Top

管理营销: 组织内的数据转换

管理营销博客是由 trinityp3 创始人兼全球首席执行官达伦·伍利主持的播客。 每个播客都是与思想领袖、营销和传播的专业人士或从业者就营销管理类别中的问题、见解和机会进行的对话。 是营销人员、广告商、媒体和商业通信专业人员的理想之选。

Kshira Saagar(发音 Shee-Raa Sa-Ga) 是《标志性》的分析和数据科学主管, 也是2019年悉尼 AdTech 的发言人。 在这里, 他与达伦讨论了数据在推动整个组织的业务绩效方面发挥的商业智能和战略作用, 以及为什么一个组织必须转变其文化和流程, 以充分提供结果数据, 这些都可以提供。

你可以在这里听播客:

关注声音云或itunessoundcloud

转录:

达伦:

欢迎来到管理营销。 今天我有机会坐下来和《标志性》杂志的分析和数据科学主管 Kshira Saagar 交谈, 我们实际上是在《标志》这里。 欢迎克希拉

Kshira:

感谢达伦, 谢谢你大老远来到这里。

达伦:

这是我的荣幸, 因为我其实很期待听到你在明年3月在悉尼的 AdTech 发言。

Kshira:

是的, 这是正确的。

达伦:

我不认为你已经开始把你的报告放在一起了。

Kshira:

不, 但我已经提出了这个想法, 他们真的很喜欢, 所以它已经在我的脑海里了。

达伦:

我可以理解, 因为有人告诉我, 这叫把你的整个公司变成一个大数据团队, 我认为这是一个不可思议的想法;我只是想知道它的实用性。 这是来自经验, 还是你认为是机会?

Kshira:

它部分来自经验。 它来自于我对数据的使用方式和我们如何看待数据的哲学。 我对它的看法就像一个供应链, 不是因为它有任何特殊的亲和力, 而是很有意义。 当我指的是供应链时, 它被称为数据供应链。 数据是原材料, 想到石油, 想到煤炭, 想想任何事情, 都是原材料。 数据是新的石油, 是原油。

在这个时代, 如此多的系统正在产生数据。 每个购买系统的人现在都有数据。 这不再是数据的匮乏。 没有人没有数据, 每个人都有很多数据, 我们淹没在其中, 所以数据是原材料。 现在, 供应链方面的最终产品是决定。 说到底, 你用这些数据做的是, 你需要做出更好的决定。

达伦:

我很高兴你说, 因为人们认为数据的输出是洞察, 这是你去那些可怕的词之一, 他们所说的洞察是什么意思? 但这其实是最重要的角色, 为决定提供信息。

Kshira:

说到底, 就是要通知一个决定, 如果你这样相信, 那么你相信公司的数据团队或数据组织基本上是企业的仆人组织, 帮助他们做出更好的决定。 因此, 一种称为数据的原材料成为一种称为决策的成品, 中间有一些过程。 想想化学实验室就像一个设立硫酸, 我的脑海里有三个大块。

第一个块是数据工程。 就像原油需要从地面上一路被带来, 这样你就可以访问它, 并实际触摸它, 并开始看到有什么, 而不是谈论这个神话中的尼斯湖怪物称为数据。 对我来说, 数据工程实际上是管道和构建架构, 放入数据库, 清理它, 以便其他人都可以在业务中使用它。 因此, 从您的源系统获取数据到人们可以使用它的地方;这就是一个非常高的数据工程。

然后, 一旦数据可用, 下一部分就是数据科学部分。 有了数据科学, 我的意思是有人可以大规模地应用这些数据的情报。 这不仅仅意味着 AI 或 Ml 之类的东西。 这可能是一个简单的破折号板, 可以是任何东西。

数据科学有三个层次。 一个是算法部分, 即总的一部分, 分析部分, 基本上是深入了解它所发生的事情, 第三部分是解释部分, 这就是为什么它发生了, 并试图把它背后的一些原因, 一些讲故事。

达伦:

所以回到你对原油的比喻。 我认为这一部分有点像分馏, 他们倒原油, 这是作为这种黑色的东西的平均一致性-他们把它放入分馏植物, 它只是分离。 所以, 你有在顶部最易挥发, 然后在中间你的石油, 你的燃料, 然后你有你的油和润滑油, 然后下底部 (这是我喜欢的一点) 的污泥, 成为我们的道路上的沥青。

