Алена Артемьева, Работа.ру - Data-driven маркетинг как часть аналитической культуры компании.

YOUTUBE · 30.11.2025 04:05

Ключевые темы и таймкоды

Введение

0:00
  • Спикер обсуждает дейта дривен маркетинг и его отличие от обычного маркетинга.
  • Дейта дривен маркетинг - это когда маркетинг принимает решения, основываясь на данных.

Мифы о дейта дривен маркетинге

3:07
  • Миф 1: Дейта дривен маркетинг только для крупных компаний.
  • Миф 2: Сбор данных не нужен, пока не станет слишком поздно.
  • Миф 3: Сбор данных без заботы о качестве.
  • Миф 4: Сбор данных без понимания, как их использовать.

Важность сбора данных

7:07
  • Сбор данных необходим для понимания эффективности маркетинга и бизнеса.
  • Важно определить метрики, которые нужно отслеживать, и понимать, какие метрики полезны.

Мифы о Data Science

8:37
  • Видео обсуждает распространенные мифы о Data Science, включая то, что это сложно и дорого.
  • Автор подчеркивает, что на самом деле это не так, и что начать можно с простых формул и инструментов.

Роль аналитиков в компании

11:35
  • Аналитики приносят деньги компании, из данных делают деньги.
  • Аналитики могут выступать в роли психологов, помогая бизнесу справиться с проблемами.
  • Важно, чтобы аналитик был независимым и мог отстаивать свою точку зрения.

Проблемы с аналитикой

14:35
  • Бизнес часто не может сформулировать свои требования к аналитикам.
  • Проблемы с источниками данных, архитектурой и перегруженными базами данных.
  • Бизнес должен принимать участие в решении проблем с аналитикой, чтобы избежать ошибок и проблем в будущем.

Проблемы с аналитикой

19:32
  • Видео обсуждает распространенные проблемы с аналитикой, включая сложность и сложность работы с данными.
  • Автор предлагает декомпозицию ключевых показателей и метрик для упрощения анализа и понимания причинно-следственных связей.

Мифы о дейта дривен

25:32
  • Дейта дривен не обязательно должен быть дорогим и сложным.
  • Можно использовать бесплатные инструменты для анализа данных и визуализации отчетности.

Ошибки в визуализации данных

27:30
  • Ошибки в визуализации данных могут привести к неправильным выводам и иллюзии контроля.
  • Важно правильно выбирать периоды сравнения и показатели для анализа.

Использование данных для принятия решений

30:30
  • В видео обсуждается, как компании могут использовать данные для принятия решений, не только для увеличения дохода, но и для снижения рисков и потерь.
  • Приводятся примеры использования данных в компании Fresh Broccoli, где были созданы отчеты на Google Cloud и Google Data Studio для анализа продаж и эффективности витрины.

Критерии хорошего аналитика

33:30
  • Обсуждаются критерии хорошего аналитика, такие как умение работать с данными, понимание метрик качества и не пытаться обмануть с помощью данных.
  • Упоминается, что у каждого отдела аналитики могут быть свои критерии оценки эффективности работы.

Оценка работы отдела аналитики

37:27
  • Обсуждаются различные способы оценки работы отдела аналитики, включая качество прогнозов, продуктовые улучшения, количество отчетов и достижение целей.
  • Подчеркивается важность проактивности и самостоятельности аналитиков в определении своих целей и задач.