La Guía del Fundador de Startup para Analytics

Necesitas análisis

Estoy muy seguro de eso, porque hoy todos necesitan análisis. No solo el producto, no solo el marketing, no solo las finanzas … las ventas, la satisfacción, todos en una startup necesitan análisis hoy . Analytics potencia cada decisión, desde la estratégica hasta la táctica, desde la sala de juntas hasta los empleados de su línea.

Esta publicación trata sobre cómo crear la competencia analítica en su organización. No se trata de qué métricas rastrear (hay muchos buenos comentarios al respecto), se trata de cómo lograr que su negocio las produzca. Como resultado, la pregunta de implementación: ¿cómo creo una empresa que produzca datos procesables? -Es mucho más difícil de responder.

Y la respuesta está cambiando rápidamente. El ecosistema analítico se está moviendo muy rápido, y las opciones que tiene a su disposición han cambiado significativamente en los últimos 24 meses. Esta publicación refleja recomendaciones y experiencia con la tecnología de datos de 2017.

Primero: ¿Por qué me debes escuchar?

Pasé la mayor parte de dos décadas trabajando en análisis. En ese momento, he visto muchas cosas que van bien, pero muchas más han ido mal. Pasé la primera parte de mi carrera implementando BI de empresa heredada (ugh) . Creé la primera competencia analítica de Squarespace desde 2009-2010 y obtuve una gran ronda A con los datos. Luego fui director de operaciones de Argyle Social , una empresa de análisis de redes sociales y, posteriormente, vicepresidenta de marketing de RJMetrics , una plataforma líder de BI para startups.

Ahora me paso el día ayudando a los ejecutivos de startups a implementar análisis como CEO y fundador de Fishtown Analytics . En Fishtown, comenzamos a trabajar con compañías que han planteado una ronda A y las ayudan a desarrollar su competencia analítica interna a medida que crecen. Hemos pasado por el proceso exacto que describiré en este artículo con más de una docena de empresas en este momento, incluidos Casper , SeatGeek y Code Climate .

Voy a guiarte, paso a paso, sobre cómo tu startup debería estar analizando. En cada etapa, mis recomendaciones van a responder a la pregunta "¿Qué es lo mínimo que puedo hacer?" No estamos aquí para construir castillos en el cielo; necesitamos respuestas lo más baratas posible.

Vamos a hacerlo.

Etapa de fundación

(0 a 10 empleados)

En esta etapa, no tienes recursos ni tiempo. Hay un millón de cosas que podrías estar midiendo, pero estás tan cerca de los detalles de tu negocio que realmente puedes tomar decisiones instintivas bastante buenas. Lo único que necesita para asegurarse de que se está midiendo es su producto, porque es su métricas de productos que le ayudarán a iterar rápidamente en esta fase crítica. Todo lo demás puede quedar atrás.

Qué hacer

  • Instale Google Analytics en su sitio web a través del Administrador de etiquetas de Google . Los datos no serán perfectos sin más trabajo, pero no es el momento adecuado para preocuparse por eso.
  • Si usted es un negocio de comercio electrónico, realmente necesita asegurarse de que sus datos de comercio electrónico de Google Analytics sean buenos. GA puede realizar un trabajo decente haciendo un seguimiento de su negocio de comercio electrónico desde el visitante hasta la compra, así que dedique un tiempo para asegurarse de que sea correcto.
  • Si crea software de cualquier tipo, necesita un seguimiento real de eventos. No me importa qué herramienta uses, Mixpanel y Heap son muy similares y ambos son buenos. En este punto, no pensaría demasiado acerca de lo que está rastreando: solo use el autotrack de Mixpanel o la instalación predeterminada de Heap. Si se da cuenta de que necesita un punto de datos, encontrará que ya está allí. Este enfoque no escala bien, pero por ahora, funcionará.
  • Sus informes financieros deben hacerse en Quickbooks. Su pronóstico debe hacerse en Excel. Si es un negocio de suscripción, use Baremetrics para sus métricas de suscripción. Si es un negocio de comercio electrónico, use su plataforma de carrito de compras para medir GMV. No seas elegante.

Si no eres técnico, es posible que necesites un ingeniero para que te ayude con GA y el seguimiento de eventos. Este ejercicio completo no debería tomar más de una o dos horas, incluida la lectura de los documentos. Vale la pena tomarse el tiempo de construcción para esto.

Qué no hacer

Todo lo que no es una de las cosas de arriba. No permita que alguien le venda un depósito de datos, una plataforma de BI, un gran proyecto de consultoría o … sí, lo obtiene. Mantente enfocado. Cuando se compromete con el análisis, existe un costo continuo. Cambios de datos Cambios en la lógica de negocios. Una vez que empiezas por este camino, no puedes poner el proyecto en pausa. Espere para hacer esta inversión hasta más tarde.