而每一个都有一个重要的角色, 但在实际分馏之前, 你对原油能做的事情并不多。 我喜欢这个比喻

Kshira:

我们分解它, 然后在规模上应用情报, 它的输出可能是多方面的。 它可能是一种算法、一种分析、一个仪表板, 还有最后的部分。 人们停在那个地方。 他们应用数据科学, 数据工程, 但最后一部分是数据翻译–我称之为将数学翻译成英语。

所以, 当你把数学翻译成英语的时候, 你基本上是在把数据翻译成一种可以理解的语言。 这可以通过备忘录、周六文档、仪表板、模型、可视化来实现。 这可能是企业理解和理解的任何东西。

所以这就是三个部分。 而当你这样做的翻译, 企业会说, ‘ 我明白这一切;我要做一个决定 ” 所以终点是决定。

达伦:

然后, 这将反馈到影响您首先收集的数据。

Kshira:

我喜欢称之为 ‘ 良性循环 ‘。 要收集的数据越多, 收集的数据就越多, 决策越多, 等等。 这就是我们对数据供应链的看法。 这样想, 往往会发生的是, 那么你是如何做到这一点的呢?

有很多数据系统, 很多人都想从这个数据转换中做出决定。 人们倾向于雇用很多数据科学家与分析师并肩作战, 雇用能够大规模做到这一点的人非常困难。 当你开始做这个周期, 它变得越来越快, 你不能继续雇用越来越多的人做数据。

如果我们可以将数据工程转移到将数据拿出来的人身上, 基本上是构建这些系统的技术团队和开发人员呢? 如果你提供了一种方法, 他们可以直接从地面到一个我们都能看到的地方, 而不必做很多数据工程, 那又会怎样呢?

达伦:

那么简化您的供应链?

Kshira:

是的。 因此, 他们可以将其直接推向市场, 如果我们可以通过模拟和优化仪表板以及所有这些使数据转换变得容易得多, 该怎么办? 企业不会要求你继续构建这种模拟, 这样他们就能更快地做出决定。

他们可以自己将数据数学转换为英语, 如果他们能够将数据工程和数据科学都源到企业中, 那么你就会突然拥有整个业务是一个数据团队, 并且您可以专注于您在规模上播放智能的部分。

这就是我们让整个公司成为一个数据团队而不仅仅是一个数据团队的意思。

达伦:

所以每个人都在发挥自己的作用, 他们在实际推动这一进程中的作用, 从收集到准备, 再到解释它, 再做出决定, 然后再四处走动?

Kshira:

所以, 当每个人都参与进来的时候, 每个人都会对自己所做的事情负责和自豪。 它不再是 ‘ 哦, 这是一个数据请求–只要做就可以了 ‘, 然后它就回来了。 这不是交易的事情;更多的是发生的和谐的事情。

达伦:

我喜欢这种模式, 它克服了我在组织中看到的最大的一点是, 一旦你使用单词数据, 就会有那些感觉懂数字的人 (这不是两个群体–它是一个连续体), 然后就会有那些苦说卢的人与数字有关的任何事情都是如此。

我认为它可以追溯到中学甚至小学, 当人们被教数学不好;他们突然走了, 太混乱了, 我不明白, 不是给我的。 很明显, 你是一个 STEM (科学, 技术, 工程和数学)–这是你在学校的重点。

Kshira:

是的, 这种情况经常发生。 要么是这种先前的感觉, 即数据在智力上过于复杂, 要么在技术上过于复杂–这是这两件事之一。 我们不断尝试做的一件事就是揭开它的神秘面纱, 告诉每个人 ‘ 这只是在规模上应用逻辑 ‘, 这是一个宏观尺度;这是一个应用逻辑的问题。

而任何人都可以运用逻辑。 我们所说的逻辑是指;有人做了这件事, 这和这可能做到了这一点。 这就是逻辑。 我们通过编程来应用它, 我们试图将其分解为简单的逻辑步骤, 人们开始接受它。 它的数量少了, 逻辑也多了, 这就是我们试图将数据作为伊科尼奇集团内的解决方案出售的方式。

达伦:

有一部名为《豪斯》的电视剧, 讲述的是一名医生的诊断。 他有这样一句话: ‘ 人撒谎, 结果不说谎, 数字不说谎;人们做 ‘。 人们面临的一大挑战, 特别是那些不喜欢和不适应数据的人, 就是他们担心对自己拥有 ‘ 直觉 ‘ 或直觉的权利的影响, 但你是说两者并肩作战。

Kshira:

我给你举一个例子, 说明我的意思。 带一个仓库里的人, 一个运营团队, 试图研究我们已经构建的分类算法。 该算法将告诉你, 如果你扫描一个项目, 你把该项目, 以便它可以固定和有效地交付。 因此, 它可以帮助您以更有效的方式处理项目。

现在的标准操作程序是这里的算法, 这里是枪, 扫描项目, 它告诉你把它在 X, 但没有人会买它, 因为人们觉得他们知道如何更好地运行他们的仓库。

因此, 我们打开了该算法, 说这些都是被认为是做出决定的组件, 是我们用来做决定的逻辑。 我们可以看到人们问为什么我们考虑到这个特定的事实或特征–也许鞋子不应该这样对待。 所以它有一些他们的投入。

这很有意义, 因为他们对自己的区域了解得更好, 我们对我们的数据了解得更好, 当这两种东西结婚时, 他们不再觉得这是我们的算法, 也是他们的算法。 他们称它为他们的算法, 而不是数据团队的算法, 这正是我们想要的。

我们希望人们觉得这是为他们打造的东西, 是他们的, 他们可以理解正在发生的一切, 可以开始质疑我们的算法的具体因素, 而不是算法本身或为什么我们应该使用它。

达伦:

这是一个非常聪明的方法来接近它, 因为术语算法被抛来抛去很多, 特别是脸谱之类的关于算法的谈话。 但他们并不是特别透露这些算法是什么, 他们几乎带有万无一失的印记。

但实际上, 算法纯粹就像一个方程, 试图反映或创建现实生活中正在发生的事情的模型。

Kshira:

那是真的。 算法的词根是 Alger, 这意味着疼痛, 所以我喜欢出售算法, 因为它将解决你的痛苦。 这就是我们喜欢的思考方式。

达伦:

这是一种算法镇痛药。 好吧, 它可以用两种方法, 不是吗? 一个是它开始使它更容易复制, 但另一个是, 如果有任何问题或问题, 你至少有一个基础模型, 你可以看到现实中有什么问题或算法中的问题, 我们需要调整它来反映现实。

Kshira:

而我们的另一个座右铭是 “让人类做人类做得最好的事情, 让机器做机器做得最好的事情”, 这意味着当你考虑到还有 2 5个其他因素的时候, 决策涉及到很多基础, 算法可以做到这一切 “或者你这样你就可以做决定了

人类可以把时间花在做一些智力更聪明、更好的事情上。 这就是我们总是这样做的事情。 这就是我们的算法所做的。 它将带走所有的决策过程, 它将帮助你只是按 “是” 或 “不是”。

达伦:

它可以让你做出最后的决定。 这很有趣, 因为人脑是一个现象级的数据处理器, 不一定遵循一个逻辑过程。 在工程中, 他们称之为模糊逻辑, 因为它是接近人类决策过程的。

我们得到了大量的数据。 在过去的两个月里, 我们产生的数据比开始以来的数据还多。 这确实意味着, 像人工智能这样的东西很重要, 因为它将允许大量的东西被处理, 并降低到人脑的理解水平。

我想问你一个私人问题;你会说几种语言?

Kshira:

会说人类语言吗? 我5岁左右说得相当自信。

达伦:

我想说6。 原因是我相信数学是一种语言。

Kshira:

够公平的了

达伦:

我认识的每一位数学家都把数学纯粹看作是一种语言, 对我来说是一个有趣的见解, 因为当你把它本身看作一种语言时, 而不是当我听别人用其他语言交谈时, 它就会突然变成这样的东西是的, 它真的很迷人。

与其把数学看作是值得关注的东西, 不如把数学看作是另一种语言。

Kshira:

那是真的。 喜欢音乐的人可以在数学中看到音乐。

达伦:

它们是完全联系在一起的。 所有的音乐都是以数学原理为基础的。

Kshira:

黄金比率。

达伦:

所有的科学都有数学。 这就是为什么它被视为一门纯粹的科学, 因为在某个时候, 每一个科学理论都必须有数学证明。 如果你能用数学证明来定义这个理论, 它被看作是一个被证明的理论。

Kshira:

那是真的。 有趣的是, 一个小绕道, 你读过尤瓦尔·诺亚·哈拉里的《德乌斯之荷马》吗? 这本书中有一节他谈到了中世纪的知识是如何乘以圣经乘以逻辑的–人们通过逻辑来解释圣经。 所以, 如果你不知道圣经, 你就没有知识, 如果你没有逻辑, 你就不能解释圣经。

但在科学时代, 它的数据乘以数学。 如果你没有数据, 你就不能对它应用数学; 如果你没有数据, 你就不能对它进行数学应用。如果你不能做数学, 你就不能把数据应用到它身上, 那就是知识。 这就是我们带来了很多关于这个世界的知识–大规模地将数学应用于这些数据。 现在这一切都与敏感性乘以经验有关, 这就是把数学提高到一个更高的水平–为自己体验数学。

达伦:

并带来人类的状况, 因为我们是情感驱动的人。 这太重要了。 我认为这也是行为经济学增长如此之大的原因之一。 我喜欢这个词 ‘ 可以预见的非理性 ‘。 科学开始定义人类的状况, 承认我们是我们自己, 但所有这些都是我们创造的工具。

有趣的是, 你从中世纪开始, 因为你必须记住, 那也是那些有知识的人拼命想把知识留给自己的时候。 宗教领袖和国王、皇帝都想把知识留给自己。

启蒙运动和文艺复兴仍然主要是给了什么成为中产阶级;富人, 富人, 和受过教育的人。 但关于20世纪后半期和现在的伟大之处之一 , 就是知识变得更加民主化的方式。

互联网的所有缺陷都是为了向每个人提供信息而设计的, 它已经做到了这一点。 我认为唯一错误的决定是允许匿名, 因为它导致了犯罪和各种活动–它也为这一点提供了便利。

Kshira:

这是个公平的说法。 有了如此多的数据访问权和一切的民主化, 这正是我们试图用我们如何对待数据来反映的原则。

数据的中世纪大概是15年或20年前的事了–基本上公司中的少数人可以获得这些数据并将其留给自己–数据领地, 没有人可以访问–只有知道密码的人。 它是通过一个完全反映相同知识方法的过程来实现的。

而我们试图对数据做的是, 每个人都应该有访问数据的权限。 每个人都应该能够理解、估计和根据数据做出决定。

达伦:

所以在我的顾问团队中 (我有一群非常兼收并蓄的人), 他们中的几个人喜欢直接去一个 excel 电子表格, 因为他们可以看到数字中的模式。 还有一些群体不能真正遵循这一点–请把它变成条形图, 让它为我看到, 然后还有一些人喜欢讲故事–告诉我这到底是在说什么。

当你走到那个步骤 (回到你的供应链) 时, 你已经处理了它, 并使它可用, 然后你就使用翻译这个词。 用我的数学比喻作为一种语言;它需要翻译成大量的格式;视觉的人, 数字的人, 然后讲故事, 意义上的人。 你发现你需要容纳所有这些吗?

Kshira:

是啊, 所以我们尽量适应那些把阅读作为故事的人。 在伊科尼奇, 我们有这样的原则, 即一切都需要以备忘录的形式出现。 这意味着它描述了问题是如何开始的, 我们做了什么, 数字, 表格, 然后如果人们感兴趣, 就会有图表和仪表板。 这本身就是一个完整的文件。 这就是我们试图将这些数据转换回来的方式。 人们可以根据我看过这一切的情况来做决定, 这符合逻辑, 让我们去做吧。

我们努力迎合各种各样的人。 想要数据的人可以转到仪表板并获取这些数据。 有一些人不想看到图表, 他们讨厌点和点击。

达伦:

他们想要一张纸或一些他们可以坐着看的东西。

Kshira:

这是一个极端, 另一个极端是那些人, 如果除了黑色的终端和绿色的文字之外, 还有其他的东西, 他们不会这么做。 他们不会碰它的。 我和那些人合作过, 如果是点和点击, 我就不使用它。

他们坚信终端基地, 我们也迎合那些人。 我们迎合那些想要点和点击的人, 迎合那些想弄脏手的人, 到各个层面。

达伦:

所以当你使用翻译这个词的时候, 你的意思是翻译这些信息。 我很惊讶你还没有得到那些图形小说中的一部–几乎像一本漫画书。

Kshira:

我们试图在我们的备忘录中添加所有这些哲学引语, 这样它们的阅读几乎就像一本故事书。 我们试图保留问题、情况、提出的问题、答案, 所以任何来加入我们的人, 两年后想知道我们是如何作出这一决定的, 他们是如何阅读这个决定的, 并了解这一决定是如何作出的, 以及支持它的数据点。 这不再是数据和数字的问题, 而是数据和数字的问题。这关系到什么是商业问题。

达伦:

是什么故事, 洞察, 信息, 才会通知必须做出这个决定的人?

Kshira:

而且你不需要一个叙述者来叙述这一点, 也不需要有人点击 PowerPoint 来解释它。 它本身就是一个完整的简编;它解释了所有的东西, 包括脚注, 说 ‘ ABS 意味着平均篮子大小 ‘, 所以人们不会被这个词的意思感到困惑。

达伦:

所有3个字母的首字母缩写词。 可能是金融业在这方面最糟糕的。 他们创造它们几乎就像黄金一样。

Kshira:

这就是他们对自己保持知识的说法。

达伦:

很多组织确实在为此而挣扎, 不是吗? 这种层次结构: 数据、信息、知识和智慧是这一巅峰的顶端。 最近有人争辩说, 这不是一个线性的过程;你可以从信息到知识, 你不必经历这些步骤。

但有些组织, 你会看到数据团队几乎是无法穿透的, 这里是研究和洞察团队。 作为构建供应链的一部分, 你如何让那些筒仓崩溃?

Kshira:

一个答案是我很幸运。 另一个答案是, 我在伊科尼奇有机会从零开始再次建造它。 当我加入的时候, 分析师团队中有两个人和我一起工作。 现在我们在这个团队中增加了近 2 0个人的工作。

为我们所做的是, 我们将其设置为完全跨职能的方式, 即没有数据科学团队、工程团队、数据分析团队单独坐。 这一切都从我们想要服务的任务的角度来分解;我们是在解决客户问题、内部问题还是营销问题?

基本上我们有三个这样的大部门, 然后在每个团队中都有数据科学家、工程师的兼收并蓄的组合, 他们都在努力解决一个任务, 而不是解决一个特定的问题。 因此, 它不再说我是数据工程师, 我不会给你数据, 或者我是数据科学家我不做数据工程–这些事情都不会发生。

每个人都被期望做的所有方面的频谱。 每个人都希望从地面上获得石油, 并在市场上出售, 并为他们试图出售的石油获得更多的资金。 这就是我们设定的期望。 因为我们的设置方式所有的团队成员都有 X 和 Y, 我们喜欢称之为-X 轴是数据分析和见解, Y 是他们工作的专属家。 可能是营销、运营、金融。

他们总是有两个家, 总是欢迎他们住在这个家或另一个家, 但他们只是大规模地解决了一个问题。

达伦:

我将在这里成为德博诺的一顶黑帽子;所有这些关于数据安全的问题。 当你在整个组织中打开供应链时, 个人数据的安全是否有一点责任, 或者你必须在整个供应链中建立一些责任?

Kshira:

我们已经把数据治理作为我们实际创建这些团队的基石。 戈文来自希腊的克尼布南, 这个词的意思是引导人进入。 在银行这样的大型组织中, 治理就是填写表格, 说我希望获得这些数据–这不是我们的意思。

数据治理的基石是谁可以访问它, 他们是否看正确的数据、数据的完整性, 以及它们是否能够以一种合理的方式访问它, 使他们能够理性地相信它是正确的。

我们有一个支持这些垂直团队的横向团队, 该水平团队的任务是确保我们准确地知道谁在什么级别的访问访问, 一切都从后面控制。

达伦:

在站台旁。

Kshira:

在站台旁。 所以, 如果你是一个5级的数据访问器, 你可以看到一切, 3级你可以看到一些东西, 但你不能看到一切。 所以就像如果你是5级将军, 你就可以接触到核密码。

达伦:

足球。

Kshira:

你可以接触到足球, 只要坐下桌子就可以了。

达伦:

而这可能与人们需要任何方式来完成这项工作的水平是一致的。 如果你给人们所有的数据, 它突然变得势不可挡。 这些级别中的每一个都将对其进行整合、提炼或包装, 以便更容易为手头的任务对其进行处理。 这不是一个控制的事情, 除了保护数据库的完整性摆在首位。

Kshira:

保护他们从自己。 如果我允许每个系统上的每个人都进入, 他们不知道是看这条路, 还是看这条大街, 还是看这个大道。 如果他们只有一条途径, 他们就足够理智地知道只有一条。

达伦:

打开所有的东西几乎与你要做的事情背道而驰, 那就是让原始资源尽可能有价值, 给他们尽可能多的原始资源, 并不会让这个过程变得简单。

你认为行业 (不仅仅是营销, 还有所有企业) 在数据周围使用的语言也是令人难以置信的困惑吗? 有大数据, 第1、第2和第三方数据, 原生数据. 这些都是让大多数人感到困惑的术语。

Kshira:

那是真的。 人们试图围绕它创造一种人为的炒作感, 试图让它变得比现在更复杂或神秘。 我们一直在努力打破这个神秘的障碍。 我们去参加了有人想知道客户这件事的会议。 你可能需要6个月的时间来告诉我们, 但我们在15分钟内就回答了–这完全打破了关于它有多复杂的神话。

你可以看到他们对数据的思考方式的即时变化, 然后他们开始问我们没有办法回答的问题, 但至少现在他们在问。 我们告诉人们问我们不能回答的问题, 不要担心数据。 这不是你的担心。 只要问复杂的问题, 我们的工作也会很有趣。

然后我们开始处理有趣的问题, 而不是同样的日常事情一次又一次。

达伦:

有挑战是推动进步的动力。 如果你只是一遍又一遍地做同样的事情, 那就变得有点平淡无奇, 有点无聊。 我在做播客, 和过去四年一直在纽约经营一家媒体机构的马丁·卡斯聊天, 这些都是数据信息。

他们已经建立了一系列的算法, 他说, 让他惊讶的是, 传统的媒体过程-媒体机构谈论的是数据知情, 但只是与4或5个数据来源-研究, 专有研究-他的团队他们已经有了100的数据来源。 而他们获得的数据越多, 就越能够预测行为。

知道大数理论, 你认为实际上有一个点, 数据太多? 而在计算你需要什么、应该使用什么方面, 又有什么作用呢?

Kshira:

这是一个非常有趣的问题。 通常有两种问题需要解决。 一个问题是我不知道发生了什么, 你能给我一个答案吗? 另一个是我清楚地知道发生了什么–你能让这一切变得更加最优吗?

我认为有很多问题, 在这个时代, 我不知道发生了什么事的营销美元, 我的客户, 你不需要200个数据源来解决这个问题。 你知道30的规则, 你只需要30个触点就能回答一个问题吗? 显然, 当你和一个活着的人交谈时, 你甚至不需要30个数据点。 有人已经证明你只需要一个。

你不需要在绿地里做过度的事情, 但如果你在一个像高频购买广告交易所或股市这样的空间里, 你已经知道一切都处于最佳水平, 你正在努力把93.4 优化成93.4 也许你需要一个 f新的更多的功能和数据点。 但这也不会真正有所帮助。

网飞价格就是一个很好的例子。 他们的算法推荐了一个90或什么的东西, 他们想要一个算法, 预测得更好, 所以他们创建了自己的算法, 它增加了3或4的价格, 但它几乎花了一天半的时间得到了这个建议。

你想以什么代价得到准确的推荐? 你想等两年才给一个如此异想天开、可能继续前进的客户提出建议吗? 还是你想要一些聪明、快速、能得到答案的东西? 这就是我们如何对更多的功能做出决定。

达伦:

这归结于概率和结果。 所有这些模型实际上都只是预测概率, 他们试图在预测中获得更准确的结果。 当你和人们谈论抛硬币练习的时候, 我仍然很惊讶, 因为我已经连续有3个头了–下一个会是什么? 人们实际上并不明白, 它成为另一个头的概率总是每次折腾都是 5 0 0。

他们认为, 以前的结果对下一个结果有影响。 它真的让我担心, 甚至没有一个基础知识, 非常简单的数学原理, 如概率和结果和统计。

Kshira:

那是真的。

达伦:

它们是非常基本的原则。 它们是日常生活中鲜活存在的原则。 我们甚至不是在谈论高端企业或股市–仅仅在日常生活中, 它们是非常有用的数学原理。

Kshira:

这完全归结于教育系统、数学是如何教授的, 以及人们是如何理解数学的。 学习事物的物理价值与在图形上学习它是完全不同的。 我给你举个例子。 日志正态分布是一个相当有名的解决方案, 但人们对它感到厌倦, 他们不想记住它, 但长数字分布发生在每个人身上。

你的头发, 你的指甲的生长-一切都是一个很长的数字分布。 而当你教人们你的指甲会随着长数字分布而长出多久时, 没有人会忘记它。

当人们站在一个队列中的时候, 你一直站在排队的时候, 这是一个简单的毒药过程, 所以如果你理解了中毒过程, 你就会选择最好的排队站。 如果数学是这样教的, 人们不会忘记。

达伦:

你认为是缺乏实际应用的方式, 它的教学是为什么人们拒绝它?

Kshira:

如果你学习中毒过程, 它只是一些奇怪的财产密度函数没有人理解它。 通过站在教室里排队教毒药过程, 找出人们是如何进入柜台的, 你学到了一些有价值的东西, 一些你可以在日常生活中使用的关于这个世界的东西。

达伦:

这是一个很好的观点。 有一个举措是鼓励学生遵循 STEM。 你有一个相当大的数据团队–招聘起来很困难, 不是吗?

Kshira:

那是真的。 我们有这样的政策, 试图回到 Uni, 尽可能新鲜, 因为知识不是我们真正追求的。 我们并不是真的要你知道这项技术, 因为你今天知道的东西在两年后将变得不相关的数据分析领域。 更多的是你愿意学习, 更重要的是不学习你以前学到的东西吗?

这种情况经常发生。 你学到了一些东西, 你已经做了5年或 6年, 你认为这是唯一的办法, 你带着这个想法进入一个领域, 这对这个地区或你自己都不公平。 这是我们唯一要找的东西。

当我们开始用不同的镜头看的时候, 他们更愿意不学习, 重新塑造自己, 他们并不担心自己知道的东西。 这就是我们寻找的那种人。

达伦:

这是我以前听说过的。 我在东南亚有一个同事–他在大学里, 特别是中国和印度, 为那些即将通过的毕业生或本科生们奔波, 因为他说, 一旦有人在这个行业里呆了一年, 他们就被教导或接触过了一年应用程序中的所有这些缺陷。

他希望人们尽可能纯洁。 而他寻找的另一件事就是他们用非常简单的术语解释复杂的能力。 它再次涉及到您的翻译–能够进行分析, 但随后将其简化, 以便其他人可以对其进行处理。

Kshira:

显然, 那不勒斯市的座右铭是 “多波亚”–这实际上意味着让复杂的外观变得简单。 这就是我们在这里要做的。 它正在揭开数据的神秘面纱, 让它看起来好像什么都不是。 你不说这很难, 而是需要一些特殊的眼镜, 而不是我们对待它的方式。

达伦:

我刚刚注意到时间。 非常感谢你, 克希拉, 让我坐下来, 进行这次谈话。 我真的很期待看到你的演示文稿在 AdTech 在三月, 但在我们去之前, 你认为有可能建立一个算法, 给我下周六晚上的税乐数字?

 

您是否正在为数字和数据为企业提供的复杂性而苦苦挣扎? 让trinityp3 为您带来新的数字生态系统

Want more articles like this? Subscribe to our newsletter:

Fill out my online form.

Darren is considered a thought leader on all aspects of marketing management. A Problem Solver, Negotiator, Founder & Global CEO of TrinityP3 - Marketing Management Consultants, founding member of the Marketing FIRST Forum and Author. He is also a Past-Chair of the Australian Marketing Institute, Ex-Medical Scientist and Ex-Creative Director. And in his spare time he sleeps. Darren's Bio Here Email: darren@trinityp3.com

We're Listening

Have something to say about this article?
Share it with us on Twitter, Facebook or LinkedIn

Tweet
Share
Share