Аналитика – это не только отчеты, но еще и масштабная кропотливая работа. Марго Кашуба, директор по маркетингу в OWOX, рассказывает, кто такой маркетолог-аналитик, какие задачи он решает, и зачем вообще бизнесу так нужна эта профессия.
Профессия маркетолог-аналитик: какие задачи бизнеса она решает?
Илья Голубев
Содержание:
-
Чем вообще занимается маркетолог-аналитик?
Что такого особенного в этой работе?
Что должен уметь маркетинговый аналитик?
Личные качества хорошего маркетолога-аналитика
Плюсы и минусы работы маркетолога-аналитика
Актуальные советы для маркетологов-аналитиков
Сколько зарабатывают маркетологи-аналитики?
В каких случаях маркетологов-аналитиков не берут на работу
Чем вообще занимается маркетолог-аналитик?
Маркетолог-аналитик собирает и анализирует маркетинговые данные и готовит аналитические отчеты по ним.
Он помогает руководству компании принимать решения и находить ответы на важные для бизнеса вопросы: почему пользователи покупают или не покупают продукт, сколько денег вкладывать в рекламу и как оценить ее эффективность.
В целом маркетолог-аналитик измеряет то, как усилия влияют на результат, при этом технологии и работа отдела маркетинга — это усилия, а дополнительная прибыль, которую получает бизнес — результат.
Что такого особенного в этой работе?
Работу аналитика в маркетинге можно разделить на три основных направления.
Изучение новых технологий, которые помогают бизнесу увидеть, где получить большую прибыль или сократить расходы;
Помощь в создании торговых предложений, чтобы аудитория онлайн-бизнеса росла и становилась качественнее;
Помощь в управлении рекламой, настройка модели атрибуции, поиск инсайтов для развития бизнеса.
Начинается такая работа вовсе не с анализа данных. Перед этим аналитику нужно:
Собрать начальные требования и пожелания бизнеса, задавая правильные вопросы;
Сформировать понимание того, что нужно клиенту, в аналитическую задачу и уточнить, правильно ли он все понял;
Определить способы и возможные инструменты решения.
Статистика без пояснения, визуализации, рекомендаций и прогноза неэффективна.
То есть если маркетолог-аналитик просто научится использовать инструменты, выгружать отчеты из Google Analytics и в первозданном виде показывать их клиентам, ему за это не заплатят. Аналитик должен:
Формировать базу по методологии расчета и работать с ней по дорожной карте (roadmap).
Раскладывать ее на шаги, объяснять, почему выбрана именно такая методология, согласовывать ее с клиентом. Если клиент ему не верит, лучше узнать это на начальном этапе работы.
Отвечать для себя на вопрос: как клиент сможет использовать предоставленные данные?
Если это таблица в 4 тысячи строк без фильтров, без сводной таблицы, без визуализации, то скорее всего – никак. Он положит отчет на полку и никогда не откроет.
Проверять данные на адекватность.
Что должен уметь маркетинговый аналитик?
Прежде всего речь идет об:
-
аналитическим мышлении;
знании предметной области;
технических компетенциях и инструментах.
Что из трех перечисленных навыков важнее для аналитика? Существует два мнения на этот счет.
Первое заключается в том, что хороший аналитик-универсал должен быть «прокачан» равномерно в трех областях.
К примеру, он может обладать хорошим аналитическим мышлением, но без повышения компетенции и изучения новых инструментов останется просто теоретиком.
Если же повышать знания только предметной области, игнорируя развитие аналитического мышления, то аналитик будет классным стратегом, но вряд ли сможет самостоятельно решить бизнес-задачу.
Если говорить про полный уход в технические инструменты, то он станет классным программистом и будет вариться в цифрах и потоках данных.
Второе мнение в том, что навыки аналитика могут развиваться с уклоном в одну из трех областей, и тогда от этого навыка будет зависеть специализация аналитика.
Допустим, он сместил свой вектор в развитие технических компетенций, то есть не полностью ушел в них, но стал уделять больше внимания, чем аналитическому мышлению и знанию предметной области, тогда он станет Data Scientist.
Если аналитик уходит в знание предметной области, он оказывается Data Miner.
OWOX совместно с HeadHunter провели небольшое исследование профессии «маркетолог-аналитик» по вакансиям и резюме, опубликованным в России в первой половине 2021 года, и выяснили, какие требования к профессии выдвигают работодатели:
Маркетинговый анализ
Маркетинговые исследования
Анализ рынка
SWOT-анализ
Аналитические исследования
MS PowerPoint
Прогнозирование
Аналитическое мышление
SQL
Английский язык
Анализ конкурентной среды
Анализ данных
Google Analytics
Анализ ассортиментной линейки
MS Excel
MS Access
Продвижение бренда
Маркетинговые коммуникации
Python
Интернет-реклама
Если говорить про специалистов с большим опытом работы, то к их навыкам работодатели добавляют работу с базами данных, сбор и анализ информации, обработку массивов данных, оформление отчетов, бизнес-анализ и B2B маркетинг.
