나중에 Conway의 법칙으로 널리 알려지게 된 제안을했습니다. 

시스템을 설계하는 조직. . . 이러한 조직의 커뮤니케이션 구조의 사본 인 디자인을 생성하도록 제한됩니다.

멜빈 콘웨이, 콘웨이의 법칙

이러한 생각은 한 대의 컴퓨터가 한 방에 완벽하게 맞을 때 나타났습니다! 상상해보세요. 여기에 한 컴퓨터에서 작업하는 한 팀이 있고 다른 컴퓨터에서 작업하는 다른 팀이 있습니다. 그리고 실제 생활에서 Conway의 법칙은 팀간에 나타나는 모든 커뮤니케이션 결함이 그들이 개발하는 프로그램의 구조와 기능에 반영된다는 것을 의미합니다. 

작성자 주 :

이 이론은 개발 세계에서 수백 번 테스트되었으며 많은 논의가있었습니다. Conway의 법칙에 대한 가장 확실한 정의는 2000 년대 초반 가장 영향력있는 프로그래머 중 한 명인 Pieter Hintjens에 의해 만들어졌습니다. 그는“당신이 엉뚱한 조직에 있다면 엉뚱한 소프트웨어를 만들 것”이라고 말했습니다. (Amdahl to Zipf : 사람 물리학의 XNUMX 가지 법칙)

이 법칙이 마케팅 및 분석 세계에서 어떻게 작용하는지 쉽게 알 수 있습니다. 이 세상에서 기업들은 서로 다른 출처에서 수집 한 엄청난 양의 데이터로 작업하고 있습니다. 우리 모두는 데이터 자체가 공정하다는 데 동의 할 수 있습니다. 하지만 데이터 세트를 면밀히 조사하면 해당 데이터를 수집 한 조직의 모든 결함을 확인할 수 있습니다.

  • 엔지니어가 문제에 대해 이야기하지 않은 누락 된 값 
  • 아무도 관심을 기울이지 않고 소수 자릿수에 대해 논의하지 않은 잘못된 형식
  • 아무도 전송 형식 (배치 또는 스트림)을 모르고 데이터를 수신해야하는 경우 통신 지연

그것이 데이터 교환 시스템이 우리의 불완전 성을 완전히 드러내는 이유입니다.

데이터 품질은 도구 전문가, 워크 플로 전문가, 관리자 및 이러한 모든 사람들 간의 의사 소통의 성과입니다.

다 분야 팀을위한 최고 및 최악의 커뮤니케이션 구조

MarTech 또는 마케팅 분석 회사의 일반적인 프로젝트 팀은 BI (비즈니스 인텔리전스) 전문가, 데이터 과학자, 디자이너, 마케팅 담당자, 분석가 및 프로그래머 (모든 조합)로 구성됩니다.

하지만 커뮤니케이션의 중요성을 이해하지 못하는 팀은 어떻게 될까요? 보자. 프로그래머는 오랫동안 코드를 작성하고 열심히 노력하고 팀의 다른 부분은 배턴을 통과하기를 기다릴 것입니다. 드디어 베타 버전이 출시 될 것이며, 모두가 왜 그렇게 오래 걸 렸는지 불평 할 것입니다. 그리고 첫 번째 결함이 나타나면 모든 사람들이 다른 사람을 비난하기 시작하지만 그 상황을 피할 수있는 방법은 찾지 못합니다. 

더 자세히 살펴보면 상호 목표가 올바르게 (또는 전혀) 이해되지 않았 음을 알 수 있습니다. 그리고 그러한 상황에서 우리는 손상되거나 결함이있는 제품을 얻게 될 것입니다. 

다 분야 팀 장려

이 상황의 최악의 특징 :

  • 불충분 한 참여
  • 불충분 한 참여
  • 협력 부족
  • 신뢰의 부족

어떻게 고칠 수 있습니까? 말 그대로 사람들이 말하게함으로써. 

다 분야 팀 장려

모두를 모으고 토론 주제를 설정하고 매주 회의 일정을 잡으십시오. BI를 통한 마케팅, 디자이너가있는 프로그래머 및 데이터 전문가가 있습니다. 그런 다음 사람들이 프로젝트에 대해 이야기하기를 바랍니다. 그러나 팀원들이 여전히 전체 프로젝트에 대해 이야기하지 않고 전체 팀과 이야기하지 않기 때문에 여전히 충분하지 않습니다. 수십 번의 회의와 탈출구, 작업을 할 시간이 없어 눈이 내리기 쉽습니다. 회의 후 메시지는 나머지 시간과 다음에해야 할 일에 대한 이해를 앗아 갈 것입니다. 

그렇기 때문에 회의는 첫 번째 단계 일뿐입니다. 여전히 몇 가지 문제가 있습니다.

  • 잘못된 의사 소통
  • 상호 목표의 부족
  • 불충분 한 참여

때때로 사람들은 프로젝트에 대한 중요한 정보를 동료에게 전달하려고합니다. 그러나 메시지가 전달되는 대신 루머 기계가 모든 것을 처리합니다. 사람들이 자신의 생각과 아이디어를 적절한 환경에서 적절하게 공유하는 방법을 모르는 경우받는 사람에게 정보가 손실됩니다. 

이것은 커뮤니케이션 문제로 고군분투하는 회사의 증상입니다. 그리고 그것은 회의로 그들을 치료하기 시작합니다. 그러나 우리는 항상 또 다른 해결책이 있습니다.

모든 사람이 프로젝트에 대해 의사 소통하도록 유도하십시오. 

팀의 다 분야 커뮤니케이션

이 접근 방식의 가장 큰 특징 :

  • 투명도
  • 개입
  • 지식과 기술 교환
  • 논스톱 교육

이것은 만들기 어려운 매우 복잡한 구조입니다. 이 접근 방식을 사용하는 몇 가지 프레임 워크를 알고있을 것입니다 : Agile, Lean, Scrum. 이름이 무엇이든 상관 없습니다. 그들 모두는 "모든 것을 동시에 함께 만드는"원칙을 기반으로합니다. 모든 캘린더, 작업 대기열, 데모 프레젠테이션 및 스탠드 업 회의는 사람들이 프로젝트에 대해 자주 그리고 모두 함께 이야기하도록하는 데 목적이 있습니다.

그것이 프로젝트 생존을위한 전제 조건으로 커뮤니케이션의 중요성을 포함하고 있기 때문에 애자일을 많이 좋아하는 이유입니다.

애자일을 좋아하지 않는 분석 가라고 생각한다면 다른 방식으로 살펴보세요. 처리 된 모든 데이터, 훌륭한 대시 보드, 데이터 세트 등 작업 결과를 표시하여 사람을 만드는 데 도움이됩니다. 당신의 노력에 감사드립니다. 하지만 그렇게하려면 동료들을 만나 원탁에서 그들과 이야기해야합니다.

무엇 향후 계획? 모두가 프로젝트에 대해 이야기하기 시작했습니다. 이제 우리는 품질을 증명하기 위해 프로젝트의. 이를 위해 회사는 일반적으로 최고의 전문 자격을 갖춘 컨설턴트를 고용합니다. 

좋은 컨설턴트의 주된 기준은 (컨설턴트이기 때문에 말할 수 있습니다) 프로젝트에 대한 그의 참여를 지속적으로 줄이는 것입니다.

컨설턴트는 회사가 성숙하고 자립하지 못하기 때문에 회사에 작은 전문적인 비밀을 제공 할 수 없습니다. 회사가 컨설턴트없이 이미 살 수 없다면받은 서비스의 품질을 고려해야합니다. 

그건 그렇고, 컨설턴트는 보고서를 작성하거나 당신을 위해 추가 손이되어서는 안됩니다. 당신은 그것을 위해 당신의 내부 동료가 있습니다.

