Comment les Dirigeants Devraient Utiliser les Données avec Benn Stancil

À propos de Benn Stancil : Benn Stancil est cofondateur et analyste en chef chez Mode Analytics, une entreprise qui crée des outils collaboratifs pour les scientifiques des données et les analystes. Benn est responsable de la supervision des efforts d'analyse interne de Mode et est également un contributeur actif à la communauté de la science des données. De plus, Benn fournit une supervision stratégique et des conseils à l'équipe de direction des produits de Mode.

Pour rester à jour avec les écrits de Benn, consultez son substack.

 

À propos de Mode : Mode aide les entreprises à croître plus rapidement en accélérant les réponses aux problèmes commerciaux complexes et en rendant le processus plus collaboratif, afin que chacun puisse s'appuyer sur le travail des analystes de données. La plateforme Mode combine les meilleurs éléments de Business Intelligence (ABI), Data Science (DS) et Machine Learning (ML) pour autonomiser les équipes de données afin de répondre à des questions ayant un impact et de collaborer sur l'analyse dans une gamme de fonctions commerciales. En 2021, Mode a ajouté un certain nombre de grandes entreprises de premier plan à sa base de clients, qui comprend maintenant Anheuser Busch, Bloomberg, Capital One, Condé Nast, DoorDash, Lyft, Meredith Publishing, VMware et Zillow, entre autres. À ce stade, 52 % du classement Forbes 500 ont eu recours à Mode pour l'aide à la prise de décision basée sur les données.

 

Transcription de l'épisode :

Brian Sierakowski : Benn, bienvenue au balado. Comment allez-vous aujourd'hui ?

Benn Stancil : Bien, merci de m'accueillir. 

Brian Sierakowski : Bien sûr, c'est un plaisir. Eh bien, commençons par où nous commençons habituellement. Parlez-moi de vos débuts en tant qu'entrepreneur ?

Benn Stancil : Je suis l'un des fondateurs de Mode. Nous créons un produit pour les analystes et les scientifiques des données. Si vous connaissez les outils de BI ou des outils comme Tableau, c'est largement similaire à ces sortes de choses. Nous avons donc lancé l'entreprise il y a environ huit ans, et c'était et reste ma première et jusqu'à présent unique incursion en tant que fondateur d'une startup ou entrepreneur ou quoi que ce soit de ce genre.  

J'ai commencé après avoir rencontré des gens lors d'un emploi précédent. J'ai travaillé dans une entreprise appelée Yammer, une entreprise SaaS qui a créé une sorte de Facebook pour le travail avant que Facebook pour le travail ne soit une chose. Ils ont été acquis par Microsoft en 2012. J'ai donc rencontré quelques personnes là-bas, nous avons fini par avoir l'idée du produit que nous voulions créer en fonction de certains outils internes que nous avions créés chez Yammer, puis nous avons créé l'entreprise à partir de cela. Je suis quelqu'un qui s'est retrouvé essentiellement dans une position où c'était une idée intéressante, c'étaient vraiment de bonnes personnes avec lesquelles je voulais travailler. Et donc c'était un peu comme, faisons le saut. Je ne suis pas quelqu'un qui y est allé en pensant : mon rêve de toujours est d'être un entrepreneur ou un fondateur ou quoi que ce soit de ce genre, mais plutôt je l'ai fait par intérêt pour l'idée et l'équipe, puis j'ai suivi ce chemin.

Brian Sierakowski : Sympa. C'était comment de travailler chez Yammer ? 

Benn Stancil :  C'était mon premier emploi dans le monde de la technologie. Avant Yammer, je travaillais en fait à Washington pendant quelques années à faire un travail très « Washington ». J'ai travaillé dans un groupe de réflexion en faisant de la recherche politique. Les groupes de réflexion fonctionnent comme ce pont entre le monde universitaire et le monde politique où ils sont essentiellement un groupe de personnes qui sont des experts sur différentes questions, très souvent des doctorats en ces choses, des économistes, des politologues, des experts en politique étrangère, ce genre de choses. 

Et donc ce qu'ils font, c'est qu'ils écrivent essentiellement des articles de recherche conçus pour que les décideurs politiques fassent des suggestions de politique : nous devrions faire ceci concernant les relations sino-américaines. J'étais là de 2009 à 2012, ce qui était au moment de la crise financière de 2008. [nous leur disions] les décideurs politiques devraient réagir à cette crise de ces différentes façons.

Notre travail était de faire ces recommandations politiques, mais nous les faisions très clairement à distance. Nous étions l'un des tonnes de groupes de réflexion qui font cela. 

Nous écrivons un tas d'articles, ils sont essentiellement envoyés aux assistants du Congrès, ces assistants du Congrès peuvent ou non les lire, ils peuvent ou non les transmettre dans la chaîne des bureaux du Congrès ou des divers bureaux de prise de décision politique. Finalement, les personnes qui sont les vrais décideurs politiques, ne les voient probablement jamais, peut-être que certaines pensées influencent la  façon dont ils pensent à la politique. 

Mais au final, ces personnes prennent des décisions pour beaucoup d'autres motivations et à la poursuite de la recherche universitaire que nous faisions, c'était très rarement l'une d'elles, cela n'avait vraiment pas d'importance.

J'ai donc finalement quitté en partie pour cette raison, parce que vous êtes tellement éloigné de jamais voir quelque chose se faire que le travail est intéressant, mais vous criez essentiellement dans le vide. C'est un peu protocolaire à certains égards où cela ne fait pas vraiment de différence. 

Je suis parti pour finalement rejoindre Yammer et le rôle là-bas chez Yammer était en fait structurellement un peu similaire. Le travail consiste à trouver des problèmes. J'étais analyste, donc c'était comme les résoudre avec des données, faire des recommandations aux gens afin qu'ils puissent prendre de meilleures décisions. 

La différence était que plutôt que moi assis dans un bureau à Washington, écrivant des choses indirectement pour des centaines de décideurs politiques qui s'en fichent probablement, j'écrivais ou faisais cette analyse pour le chef de produit qui était assis à côté de moi, qui essayait de prendre une décision qu'il devait prendre demain. 

C'était évidemment beaucoup plus rapide, c'était un travail où vous pouviez immédiatement voir ce que vous faisiez de bien ou de mal. C'était académiquement intéressant pour moi et c'était de penser aux problèmes de la même façon, mais d'une manière où vous pouviez réellement voir l'impact de cela, vous pouviez réellement voir si les gens suivraient ou non ces recommandations, et les gens se souciaient vraiment de ce que vous faisiez.

Brian Sierakowski : C'est vraiment sympa. Cherchiez-vous activement à passer au monde de la technologie ? Était-ce quelque chose d'opportuniste ou comment vous est-il venu à l'esprit que tout ce travail acharné que vous faisiez pour essentiellement aucun public ressemblait à : peut-être que je devrais trouver quelqu'un qui se soucie de ce que je fais ?

Benn Stancil : La technologie était l'une de plusieurs choses que je pense que je cherchais à l'époque. Je n'étais pas sûr de ce que je voulais faire. Je ne l'étais pas à l'époque et je ne sais pas que je le suis maintenant, mais à l'époque, je savais que j'aimais le genre de travail avec les données.

Je savais que dans cette galaxie générale de types de problèmes, j'en jouissais. J'aimais aussi la façon de penser en économie. L'économie est une sorte de mathématiques, mais pas les mathématiques difficiles, c'est plus des mathématiques appliquées, où vous avez des données, vous voulez essayer de comprendre ce qu'elles signifient. Vous n'êtes pas juste dans les détails en résolvant essentiellement des problèmes techniques difficiles toute la journée. Du moins, à ce niveau, l'économie universitaire devient une sorte de chose technique.

Et donc je cherchais des chiffres dans les choses. J'ai exploré la possibilité et j'étais très proche de faire un doctorat en économie. Je regardais des emplois en finance, qui ont quelques similitudes là-bas, bien que je pense que cela dépend vraiment du rôle et je n'ai jamais vraiment vérifié, donc je ne sais pas vraiment à quoi cela ressemblerait. 

J'avais des amis avec lesquels j'avais travaillé qui étaient partis à San Francisco. L'un d'eux était allé à Google et en disait du bien. Donc ça s'est avéré être un peu comme, ouais, je cherchais juste parmi un tas de choses différentes qui avaient essentiellement, comme des données dans le titre et j'étais ouvert à différentes opportunités. 

J'ai finalement décroché l'emploi chez Yammer grâce au bon vieux népotisme. J'avais un ami avec lequel j'avais travaillé à Washington, dont la sœur travaillait chez Yammer, ce qui ne vous permet pas, comme, d'obtenir l'emploi, mais cela vous permet essentiellement d'obtenir l'entrevue.

Je pense que surtout beaucoup de ces startups, surtout les Google et Facebook du monde, qui encore une fois, Yammer n'en était pas un, mais les très grandes entreprises qui reçoivent juste des milliers et des dizaines de milliers de candidatures par jour, il est difficile de s'infiltrer dans ce processus sans avoir un moyen d'obtenir votre curriculum vitae en haut de la pile. 

Essentiellement, c'est ce qui s'est passé. Je cherchais plusieurs emplois. J'avais un ami qui m'a dit : tu devrais vérifier celui-ci. J'ai dit d'accord, cela a mis mon curriculum vitae en haut du fichier pour les entrevues. Je suis passé par le processus d'entrevue, j'aimais l'emploi et j'étais juste un peu comme, je n'ai rien de mieux à faire, pourquoi pas, et j'ai donc fait le saut.

