5 Skills สำหรับ Marketing Analytics และ Data Scientist
บางอย่างเร็ว 🐇 บางอย่างช้า 🐢
ผู้เชี่ยวชาญด้าน Marketing Analytics และ Data Scientist ต้องเผชิญกับความท้าทายที่เหมือนจะไม่เข้ากันนี้ กล่าวคือ ต้องปรับตัวให้เข้ากับการเปลี่ยนแปลงที่รวดเร็วของเทคโนโลยี AI และ Machine Learning / Deep Learning แต่ยังคงต้องคำนึงถึง การนำมาใช้งานอย่างมีประสิทธิภาพ ประเด็นเรื่องกฏหมาย และ Compliance ด้วย
Data Sources กฎ และ ความเกี่ยวข้อง เปลี่ยนแปลงอย่างรวดเร็ว
- ก่อนหน้านี้ นักการตลาดเคยพึ่งพา Social Media Platforms ต่างๆ ในการโน้มน้าวใจลูกค้า
- ในปัจจุบันมีแหล่งข้อมูลต่างๆ มากมาย ต้องรู้ได้ว่าควรใช้ข้อมูลแหล่งใด
- ความท้าทาย คือ การนำข้อมูลที่จำเป็นมารวมกันใน Platform เดียว เพื่อสร้าง AI หรือ Machine Learning Models
แต่การรวมข้อมูล (Unifying data) เพื่อไปสู่ Data Intelligence ต้องใช้เวลา
- นักการตลาดยังคงมุ่งเน้นไปที่การจัดการบูรณาการและวิเคราะห์ชุดข้อมูลขนาดใหญ่อย่างมีประสิทธิภาพ เพื่อให้ได้มาซึ่งข้อมูลเชิงลึกที่นำไปใช้ได้จริง ขณะเดียวกันก็ต้องคำนึงถึงผลกระทบด้านกฎระเบียบและจริยธรรมของการใช้ข้อมูล
- โดยมีกฎหมายต่างๆ ควบคุม เช่น PDPA, GDPR และ CCPA เพื่อให้แน่ใจว่าเทคโนโลยี AI และ Machine Learning ที่จะถูกนำมาใช้มีการตัดสินใจที่ยุติธรรมและเป็นกลาง
By Admin - องค์กรส่วนใหญ่ กำลังให้ความสำคัญในการ Implement CDP (Customer Data Platform) ซึ่งช่วยในการ Unifying Customer ที่มาจาก Datasources หลายช่องทาง เช่น Online App / Website, Offline
1. พัฒนาทักษะด้านที่ไม่ใช่เทคโนโลยีให้ดีขึ้น
- แม้ว่าความท้าทายต่างๆ เหมือนจะมีศูนย์กลางอยู่ที่เทคโนโลยี แต่มีวิธีในการจัดการกับปัญหาเหล่านี้ โดยใช้ทักษะด้านที่ไม่ใช่เทคโนโลยี (Soft Skills)
- นักวิเคราะห์การตลาด หรือ Data Scientist ควรฝึกฝนทักษะของตนเอง เพื่อรู้ว่าควรพูดคุยกับใคร และจะพูดคุยกับพวกเขาอย่างไร ต้องฟังและถามคำถามเพื่อทำความเข้าใจสิ่ง Stakeholders ต้องการจะสื่อสาร
- เราสามารถสอนทักษะทางเทคนิคให้กับใครก็ได้ ผู้คนสามารถปฏิบัติตามขั้นตอนการปฏิบัติงานมาตรฐานได้ แต่ชุดทักษะที่สอนได้ยาก คือ การสื่อสารและการฟัง
โดย Katie Robbert (CEO, Trust Insights)
2. พัฒนาทักษะการเล่าเรื่อง (Storytelling Skills)
- สร้างเรื่องราวที่ชัดเจนในแง่ของวิธีที่ข้อมูลการตลาดสามารถนำไปใช้ประโยชน์ และ นำไปใช้เป็นแนวทางให้กับทีมการตลาดขององค์กร
- ควรเล่าเรื่องที่เชื่อมโยงจุดต่างๆ อธิบายวิธีที่จะนำมาซึ่งผลตอบแทนจากการลงทุน และรายละเอียดการดำเนินการที่ยังไม่เกิดขึ้น
- ทีมจำเป็นต้องรวมตัวกันแบบ Cross-Functions รวมถึงการสนับสนุนจากผู้บริหาร เพื่อให้บรรลุเป้าหมายนี้