Личные качества хорошего маркетолога-аналитика
Помимо этого многое в работе маркетолога-аналитика зависит и от его личных качеств. Самые важные из них:
Готовность к переменам. Маркетологу-аналитику нужна быстрая реакция, чтобы уметь приспособиться к изменениям.
И в этих изменениях он должен уметь налаживать связи, чтобы преодолевать барьеры, а не выстраивать их.
Желание обучаться новому. Хорошему специалисту в аналитике все любопытно: бизнес, данные, мир и люди вокруг.
Он должен хотя бы на базовом уровне разбираться во многих сферах: финансы, бизнес-операции, продажи, маркетинг, статистика. Иначе ему будет сложно добиться значительных успехов в своей работе.
Коммуникация. Быть маркетологом-аналитиком значит сотрудничать с другими людьми.
Сбор данных, создание моделей, разработка плана действий — это все командные задачи. Опытные аналитики умеют собирать людей вместе и работать вместе с ними.
Плюсы и минусы работы маркетолога-аналитика
Очевидно, что факторы, которые для одного человека в работе будет неоспоримым преимуществом, для другого могут стать непреодолимым недостатком.
В целом работа аналитика может быть отранжирована по двум составляющим, которые присутствуют в большей или меньшей степени. Это программирование и общение с людьми.
Если разложить эти критерии на некие крайности (там где одного становится сильно больше, а другого меньше) можно выделить, например, работу Data Scientist.
Ему нужно больше писать кода и меньше общения с людьми при прочих равных. Или работа Data Engineer — еще больше программирования, еще больше кода и относительно других позиций еще меньше общения с людьми.
В противовес есть позиции, где требуется больше общения с людьми. Это работа Project Manager или Product Manager.
Если вы чувствуете, что жизнь без новых технологий, без программирования и без людей одинаково невозможна — это область Self Branding, так называемый евангелизм, когда человек делится компетенцией, выступает на конференциях, рассказывает о новых технологиях, постоянно пробует новые технические продукты и продолжает активно общаться с людьми.
Противоположностью Self Branding является человек, которому не близко ни программирование, ни общение с людьми. В этом случае ему стоит поискать что-то другое.
Каждая из этих позиций не равна профессии аналитик. Речь не про должности, а про роли. Какие качества делают аналитика ближе к тому или иному квадрату на графике.
Конечно, многим может оказаться близко и то, и другое.
Но как часто бывает в жизни, в развитии надо на чем-то сконцентрироваться, если вы хотите добиться заметных результатов. Пусть это несколько вещей, но какая-то из них должна быть главной.
Как понять, что вам ближе программирование
Признаки ЗА
Вы уверены, что все можно автоматизировать.
Если к вам пришли с вопросом, ответ на который есть в документации, то на него можно не отвечать.
Вы не можете серьезно воспринимать человека, который не отличает нормальное распределение от распределения Гаусса (спойлер: на самом деле это одно и то же).
Вы считаете, что ответы на вопросы хранятся на Stack Overflow, а не на Quora.
Признаки ПРОТИВ
Вы не видите разницы между Push и Pull API.
Вам достаточно формул в Google Sheets для автоматизации ETL.
Вы считаете, что в работе можно обойтись без репозитория.
Как понять, что вам ближе люди
Признаки ЗА
Вы уверены, что в интервью пользователей можно узнать больше, чем из кликстрима.
Вы считаете, что проблема не в отчетах, а в том, как ими пользуются люди.
Вы видите недостатки в продукте и недоумеваете, почему их еще не устранили.
Вам больше всего нравятся метрики, рассчитанные в разрезе пользователя.
Признаки ПРОТИВ
Вы не понимаете, как найти ошибку в человеке, если у него нет дебаггера.
Вы уверены, что для решения большинства задач достаточно поставить задачу программистам.
Вы верите, что надо просто сделать как Facebook (Google, Apple и другие успешные корпорации).
Ответив для себя на вопрос, что же из этого вам ближе, вы поймете, на чем сфокусировать свои усилия.
Актуальные советы для маркетологов-аналитиков
-
Вникайте в бизнес-модель
Смысл бизнеса не в тегах и SQL-запросах, а в создании добавленной ценности. Самое важное — понимать, как эта добавленная ценность формируется.
Уже из этого станет ясно, какие данные собирать, какие отчеты и дашборды делать.
-
Стремитесь к созданию постоянной ценности
Ответ на вопрос — это разовая ценность. Дали ответ — запишите его в базу знаний, чтобы далее его можно было найти либо в документе, либо во внутренней LMS или Wiki.
Произошел сбой — добавьте проверку на мониторинг. Сделали разовый отчет — опишите модель данных, сделайте ее переиспользуемой.
То есть нужно стремиться к тому, чтобы ценность, которую вы создаете, работала постоянно, а не разово.
-
Задавайте вопросы
Себя, коллег, экспертов на рынке. Здоровое любопытство — первый шаг к развитию.
