McGaw.io의 Dan McGaw와 함께 더 나은 마케팅 결정을 내릴 수 있도록 데이터에서 쓰레기 제거 [AMP 223]

데이터 문제는 마케팅 스택 내부 어딘가에 숨어 있을 수 있습니다. 놀라지 마십시오. 아직입니다. 데이터를 다루는 대부분의 분석 패키지 및 마케팅 소프트웨어 서비스에는 약간의 차이나 부정확성이 있습니다. 오늘의 게스트는 마케팅 기술 및 마케팅 분석 컨설팅 회사인 McGaw.io의 설립자이자 CEO인 Dan McGaw입니다. Dan은 더 나은 마케팅 결정을 내리는 방법에 대해 이야기합니다. 데이터 재해를 피하기 위해 더 깊은 문제를 식별하고 수정합니다. 그는 데이터를 깨끗하게 유지하고 측정항목을 이동하기 위해 알아야 할 모든 것을 설명합니다. 쇼의 하이라이트 중 일부는 다음과 같습니다.

• 데이터 정리가 중요한 이유는 무엇입니까? 분석 + 잘못된 데이터 = 잘못된 결정
• 방향성: 데이터는 완벽하기 위한 것이 아니라 성장하고 조치를 취하는 것이 목표입니다.
• 데이터 스펙트럼: 모든 사람이 신뢰할 수 없는 데이터를 가지고 있습니다. 얼마나 나쁜가요?
• 마케팅 스택: 데이터 문제에서 비롯되는 다양한 문제
• 분류: 일반적인 문제는 일관되거나 연결되는 이름이 없다는 것입니다.
• 의도적: 마케팅 기술을 설정 및 구성하거나 실패에 대비하십시오.
• 감사: 문제가 있다는 것을 알지만 문제가 무엇인지, 어디서부터 시작해야 하는지 모릅니다.
• 솔루션: 데이터 흐름 방식을 이해하여 계획하고 보다 능동적으로
• 모범 사례: Urchin 추적 매개변수(UTM)는 잘못된 데이터의 주범입니다.
• Cool Sh*t를 만드는 방법: 천천히, 시간을 갖고, 프로젝트를 서두르지 마십시오.

오늘 프로그램이 마음에 드셨다면 iTunes에서 Actionable Content Marketing Podcast를 구독하십시오! 팟캐스트는 SoundCloud, Stitcher 및 Google Play에서도 사용할 수 있습니다.

성적 증명서:

벤: 댄, 오늘 오후 어때? 댄: 잘 지내고 있어. 저를 주셔서 정말 감사합니다. 벤: 물론이죠. 당신은 올랜도에서 73도 아래로 내려가 있는 지금 나보다 조금 더 잘하고 있을지도 모릅니다. 댄: 춥네요. 무슨 말씀을 하시는지 모르겠습니다. 지금 당신이 있는 곳이 더 추운 것은 알지만 나중에 외출할 때 재킷을 입을 것입니다. 벤: 나도 재킷을 입을거야. 조금 무거울 수 있지만 그래도 자켓입니다. 우리가 너무 빗나가기 전에 잠시 시간을 내어 청취자에게 자신을 소개하고 McGaw.io에서 하는 일에 대해 설명해 주시겠습니까? Dan: 저는 McGaw.io라는 회사의 설립자이자 CEO인 Dan McGaw입니다. 저는 20년 넘게 마케팅 기술 분야에서 일해 왔습니다. 나는 대량 이메일이 있기 전에 대량 이메일을 보내는 1998년에 시작했습니다. 나는 그것을 반올림하고 내가 몇 가지를 보았다고 [...]라고 말하고 싶습니다. 내가 Kissmetrics에서 마케팅 책임자였을 때부터 나를 알아보는 사람들이 있습니다. 