โดย Zontee Hou (Director of strategy, Convince & Convert)
3. มุ่งเน้นเป้าหมายทางธุรกิจให้มากขึ้น
- เพื่อให้เกิดการสนับสนุนจากองค์กร และ Stakeholders จำเป็นต้องอาศัยสิ่งที่ข้อมูลสามารถสร้างประโยชน์ต่อธุรกิจได้
- ในเชิงธุรกิจต้องการเห็นผลลัพธ์ทางธุรกิจ ต้องปรับวัตถุประสงค์ทางธุรกิจให้สอดคล้องกับสิ่งที่ Stakeholders ต้องการ
- ต้องแน่ใจว่า Stakeholders พึงพอใจกับการใช้ Models ต่างๆ และใช้ซ้ำๆ อย่างต่อเนื่อง
โดย Guan Wang (Senior director of marketing intelligence, Snowflake)
4. เรียนรู้การสร้างสมดุลระหว่างผลกระทบทางธุรกิจ กฎหมาย และจริยธรรม
- เพื่อให้สอดคล้องกับวัตถุประสงค์ทางธุรกิจ และยังคงปฏิบัติตามข้อกำหนดทางกฎหมายเกี่ยวกับข้อมูลด้วย ถือเป็น ความสมดุลที่ซับซ้อนระหว่างการตลาดที่ขับเคลื่อนด้วยข้อมูล และการรักษาสิทธิ์ความเป็นส่วนตัวของแต่ละบุคคล
- การสร้างสมดุลนี้ต้องอาศัยความเข้าใจอย่างลึกซึ้งเกี่ยวกับกรอบทางกฎหมาย ความสามารถทางเทคนิค และการพิจารณาด้านจริยธรรม กฎระเบียบเช่น PDPA, GDPR และ CCPA มีผลกระทบในระดับโลก ซึ่งต้องมีการตีความและนำไปปฏิบัติอย่างรอบคอบ
- การรับรองความถูกต้องของข้อมูล ความโปร่งใส และความปลอดภัยจำเป็นต้องมีโครงสร้างพื้นฐานทางเทคนิคที่ดี และ การตรวจสอบอย่างต่อเนื่อง
- ความท้าทายเหล่านี้ต้องอาศัยความร่วมมือระหว่างผู้เชี่ยวชาญด้านกฎหมาย Data Scientist นักการตลาด และนักจริยธรรมเพื่อพัฒนา Solutions แบบองค์รวมที่เคารพทั้งสิทธิ์ของผู้ใช้และประสิทธิภาพทางการตลาด
โดย Michael Bagalman (Starz)
5. สร้าง Impact จาก Model
เมื่อลงมือทำ Model การใช้ Impact Matrix ช่วยให้คุณสามารถตอบคำถามเหล่านี้
- ทีมวิเคราะห์ข้อมูลสามารถทำงานได้ซับซ้อนเพียงใด?
- วิธีที่ดีที่สุดในการหลีกเหลี่ยงโครงการที่มีตัวชี้วัดมูลค่าต่ำ?
- การสร้างเส้นทางที่ชัดเจนและนำไปสู่การวิเคราะห์ข้อมูลที่มีประสิทธิภาพทำได้อย่างไร?
- สามารถนำ Machine Learning และ ระบบอัตโนมัติต่างๆ มาใช้อย่างมีประสิทธิภาพได้อย่างไร?
- Dashboard สำหรับ CMO หรือ Director ควรเป็นอย่างไร?
แกน x ของ Matrix จะให้บอกว่า Content ใช้เวลานานแค่ไหนจึงจะสร้างคุณค่า ไม่ว่าจะเป็น Realtimeรายสัปดาห์ รายเดือน รายไตรมาส หรือรายหกเดือน แกน y เริ่มจากเทคนิคไปจนถึงกลยุทธ์ขั้นสูง สามารถดูรายละเอียดเพิ่มเติมได้ ที่นี่
The Impact Matrix ช่วยให้การสนทนาเป็นไปตามกรอบ จากนั้นจึงสร้างแผนที่เพื่อระบุว่า "เราอยู่ที่นี่ในวันนี้ เราจะไปที่นั่นได้อย่างไร?"
โดย Avinash Kaushik (Chief Strategy Officer, Croud)
******
ข้อมูลอ้างอิง - 5 Skills All Marketing Analytics and Data Science Pros Need Today - KDnuggets