К тому же, у аналитика всегда есть, где искать ответы: у людей, в коде или в массиве данных.
Чтобы повысить ценность ответов, которые формируют сами аналитики, можно представить бизнес-процессы в виде иерархии сущностей:
У бизнеса есть стратегия, которой подчинены цели — их нужно достичь, чтобы эту стратегию реализовать.
Чтобы достичь целей, нужно принять определенные решения. Для принятия этих решений надо ответить на вопросы.
Для поиска ответов на вопросы нужны отчеты и дашборды. В отчетах есть некие KPI, которые строятся из источников данных.
Аналитик чаще всего получает вопросы на уровне «Отчеты и дашборды».
Прежде чем отвечать на эти вопросы, аналитику необходимо проанализировать вопросы и задачи, которые стояли на уровнях выше.
Что это значит? Чтобы формировать некие данные, надо понимать, как это по цепочке поможет реализовать стратегию бизнеса.
Например, вы работает в стартап-бизнесе, где важен рост, или вы работает в режиме cash cow, когда важна максимизация прибыли и удержание доли на рынке, или бизнесу важна клиентская база.
Все эти ответы напрямую повлияют на то, какими должны быть отчеты и какие данные для этих отчетов потребуются.
Сколько зарабатывают маркетологи-аналитики?
Совместное исследование OWOX и HeadHunter показало, что вместе со спросом на профессию растет и зарплата.
В 2019 году медианная зарплата, которую предлагали работодатели составляла 45 тыс. рублей, а в 2021 году она увеличилась до 60 тыс. рублей. Прирост зарплаты составил 33,3%.
В зависимости от опыта работы, компании готовы платить от 37,5 (без опыта) до 70 тыс. рублей (опыт более 6 лет). Здесь также речь идет про медианную зарплату.
В каких случаях маркетологов-аналитиков не берут на работу
-
1. Непонимание предметной области
Первая и самая главная причина — это недостаточное понимание того, что представляет собой юнит-экономика, какие benchmark на рынке. Почему это критически важно для аналитика?
Потому что от этого зависит, что он подсветит в отчете, на чем сделает акцент, какие предположения он заложит в модели и в дашборды.
Это знание невозможно передать с постановкой задачи. Поэтому, если аналитик стремится повысить свою ценность на рынке, то в большинстве случаев его зона роста — это понимание предметной области, в которой он хотел бы развиваться: электронная торговля, финтех, туризм или другой.
-
2. Реактивное мышление
«Вроде работает. А если поломается, мне скажут».
Это то, что выбешивает руководителя и то, что очень сильно снижает ценность работы аналитика.
Например, когда подготовлен отчет и не предусмотрены сценарии, что будет, если он сломается.
Классический пример — составление performance-отчета, в котором один из показателей – ROI. Если отчет построен за период в несколько дней, можно легко представить, что произойдет, когда один из потоков, доставляющих данные о расходах, частично не будет работать.
Например, одна из кампаний не поставляет расходы за пять из тридцати дней. Это значит, что расходов будет меньше на ⅙ и человек, принимающий решения на основе такого отчета, увидит завышенный ROI.
С точки зрения недостаточно квалифицированного аналитика это может выглядеть так: пойду посмотрю и починю.
Но грамотный аналитик такие вещи предусматривает на входе. Хорошим признаком является то, когда вы об этих ошибках узнаете из мониторинга, а не от руководителя.
Автоматический мониторинг должен быть везде, где может возникнуть ошибка. Его можно делать на разном уровне, с разной детализацией.
-
3. Неспособность донести свою мысль
Это проявляется не только у аналитиков. Нередко даже квалифицированные специалисты, которые хорошо разбираются в своей сфере, не могут поделиться этими знаниями в полной мере.
Например, изъясняются избыточным количеством слов в письмах, без списков, знаков пунктуации или ссылок.
Всегда важно помнить, что результат работы аналитика и его компетенция не в том, что он знает, а в том, какие решения он помогает принимать.
-
4. Отсутствие навыков командной работы
В советских и постсоветских школах всегда критиковалось списывание: «Не подглядывай, ты должен сделать все сам».
Эти установки помогают развиваться индивидуальным качествам, но не помогают в командной работе.
Тем, кто приходит в новую компанию, рекомендуем делать акцент на том, как построена командная работа. Потому что для руководителя оценка начинается сверху: работает ли отдел.
Аналитика нужна даже небольшим компаниям, но в таких масштабах отдел маркетинга может самостоятельно справится с этой задачей. Например, собирать данные и строить отчеты без SQL и помощи аналитиков, используя готовые BI инструменты.
Это сэкономит время и ресурсы на внедрение, и поможет ответить на основные вопросы бизнеса.
Однако крупным компаниям с большим объемом данных, которые хотят настроить сквозную аналитику, использовать вероятностные модели атрибуции, моделирование и прогнозирование, без помощи аналитика не обойтись.
Источник: