데이터 분석: 스택의 과거와 한계

최근 MarTech 컨퍼런스 세션에서 Arti Munshi와 나는 마케터가 데이터 분석가와 효율적으로 작업하는 데 도움이 되도록 이해할 수 있는 몇 가지 상위 개념에 대해 이야기했습니다. 이것의 핵심은 데이터의 한계를 이해하는 것입니다. 이러한 한계 중 하나는 마테크 스택의 진화입니다.

다양한 유형의 진화는 데이터 분석가가 시간이 지남에 따라 수집된 데이터로 수행할 수 있는 작업을 방해할 수 있습니다. 다음은 몇 가지 예입니다.

분석 플랫폼

회사가 스택 내에서 분석 플랫폼을 변경하는 것은 전례가 없는 일입니다. 각 구성 요소 유형에 대한 다양한 옵션이 있으며 회사에서 사용하는 구성 요소를 변경할 수 있는 많은 이유가 있습니다.

일반적인 예는 웹 분석 플랫폼입니다. 이 분야의 두 주요 업체는 Adobe Analytics와 Google Analytics입니다. 회사에서 하나를 다른 것으로 바꾸면 회사의 과거 웹 데이터가 제한될 수 있습니다. 물론 회사에서 두 시스템의 데이터를 데이터 레이크에 저장했을 수 있지만 그렇다고 해서 플랫폼이 데이터를 유사하게 수집하고 구성한 것은 아닙니다. 이것은 분석가가 설명하기 어렵게 만듭니다. 마케터가 이 내역을 이해할 수 있다면 이러한 발전을 자신의 요청과 기대에 통합할 수 있습니다.

다른 스택 구성 요소도 데이터 수집 및 처리에 영향을 줄 수 있음을 잊지 마십시오. 그것들을 전환하면 비슷한 문제가 나타납니다.

더 넓은 조직

마케팅 부서는 혼자가 아닙니다. 그들은 더 넓은 조직을 촉진하기 위해 존재합니다. 더 광범위한 조직은 데이터 수집에 영향을 미치는 문제를 제시할 수도 있습니다.

예를 들어, 회사에는 조직 전체의 시스템 데이터가 저장되는 데이터 레이크가 없을 수 있습니다. 데이터를 모두 한 곳에 보관하면 더 넓은 관점에서 다른 데이터를 더 쉽게 가져올 수 있습니다. 예를 들어, 리드, 전환 및 기회가 퍼즐의 유일한 조각은 아닙니다. 고객 행복, 고객 서비스 담당자와의 접점 등은 모두 더 큰 그림의 일부입니다.

분석가가 마케팅 캠페인에 대한 고객의 상호 작용 이상을 볼 수 있다면 더욱 강력하고 완전한 결과를 얻을 수 있습니다. 그러나 그것은 처음에 모든 데이터를 함께 가져오는 것이 얼마나 쉬운지에 달려 있습니다.

자세히 알아보기: 데이터 웨어하우스와 데이터 레이크의 차이점은 무엇입니까?

규정

개인 정보 보호 규정이 발전했다는 것은 비밀이 아닙니다. 과거에는 미국에서 웹 브라우저가 웹사이트 방문자에 대한 많은 정보를 수집하는 것이 허용되었습니다. 특히 제3자 데이터를 사용하여 해당 정보를 다른 당사자에게 공유하거나 판매할 수 있는 여지가 훨씬 더 많았습니다. 이 때문에 분석가는 더 풍부하고 강력한 정보를 제공할 수 있습니다. 연방 및 주 규정은 해당 데이터 수집을 엄격히 규제하여 더 이상 그렇지 않습니다.

또한 개인 정보 보호 규정도 전 세계적으로 다양합니다. 유럽 ​​연합은 시민의 개인 정보를 보호하는 것으로 잘 알려져 있습니다. 다른 정부 기관보다 훨씬 더 그렇습니다. 이것은 마케팅 담당자를 놀라게 해서는 안 되지만 분석가는 미국과 비교할 때 EU 데이터에 더 제약을 받습니다.

더 깊이 파고들다: Apple의 개인 정보 보호가 수익에 타격을 입히면서 일부 회사는 이를 우회하는 방법을 찾고 있습니다.

기기 제조업체의 영향

기술 회사는 확실히 규정을 준수해야 합니다. 그러나 때로는 그들이 관리하는 것보다 더 엄격한 표준을 준수합니다. 예를 들어 Apple은 회사가 장치 사용자에 대해 수집할 수 있는 데이터를 제한했습니다. 개인 정보 보호에 중점을 둔 광범위한 마케팅 캠페인으로 바뀌었습니다. 인식이 현실과 얼마나 일치하는지에 관계없이 마케팅 담당자는 분석가가 Apple 및 Android 사용자에 대해 동일한 데이터를 갖지 않을 수 있다는 점에 유의해야 합니다.

고객 본인 식별

장치에 집착하는 이 점은 잘 알려진 한계입니다. 대부분의 사람들은 랩톱, 전화 및 콘솔에 이르기까지 다양한 장치를 사용합니다. 누군가가 각각의 여러 개를 갖는 것은 드문 일이 아닙니다. 예를 들어, 그들은 업무용 노트북에서 몇 가지 무례한 개인적인 일(뉴스 확인과 같은)을 하고 나중에 개인용 노트북과 전화에서 다시 합니다. 이상적으로는 여러 사람이 다른 장치를 사용하는 대신 데이터가 한 사람으로 나타내도록 장치 전체에 해당 개인을 연결하는 것이 좋습니다.

이를 수행하는 한 가지 방법은 자사 데이터를 수집하고 여러 장치를 사용하는 개인을 찾는 것입니다. 아마도 그들은 계정이 있고 여러 장치에서 시스템에 로그인합니다. 그것은 확실히 그러한 스티칭을 수행하는 한 가지 방법입니다. 그러나 조직에 사람들이 로그인할 수 있는 계정이 항상 있는 것은 아닙니다. 어떤 경우에는 누군가가 조직의 시스템에 계정을 개설하는 것이 이치에 맞지 않을 수 있습니다.

조직에서 사람들이 만들고 사용할 수 있는 계정을 도입할 수 있었다면 그 계정이 사용 가능하지 않거나 널리 사용되지 않았던 때를 되돌아보면 분석가가 시간이 지남에 따라 여러 장치에서 사람을 추적하는 데 방해가 된다는 점을 명심하십시오.

불가능이 아닌 한계

마케터로서 이러한 데이터 제한 사항을 이해하는 것이 필수적입니다. 이를 이해하면 데이터 분석가와 작업하는 데 도움이 됩니다. 이 모든 것을 말했지만 이것은 불가능이 아니라 한계입니다. 데이터 분석가가 빛날 수 있는 때입니다. 그들은 한계를 잘 알고 있지만 데이터 전문가로서 마케터가 알고 있는 것보다 훨씬 더 많은 속임수를 가지고 있을 것입니다. 바라건대, 지형에 대한 높은 이해를 가지고 테이블에 오면 창의적인 협업이 촉진될 것입니다.

이 기사에 표현된 의견은 게스트 저자의 의견이며 반드시 MarTech가 아닙니다. 직원 저자가 여기에 나열됩니다.