위임이 아닌 교육을위한 마케터 고용

컨설턴트 채용의 주요 목표는 교육, 구조 및 프로세스 수정, 의사 소통 촉진입니다. 컨설턴트의 역할은 월간보고가 아니라 프로젝트에 자신을 이식하고 팀의 일상에 전적으로 참여하는 것입니다.

좋은 전략적 마케팅 컨설턴트 프로젝트 참가자의 지식과 이해의 차이를 메 웁니다. 그러나 그 또는 그녀는 누군가를 위해 일을 결코 할 수 없습니다. 그리고 언젠가는 모든 사람이 컨설턴트없이 잘 일해야합니다. 

효과적인 의사 소통의 결과는 마녀 사냥과 손가락 가리 키기의 부재입니다. 작업이 시작되기 전에 사람들은 다른 팀 구성원과 의심과 질문을 공유합니다. 따라서 대부분의 문제는 작업이 시작되기 전에 해결됩니다. 

이 모든 것이 마케팅 분석 작업의 가장 복잡한 부분 인 데이터 흐름 정의 및 데이터 병합에 어떤 영향을 미치는지 살펴 보겠습니다.

데이터 전송 및 처리에서 통신 구조가 어떻게 미러링됩니까?

트래픽 데이터, 전자 상거래 제품 데이터 / 로열티 프로그램의 구매 데이터, 모바일 분석 데이터의 세 가지 소스가 있다고 가정 해 보겠습니다. 모든 데이터를 Google Cloud로 스트리밍하는 것부터 시각화를 위해 모든 데이터를 보내는 것까지 데이터 처리 단계를 하나씩 진행합니다. Google Data Studio 의 도움으로 구글 빅쿼리

우리의 예를 기반으로, 사람들은 데이터 처리의 각 단계에서 명확한 의사 소통을 보장하기 위해 어떤 질문을해야합니까?

  • 데이터 수집 단계. 중요한 것을 측정하는 것을 잊으면 시간을 거슬러 올라가 다시 측정 할 수 없습니다. 미리 고려할 사항 :
    • 가장 중요한 매개 변수와 변수의 이름을 무엇으로 지정해야할지 모르겠다면 어떻게 모든 문제를 해결할 수 있을까요?
    • 이벤트는 어떻게 표시됩니까?
    • 선택한 데이터 흐름의 고유 식별자는 무엇입니까?
    • 보안 및 개인 정보를 어떻게 처리합니까? 
    • 데이터 수집에 제한이있는 경우 어떻게 데이터를 수집합니까?
  • 데이터 흐름을 스트림으로 병합. 다음을 고려하세요:
    • 주요 ETL 원칙 : 데이터 전송의 배치 또는 스트림 유형입니까? 
    • 스트림 및 배치 데이터 전송의 결합을 어떻게 표시합니까? 
    • 손실과 실수없이 동일한 데이터 스키마에서 어떻게 조정할 것인가?
    • 시간 및 연대기 질문 : 타임 스탬프를 어떻게 확인합니까? 
    • 데이터 혁신 및 강화가 타임 스탬프 내에서 올바르게 작동하는지 어떻게 알 수 있습니까?
    • 조회수를 어떻게 확인합니까? 유효하지 않은 조회는 어떻게됩니까?

  • 데이터 집계 단계. 고려할 사항 :
    • ETL 프로세스에 대한 특수 설정 : 유효하지 않은 데이터로 무엇을해야합니까?
      패치 또는 삭제 하시겠습니까? 
    • 우리는 그것으로부터 이익을 얻을 수 있습니까? 
    • 전체 데이터 세트의 품질에 어떤 영향을 미칠까요?

이 모든 단계의 첫 번째 원칙은 실수가 서로 겹쳐지고 서로로부터 상속된다는 것입니다. 첫 번째 단계에서 결함이있는 데이터를 수집하면 모든 후속 단계에서 머리가 약간 타게됩니다. 두 번째 원칙은 데이터 품질 보증을위한 포인트를 선택해야한다는 것입니다. 집계 단계에서는 모든 데이터가 함께 혼합되어 혼합 데이터의 품질에 영향을 미칠 수 없기 때문입니다. 이것은 데이터의 품질이 기계 학습 결과의 품질에 영향을 미치는 기계 학습 프로젝트에 매우 중요합니다. 낮은 품질의 데이터로는 좋은 결과를 얻을 수 없습니다.

  • 시각화
    이것이 CEO 단계입니다. CEO가 대시 보드의 수치를보고 다음과 같이 말하는 상황에 대해 들어 보셨을 것입니다.“올해는 이전보다 훨씬 더 많은 수익을 얻었지만 왜 모든 재무 매개 변수가 위험 구역에 있는가? ?” 그리고 지금은 오래전에 잡혔어야했기 때문에 실수를 찾기에는 너무 늦었습니다.

모든 것은 의사 소통을 기반으로합니다. 그리고 대화 주제에 대해. 다음은 Yandex 스트리밍을 준비하는 동안 논의해야 할 사항의 예입니다.

마케팅 BI : Snowplow, Google Analytics, Yandex

팀 전체와 함께 이러한 대부분의 질문에 대한 답을 찾을 수 있습니다. 누군가가 다른 사람과 아이디어를 테스트하지 않고 추측이나 개인적인 의견으로 결정을 내리면 실수가 나타날 수 있기 때문입니다.

복잡성은 가장 단순한 곳에서도 어디에나 있습니다.

여기에 또 하나의 예가 있습니다. 제품 카드의 노출 점수를 추적 할 때 분석가가 오류를 발견했습니다. 조회수 데이터에서 모든 배너 및 제품 카드의 모든 노출은 페이지로드 직후 전송되었습니다. 그러나 사용자가 페이지의 모든 것을 실제로 보았는지 확신 할 수 없습니다. 분석가는 팀에 와서 이에 대해 자세히 알립니다.

BI는 우리가 그런 상황을 떠날 수 없다고 말합니다.

제품이 표시되었는지 확신 할 수없는 경우 CPM을 어떻게 계산할 수 있습니까? 그렇다면 사진에 대한 적격 CTR은 얼마입니까?

마케팅 담당자는 다음과 같이 대답합니다.

여러분, 우리는 최고의 CTR을 보여주는 보고서를 만들고 다른 장소에있는 유사한 창의적인 배너 나 사진과 비교하여 확인할 수 있습니다.

그리고 개발자는 다음과 같이 말할 것입니다.

예, 스크롤 추적 및 피사체 가시성 확인을위한 새로운 통합을 통해이 문제를 해결할 수 있습니다.

마지막으로 UI / UX 디자이너는 다음과 같이 말합니다.

네! 우리는 마침내 게으른 또는 영원한 스크롤 또는 페이지 매김이 필요한지 선택할 수 있습니다!

이 소규모 팀이 수행 한 단계는 다음과 같습니다.

  1. 문제를 정의
  2. 문제의 비즈니스 결과를 제시했습니다.
  3. 변경의 영향 측정
  4. 제시된 기술적 결정
  5. 사소한 이익 발견

이 문제를 해결하려면 모든 시스템의 데이터 수집을 확인해야합니다. 데이터 스키마의 한 부분에있는 부분적인 솔루션으로는 비즈니스 문제가 해결되지 않습니다.

정렬 조정 디자인

그것이 우리가 함께 일해야하는 이유입니다. 데이터는 매일 책임감있게 수집되어야하며 그렇게하는 것은 어렵습니다. 그리고 데이터 품질은 적절한 사람을 고용하고, 적절한 도구를 구입하고, 조직의 성공에 필수적인 효과적인 커뮤니케이션 구조를 구축하는 데 돈, 시간 및 노력을 투자합니다.

당신은 어떻게 생각하십니까?

이 사이트는 Akismet을 사용하여 스팸을 줄입니다. 댓글 데이터 처리 방법 알아보기.