Habrá muchas preguntas que aún no puede responder. Está bien (por ahora).

Etapa muy temprana

(10 a 20 empleados)

Estás haciendo crecer a tu equipo un poco. Estas personas necesitan datos para hacer su trabajo. Pueden o no ser expertos en datos, y debes asegurarte de que están haciendo bien las cosas básicas.

Qué hacer

  • Probablemente haya contratado a una persona de marketing. Asegúrate de que sean dueños de GA. Haga que sean responsables de asegurarse de que los datos estén limpios. Necesitan que UTM rastree cada uno de los malditos enlaces que crean. Deben asegurarse de que sus subdominios no sean de doble seguimiento . Su persona de marketing puede decir que "no es una persona de GA". No escuchar Hay suficiente información en la web sobre GA que, si son inteligentes y motivados, pueden aprenderlo y resolverlo. Si no pueden resolverlo, despídelos y encuentra a alguien más (en serio).
  • Si tiene una persona de ventas o dos y usa un CRM, use los informes integrados. Asegúrese de que su gente sepa cómo usarlo. Debe ser capaz de conocer aspectos básicos como la productividad del representante y las tasas de conversión por etapas. Salesforce puede hacer esto de forma inmediata. No exporte datos a Excel, cree los informes en el generador de informes (terrible). Incluso si es doloroso, esto le ahorrará toneladas de tiempo en los próximos meses.
  • Probablemente tenga un par de personas en el éxito del cliente. La mayoría de los sistemas de mesa de ayuda no tienen excelentes informes, por lo tanto, elija KPI que pueda medir fácilmente dentro de la interfaz.
  • Asegúrate de rastrear NPS. Use Wootric o Encantado .

Qué no hacer

Todavía es demasiado pronto para un almacén de datos y para el análisis basado en SQL, simplemente lleva demasiado tiempo. Debe dedicar todo su tiempo a hacer, no a analizar , y la forma más directa de hacerlo es utilizar las capacidades de generación de informes integradas de los diversos productos SaaS que está utilizando para administrar su empresa. Tampoco debería contratar a un analista de tiempo completo. Hay cosas más importantes para gastar sus fondos limitados en este punto.

Etapa temprana

(20 a 50 empleados)

Aquí es donde las cosas se ponen interesantes, y donde los cambios en los últimos dos años comienzan a hacerse evidentes. Una vez que haya elevado su ronda A y tenga más de 20 empleados, comenzará a tener nuevas opciones.

Todas estas opciones son impulsadas por una cosa: la tecnología de análisis está mejorando, es más rápida . Anteriormente, este tipo de infraestructura estaba reservada para compañías mucho más grandes. Sus beneficios? Métricas más confiables, más flexibilidad y una mejor plataforma para el crecimiento futuro .

Esta es la fase más difícil y más crítica: prometer si lo haces bien, pero induce al dolor si lo haces mal.

Qué hacer

  • Configure su infraestructura de datos. Esto significa elegir un almacén de datos, una herramienta de ETL y una herramienta de BI. Para los almacenes de datos, busque en Snowflake y Redshift (prefiero trabajar con Snowflake si tuviera la opción). Para las herramientas de ETL mira en Stitch y Fivetran . Para BI mira en Modo y Looker . Hay muchos, muchos productos en este espacio; estos seis son a los que volvemos una y otra vez con nuestros clientes.
  • Contrata un buen plomo analítico. En el futuro, necesitarás todo un equipo de profesionales de análisis: ingenieros, analistas, científicos de datos … Pero por ahora, solo puedes permitirte (como máximo) un solo recuento. Necesita encontrar a esa persona especial que podrá brindarle valor el primer día, pero que también podrá contratar al equipo a su alrededor a medida que crezca. Esta persona es difícil de encontrar, invierta tiempo para encontrarlos. A menudo, estas personas tienen experiencia en consultoría o finanzas, y con frecuencia tienen MBA. Si bien esta persona debería poder subirse las mangas y ensuciarse las manos, concéntrese en contratar a alguien que pueda pensar en los datos y en su negocio estratégicamente: será la pieza más importante de su rompecabezas analítico durante años. venir.
  • Considera contratar un consultor. Si bien es genial que hayas encontrado tu ventaja analítica, esa persona no tendrá la experiencia necesaria para armar todos los componentes de tu pila tecnológica o la experiencia para resolver todos los diferentes problemas de análisis que enfrentarás. tu negocio. Los errores cometidos en esta etapa crítica tienen costos considerables en tiempo y dinero a medida que crece, por lo que es importante establecer una base sólida . Para hacer esto, hoy más startups eligen trabajar con consultores para ayudarlos a establecerse, y luego construir un equipo alrededor de esa infraestructura.