Brian Sierakowski : Comment ça s'est passé pour vous lors de ce processus d'entrevue ?

Benn Stancil : C'était intéressant, la façon dont cette entrevue s'est déroulée. C'était en 2011, 2012. Je ne me souviens même pas si j'ai eu une entrevue en 2011 et 2012. C'était au plus fort de la phase des devinettes logiques des entrevues qui était devenue populaire, surtout dans les données. 

C'était comme, voici un problème de mathématiques, comment le résoudriez-vous ? Comment le résoudriez-vous ? Il y avait beaucoup de cela. L'entrevue téléphonique comportait quelques problèmes comme cela. L'entrevue sur place était une série de voici un cercle, si vous tracez une ligne ici, qu'arrive-t-il ? Comment pensez-vous à ces choses de façon qualitative ? 

Je me souviens que cette partie était un peu étrange. Une partie de cela, cependant, était et je soupçonne que c'est vrai pour beaucoup de personnes qui ne travaillent pas dans la technologie et ensuite arrivent à leur première vision de celle-ci, vous oubliez combien c'est différent du reste du monde et à quoi ressemblent ces entrevues et à quoi ressemblent ces bureaux. La façon dont la technologie fonctionne est juste très différente, ou l'était. Je pense que cela devient un peu plus normal maintenant. 

Mais les entrevues en finance étaient très bien des entrevues à l'ancienne, guindées, où vous portiez un costume, vous entriez dans un bureau, et les gens vous questionnaient sur diverses choses. 

L'entrevue technologique était beaucoup plus conviviale et donc je pense que j'ai été quelque peu surpris par la différence, par la différence des bureaux — toutes ces sortes de choses. Je pense que pour les gens qui travaillent dans la technologie, cela devient quelque chose que vous attendez, comme vous tenez pour acquis que c'est ainsi que le monde du travail fonctionne et je pense qu'en venant d'un monde qui n'était pas cela, c'était un peu plus un choc culturel, principalement de manière positive, du moins pendant ce processus.

Brian Sierakowski : Je ne veux pas vous mettre sur place du point de vue de la mémoire, mais je suis juste curieux si vous vous souvenez de l'une de ces questions de type devinette logique que vous avez posées. C'est toujours tellement intéressant pour moi.

Benn Stancil : Je me souviens de trois ou quatre d'entre elles, je pense. Il y en avait une essentiellement le long des lignes de « un sur tous les X voitures, aléatoirement en tant que questions de probabilité prédésignées, comme une sur X voitures est une Prius qui passe, supposons que vous vous asseyiez et regardiez des voitures passer pendant une demi-heure, combien de Prius êtes-vous susceptible de voir ?

Supposons que vous vous asseyiez et regardiez les voitures pendant une heure, combien de Prius êtes-vous susceptible de voir ? Vous êtes comme, quelles sont les probabilités de ne voir aucune Prius en une demi-heure, quelles sont les probabilités de ne voir aucune Prius en une heure ? » Des questions comme celle-là. 

Il y avait une sorte de question de géométrie sur « dessinez un cercle, disons que j'ai mis deux points sur le bord de celui-ci aléatoirement maintenant j'ai mis un troisième point comme, quelles sont les probabilités que le troisième point se situe dans l'angle des deux premiers, disons créer deux points, et cela crée un angle aigu, quelles sont les probabilités que le troisième point se trouve à l'intérieur de cet angle aigu par rapport à l'extérieur ? » Je suppose que ce n'était pas  un angle aigu, c'était comme un angle inférieur à 180 degrés, donc comme cette partie de celui-ci. 

Il y avait une sorte de question de brassage de cartes comme, « vous devez brasser un jeu de cartes » ou une sorte de probabilité de croupier. Et pour une raison quelconque, j'ai un vague souvenir d'une question qui impliquait des vêtements et une sorte de probabilité de traiter avec celui-là. 

La plupart d'entre eux étaient basés sur la probabilité, la plupart d'entre eux étaient juste ces questions sur la façon dont vous essayeriez de résoudre cette chose qui ressemble à une sorte de probabilité ? Je pense que beaucoup de choses que nous cherchions, et évidemment, après avoir été assis de l'autre côté de la table pendant un certain temps, c'est que ce n'est pas nécessairement la rapidité avec laquelle vous résolvez cette question, mais c'était plus une question de à quel point êtes-vous à l'aise de parler de cela ? À quel point êtes-vous à l'aise dans cette sorte de gymnastique quantitative pour voir si quand vous trouvez quelque chose, réagissez-vous bien ? Voyez-vous les choses que vous essayez de voir, ou que vous essayez de nous faire voir ? Et donc beaucoup d'entre eux étaient, je pense, plus une question de facilité avec les mathématiques et une sorte de dextérité plutôt que, vous savez, pouvez-vous gagner un Mensa. 

Brian Sierakowski : Eh bien, c'est en fait beaucoup plus raisonnable, du moins dans certaines expériences, ou différentes questions que j'ai entendues dire aux gens. Et je pense que ces questions auraient été excellentes pour m'éliminer de la liste des candidats si j'étais dans celle-ci. Je ne pense pas que j'aurais pu répondre à l'une de ces questions très bien. 

C'est certainement efficace de ce point de vue pour éliminer tout non-mathématicien.

Benn Stancil : Les questions financières lors de ces entretiens, dans la mesure où elles vous donnaient des choses, tendaient à être plutôt des énigmes pures, soit du genre « vous avez un renard, une poule et un bateau, et vous devez traverser et ils ne peuvent pas faire ceci ou vous pouvez faire cela » ou du genre classique « combien de balles de ping-pong pouvez-vous faire tenir dans un avion ? », « combien de bouches d'égout y a-t-il à New York ? » tout ce genre de choses qui consiste simplement à voir comment vous raisonnez à travers ces questions déraisonnables.

La question elle-même, je ne sais pas s'il y a quelque chose de mauvais. Je pense qu'il y a des façons que ces choses peuvent certainement être utiles pour évaluer les gens. Je pense que ça dépend essentiellement de comment vous la jugez, comme si vous la jugiez simplement en disant, pouvez-vous être une calculatrice pour écrabouiller cette chose ?

Je pense que vous devriez vous en sortir assez mal si vous la jugez plutôt en disant comment les gens réagissent à cette situation ? Travaillent-ils dessus ? Eh bien, puis-je en parler à travers ce genre de choses Je pense qu'il y a peut-être quelque chose d'un peu plus raisonnable là.

Brian Sierakowski : J'ai déjà été un peu coupable de cela, c'est qu'il y a une certaine inclination à se moquer de ce genre de questions, parce qu'elles sont évidemment stupides en surface. 

Mais c'est une sorte de défi difficile en tant que propriétaire d'entreprise, surtout si vous êtes dans la tech, et que vous espérez faire des choses qui n'ont jamais été faites auparavant. 

Comment d'autre allez-vous pouvoir dire, d'accord, cette personne va être mise dans un environnement où il n'y a pas, comme, pas de connaissances préalables, et elle doit comprendre. Quel travail vont-ils faire pour le comprendre, cet état futur que même si nous savions ce que ce truc allait être nous vous testerions juste là-dessus, mais nous ne savons pas. 

Donc je pense que c'est vraiment un bon point que vous faites, c'est mettons quelqu'un dans cette situation déraisonnable et voyons comment il s'en sort et je suis certainement d'accord que peut-être l'une des raisons pour lesquelles c'est un peu, du moins pour moi, je ne veux pas parler largement, mais la raison pour laquelle combien de couvercles de bouche d'égout y a-t-il à New York peut être quelque chose que vous pouvez vous moquer c'est que, si quelqu'un vous juge en utilisant mal cet outil et en jugeant à quel point si vous connaissez la réponse, et qu'il vous juge en fonction de à quel point, nous n'embauchons que les gens qui se rapprochent à 5% de ce nombre Je pense que vous utilisez l'outil un peu incorrectement là et en essayant d'évaluer la capacité de quelqu'un. 

Benn Stancil : Oui, et je pense que c'est vrai. Je veux dire, il y a des choses que les gens des données ont tendance à faire et les gens de tous les côtés qui posent ces questions, je pense que ce peuvent être des outils utiles, s'ils sont utilisés correctement. 

Je pense que ces questions se prêtent à être mal utilisées, en partie parce qu'elles deviennent une sorte de tests de puissance brute et que les gens veulent les utiliser de cette façon. 

Il y a beaucoup de fois où il semble que l'intervieweur veuille essentiellement prouver à quel point il est intelligent. Et une partie du processus est de les faire, ce n'est pas évidemment ce que l'entretien devrait être, mais les intervieweurs poseront des questions avec l'intention de voir quelqu'un lutter et dire, je sais comment faire ça et je me sens intelligent de l'avoir posée, ce que je pense est une façon assez problématique de le faire. 

La façon dont cela a évolué, et c'est ainsi que nous menons les entretiens, et c'est comment mes entretiens ont évolué et je pense que c'est quelque chose qui est probablement un peu plus une pratique à l'échelle de l'industrie c'est d'essayer au lieu de poser la question déraisonnable qui est une énigme, comme combien de balles de ping-pong peuvent tenir dans un avion ? Commencer à poser des questions qui sont un peu similaires dans leur déraisonnabilité, mais qui sont beaucoup plus ouvertes et qui portent beaucoup plus sur l'entreprise elle-même. 

Donc, par exemple, quelque chose que je poserais pour quelqu'un est « combien devrions-nous payer pour un panneau d'affichage ? » Où c'est vraiment difficile à déterminer mais c'est plus sur comment essayeriez-vous de résoudre ce problème qui est un problème que nous pourrions réellement rencontrer au travail, qu'il est difficile à mesurer que vous devez d'une certaine façon, équilibrer à la fois les problèmes quantitatifs et comprendre comment évaluez-vous réellement la valeur d'un panneau d'affichage ? À quoi ça ressemble ? Comment décidez-vous que les gens achètent votre produit à cause de ça ? Comment reliez-vous réellement ça au panneau d'affichage ? 

Tout ce genre de choses où c'est un mélange de problèmes quantitatifs et qualitatifs d'une façon qu'il n'y a pas de réponse claire d'une façon que je ne peux pas rester là en tant qu'intervieweur et comme, je sais que la réponse est celle-ci et en essayant réellement de vous attendre pour voir si vous pouvez y arriver exactement. 

C'est plutôt, travaillons sur cette chose ensemble et sentez que nous arrivons à un point où nous avons réellement atteint un endroit qui nous semble bon et si nous pouvons y arriver, alors super, nous devrions travailler ensemble. 

Et si c'est vraiment une lutte, et je pense que c'est une chose différente. Alors c'est peut-être que ce n'est pas juste. Je pense donc que celles-ci ont tendance à être de meilleures questions, où elles sont un peu structurellement similaires, mais d'une façon qui protège contre à quel point vous êtes intelligent, vite pouvez-vous penser à des problèmes stupides et plus sur la façon dont vous pouvez travailler ensemble sur quelque chose qui est un peu ambigu et vague, mais qui reflète réellement la façon dont le travail sera réellement fait.

Brian Sierakowski : Ouais, c'est vraiment super aussi parce que cela signifie également que vous êtes réfléchi sur ce que le rôle est, et quelles seront leurs responsabilités, ce que j'ai vu beaucoup de fois. J'ai été coupable d'embaucher quelqu'un sans avoir vraiment une image cristalline claire de quelle valeur je veux que cette personne apporte ou même quel est son travail. 

Comment les évaluons-nous ? Quels sont leurs objectifs ? Donc si vous connaissez ces objectifs, et si vous embauchez une personne du marketing et que vous voulez qu'elle travaille sur les stratégies de distribution, ce sont des questions ouvertes et vous arrivez presque au point où si vous pouvez me tromper à l'entretien, comme si vous dites quelque chose, je suis comme en train de hocher la tête en disant, ouais, ça semble super, ça semble assez bon. 

Vous êtes entré dans le stade à partir de là et si je vous embauchais et que vous veniez me voir avec ces propositions, je dirais que c'est conforme à autant de données que nous avons et je ne pense pas que vous êtes fou et je pense que vous avez fait vos recherches alors allons-y. Je veux dire, que pourriez-vous demander de plus que ça ?

Benn Stancil : Ouais, et les rôles de données, je pense, en particulier, sont une étude de cas intéressante en cela parce que comme un analyste ou un data scientist, la chose que vous dites, à quoi ressemble le succès au travail, c'est en fait assez difficile à définir. 

C'est une sorte de tirade récente sur laquelle je suis allé et j'ai écrit un peu à ce sujet mais c'est en fait difficile de comprendre à quoi ressemble un bon analyste ou un bon data scientist, non pas dans le sens de, quels sont les attributs qu'ils ont, mais disons que vous en avez 10 dans un travail comment savez-vous lesquels sont meilleurs ? Même en voyant leurs performances, comment mesurez-vous cette performance ?

Parce qu'en fin de compte, leur travail est de d'une certaine façon être un conseiller pour recommander des choses et ce genre de choses.  Vous pouvez dire, la qualité des recommandations qu'ils font, mais parfois, parce que c'est en effet, ce n'est pas formellement, mais c'est en effet une sorte de probabiliste de nous devrions faire ça, et c'était probablement un succès et parfois ça ne l'est pas, nous ne pouvons pas vraiment utiliser ces jugements non plus nécessairement comme une mesure directe de la qualité des gens. 

Et donc beaucoup de cela revient à je pense ce que vous dites où c'est essentiellement à quel point c'est convaincant ? C'est essentiellement, comme, si vous faites une analyse, et je la vois, et je suis genre, sûr ça semble juste pour moi, alors c'est probablement bon. Et c'est probablement aussi bon qu'un jugement que vous avez et donc je pense, d'une certaine façon, cela rend le processus d'entretien plus facile, ou c'est comme, donnez aux gens un problème et si vous partez en vous sentant convaincus par leur réponse, alors ils sont probablement assez bons au travail, parce que c'est essentiellement le travail. 

Ce n'est pas nécessairement la façon dont beaucoup de grands gens l'abordent, mais pour moi, c'est une sorte de, l'ultime travail du rôle de toute façon, et donc si les gens sont bons à ça et ils vont probablement le faire ce que vous leur demandez.

Brian Sierakowski : Ouais, ça semble être un travail vraiment difficile de dire, comme, qui est le meilleur analyste parce que vous avez raison, si vous dites simplement, bien, de tous les analystes, lesquelles de leurs recommandations nous ont fait le plus d'argent ou peu importe nous a donné le plus de la métrique cible ?

Et la réponse à cela serait comme, eh bien, l'analyste qui a fait ça était les analystes qui ont eu les meilleures questions, les questions qui étaient les plus susceptibles de générer beaucoup d'argent. 

Donc il y a tout cet effet en amont de la personne qui s'est vu poser la question qui mènerait à la chose qui nous fait le plus d'argent est probablement, vous savez— si tout le monde est dans plus ou moins 20%, en compétence, les intrants sont ce qui va affecter ce que leur performance va ressembler.

Benn Stancil : Bien sûr, et il n'y a pas non plus de contrefactuel, ou c'est comme, eh bien, ils nous ont recommandé cette chose. Nous pesions vingt-cinq options, nous avons choisi l'option A, nous n'avons pas choisi l'option B, C, D ou E. Nous saurions réellement comment celles-ci auraient fonctionné si A a assez bien fonctionné, comme était B super que nous avons réellement raté beaucoup d'opportunité ?

Avons-nous esquivé un tas de balles où B à E sont tous terribles ? Ce sont des choses que vous ne savez vraiment pas donc c'est tout une sorte de chose subjective pour moi et beaucoup de cette subjectivité tourne autour de à quel point ils sont convaincants et les choses qu'ils mettent en avant pour la prise de décision.

Brian Sierakowski : Wow, c'est vraiment intéressant. Une chose à laquelle je pense aussi, en pensant à votre parcours à travers le groupe de réflexion vers Yammer, je suis curieux d'une certaine manière de revenir en arrière, comment votre ensemble de compétences a dû changer ?

Il semble que vous soyez très réfléchi sur le fait d'être dans ce rôle et comme quelles sont les exigences. Comment avez-vous senti que vous aviez besoin de changer, si vous aviez besoin de changer, pour vous adapter dans cette nouvelle organisation plus rapide et plus intense ?

Benn Stancil : Donc pour passer du groupe de réflexion à la startup, comme analyste, il y a évidemment beaucoup de changements qui doivent se produire pour passer d'un analyste dans une startup à en fonder une.

Mais le premier changement en passant du groupe de réflexion à analyste, il y a probablement eu deux grandes choses qui étaient différentes. C'était toujours essayer d'utiliser les mathématiques pour résoudre des problèmes et donc les compétences que c'était que ce n'était pas si différent. 

La chose que je pense était, le plus grand défi était un : il y avait une certaine compétence technique que je n'avais pas, des choses comme SQL. SQL est fondamentalement la compétence technique dont vous avez vraiment besoin. Vous n'aviez pas besoin de devenir un savant fou par quelque moyen, mais je ne connaissais pas SQL avant de commencer le travail et après un mois de l'utiliser, je me sentais bien avec et donc c'était comme d'accord, vous pouvez apprendre ça. 

Mais vous aviez dû vous adapter à un environnement qui n'était pas télécharger des fichiers Excel à partir d'un tas de sites Web de la Banque mondiale et du FMI et au lieu d'utiliser quelque chose qui est un peu plus techniquement évolutif. 

Donc j'ai dû apprendre ces éléments. Je pense que c'était un peu un changement où ce n'était pas juste genre tout était fait, rassemblez-le et vous le faites pour cet article particulier et une fois que vous avez terminé, comme, qui s'en soucie, ayez juste un tas de fichiers Excel sur votre ordinateur, vous ne les utiliserez jamais à nouveau. C'était tout fait, nous étions comme, d'accord, nous devons répéter ceci encore et encore, nous avons besoin de tableaux de bord et ce genre de choses, donc il y avait une sorte de changement à cet égard mental.

L'autre chose que je ne pense pas qu'il y ait eu un changement pour moi parce que c'était la chose que je cherchais, mais c'est probablement serait pour certaines personnes, ou selon depuis combien de temps vous êtes sorti du monde universitaire c'est le rythme, et la sorte  de choses associées au rythme. 

Ce n'est pas juste comme, hé, nous devons aller plus vite ou que c'est là, c'est que pour aller plus vite, nous acceptons davantage les pièces directionnelles nous acceptons davantage, vous n'avez pas besoin de croiser tous les T et mettre des points sur tous les I, le travail ici n'est pas d'écrire un article.

Le travail ici n'est pas de faire un quelconque mathématiques formelles. Le travail est de faire suffisamment de travail, pour que nous puissions décider ce que nous devons faire et c'est assez bon. 

Je pense qu'il y avait une sorte de changement autour si, par exemple, et encore, ce n'était pas mon cas, parce que je n'étais pas dedans pour très longtemps mais si vous venez du monde universitaire, et vous pouviez poser la question, il y a beaucoup de comme la chose vers laquelle j'essaie ultimement de m'orienter écrire un article. Donc j'ai besoin d'avoir quelques idées, mais les idées qui se formulent, comme des expressions plus formelles de ces idées. J'ai besoin d'avoir des trucs un peu plus affinés.

Alors que dans ce cas, c'est une sorte de arriver au point où vous avez l'idée, faire suffisamment de travail pour sentir que votre idée est probablement juste, et puis passer à autre chose. Et donc il y avait une sorte de changement d'approche je pense avec que différentes personnes de différents horizons une sorte d'avaient dû s'adapter à différents degrés. 

Dans mon cas, c'était relativement doux, dans certains cas, qui, vous savez, étaient des universitaires ou des doctorats, ou des postdoctorants, et qui l'avaient fait pendant 10 ans, je pense que c'est un changement plus dur.

Brian Sierakowski : Intéressant. C'est en fait quelque chose auquel j'ai beaucoup réfléchi et je me demande si vous avez des leçons apprises que vous pouvez partager.

À mesure que nous devenons de plus en plus axées sur les données et informées par les données de notre côté, j'ai remarqué la même chose et je suis vraiment un mec du sentiment ce qui est horrible. J'entrerai dans une réunion et je présenterai les données et je dirai ouais, mais ça n'a pas l'impression que c'est ça. 

Je vois ce que les données disent mais en tant que quelqu'un qui est l'opérateur ça n'a pas l'impression que c'est ça. Parfois je peux creuser plus profond et trouver une tranche qui montre, ou peut-être que je n'ai juste pas bien fait la présentation des données la première fois. 

Mais j'essaie de trouver cet équilibre entre laisser les expériences s'exécuter à la signification statistique par rapport à obtenir cette direction. Alors mon approche serait comme nous allons  juste l'essayer, si vous avez une idée, essayez-la simplement et voyez ce qui se passe, ce que je pense est trop cowboy pour opérer à l'échelle en faisant ça. 

Mais j'ai l'impression que peut-être la deuxième étape est de basculer de l'autre côté de la situation et de dire nous allons exécuter des expériences, et nous allons les exécuter jusqu'à la signification statistique, et ensuite nous allons nous sentir assez bien que c'est va marcher alors que peut-être nous devons être quelque part au milieu. Alors je suis curieux vous pourriez être uniquement qualifié pour parler de cela.

Benn Stancil : Ouais, j'ai un tas de pensées là-dessus. Donc un je pense que les deux extrêmes dans le genre de réponse ennuyeuse, les deux extrêmes ne sont pas vraiment viables, vous ne pouvez pas être complètement axé sur les données, et tout ce que vous faites et juste prendre des décisions parce que les données vous disent de le faire mais si vous faites tout par instinct, vous aurez aussi des ratés. 

Je pense qu'il existe une version nuancée de cela. Pour moi, il y a une tendance chez les gens qui travaillent avec les données et chez quiconque est enclin à utiliser les données, ce n'est pas nécessairement un analyste de données ou un scientifique des données, mais aussi chez les cadres qui ont une certaine confiance dans les données et certaines façons de l'utiliser comme béquille, par exemple, nous voulons faire ce test, eh bien, nous ne prendrons pas de décision jusqu'à ce que nous obtenions les résultats. Pour moi, c'est une autre chose sur laquelle j'ai été un peu en train de faire une diatribe. 

Mais récemment, pour moi, l'effet de cela est que les gens essaient essentiellement de se décharger de la responsabilité de prendre cette décision en disant, eh bien, je vais juste faire ce que les données me disent, et c'est comme, les données ne vont pas vraiment vous donner une réponse. Parfois, la meilleure chose qu'elles vont vous dire, c'est que nous ne savons pas quoi faire. 

Ou cela semble pointer dans cette direction, mais je ne sais pas si c'est mieux. Et nous ne pouvons pas exécuter cette expérience plus longtemps pour le découvrir. Nous ne pouvons pas simplement faire plus d'analyse pour le découvrir et nous ne le saurons tout simplement pas, nous sommes essayer de prédire. Je veux dire, en effet, ce que le test fait peut-être, c'est essayer de prédire l'avenir en disant quel est l'effet maintenant si nous pensons que cela continuera, et il y a des moments où vous vous dites, nous ne pouvons pas prédire l'avenir, nous ne savons pas.

Et je pense que les gens utiliseront parfois les données trop loin de cette façon, où ils ne sont pas à l'aise pour prendre une décision, ou simplement prendre un risque et dire que c'est la chose sur laquelle nous allons parier sans pouvoir dire, eh bien, les données disent ceci, donc c'est la chose que nous devons faire. Donc, je pense que dans ces cas-là, oui, faites l'analyse pour avoir une idée de la direction, faites l'analyse pour rester honnête avec vous-même. 

Mais cette analyse n'est pas vraiment la vérité absolue dans le sens qu'il y a beaucoup de choses qui entrent dans la façon dont vous exécutez le test. Il y a beaucoup de choses qui entrent dans la façon dont vous mesurez les choses. À un moment donné, vous devez prendre des décisions basées sur une certaine quantité d'incertitude et je pense que nous devons être plus à l'aise avec cela.

L'autre côté de la chose, c'est que quand vous regardez les données, et que cela ne semble pas juste, je pense que c'est une chose importante à remarquer. Il y a ce truc de Jeff Bezos à propos de quelque chose où c'est comme, quand il regarde les données, et c'est quelque chose qui va à l'encontre de son intuition, il est aussi souvent que son intuition est mauvaise que les données sont mauvaises, ou comme les données sont incomplètes, c'est comme, je regarde cette chose, et il semble que cela ne rapporte pas tout, ou il y a des éléments qui ne sont pas capturés. 

Je pense que c'est aussi une position raisonnable à prendre. Je ne pense pas que vous puissiez simplement dire, eh bien, je vais faire confiance à mon intuition plutôt qu'à ce que disent les données à chaque fois. Pour moi, ce qu'est une intuition, c'est particulièrement de la part d'un cadre ou de quelqu'un qui est dans l'entreprise. 

Par exemple, nous faisons une recommandation à l'équipe de vente et ils disent, c'est comme, cela ne semble pas juste, je ne peux pas tout à fait identifier ce que c'est, cela ne semble pas juste. Ce que cela signifie vraiment, c'est qu'il y a une certaine expérience qu'ils ont eue, qu'ils ne savent pas tout à fait comment quantifier, ou qu'ils ne savent pas comment décrire, mais cela ne correspond pas, ce n'est pas comme si c'était un sentiment absurde, c'est juste que c'est difficile à articulerl ce qui ne va pas pour eux, et cela ne signifie pas que ce n'est pas réel. Cela signifie juste que c'est difficile à articuler. 

Nous ne devons pas fondamentalement accepter seulement les preuves que nous pouvons présenter dans des graphiques. Si c'est quelque chose qui n'est pas facile à représenter graphiquement, cela ne signifie pas que ce n'est pas moins important. Cela signifie simplement que cela ne s'adapte pas très bien à un graphique. 

Et donc, pour moi, il doit y avoir un équilibre ici. Nous devons être prudents à ne pas abuser des données pour tout. Mais je pense que, évidemment, cela doit être utilisé pour vérifier ce qui se passe réellement dans le monde et, d'une certaine manière, c'est comme les sens d'une organisation et ce que l'entreprise fait. Mais cela ne signifie pas que les sens sont parfaits, cela ne signifie pas que ces sens doivent toujours être dignes de confiance par rapport à tout autre instinct que vous avez.

Brian Sierakowski : C'est vraiment intéressant. Je pense que Jeff Bezos est un assez bon exemple, un exemple assez sûr de quelqu'un qui semble gérer sa entreprise relativement bien. 

C'est intéressant et au fur et à mesure que vous avez décrit cela, en en parlant, cela semble être le cas que dans ces scénarios, quand le sentiment est mauvais, l'ambiance est mauvaise, vous manquez une sorte de données. Quand vous avez mentionné l'équipe de vente, je pense que c'est vraiment intéressant parce que parfois quand nous passons par ces expériences, et j'ai eu cet étrange sentiment par rapport aux données. Parfois, c'est une semaine et demie plus tard, et je suis sous la douche, et je réalise que nous avons oublié cela, comme, une pièce très importante, nous avons parlé de combien d'essais supplémentaires allons-nous obtenir ? 

Mais nous n'avons pas pensé à la quantité de temps qu'il faudra à ces essais pour se convertir ou voir quelque chose comme ça, c'est comme une pièce de données qui est comme, eh bien, si vous doublez vos essais, mais que vous quadruplez la durée de votre essai, alors ce n'est en fait pas vraiment vous aider. Cela vous aidera finalement et cela met  où vous pouvez prendre une décision sur cela si c'est réellement mieux ou pire. 

Mais je pense aussi que parfois il y a aussi une chose expérientielle. C'est juste comme, la raison pour laquelle cela ne semble pas bon à l'équipe de vente, c'est parce que c'est plus un conflit élevé, ou si cela va être une conversation plus difficile et plus difficile à avoir avec quelqu'un.

J'ai remarqué cela moi-même aussi, certainement, c'est comme, savez-vous, la chose qui semble incorrecte est comme, je vais devoir être, surtout si les données que nous regardons ici sont correctes, pour le bien de l'équipe, et pour le bien de l'entreprise, nous allons en fait devoir être un peu plus confrontants avec quel que soit le groupe de personnes dont vous parlez. 

Donc je pense que c'est certainement un défi entre êtes-vous juste en train de manquer les données ou est-ce que c'est en fait correct mais vous n'aimez simplement pas le fait que je vais devoir parler à ce client et lui dire qu'il ne paie pas assez cher ou dire à ce client qu'il n'est en fait pas un bon ajustement pour le produit et comme nous nous séparons ou quelque chose comme ça.

Benn Stancil : Ouais, et si l'argument pour écouter le sentiment c'est que cette chose représente quelque chose qui est réel, et que les données ne sont jamais une mesure parfaite de ce qui se passe, je pense que l'argument pour c'est une sorte de deux choses auxquelles vous avez fait allusion. 

L'une est que les gens prendront des décisions basées sur l'émotion. Pas l'émotion comme irrationnelle, c'est l'émotion dans le sens que je ne veux pas faire cette chose, ou c'est comme, c'est le chemin qui est juste celui qui est la voie de la moindre résistance pour moi ou peu importe.

Et donc je pense que les gens vont trouver des façons de justifier ces arguments que nous avons décidé que nous devions nous concentrer sur ce nouveau marché, et il peut y avoir des gens qui ne veulent tout simplement pas le faire et donc d'accord, nous trouverons des façons de faire cet argument. 

Les données donnent un moyen de faire cet argument ou plutôt les expériences donnent un moyen de faire cet argument d'une manière qui ne semble pas être une opinion, il semble que c'est  regardez  c'est mon argument raisonnable et rationnel pour cette chose quand évidemment, c'est comme l'objectif final est venu en premier et tout le reste est juste en train d'essayer d'y arriver. 

L'autre chose que je pense, sur la partie instinct et cela est particulièrement proéminent, plus haut vous montez dans une organisation, plus les instincts des gens s'aggravent. Par exemple, disons que nous essayons de comprendre les problèmes que nos clients ont, quels sont les plus grands points de douleur que nos clients ont avec notre produit et les choses que nous devons résoudre le plus urgemment. 

L'instinct d'un vendeur sur cela, et son intuition sur cela est probablement assez bon, parce qu'ils parlent à des tonnes de gens. Ils évaluent essentiellement un tas d'entrées différentes. Oui, c'est anecdotique, mais c'est comme un large éventail d'anecdotes et ils captent peu à peu quelles sont les tendances là. 

Pour un chef des ventes, ils entendent moins, donc leur instinct est probablement pire. Pour un PDG, ils n'entendent essentiellement rien. Un PDG est un peu tiré dans quelques conversations et ces anecdotes deviennent comme, les gens vont s'accrocher à cela comme, j'ai cette histoire, je la raconte tout le temps, c'est le point de preuve que j'ai pour cette chose et donc dans le cas du PDG, il se peut qu'il ait été tiré dans le client le plus important parce que c'est le client que le PDG aura impliqué.

Ces gens étaient contrariés par cette chose, ils ont dit, comme ce produit est trop lent, ou n'a pas cette seule fonctionnalité. Cela devient une chose à laquelle ils s'accrochent aussi, comme c'est la seule chose qui compte, tout le monde dit cela, j'ai entendu cela, et comme c'est un instinct qui est basé sur beaucoup moins. 

Et donc je pense que les données sont un meilleur contrepoids pour cela, comme un meilleur équilibre pour cela, parce que l'anecdote là est comme, l'intuition est basée sur quelque chose qui est beaucoup plus limité. 

Cela dépend de d'où viennent ces choses, mais ce sont certainement comme une tendance des cadres à, quand vous êtes plus éloigné des choses auxquelles vous essayez d'avoir un sens, à vous accrocher à quelques anecdotes pour vous attacher émotionnellement à ces choses. 

Et voir cela comme une réalité alors que, comme, les gens sur le terrain qui entendent ces choses jour après jour, sont moins enclins à s'attacher comme une anecdote d'une manière émotionnelle.

Brian Sierakowski : C'est vraiment intéressant, et c'est totalement logique. Le volume d'exposition diminue, plus haut vous montez. Comme si vous êtes un représentant du support de première ligne, vous parlez juste aux clients énervés toute la journée, tous les jours, et vous parlez probablement à un grand nombre d'entre eux et vos vendeurs, vous parlez à tous les nouveaux visages, les gens qui n'utilisent pas le produit ou qui en sont très nouveaux, mais vous avez beaucoup de points de contact là, donc vous pouvez certainement sentir. 

C'est comme l'histoire classique de comment vous obtenez le chef des ventes dans la planification de la feuille de route, et vous obtenez le chef du support, et les ventes disent, comme nous avons besoin de ces nouvelles fonctionnalités, nous avons besoin de concurrencer notre concurrent, ils ont cette chose, c'est tellement évident pour moi que nous devons construire dans cette direction. 

Et puis le chef du support dit, comme nous avons ces bogues que les clients sont frustrés par ou comme la performance, ou quel que soit le cas, c'est tellement évident pour moi que nous devons aller dans cette direction. 

Donc c'est intéressant, et c'est presque comme si certainement au fur et à mesure que vous montez, maintenant en tant que PDG, vous entendez ces deux arguments séparés et donc ce sont essentiellement les deux points de données que vous avez. C'est presque comme comprendre la motivation de la motivation et les anecdotes, comme, si nous revenons à ce sentiment instinctif.

Comme quelle est la motivation de cela, ce qui semble être un problème impossible à résoudre. Mais c'est comme le PDG peut faire une recommandation et il peut y avoir une réaction de la part de l'équipe de vente parce que le PDG dit effectivement, comme nous avons besoin de vendre plus, comme vous devez faire plus, comme vous étiez à l'aise pour atteindre votre quota avant et maintenant nous devons augmenter cela. Nous avons une équipe plus grande, nous avons un plus grand appétit, peu importe.

Et donc l'équipe pourrait dire, non je ne veux pas faire ça. Comme cela semble comme je viens de trouver mon équilibre pour où nous fixions les chiffres avant. Ou c'est peut-être comme nous atteignons déjà une limite, comme il pourrait y avoir une, comme valide… comme vous l'aviez dit, en se déplaçant dans ce autre marché, l'équipe pourrait dire, ils ne veulent pas faire cela, ils pourraient simplement être à l'aise.

Ou c'est peut-être comme ils pourraient avoir une certaine expérience qui indiquerait que ce n'est pas va, surtout comme les ventes sont vraiment faciles à critiquer, parce qu'elles sont compensées directement pour la qualité de leur performance, donc c'est comme, ils pourraient être comme non, je ne veux pas aller vendre sur ce autre marché. Je ne veux pas aller vendre au marché de l'éducation parce que cela va prendre une éternité, et je veux être payé et cela va être vraiment difficile et les ensembles de fonctionnalités ne vont pas s'aligner et, cela va prendre des mois  avant que j'obtienne un résultat de cela. 

Et c'est en fait un peu ce que l'entreprise se soucie aussi. Donc c'est un peu intéressant d'essayer de, comme comprendre quel est ce commutateur sur la motivation et peut-être que c'est là que, comme les données peuvent réellement aider… peut-être que c'est la vraie application des données que vous devez avoir pour aider à différencier les différents sentiments que les gens pourraient avoir.

Benn Stancil : Ouais, je pense que c'est vrai. Et cela, je pense, entre dans ce qu'est finalement le leadership. Vous n'allez pas avoir de réponse à ces questions. Il y aura des vendeurs qui diront, eh bien c'est pourquoi cela ne fonctionnera pas, il y aura des données qui diront, c'est pourquoi cela fonctionnera probablement. 

Il y aura d'autres personnes de l'équipe produit qui diront, c'est ce que je veux, et il n'y a pas de solution extérieure, il n'y a pas de solution qui vous dira quoi faire. 

Comme ce n'est pas bien, super, nous retournerons aux données, juste comme, obtenez les données pour finalement résoudre ce problème. Cela ne le fera pas. Les vendeurs ne seront tout simplement pas d'accord, ils auront des raisons qui peuvent ne pas être articulées dans les données ou il y aura des raisons qui seront articulées dans les données, mais le point est comme vous allez juste avoir un tas de choses différentes qui vous disent différentes choses et vous devrez prendre une décision malgré cela.

Et donc je pense que c'est, c'est une des choses que les personnes particulières qui viennent d'horizons de données et qui grandissent dans des postes de direction doivent laisser tomber, c'est ce sentiment que si seulement nous allions plus loin avec ce que nous regardons, la réponse émergera et je pense que c'est qu'elle ne le fera pas, dans ces cas-là, vous devez juste prendre une décision et vous devez la prendre sous l'incertitude et votre travail en tant que personne responsable est de faire cela. 

Votre travail n'est pas d'être la calculatrice intelligente qui le comprend finalement. Votre travail est de dire, nous ne pouvons pas le comprendre. Quelqu'un doit toujours prendre une décision, quelqu'un doit toujours être responsable de cette décision, quelqu'un doit toujours dire aux vendeurs que nous le faisons d'une manière qu'ils ne veulent pas le faire, et je suis celui qui est responsable de cela et ils doivent toujours être motivés pour le faire. 

Et comme il n'y a pas de données qui vous sortent de cela. 

Brian Sierakowski : J'ai presque eu exactement ce scénario avant où j'ai un peu eu ce sentiment. Et comme j'appelle un peu ça comme, le mode caveman de comme, nous travaillions vraiment dur pour obtenir les données dont nous avions besoin pour répondre à une question de manière appropriée et cela n'a juste pas vraiment fonctionné. C'est un peu difficile. 

C'était l'un de ceux où c'est comme, plus nous avons approfondi, et plus nous avions de données, c'est comme, cela n'a pas clarifié la question, cela a juste rendu la question plus complexe. 

Et finalement, je me suis mis dans l'état d'esprit de, si c'est si difficile à répondre, si cette chose fonctionne ou non, alors cela ne fonctionne pas et en plus, comme le nombre descend mauvais, le nombre monte bon. 

Genre, tu arrives juste à un certain point où tu as tellement de données et tu crées un argument tellement complexe que tu arrives au point où c'est genre, okay, même en le répétant maintenant, je ne sais pas nécessairement que c'est vrai et que ça marche dans tous les scénarios mais c'est un peu comme, si ça marchait, on le saurait et si ça ne marchait vraiment pas, on le saurait. 

Donc ça veut dire que c'est probablement quelque part au milieu et je ne pense pas qu'on veuille s'engager dans un grand changement qui nous remet essentiellement où on est maintenant ou pire. 

Donc c'est intéressant que peut-être je lis trop loin dans ce que tu dis pour dire genre, oui, c'est correct, tu dois faire ça éventuellement mais c'est un peu comment j'interprète ça genre éventuellement, tu vas juste devoir genre une fois que tu arrives à ce point, une fois que tu retournes à tes données, bien, deux ou trois ou quatre fois, éventuellement tu dois être genre il n'y a plus d'eau de données dans le puits de données, tu vas juste devoir prendre une décision et voir ce qui se passe et continuer de là ou essayer autre chose.

Benn Stancil : Exactement. Je pense qu'il y a ce sentiment genre, bien, si on continue à y revenir, si on y retourne assez souvent, on va trouver une solution. Genre il y aura un moyen où, d'une certaine façon, c'est pour moi la même chose que le consensus. 

On doit prendre une décision et je pense que certains leaders voient le consensus comme leur job où il y a un leader commercial qui n'est pas d'accord avec la décision et le leader produit qui pense qu'on devrait probablement faire A, le leader commercial pense qu'on devrait faire B. 

C'est alors le job de l'exécutif de dire comment est-ce qu'on met tout le monde sur la même page? Et je pense que c'est mal. 

Et je pense que c'est similaire à continuer à creuser dans le puits de données, ou y pêcher ou peu importe, pour arriver à un point où il y a une réponse que tout le monde dit finalement, c'est la chose sur laquelle on est d'accord. Genre, ils ne vont pas être d'accord. Ton job n'est pas de les mettre d'accord, ton job est de figurer quoi faire malgré qu'ils ne soient pas d'accord. Et donc tu dois lâcher prise à un certain point et juste dire, c'est ce qu'on fait. 

Je suis désolé, leader produit, on ne prend pas la décision que tu veux prendre. Trop mauvais. C'est le job. On doit avancer et s'assurer qu'ils sont engagés dans ce truc, pas chercher un moyen pour qu'ils regardent finalement la décision et disent je vais faire la même chose. Parfois ils vont regarder une décision que tu regardes, et ils vont dire je veux faire quelque chose de différent. 

Ça va arriver et tu dois t'en remettre. Tu ne peux pas faire en sorte que ton job soit de faire dire à tout le monde genre, qu'est-ce que tu ferais et on va tous faire la même chose.

Brian Sierakowski :  Absolument. J'ai expérimenté ça aussi et je pense que j'ai au moins trouvé un peu de valeur à genre, aller voir cette personne qui n'est pas d'accord et être genre oui, c'est la décision, c'est la direction qu'on prend et je suis, genre, très bien conscient, tu as été entendu et je comprends que tu veux vraiment aller dans une direction différente mais voici pourquoi on va dans cette direction. 

Certainement toute décision qu'on prend n'est pas prise dans le domaine de l'infaillibilité. Genre, c'est ce qu'on fait, c'est ce qu'on s'attend à voir et c'est ce qu'on s'attend à ce qui se passe. Genre c'est comme notre sortie, genre, si on essaie ça, et on l'essaie pendant trois mois, et ça ne marche pas voici, ce que nos prochaines étapes vont être. Je n'ai même pas besoin que tu sois d'accord avec moi, j'ai juste besoin que tu embarques et essayons-le ensemble et espérons-le, tu vas vraiment être d'accord avec ce qu'on espère qu'il se passe. 

Mais si ça ne se passe pas, je ne te demande pas de t'engager là-dedans pour la vie. Je ne veux pas qu'on se marie avec cette idée. On va juste l'essayer et on le fait pour le bien commun, c'est probablement une phrase bizarre et potentiellement dangereuse à utiliser. 

Genre juste tu as été entendu, et je comprends d'où tu viens et tu as, espérons-le ils ont, mais peut-être qu'ils n'ont pas, mais tu peux dire genre tu as matériellement affecté la direction qu'on prend, mais c'est où on va. On est en essai, essayons-le et je vais le surveiller et si ça ne marche pas, je vais être le premier à le dire et je vais prendre la responsabilité pour ça. Habituellement c'est assez pour faire que les gens aillent dans la même direction.

Espérons-le, l'équipe n'a pas commencé, je suppose que ça dépend en fait. J'étais sur le point de dire, espérons-le, l'équipe n'a pas commencé si loin à part au départ, mais peut-être que ça dépend juste de ton équipe et quel genre de personnalités tu as, ou combien fortement les gens ont des opinions différentes et que ça pourrait être une chose vraiment précieuse pour une organisation aussi, d'avoir un groupe de gens qui voient le monde d'une manière très forte et le voient d'une manière différente donc tu reçois toujours un genre de melting pot d'idées différentes mais c'est probablement la guerre quand ça vient à vraiment prendre la décision et aller dans une direction spécifique. 

Benn Stancil : Ouais, il n'y a pas un chemin à travers ça pour sûr.

Brian Sierakowski :  Ouais. Donc je veux être attentif à ton temps mais je veux faire genre parler un peu de comme tu étais en train de quitter Yammer, je suis genre curieux si tu peux juste partager un peu plus sur c'était quoi démarrer ton affaire et genre pivoter hors de l'entreprise et genre, comment est-ce que ça— tu as aussi mentionné que tu n'avais pas ce plan ton but dans la vie n'était pas de devenir entrepreneur, ça s'est genre passé presque accidentellement. 

Donc juste genre curieux, comment ça s'est passé et genre quel a été quel a été le processus que tu as traversé là?

Benn Stancil : J'ai travaillé chez Yammer, et j'étais avec l'équipe de données, moi et quelques autres gars de mon équipe après l'acquisition par Microsoft quelques choses ont commencé à se passer, on a commencé genre à parler à plus de gens autour de la Silicon Valley et des trucs genre les outils de données qu'on avait construit, parce que encore une fois, une fois que tu es acquis les gens genre savent ce que tu fais, et ils veulent en apprendre plus de toi et des trucs. Donc ils m'ont montré les outils internes, et ils disaient genre, ces trucs sont vraiment cool, soit on veut l'acheter, soit  on a construit une certaine version interne de nous-mêmes. 

Donc essentiellement, on a commencé à voir les choses qu'on avait construit pour nous-mêmes que on pensait genre à l'origine était un outil spécial pour une équipe spéciale qui était contrairement à n'importe quoi d'autre, était en fait juste une sorte d'une norme croissante en Silicon Valley. Et potentiellement une norme croissante plus large que ça. Et donc pour nous, c'était genre si les gens construisent ça, et un groupe de gens veut l'acheter, peut-être qu'on devrait juste construire un produit comme ça et pourquoi ne pas juste le construire comme un produit. 

Pour moi la décision de le faire était, quel est l'inconvénient? Je devrais marcher loin d'un job chez Microsoft, mais j'étais pas super enthousiaste à ce sujet de toute façon, c'était une opportunité de démarrer une entreprise comme analyste, ce que franchement tu n'as pas l'opportunité de rejoindre des startups précoces, habituellement comme une personne de données, qui n'ont pas de données pour que tu fasses quelque chose. 

Tu n'embaucherais pas un analyste comme ta cinquième embauche parce qu'il n'y a rien pour eux d'analyser, tu embauches des ingénieurs et des designers et éventuellement des vendeurs et du marketing, mais genre les gens de données arrivent plus tard. Et donc pour moi, c'était genre ça serait une opportunité intéressante de faire quelque chose que j'aurais pas une chance de faire autrement. 

C'est un produit auquel je crois qui pourrait être réussi. C'est avec des gens que j'aime travailler avec.  Pourquoi pas? Un des avantages de la façon dans laquelle c'est arrivé était qu'on sortait de cette acquisition, c'était pour un tas d'argent à l'époque et c'était genre un milliard de dollars. Genre Yammer s'est fait acheter pour un milliard de dollars et donc ça a fait un tas de gens un peu d'argent et Silicon Valley, genre quand les gens font de l'argent, je pense que la première chose qu'ils font c'est se tourner genre investir en et donc on avait genre un accès facile à genre l'argent initial, essentiellement, pour le démarrer. 

On n'a pas eu à sortir et genre bootstrapper ça pendant une longue période on pouvait essentiellement genre jour un sortir et lever de l'argent pour les salaires pour nous, essentiellement. Il y a des bonnes et des mauvaises choses à ce sujet. Si j'étais à faire de nouveau, je ne pense pas que je pourrais le faire de cette façon je pense qu'il y a des raisons pourquoi c'est bon de genre bootstrapper ça pendant un moment et des trucs comme ça mais ça a rendu cette sorte de route pour ça facile. 

Ça a rendu la décision genre, il n'y avait pas beaucoup d'inconvénient et une des choses qu'il y a beaucoup de genre dans la sorte de monde politique et Silicon Valley promut ça aussi. L'audace des entrepreneurs et genre, ce sont les gens qui prennent des risques et vont dehors pour faire des trucs qui vont réinventer diverses choses. 

Dans certains cas, oui, dans d'autres cas, genre ce n'est pas si audacieux. C'est un job que tu peux immédiatement obtenir un chèque de paie pour, tu ne risques pas ton propre argent. Donc c'était genre la position qu'on était dedans, genre quel est l'inconvénient ici. Donc j'étais genre pourquoi pas et donc c'était genre mon approche à ce sujet est que j'étais enthousiaste à propos du produit, j'étais enthousiaste à propos de l'opportunité mais une grande partie de ça c'était que c'était quelque chose que j'aurais pas une chance de vraiment faire autrement et donc j'ai élucidé ça.

Je pense qu'il y a obviousement des choses que j'ai apprises de ça après l'avoir fait pendant un moment, des choses qui étaient correctes, et des choses qui sont mal. Je pense que c'était genre faire le saut, mais ça ne semblait pas comme un saut particulièrement audacieux, ça semblait comme quelque chose où c'était juste genre ça va être genre amusant.

Brian Sierakowski : C'est cool. C'est genre tu as fait la présentation pour ce que le produit serait déjà. As-tu trouvé facile d'obtenir tes premiers clients ou c'est devenu être un petit peu plus difficile que prévu?

Benn Stancil : C'était plus facile que prévu, probablement. On connaissait du monde dans l'espace et beaucoup de premiers clients des gens sont genre des amis que tu as. C'est les types de gens qui sont genre ils savent que tu commences un truc, ils veulent l'essayer, quelqu'un l'aime, tu finis genre à le construire un petit peu pour eux.

Je pense que sortir de ça où on a commencé, genre arriver au point où on reçoit des clients de gens que tu n'as jamais rencontrés.. Je pense genre les dix premiers clients ou quelque chose sont tous des gens que c'est ami d'amis type de chose, où c'est genre tu obtiens présenté parce que ton ami connaît quelqu'un qui travaille est une compagnie qui s'intéresse au truc que tu essaies de résoudre, et ils sont disposés à l'essayer et tu pouvais t'asseoir à côté d'eux pendant une journée et essayer de le faire avec eux et ils vont l'aimer et tous ce genre de truc. 

Sortir de ce point c'est toujours un petit peu difficile et je pense que pour nous en particulier, la chose avec laquelle on a lutté c'était genre le côté marketing de ça, honnêtement. C'était un produit que dans certains sens c'était genre un petit peu en avance sur son temps et donc le problème qu'on résolvait n'était pas un problème que les gens comprenaient genre immédiatement. 

Je pense que si tu es dans cette position c'est très beaucoup plus facile, pas facile, c'est beaucoup plus facile de vendre des produits où tu peux donner genre le pitch d'ascenseur aux gens où ils comprennent immédiatement ce que ça fait et Mode n'a jamais été un de ces produits où c'était un petit peu comme ça semble être entre un couple de choses, c'est exactement quoi et on n'avait pas de bonnes réponses pour ça. 

C'était quelque chose qu'on savait était précieux et une fois que les gens ont commencé à l'utiliser, ils disaient genre, oh je comprends ça, mais c'était pas quelque chose pour lequel on avait un pitch d'ascenseur de 30 secondes. C'était toujours la lutte pour nous pour trouver des clients que ça a marché quand les gens l'ont essayé, ça n'a pas marché quand les gens, tu sais on ne pouvait pas on ne pouvait pas bien le pitcher à quelqu'un qui ne le comprenait pas du tout. 

Et donc avec le temps, tu genre figures ça dehors, tu figures quoi marche et quoi ne marche pas et le marché évolue et des trucs comme ça. Mais ouais, pour les phases initiales, je pense que c'était la plus grande lutte était et la plus grande partie du marketing par dire, ce n'est pas comme notre marketing était mauvais, je pense que le marketing était très bon pour ce qu'il était. 

Je pense que c'était plus juste que on essayait de vendre quelque chose dans un marché qui n'était pas tout à fait là encore et donc c'était c'était plus une inadéquation autour de genre le produit et le marché, et le timing de ce marché que c'était autour pour genre le message qu'on avait.

Brian Sierakowski : Ça semble un peu comme le positionnement. C'est genre une fois que les gens l'ont utilisé, et ils disaient cool, je comprends ça mais quand ils essayaient juste de l'expliquer en mots, ils disaient genre comment exactement ça s'intègre genre j'ai ce truc ici et j'ai ce truc ici, genre, comment est-ce que ce truc rentre au milieu? Et pourquoi est-ce que c'est mieux? C'était genre l'expérience que tu étais tu étais ayant? 

Benn Stancil : Genre, je veux dire, je pense que ces conversations allaient comme. Je pense que c'était moins à propos du positionnement et plus à propos du fait que le problème qu'on résolvait n'était pas un problème que les gens avaient tout à fait expérimenté encore donc on aurait pu le positionner dans tous les trucs et ils ne l'auraient pas tout à fait compris. 

C'est là que genre super tôt où on ce problème est arrivé et je pense que c'est devenu.. une partie de ça c'était parce qu'on résolvait un problème qui essentiellement est un problème qu'on avait chez Yammer qui était une startup genre très lourde en données qui pensait à ces trucs que genre l'avant-garde de la manière que les compagnies pensaient aux données. Donc on était juste dans le pari que le monde suivrait éventuellement ce chemin. 

On était juste genre tôt à ça, où on essayait de vendre aux gens un produit, ils disaient genre, ce n'est pas notre problème. Et donc c'était c'était moins pour moi à propos du positionnement et un petit peu plus à propos, je ne sais pas ce qu'une analogie pour ça serait mais n'importe quel produit qui arrive un petit peu tôt, où c'est genre, pourquoi est-ce que j'aurais besoin de faire ça, et trois ans plus tard tout le monde oh, je comprends pourquoi tu fais ça.

Si tu vends des logiciels de gestion des coûts pour AWS en 2010, tu ne vas pas être très réussi, parce que pas beaucoup de gens utilisent AWS et les gens ne comprennent pas pourquoi c'est utile. Mais si tu vends des logiciels de gestion des coûts aux gens d'AWS maintenant ils disent genre, s'il-vous-plaît, j'ai besoin de ça. On était, dans certains sens, à la fin tôt de ça, où c'était genre on essayait de vendre quelque chose où il n'y avait pas ce grand marché pour ça encore mais encore une fois, je pense que le pari pour où ce marché était dirigé était correct. Le timing était juste un petit peu décalé.

Brian Sierakowski : Est-ce que tu penses que ce timing était un avantage de la perspective d'être un petit peu plus tôt peut-être que autres compétiteurs auraient auraient montré?

Benn Stancil : C'est une question difficile à répondre. Je pense que tu reçois des bonnes choses et tu reçois des mauvaises choses. C'est bon dans le sens que on a appris beaucoup de choses tôt que nos erreurs que on maintenant que le marché est, est à un endroit où c'est où on veut que ce soit, on ne va pas faire ces erreurs encore. 

Quand je parle avec genre de fondateurs à stage précoce dans ce marché, ils disent souvent genre, voici la manière dans laquelle on pense à ça c'est comme, on a essayé ça il y a six ans, laisse-moi te dire pourquoi c'était une mauvaise idée alors. Ça peut marcher maintenant, mais laisse-moi te dire pourquoi c'est une mauvaise idée alors. 

Nous avons au moins examiné certaines de ces choses où nous pouvions, nous pouvons espérons-le ne pas répéter ces erreurs. Vous n'avez pas non plus construit des choses en termes de choses que vous avez construites, vous avez une longueur d'avance sur les choses que vous avez construites, ce qui importe.

L'inconvénient, je pense, c'est que tellement de la Silicon Valley, c'est comme une sorte de problème de Silicon Valley. Beaucoup de cela dépend de l'élan et du rythme, essentiellement, et donc pour être dans cette position, comme, si nous devions lancer Mode l'année dernière et dire hé voici ce nouveau produit capturer ce nouveau marché, comme le rythme de la croissance de l'entreprise serait plus rapide, ce serait beaucoup plus petit, mais ce serait plus rapide. 