나는 그 로켓 우주선이 정말 멋진 일을 하도록 이끄는 것을 도왔습니다. 그 전에 나는 codeschool.com이라는 다른 회사에서 성장 책임자였으며 Pluralsight에서 인수하는 데 도움을 주었습니다. 저는 막 스타트업에 관한 한 주변에 있었고 모든 종류의 다양한 것들을 보았습니다. McGaw.io에서 그들은 마케팅 기술 및 마케팅 분석 컨설팅 회사였습니다. 그게 무슨 뜻이야? 당연히 우리는 기업이 고객 여정에 대한 가시성을 얻도록 돕거나 전환을 위해 고객 여정을 최적화하도록 돕습니다. 그러나 우리는 마케팅 기술을 활용하여 이를 수행합니다. 우리는 일반적으로 도구를 통합하고 도구를 운영하고 성장을 가속화하고 사용하며 우리의 백본은 항상 분석이었습니다. 나는 Kissmetrics를 떠날 때 우연히 이 회사를 시작했습니다. 내가 Kissmetrics를 떠날 때 분석 도움이 필요한 많은 친구들이 있었습니다. 당연히 여기에서 우리의 중추는 항상 분석이었습니다. 벤: 아주 멋져요. 귀하의 전문 지식은 데이터 청결, 데이터 신뢰성이라는 이 에피소드의 주제와 정말 잘 연결되어 있으며, 데이터를 기반으로 실제로 올바른 결정을 내릴 수 있도록 데이터를 깨끗하고 신뢰할 수 있는 상태로 유지하는 방법에 대해 광범위하게 이야기하고 있습니다. 높은 수준에서 데이터 정리가 처음부터 중요한 이유는 무엇이며 마케팅 담당자가 우려해야 하는 이유는 무엇입니까? Dan: 정말 좋은 질문입니다. 분석이 있고 분석에 잘못된 데이터가 있는 경우 분석이 잘못되었다는 의미이며, 이는 자연스럽게 잘못된 결정을 내리게 된다는 것을 의미합니다. 저는 지금 마케팅 기여도가 매우 좋지 않은 회사와 일하고 있습니다. 그들은 그것을 알고 있습니다. 그들은 기본적으로 모든 마케팅 지출을 중단했습니다. 우리는 작은 4자리 지출을 말하는 것이 아니라 5-6자리 지출을 말하는 것입니다. 그들은 나쁜 데이터를 가지고 있기 때문에 더 이상 돈을 잃고 싶지 않기 때문에 모든 것을 철회했습니다. 비즈니스에 막대한 영향을 미칠 수 있습니다. 제 직업에서도, 제 경력에서도 나쁜 데이터가 있는 회사에 다녔고 우리는 좋은 결정을 내렸습니다. 나쁜 데이터에 대해 좋은 결정이 내려졌다는 사실을 알게 되었습니다. 우리가 가진 데이터에 대한 훌륭한 결정이었지만 잘못된 데이터라는 것을 알게 된 후 결과는 쓰레기였습니다. 정말 좋은 데이터가 있는지 확인해야 합니다. 완벽할 필요는 없다고 생각합니다. 데이터는 완벽하지 않습니다. 인터넷은 완벽하지 않습니다. 엉망진창인 곳을 생각해보면 인터넷이다. 즉, 데이터가 완벽하지 않을 수 있지만 최소한 방향을 잡을 수 있다면 훨씬 더 나은 위치에 있게 될 것입니다. 데이터를 계속 정리하면 더 이상 실수하지 않도록 하는 데 도움이 됩니다. Ben: 제가 조금 더 확장하고 싶은 한 단어는 방향성입니다. 나는 당신이 거기에서 무엇을 얻고 있는지 알고 있습니다. 내부적으로 CoSchedule의 경우에도 데이터 또는 일반적으로 메트릭을 보는 경우가 많습니다. 일이 어떻게 진행되고 있는지에 대한 아주 세부적인 정보를 얻는 데 너무 매달렸습니다. 당신이 그 용어를 사용할 때 그것이 당신이 의미하는 바입니까, 아니면 당신이 그것에 의해 다른 것을 의미합니까? 댄: 확실히 말이에요. 바람이 어느 방향으로 불고 있는지 확실히 알아야 합니다. 그러나 데이터가 완벽할 수 없는 영역이 분명히 있습니다. 일반적인 것은 멀티터치 어트리뷰션 또는 마케팅 어트리뷰션이 될 것입니다. 멀티터치 어트리뷰션에서는 데이터가 완벽할 수 없습니다. 목표는 방향을 지정하고 그렇게 하는 방법을 알려주는 것입니다. 확실히 방향을 잡아야 하는 특정 영역이 있지만 동시에 개인적으로 내 관점에서 일반적으로 가장 빠르게 성장하는 회사는 결정적인 것에 덜 집중하고 방향을 잡는 방법에 더 집중하는 회사입니다. 어떤 방향이 성장인지 알려줄 데이터입니다. 이동을 시작하고 조치를 취합시다. 벤: 물론이죠. 나는 거기에서 행동에 대한 강조를 좋아합니다. 따라서 실행 가능한 마케팅 팟캐스트. 우리는 여기에서 행동에 관한 모든 것입니다. 이러한 것들이 정확하지 않다고 말하지만, 귀하의 추정에 따르면 이러한 종류의 문제가 얼마나 흔하다고 생각하십니까? 신뢰할 수 없는 데이터만 가지고 있는 마케터와 관련된 문제가 얼마나 광범위하다고 생각하십니까? Dan: 회사마다 어딘가에 신뢰할 수 없는 데이터 상황이 있습니다. 우리는 분석 컨설팅 회사이며 약속할 수 있습니다. 우리 도구 중 하나에 무언가에 대한 신뢰할 수 없는 데이터가 있습니다. 나는 우리가 추적하지 않는 것들이 있다고 분명히 말하고 싶습니다. 아마도 그래야 할 것입니다. 우리는 잘못 추적해야 하거나 해서는 안 되는 것들을 가지고 있습니다. 누구나 어딘가에 신뢰할 수 없는 데이터가 있습니다. 한 가지 매우 의식해야 할 것은 데이터에 대해 생각할 때 분석에 사용한 데이터뿐 아니라 사람들에 대한 데이터도 있다는 것입니다. 사람들이 작업을 수행하는 데는 두 가지 다른 데이터 스펙트럼이 있습니다. 분석 설정처럼 생각할 때 분석 도구에 들어가고 잘못 저장될 수 있는 항목과 함께 이벤트 및 속성을 보냅니다. 동시에 마케팅 자동화 도구에 들어갈 데이터는 완전히 다른 유형의 데이터입니다. 그것들은 그들이 원하는 것이 무엇이든 식별 호출 또는 특성 호출이며 다른 방식으로 저장됩니다. 하나는 보고에 사용됩니다. 다른 하나는 개인화 또는 자동화된 메시징에 사용됩니다. 어느 경우든 회사는 그 스펙트럼의 양쪽에 문제가 있고 모든 사람이 문제를 가지고 있습니다. 문제가 얼마나 심각한지입니다. 얼마나 건축적입니까? 문제가 얼마나 복잡한가? 4년 전 우리 회사를 보고 있을 때, 우리가 커서 무엇을 할 것 같은 이유 중 하나다. 남들이 하지 않는 일은 무엇일까요? 분명히, 하지 말아야 할 첫 번째 일은 PPC, SEO 또는 백만 명의 다른 사람들이 필요로 하는 것 중 하나였습니다. 마케팅에서 어려운 부분이 무엇이고 마케팅 기술 스택이 무엇인지 살펴보았습니다. 데이터 안정성 문제가 분석 측면에서뿐만 아니라 마케팅 자동화 측면에서도 모두 발생하기 때문에 우리가 해결하기 시작한 문제였습니다. 그러나 분석 전문점이라면 스택을 고칠 수 없습니다. 자동화 상점이라면 스택을 고칠 수 없습니다. 우리는 그 중간을 선택했습니다. 그것은 잘 작동했습니다. 많은 데이터 문제를 보았기 때문에 매우 재미있었습니다. 정말 재미있었어요. Ben: 제가 특별히 열심히 본 것은 아니지만 확실히 서비스가 부족한 지역인 것 같습니다. 일반적으로 이러한 유형의 문제에 중점을 둔 귀사와 같은 에이전시는 이것이 문자 그대로 마케터가 어딘가에 가지고 있는 문제라는 점을 감안할 때 흥미롭습니다. 매우 흥미로운 일이라고 생각합니다. 당신의 관점에서, 당신이 말했듯이, 당신은 오랫동안 우주에 있었습니다. 데이터를 많이 보셨군요. 많은 마케팅 기술 스택을 살펴보았습니다. 당신은 많은 다른 고객과 다른 회사와 일했습니다. 나는 당신이 모든 형태의 데이터 문제에서 비롯된 다양한 문제를 보았을 것이라고 확신합니다. 마케터가 데이터를 적절하게 관리하지 못할 때 직면하는 가장 일반적인 문제는 무엇입니까? Dan: 우리가 흔히 볼 수 있는 가장 큰 문제는 사람들이 어떤 상황에서도 신발을 신지 않고 그냥 달리기 시작한다는 것입니다. 데이터에서 그것이 분석이든, 스택이든, 마케팅 자동화이든, 가장 먼저 집중해야 하는 것은 분류 체계와 명명법입니다. 무엇이라고 부를까요? 우리가 보는 가장 일반적인 것은 분류 체계가 엉망이라는 것입니다. 회사에서는 마케팅 팀에서는 등록이라고 하고 개발 팀에서는 사용자 생성이라고 하며 고객 성공 팀에서는 등록이라고 합니다. 분류 체계를 정리하는 것은 우리가 보는 가장 큰 문제입니다. 물론 대문자 사용과 같은 단순한 것은 모든 종류의 도구를 깨고 스택 분류법이라고 하는 모든 제품에서 동의어를 얻는 것입니다. 사람들이 잊고 있는 공통적인 사실은 이러한 모든 도구가 연결되어야 한다는 것입니다. 귀하의 비즈니스는 플랫폼입니다. 이러한 모든 도구는 궁극적으로 여기에 연결되며 이러한 모든 도구도 서로 연결되어야 합니다. 한 도구에서는 이름이, 다른 도구는 Fname, 다른 도구는 F_name인 경우 해당 분류 체계를 매핑하기가 점점 더 어려워지고 더 어려워집니다. 먼저 좋은 분류 체계가 있는지 확인하면 성공을 위해 나머지 항목을 설정하게 됩니다. 우리가 이러한 문제를 볼 때의 95%는 아무도 분류 체계에 먼저 집중하지 않았기 때문입니다. 또는 분류 체계를 구축하려고 갔을 때 그들은 매우 게으르게 되었습니다. 그러나 적절한 시간을 할애하여 분류를 올바르게 수행하면 정말 좋은 결과를 볼 수 있으며 스택 전체에서 분류가 작동하는지 확인하는 것이 최상의 결과를 얻을 수 있는 곳이기도 합니다. Ben: 이 대화의 많은 부분을 뒷받침하는 되풀이되는 주제는 마케팅 기술을 설정하고 구성할 때 의도적이어야 한다는 것입니다. 계획 없이 일에 몰두하거나 복잡한 시스템을 즉시 사용할 수 있는 간단한 솔루션처럼 취급한다면 곧바로 실패할 준비를 하고 있는 것입니다. 최상의 시나리오라 할지라도 그것이 당신이 하고 있는 일이라면 마케팅 기술 투자로부터 최대한의 가치를 얻을 준비가 되어 있지 않을 것입니다. 