Qué no hacer

  • A menos que el aprendizaje automático sea una parte fundamental de su producto, no contrate a un científico de datos todavía. Necesita un generalista, no un especialista, para construir su equipo de análisis.
  • Por el amor de todo lo que es santo, no construyas tus propias tuberías de ETL . Esto perderá muchas horas de ingeniería. Compre desde el estante de Stitch o Fivetran.
  • No use ninguna otra herramienta de BI que las dos que mencioné anteriormente. Pagarás por esto en el camino, difícil .
  • No intente "salirse con la suya" utilizando una base de datos más tradicional como Postgres como su almacén de datos. No es mucho más barato y va a ser una verdadera molestia cambiarlo más tarde cuando lo tengas al máximo. Postgres no escala bien como un almacén de datos.

Etapa media

(50 a 150 empleados)

Esta etapa es potencialmente la más desafiante. Todavía tiene un equipo relativamente pequeño y pocos recursos, pero se le pide que proporcione analíticas cada vez más sofisticadas y diversas al negocio, y su trabajo puede tener un impacto directo en el éxito o el fracaso de la empresa en general. Sin presión.

Es importante avanzar aquí, asegurándose de seguir sentando las bases para las fases futuras de su crecimiento. Las decisiones que tomes en esta fase pueden hacer que te cargues directamente contra una pared de ladrillos si no piensas mucho sobre el futuro.

Qué hacer

  • Implementar un proceso sólido para el modelado de datos basado en SQL. Sus modelos de datos sirven como la lógica de negocio subyacente para su análisis y deben compartirse en todos sus casos de uso de análisis, desde BI hasta ciencia de datos. Asegúrese de que su proceso permita a todos los usuarios realizar cambios en los scripts de modelado de datos, esté controlado por la versión y se ejecute en un entorno transparente . Mantenemos un producto de código abierto llamado DBT que muchas empresas en etapa de crecimiento usan para hacer exactamente esto.
  • Migre desde su análisis web existente y seguimiento de eventos a Snowplow Analytics . Snowplow hace todo lo que hacen las herramientas pagas, pero es de código abierto. Puede alojarlo usted mismo (y solo pagar los costos de sus instancias de EC2), o puede pagar a Snowplow o Fivetran para alojar al cobrador por usted. Si no realiza esta transición durante esta fase, se perderá la oportunidad de recopilar datos mucho más granulares, y se estará preparando para facturas verdaderamente masivas de Segment, Heap o Mixpanel en el futuro. la carretera. Una vez que haya superado esta etapa, estas herramientas de pago pueden cobrar fácilmente $ 10k + por mes como mínimo.
  • Haz crecer a tu equipo pensativamente . El núcleo de su equipo siempre deben ser los analistas de negocios: gente que es experta en SQL y su herramienta de BI, y pasan su tiempo trabajando con usuarios empresariales para ayudarlos a atender sus solicitudes de datos. Averiguar el perfil de esta persona y cómo entrenarlo y equiparlo es increíblemente importante. También debe contratar a su primer científico de datos en esta fase. Es importante contar con su infraestructura de datos y su equipo principal de análisis antes de contratar talentos científicos con experiencia (y costosos), pero en algún momento debe agregar este conjunto de habilidades.
  • Comience a abordar selectivamente algunos desafíos de pronóstico . Pronosticar es más difícil que solo ejecutar conteos y sumas, pero hay un par de áreas clave en las que tiene sentido comenzar a bucear. Si usted es un negocio de SaaS, debería estar trabajando en un modelo de pronóstico de abandono. Si usted es un negocio de comercio electrónico, absolutamente necesita trabajar en un modelo de previsión de demanda. Estos modelos probablemente no sean extremadamente sofisticados, pero serán una gran mejora con respecto al libro de Excel al azar que alguien en Finanzas hackearon juntos.
  • Dedique tiempo y energía a descubrir su atribución de comercialización . Esta es una publicación de blog completa por sí sola, pero basta con decir que simplemente no puede confiar en esta crítica pregunta de negocios a un tercero.

Qué no hacer

Es fácil dejarse llevar por usted mismo y comenzar a invertir en infraestructura de datos de servicio pesado. No hagas esto En esta etapa, las grandes inversiones en infraestructura siguen siendo una distracción costosa. Aquí hay algunas sugerencias sobre cómo mantenerse ágil:

  • Empuje SQL, y su almacén de datos, difícilmente. Puede hacer prácticamente lo que quiera en esta etapa utilizando la potencia de procesamiento de su almacén de datos. Compre la potencia del almacén de datos que necesite, pagar los servidores es mucho más barato que pagar por los humanos.
  • Agregar en Jupyter Notebooks para el trabajo de ciencias de datos. Si los datos han sido agregados previamente en su almacén, normalmente no necesitará realizar este procesamiento en un clúster Spark o Hadoop.
  • Encuentre formas de bajo costo para los conjuntos de datos ETL que no tienen integraciones listas para usar. Esta es una de las cosas que nos encanta de Singer .