Et je pense que beaucoup de la Silicon Valley est juste comme ça avec le battage médiatique et donc il y a des avantages à cela. Maintenant, vous pouvez vous tromper et cela ne signifie en aucun cas des succès et vous savez, il y a toutes sortes d'histoires, vous pouvez pointer vers des choses qui ont été super enthousiastes et puis se sont effondrées mais vous voulez en quelque sorte être sur ce train de battage publicitaire pour un certain nombre de raisons, cela facilite la levée de fonds, cela facilite l'embauche, cela rend les clients plus disposés à l'essayer.

Vous voulez être la chose dont les gens parlent, et la trajectoire est ce qui importe plutôt que la position pour cela.

Oracle gagne plus d'argent que nous tous, mais les gens... parlent d'Oracle parce qu'Oracle gagne plus d'argent pour nous tous pour toujours et ce n'est pas en croissance aussi vite. 

La startup qui est passée de 0 à 10 millions de dollars juste en étant une erreur d'arrondi sur le bilan d'Oracle semble très excitante parce qu'elle grandit vraiment vite et donc la Silicon Valley est énamourée de cette nouvelle chose brillante et donc être tôt signifie essentiellement que évidemment pas Oracle, mais comme, cela signifie que vous n'êtes pas dans cette conversation sur la nouvelle chose brillante, même si si vous l'aviez lancé aujourd'hui, vous le seriez potentiellement.

Brian Sierakowski : C'est amusant, cela semble presque comme quelque chose qui pourrait vous rendre un peu fou en tant que quelqu'un qui est super compétent avec les données. 

Pour que les gens regardent ces données insuffisantes, et ils regardent probablement comme oh bien, ils grandissent tellement vite et ils extrapolent juste cette ligne, c'est comme, d'accord ils sont passés de 0 à 10 millions en un an donc cela signifie qu'ils vont être à 100 millions l'année prochaine, et puis ils vont être à un milliard l'année d'après et puis vous savez, 10 milliards, et vous êtes comme, ouais, non la loi ne s'étend pas juste dans l'éternité sur la même trajectoire.

Benn Stancil : Ouais, bien sûr et c'est certainement je pense que les gens ne sont pas si brutaux à ce sujet, bien sûr mais il y a définitivement comme beaucoup de battage médiatique dans la Silicon Valley. Est-ce frustrant ? Ce n'est pas ? Je ne sais pas c'est juste ce que c'est. 

Parfois c'est bien pour vous, parfois ce ne l'est pas, c'est juste comme ça que ça fonctionne, et je pense que vous devez apprendre à le jouer essentiellement, et ne pas vous laisser trop emporter.

En fin de compte, le travail consiste à construire une entreprise pour laquelle vous avez un produit que les gens peuvent acheter, et comment vous pouvez certainement vous aider sur ce chemin mais à la fin de la journée, vous devez simplement livrer le produit, vous devez livrer le service, vous devez construire la machine qui raconte une bonne histoire à ce sujet, qui peut vendre et toutes ces sortes de choses et c'est du travail acharné peu importe le battage médiatique.

Brian Sierakowski : Ouais, c'est comme, le battage médiatique est un outil et si vous pouvez l'obtenir l'utiliser, mais rappelez-vous juste que c'est juste un outil et ça ne peut pas être tout. 

Et donc j'étais juste curieux de savoir c'est quoi avec notre chronologie, j'ai l'impression que nous sommes assez proches de l'époque actuelle, donc, qu'est-ce qui se passe aujourd'hui ? Et à quoi êtes-vous attentif ? Qu'est-ce que tu regardes ?  Quels sont vos plans sur les prochains quelques peu importe la période que vous prévoyez ?

Benn Stancil : L'industrie dans laquelle nous nous trouvons et je pense comme je l'ai dit, quand nous avons commencé, nous étions un peu tôt pour cela, il y a eu une certaine stabilisation probablement il y a trois ou quatre ans autour de nouvelles normes autour des outils de données que les gens utilisent et une stabilisation au sens où les fondations sont maintenant en quelque sorte convenues, ou c'est comme, c'est à quoi ces choses devraient à peu près ressembler, c'est comment les gens devraient penser aux données et aux organisations.

Les premiers débats que les gens avaient sur quel est le rôle des données ? Et utilisez-vous ce type de base de données ou ce type de base de données ? Ces sortes de choses semblent être comme les batailles du passé.

Et donc il y a une nouvelle sorte d'explosion de différents outils dans l'espace et j'essayais de comprendre, où vont les données, et tout ce genre de chose, mais c'est autour d'une fondation plus stable. Et donc pour nous, je pense que cette fondation établie est une fondation qui nous convient très bien en soi. Mode est bien positionnée dans ce nouveau paysage. 

Et donc notre objectif est essentiellement, comment nous en tirons parti, je pense que c'est une opportunité qui est vraiment bonne,  est une opportunité, que nous sommes en quelque sorte en bonne position pour capitaliser sur ce que je pense être une très grande opportunité. 

Mais vous devez exécuter. Vous devez vous assurer que vous ne vous avancez pas trop, vous devez vous assurer que vous écoutez toujours les clients, que même si vous voyez ce chemin à suivre, vous êtes un candidat pour valider que c'est effectivement le bon chemin.

 Donc pour nous, je pense que c'est à peu près, d'accord, c'est maintenant le moment de vraiment faire de cela ce qu'il pourrait être et beaucoup de cela est un : continuer à confirmer que les idées que vous avez sont correctes, continuer à obtenir la validation du marché et si vous n'aimez pas être humble à ce sujet vous pouvez avoir tort sur ce qu'il en est, et être disposé à vous adapter. 

Et beaucoup de cela c'est juste l'exécution comme, les bonnes entreprises ne sont pas juste construites sur de bonnes idées, elles sont construites par des gens qui construisent de bons produits et, et sorte des opérations quotidiennes de notre équipe de vente s'exécutent et si vous pouvez réellement faire passer votre message et cela ne prend pas le ce n'est pas un discours Mad Men de Don Draper qui fait cela bien, c'est du travail acharné. 

C'est juste le processus quotidien de, vous savez, bien exécuter, sur les opérations de marketing. C'est un processus quotidien d'avoir une bonne équipe d'assistance qui répond à des questions difficiles et fait du bon travail. C'est un processus quotidien de faire la diligence de contacter les clients et de vous assurer qu'ils sont heureux et si vous avez des clients qui ne s'engagent pas avec eux et parlez avec eux.

Il y a juste beaucoup de choses comme ça, qui doivent se produire pour la faire grandir et pour la rendre réussie. 

Et donc je pense que nous sommes dans une position où nous aimons, et nous nous sentons bien à ce sujet du marché, nous voulons nous assurer que cette croyance est correcte et donc nous allons continuer à suivre cela, mais beaucoup de cela c'est d'accord, comment nous assurer que la machine doit alimenter tout cela, ce qui est vraiment la beaucoup plus grande partie du travail, alors que l'idée de la forme que la machine devrait réellement performer.

Brian Sierakowski : Génial. Eh bien, Ben, je pense que c'est un conseil parfait pour terminer. Je pense que nous avons raté le point d'excellence opérationnelle assez facilement parce que ce n'est pas très excitant, c'est parfois pas très amusant non plus mais ouais. 

Tout à fait d'accord et tout à fait d'accord. Merci beaucoup de nous avoir rejoints, nous aurons évidemment tous vos liens et tout ce qui est connecté à cet épisode, mais y a-t-il un endroit particulier où vous recommanderiez d'envoyer les gens s'ils veulent en savoir plus sur vous ou sur l'entreprise ?

Benn Stancil : Bien sûr. Donc si vous voulez en savoir plus sur Mode, c'est juste Mode.com. Vous pouvez donc le vérifier là. Vous pouvez vous inscrire pour un essai gratuit du produit, si vous êtes une personne de données et que vous voulez l'essayer ou l'une des diverses ressources et choses comme ça là.

Pour moi personnellement,  certaines choses dont j'ai parlé, et la plupart de ce que je fais c'est essentiellement comme écrire quelque chose une fois par semaine, j'ai un blog, c'est sur un Substack parce que c'est 2021 et vous êtes censé avoir du subtexte pas de blogs maintenant, j'imagine. 

Donc Substack et puis il y a les trucs habituels sur Twitter et choses comme ça. Donc c'est probablement beaucoup moins intéressant que le sujet.

Brian Sierakowski : Génial, Ben. Eh bien, merci beaucoup de nous avoir rejoints. Je l'apprécie vraiment.

Benn Stancil :  Merci de m'avoir accueilli.

C'était notre conversation avec Benn Stancil, co-fondateur et chef analyste de Mode Analytics. Si vous avez besoin d'un moyen collaboratif de visualiser et d'utiliser les données, vous savez où aller mode.com, c'est M-O-D-E.com. Si c'est des analyses commerciales et des outils de croissance que vous recherchez, consultez-nous sur baremetrics.com Nous espérons que vous avez apprécié cet épisode vous inviter à consulter nos autres discussions de fondateurs et si vous êtes en mesure de partager avec un ami ou de laisser un commentaire, cela aide beaucoup. Merci d'avoir écouté.