팀에서 데이터가 관리되는 방식을 감독하는 책임자 한 명을 지정하고 태그, 파일 등에 대한 몇 가지 기본 분류와 명명 규칙을 설정하고 너무 지나치기 전에 시간을 내어 계획을 세우십시오. 그것들은 정말 단순한 것처럼 보일 수도 있지만 때로는 더 나아가서 정말 큰 골칫거리를 피하는 데 충분합니다. 이제 그들에게 돌아가십시오. 청취자가 데이터의 신뢰성에 대해 우려하는 경우 문제가 있다는 것을 알고 있거나 문제가 있다는 것을 몰랐기 때문일 수 있습니다. 그러나 이제 이 대화를 듣고 나면 어딘가에 문제가 있는 것 같다고 생각합니다. 그들이 자신의 상황을 평가하기 시작하는 곳을 추천하시겠습니까? 자체 스택에 있는 자체 데이터를 평가하여 해당 스택 또는 조사 중인 프로세스, 도구 또는 방법에 대한 잠재적인 문제 해결을 시작할 수 있습니다. 어디서 시작합니까? 어딘가에 문제가 있다는 것을 알지만, 무엇인지도 모르고 어디에 있는지도 모릅니다. 말하자면 토지를 확보하기 위해 감사를 시작했을 수도 있습니다. Dan: 일반적으로 가장 강력한 정보를 가지고 있기 때문에 분석 도구부터 시작하려고 항상 노력할 것입니다. 웹사이트를 감사하려고 할 때 가장 좋은 방법은 시크릿 모드에서 시작하여 웹사이트를 살펴보고 가지고 있는 분석 제품과 해당 디버거를 사용하는 것입니다. Segment, Amplitude 및 Mixpanel과 같은 Chrome용 제품이 많이 있습니다. 모두 디버그에 사용할 수 있는 Chrome 확장 프로그램이 있습니다. 모두 라이브 뷰입니다. Google 태그 관리자에는 자체 디버거가 있습니다. 그런 제품이 많이 있습니다. 시작하는 가장 쉬운 방법은 물론 자신의 웹사이트 시크릿 모드를 사용하여 사이트를 살펴보고 테스트를 시작하는 것입니다. 더 발전하고 문제가 발생하는 위치를 이해하려면 BrowserStack이라는 기술을 사용하는 것이 좋습니다. BrowserStack은 다른 장치, 다른 브라우저, 다른 컴퓨터를 테스트할 수 있고 여전히 동일한 프로세스를 거치고 데이터가 어떻게 흐르는지 볼 수 있기 때문에 유용합니다. 이 테스트의 대부분을 수행하는 가장 좋은 방법은 하고 있다. 자동화된 테스트 및 이와 유사한 기능이 있는 기술이 있지만 모두 새롭고 꽤 비쌉니다. 항상 최고는 아닙니다. 그들은 당신을 핵심 문제로 데려가지 않을 것입니다. 때로는 어디를 봐야할지 아는 사람에게 물어봐야 합니다. 나는 세그먼트를 사랑합니다. Segment는 내가 가장 좋아하는 제품 중 하나인 고객 데이터 플랫폼입니다. 저는 Segment, mParticle을 사용했고 다른 많은 CDP를 만났습니다. CDP를 설정하는 직관적인 방법은 완전히 거꾸로입니다. 당신이 그것을 설정해야한다고 생각하는 방식으로 그렇게하면 자신을 망칠 것입니다. 그것은 모두가 하는 일이며 6개월 후에 다시 해야 합니다. 보통 사람은 CDP를 세 번 이상 구현하여 마침내 올바르게 수행하는 방법을 알아냅니다. 말하기 싫지만 감사하는 가장 좋은 방법은 분석에 대한 엄격한 기준을 구축하고 해당 데이터가 어떻게 유입되는지 이해하고 감사 도구를 사용하여 이를 수행하는 것입니다. 