5 competenze che tutti i professionisti del marketing analytics e della data science devono avere oggi

5 competenze indispensabili per i professionisti del marketing analytics e della data science oggi

Contenuto sponsorizzato

    Di Ann Gynn

Accelerare e rallentare. 

Ogni professionista del marketing analytics e della data science si trova di fronte a questa sfida apparentemente incongrua.

• Ricercatori di Google e Georgia Tech presentano DiffSeg un semplice metodo di intelligenza artificiale per la creazione di maschere di segmentazione attraverso il post-processing.
• Analisi delle serie temporali VARMAX-come-servizio
• Gestione delle eccezioni e degli errori in Python

Devi adattarti ai cambiamenti rapidi, compreso l’impatto crescente del machine learning e dell’intelligenza artificiale. Ma devi anche mettere tutto insieme in modo significativo e conforme alla legge.

Questo è il tema principale che diversi pionieri del marketing analytics e innovatori dei dati hanno identificato durante la conferenza Marketing Analytics & Data Science (MADS). Fortunatamente, hanno anche condiviso alcune idee su come superare queste sfide. (Ottieni ancora più idee, ispirazione e consigli durante la conferenza, dal 26 al 28 settembre, a Washington, D.C.)

 

Le fonti di dati, le regole e la rilevanza cambiano rapidamente

  “La sfida più difficile è quanto velocemente cambiano le competenze e l’industria”, afferma Katie Robbert, CEO di Trust Insights. 

Le vie tradizionali del marketing digitale, come la ricerca organica e il content marketing, stanno evolvendo, soprattutto con l’impatto crescente dei miglioramenti dell’intelligenza artificiale. I social media su cui i marketer si affidavano in passato non possono più essere considerati per costruire e influenzare il pubblico.

Robbert afferma che questo nuovo mondo del marketing digitale cambia il modo e il luogo in cui raggiungi le persone. “Sarà sempre più difficile per i professionisti del marketing analytics tenere il passo con la provenienza dei loro dati”, dice.

Venti anni fa, avere più dati significava essere più intelligenti, afferma Avinash Kaushik, chief strategy officer di Croud e membro del team di lancio originale di Google Analytics. “Ora abbiamo più dati di quanto Dio voglia che chiunque possieda. Quindi essere intelligenti significa essere in grado di capire quali dati ignorare per poter concentrare la tua attenzione”.

Guan Wang, direttore senior di marketing intelligence presso Snowflake, concorda. Afferma che gli analisti e gli scienziati devono “unire i dati in una piattaforma unica per realizzare il carico di lavoro dell’IA e del machine learning”.

E non è un compito facile.

“Le intelligence di marketing [le squadre] lavorano così duramente perché stiamo gestendo [oltre 11.000] applicazioni o soluzioni. Tutto questo ecosistema è altamente frammentato”, dice Wang.

 

Ma unificare i dati e ottenere intelligenza richiede tempo

  Le fonti di dati e le tecnologie frammentate rendono difficile per i professionisti del marketing analytics collegare i punti in modo strategico ed efficace, afferma Zontee Hou, direttore di strategia presso Convince & Convert.

“Sempre più organizzazioni riconoscono le opportunità e la necessità di dati più unificati”, afferma. 

Ma finché non si rallentano e investono il tempo necessario per unificare i dati, rimarranno bloccati nella segnalazione delle metriche, non delle intuizioni. 

Michael Bagalman, vice presidente di business intelligence e data science presso Starz, vede una sfida correlata. 

“I professionisti devono anche affrontare la sfida di integrare ed analizzare efficientemente vasti set di dati per ottenere intuizioni utili, affrontando contemporaneamente le implicazioni regolamentari ed etiche dell’uso dei dati”, afferma.

Questo richiede la navigazione di complessi quadri legali sulla privacy come il GDPR e il CCPA e garantire che gli algoritmi interpretati dall’IA e dal machine learning portino a decisioni eque e imparziali, spiega Bagalman.

Tutto ciò si traduce in un ambiente di lavoro impegnativo. Per far fronte alla situazione, gli esperti raccomandano quanto segue:

 

1. Migliora il lato non tecnico

  Sebbene queste sfide sembrino ruotare attorno alla tecnologia, il modo per affrontarle parte da qualcos’altro.

Gli analisti di marketing dovrebbero affinare le loro competenze per sapere con chi parlare – e come parlare loro – per ottenere le informazioni di cui hanno bisogno. Katie Robbert di Trust Insights afferma che richiede ascolto e fare domande per capire cosa sanno che tu devi riportare al tuo team, al tuo pubblico e agli stakeholder.

“Puoi insegnare competenze tecniche a chiunque. Le persone possono seguire la procedura operativa standard”, dice. “La competenza che è così difficile da insegnare è la comunicazione e l’ascolto”.