Evitar boondoggles costosos lo mantendrán enfocado en resolver problemas reales de negocios.

Etapa de crecimiento

(150 a 500 empleados)

Esta etapa tiene que ver con la creación de procesos analíticos de escala. Necesita equilibrar las respuestas que necesita hoy con la implementación de prácticas analíticas que se ampliarán a medida que siga creciendo su equipo.

Con 150 empleados, probablemente solo tengas un equipo pequeño (de 3 a 6) a tiempo completo centrado en análisis. Para el momento en que tenga 500 empleados, fácilmente podría tener 30 o más. 3-6 los analistas pueden operar de una manera bastante ad hoc, intercambiando conocimientos (y códigos) de manera informal. Cuando tienes más de 8 analistas, esto comienza a descomponerse muy rápidamente.

Si no maneja bien esta transición, en realidad tendrá un rendimiento inferior a medida que su equipo crezca : le llevará más tiempo generar ideas significativas y sus respuestas serán de menor calidad. Esto es simplemente una función de la complejidad no lineal: obtendrá más datos y más analistas trabajando con él. Para combatir esto, necesita procesos para mantenerlos trabajando de forma confiable.

Qué hacer

  • Implementar pruebas de datos . En este momento, tiene datos que llegan a su almacén desde al menos una docena de fuentes y necesita un proceso para garantizar que los datos que se cargan continúen cumpliendo con las reglas que espera: unicidad, relación de clave externa, campos no nulos y lógica de negocios personalizada. Si no tiene un proceso automatizado sólido que verifique esto, la calidad de su análisis continuará deteriorándose y no sabrá por qué. Utilizamos la funcionalidad de prueba de dbt para esto con nuestros clientes.
  • Use solicitudes de extracción y revisiones de código. Su código analítico es un activo, al igual que el código que impulsa su sitio web y aplicación. Producir código de alta calidad requiere ser serio sobre el control de versiones. Obtenga a cada uno de los miembros de su equipo en git, enséñeles cómo usar ramas y deshabilite los empujes de fuerza para dominar. Todo el código que se implementa en la producción debe fusionarse a través de un proceso de solicitud de extracción que incluye una revisión de un miembro del equipo.
  • Ponte serio sobre la documentación . El entorno de datos en su empresa es complicado. La única manera de administrar efectivamente ese conocimiento y compartirlo con su equipo es invertir el tiempo y la energía necesarios para documentarlo. Esto agregará algunos gastos generales, pero si no realiza esta inversión, encontrará que sus analistas pasan más tiempo averiguando dónde obtener ciertos datos o cómo usarlos que lo que realmente hacen con los análisis. Airbnb ha realizado un excelente trabajo en esta área .
  • Sé intencional sobre la estructura de tu equipo de análisis. Hay dos modelos principales de cómo estructurar un equipo de análisis: centralizado e integrado. No existe una respuesta clara y correcta, pero esta decisión será fundamental para la forma en que entregue los análisis a su organización en crecimiento. Carl Anderson describe bien las concesiones en su libro Cómo crear una organización basada en datos .

Qué no hacer

No aceptes excusas. Hacer análisis en este nivel es un trabajo duro, y requiere un equipo talentoso y motivado que esté constantemente innovando y mejorando. Las revisiones de código toman tiempo y energía. Los analistas no están acostumbrados a tener que probar su código. Y la documentación es minuciosa. Habrá resistencia a hacer las cosas de esta manera, especialmente entre los miembros de su equipo a largo plazo que recuerden los "buenos viejos tiempos". Pero a medida que aumenta la complejidad, debe evolucionar sus procesos para adaptarse.

Estos procesos realmente harán que el análisis sea más fácil, más rápido y más confiable, pero implementarlo tendrá más fuerza. Si realmente quiere escalar los análisis, lo hará.

Eres un pionero

He llegado a cada una de estas recomendaciones después de años de hacerlo yo mismo dentro de las empresas y ahora ampliar el enfoque como consultor. La oportunidad de trabajar con una gama de clientes similares ha dejado muy claro cuán raro es para las empresas hacer bien estas cosas .

Si toma todas las recomendaciones en esta publicación, será, literalmente, una de las organizaciones de análisis de más alto rendimiento en el mundo . No es una mala ventaja competitiva.