해결책은 처음부터 더 많은 계획을 세우고 더 적극적으로 행동하는 것입니다. Ben: 사람들이 이러한 도구를 즉시 사용 가능한 솔루션으로 취급하지 않는 상황에 직면할 수 있습니다. 댄: 네. 그들은 똑똑하다고 생각합니다. Ben: 좀 더 전략적이어야 합니다. 아마도 그러한 것들이 설정되는 방식에 대해, 어쩌면 어떤 문제를 해결하려고 하는지에 대해 조금 더 잘 이해해야 할 수도 있습니다. 그것이 정확한지 말할 수 있습니까? Dan: 나는 그것이 정확하다고 확실히 말할 것입니다. 대부분의 사람들은 이러한 도구가 똑똑하다고 생각하지만 그렇지 않습니다. 기본적으로 다양한 유형의 시각화가 있는 멍청한 시각화 도구입니다. Amplitude보다 Mixpanel을 선택하는 이유는 중요한 몇 가지 데이터 아키텍처가 다르기 때문입니다. 99%의 사람들은 이 두 가지가 다르다는 사실조차 전혀 알지 못할 것입니다. 그들은 하나가 다른 것보다 더 예쁜 시각화를 가지고 있기 때문에 그것들을 선택할 것입니다. 둘 다 데이터를 다시 보고하는 멍청한 분석 제품입니다. 벙어리 데이터를 넣으면 나쁜 데이터가 반환됩니다. 도구가 있습니다. taginspector.com이라고 하는 도구가 있습니다. 이 도구는 웹사이트를 로드할 수 있고 웹사이트에서 데이터가 어떻게 흐르는지, 어떻게 데이터가 각 도구 다운스트림으로 흐르는지 보여줍니다. 이 도구는 실제 데이터 경로를 보여주기 때문에 매우 훌륭합니다. 그렇게 하면 데이터가 들어오고 데이터가 다른 도구를 통해 전달되기 때문에 데이터가 손상될 수 있습니다. 이를 좀 더 쉽게 만들어주는 멋진 도구가 있습니다. Ben: 일반적으로 말해서, 마케팅 담당자가 데이터를 깨끗하게 유지하고 이러한 시스템을 애초에 쓰레기로 가득 채우지 않도록 하기 위해 따를 수 있는 몇 가지 모범 사례는 무엇입니까? 이러한 도구에 들어가는 데이터가 어떤 식으로든 손상되지 않도록 하여 첫 번째 문제를 방지할 수 있는 방법은 무엇입니까? Dan: 우리가 수년간 보아온 일반적인 문제는 UTM 매개변수입니다. UTM은 많은 불량 데이터의 주범입니다. 우리는 UTM.io라는 무료 제품을 만들었습니다. 기본적으로 UTM 분류 체계를 쉽게 만든 다음 작업 공간이라는 온라인 빌더를 팀에 제공할 수 있습니다. 규칙이 있습니다. 템플릿이 있습니다. 그런 식으로 그들은 그것을 깰 수 없습니다. 조직에서 일할 때 시도하려는 것은 프로세스, 도구 및 시스템을 만들어 사람들이 문제를 해결할 수 없도록 만드는 것입니다. 여기에서 UTM.io와 같은 제품을 활용하는 것이 매우 쉽습니다. 분류 체계를 설정할 수 있고 나머지 마케팅 팀이 기본적으로 링크를 구축할 수 있기 때문입니다. 가장 귀중한 데이터 중 일부인 UTM 캠페인 데이터는 깨끗합니다. 정확하고 정확한 분석 데이터나 마케팅 자동화 데이터가 있는지 확인하려고 할 때도 마찬가지입니다. 다운스트림 도구를 보호하기 위해 본질적으로 중개자로서 둘 수 있는 제품이나 서비스가 무엇인지 알아내십시오. Segment와 같은 일부 제품에는 분류 체계를 보호할 수 있는 프로토콜이 있습니다. Amplitude에는 스키마라는 고유한 분류 기능이 있습니다. 이러한 도구에는 많은 것이 있지만 데이터를 깨끗하게 유지하려고 할 때 그렇습니다. 서두르지 말고 분류부터 시작하세요. 시간을 할애하십시오. 당사 웹사이트인 McGaw.io로 이동하여 바닥글로 이동하면 다운로드 및 리소스 섹션이 있습니다. 우리는 모든 종류의 웨비나를 가지고 있습니다. 분류 체계는 어떻게 설계합니까? 개인화를 위한 분류 체계를 어떻게 구축합니까? 콘텐츠와 교육은 이 작업을 수행할 수 있으며 그렇게 복잡하지 않습니다. 너무 단순화하지 마십시오. 쉽지는 않지만 깨끗한 데이터를 얻을 때 가장 좋은 방법은 준비하는 것입니다. 모든 것을 계획하는 단계입니다. 그것이 제가 강력히 조언하고 싶은 것입니다. Ben: 그것은 나에게 많은 의미가 있습니다. 이 강력한 도구를 사용하여 잘못된 작업을 수행하는 것처럼 여러 팀 구성원이 있는 경우. 그것이 어떻게 정말 빨리 엉망으로 변하는지 보는 것은 매우 쉽습니다. Dan: 많은 회사에 이러한 사항을 다루는 영업 및 마케팅 운영 담당자가 있습니다. 우리는 우리가 그들을 데이터 군주라고 부르는 한 사람이 궁극적으로 도움을 받을 수 있는 사람이 되도록 노력하는 것이 좋습니다. 큰 회사나 작은 회사에도 영업, 마케팅, CS 제품이 있습니다. 당연히, 이 데이터와 관련된 여러 사람이 있으며, 이 모든 사람들을 한데 모아서 모든 사람이 데이터를 사용할 수 있도록 하는 것이 조금 더 나은 사람이 필요합니다. Ben: 그것은 훌륭한 조언이며 제가 준비한 모든 질문에 적용됩니다. 그러나 이것은 훌륭한 대화였습니다. 내가 당신을 떠나기 전에, 당신이 생각하는이 주제에 대해 우리 청취자에게 중요하다고 생각하는 것이 있다면 당신이 그들에게 남길 수 있습니다. 질문의 형식이 아닌 것은 알지만, 청취자에게 작별인사를 남기고 싶은 것이 있다면 그것은 환상적일 것입니다. Dan: 제가 분석에 대해 추천하고 싶은 가장 큰 것은 천천히 하는 것입니다. 모든 데이터에 시간을 할애하십시오. 속도를 높이지 마십시오. 서두르지 마세요. 사람들이 하려고 하는 첫 번째 문제는 그것을 서두르려고 하는 것입니다. 나는 확실히 당신의 시간을 할 것입니다. 우리와 계약을 6개월에서 3개월로 앞당기고자 하는 모든 회사는 이 속도를 늦춰야 합니다. 그들이 그것을 촉진한다고 해도 우리는 여전히 같은 6개월 프로젝트를 하게 됩니다. 왜냐하면 이 일을 하는 데 시간이 걸리기 때문입니다. 앞뒤로 많이 있습니다. 많은 의사 소통이 있습니다. 이 작업을 완료하려면 더 긴 시간을 예상하십시오. 데이터를 정리하는 데 관심이 있다면 내 무료 책을 확인하는 것이 좋습니다. McGaw.io에 가시면 저희 웹사이트에서 제 책의 무료 사본을 요청할 수 있습니다. 그것은 Cool Shit을 만드는 방법이라고 합니다. 아마도 이것이 이 경로를 시작하고 회사에서 사용할 수 있는 실제 사례 연구와 전술을 제공하는 데 도움이 될 것입니다.