 

2. Migliora le tue competenze di narrazione

  Migliorando le tue competenze di comunicazione, sarai ben posizionato per seguire il consiglio di Hou: “Costruisci una storia chiara sul modo in cui i dati di marketing potrebbero e dovrebbero guidare il team di marketing dell’organizzazione”.

Lei dice che dovresti raccontare una narrazione che collega i punti, spiega il come e il dove di un ritorno sull’investimento e dettaglia le azioni possibili non ancora realizzate a causa di limitate linee di vista. “I team devono unirsi in modo interfunzionale e ottenere il sostegno degli esecutivi per risolvere veramente questo problema”, dice Zontee Hou di Convince & Convert.

 

3. Affina il tuo focus sugli obiettivi aziendali

  Ottenere il supporto a livello organizzativo richiede di sfruttare al massimo ciò che i dati possono fare per l’azienda.

“Gli uomini d’affari vogliono vedere i risultati aziendali. Ricorda sempre di allineare gli obiettivi aziendali con i tuoi principali stakeholder”, dice Guan Wang di Snowflake, sottolineando che dovresti rivedere regolarmente tale allineamento per assicurarti che sia ancora appropriato.

“Assicurati che siano a loro agio nell’usare il modello e poi itera costantemente. Il machine learning non è solo un report. Tu consegni molti, molti modelli”, dice.

 

4. Impara a bilanciare gli impatti aziendali, legali ed etici

  Allinearsi con gli scopi aziendali richiede anche di affrontare i requisiti legali relativi ai dati. “Si tratta di un equilibrio complesso tra marketing basato sui dati e il rispetto dei diritti individuali alla privacy”, dice Michael Bagalman di Starz. “Raggiungere questo equilibrio richiede una profonda comprensione dei quadri legali, delle capacità tecniche e delle considerazioni etiche. Regolamenti come il GDPR e il CCPA hanno implicazioni globali, ognuno con sfumature uniche che richiedono un’interpretazione e un’attuazione attenta”.

Dovresti creare un sistema di conformità per affrontare tali leggi quando introduci nuovi strumenti di marketing e metodi di raccolta dati. “Garantire l’accuratezza, la trasparenza e la sicurezza dei dati richiede una robusta infrastruttura tecnica e un monitoraggio continuo”, dice. “La complessità di queste sfide richiede la collaborazione tra esperti legali, scienziati dei dati, marketer ed eticisti per sviluppare soluzioni olistiche che rispettino sia i diritti degli utenti che l’efficacia del marketing”, afferma.

Cosa richiede tutto ciò da un praticante dell’analisi dei dati?

Bagalman condivide la lunga lista: competenza legale/regolamentare, competenza tecnica, comprensione delle considerazioni etiche, capacità di comunicazione (specialmente con stakeholder non tecnici), collaborazione, governance dei dati, consapevolezza della diversità e inclusione, apprendimento continuo, risoluzione dei problemi, gestione del rischio, pensiero strategico, adattabilità ed empatia – comprendere veramente la prospettiva del consumatore sull’etica dei dati e della privacy.

 

5. Modella l’impatto

  Sei pronto ad agire ora? Avinash Kaushik ha creato un modello che potrebbe aiutare i professionisti dell’analisi del marketing focalizzati sui contenuti – la Matrice dell’Impatto. Ti permette di rispondere a queste domande:

• Quanto è sofisticata la pratica di analisi del team?
• Qual è il modo migliore per far allontanare i leader/analisti dalle metriche a basso valore?
• Come puoi creare un percorso chiaro verso il successo dell’analisi?
• Come porti il ruolo del machine learning e dell’automazione al centro dell’attenzione?
• Cosa dovrebbe essere nel cruscotto del CMO rispetto a quello del direttore?

L’asse x della matrice indica quanto tempo ci vuole perché un pezzo di contenuto diventi prezioso – tempo reale, settimanale, mensile, trimestrale o semestrale. L’asse y va dalla tattica alla strategia. Kaushik spiega nel dettaglio come crearla in questo articolo.

Egli afferma: “La Matrice dell’Impatto ti aiuterà a intrattenere quella conversazione in base a un framework e quindi creare un piano che dica: ‘Siamo qui oggi. Come ci arriviamo?'”

 

Impara a vincere le sfide dell’analisi del marketing e dei dati

  Sei pronto, tu e il tuo team di analisi del marketing, ad andare veloci mentre la tecnologia e il marketing digitale si evolvono rapidamente, ma prendetevi il tempo per far funzionare tutto nel modo giusto per la vostra azienda? Mentre questi esperti evidenziano rapidamente soluzioni potenziali qui, rallenteranno alla conferenza MADS con spiegazioni approfondite e risponderanno alle tue domande di persona.

  Unisciti a noi alla conferenza MADS a Washington, D.C., dal 26 al 28 settembre 2023. Scopri di più qui e registrati con il codice KDN100 per ottenere 100 dollari di sconto sul tuo biglietto per la conferenza.