De beste analytics setup voor Growth Hacking

Growth hacking is een van de meest waardevolle disciplines voor start-ups en scale-ups. De kunst van growth hacking vereist een combinatie van growth hacking skills en gebruik van de juiste tools. Vaak ligt voor growth hackers de nadruk op het gadget gehalte van de tools. Hoe kom je bijvoorbeeld te weten hoe je iemand het beste aanspreekt? Daarvoor gebruik je Crystalknows. Hoe achterhaal je het emailadres van een prospect? Wellicht ben je dan bekend met Hunter of Lusha. Maar welke analytics setup gebruik je voor je data analyse? En waarom deze setup? Laten we eens kijken naar de basics van wat we eigenlijk willen analyseren.

Om succesvol te zijn in growth hacking staan data skills centraal. Het inzichtelijk maken van de acties die je uitzet om groei te realiseren is essentieel. Door het ontzettend uitgebreide landschap aan fantastische tools, ontstaat er een wildgroei aan databronnen. Met tools als Zapier probeer je vervolgens al deze databronnen automatisch data weg te laten schrijven naar Hubspot in HubDB, maar ondanks dat dit een relationele data store is, dit is geen robuuste oplossing voor je analytics workload. Hoogst waarschijnlijk vind je het belangrijk, dat als je groeit, je ook wilt weten, waar je vandaan komt, daarom is het belangrijk om een datawarehouse te creëren. Het opbouwen van een historische dataset waarin verschillende databronnen gecombineerd kunnen worden. Op deze manier kun je de inzichten uit jouw data met andere data van, bijvoorbeeld andere afdelingen binnen je organisatie verrijken. Helaas loop je als growth hacker snel tegen de beperkingen van een traditioneel datawarehouse aan. Het opslaan van bijvoorbeeld social media data in de vorm van json of avro files is niet mogelijk. En ook de schaalbaarheid laat vaak te wensen over. Gelukkig maakt Snowflake het mogelijk om eenvoudig in de cloud een Data Warehouse as a Service op te zetten. Een datawarehouse waarin zowel gestructureerde data, als semi-gestructureerde opgeslagen kan worden. Vervolgens kan er via SQL door middel van een ODBC/JDBC koppeling een grote variatie aan tools op worden aangesloten. Een fantastische manier om een uitstekend schaalbare datawarehouse oplossing neer te zetten.

Visualiseren en structureel embedden van de inzichten die je uit de data haalt doe je middels een dashboard. Deze inzichten wil je kunnen delen binnen je organisatie om zo de juiste informatie bij de juiste persoon te krijgen. Doordat je met BI tools als Looker binnen je organisatie, simpel de url kan delen, hoef je geen datasets meer te versturen. Hierdoor is het delen van inzichten minder foutgevoelig en veiliger. Een single source of truth en end-to-end data governance worden hiermee realiteit. Een groot voordeel van Looker is het mogelijk maken van ah-hoc exploration in de brower. Op het moment dat je dieper in de data wilt duiken, kun je vanaf het dashboard een eigen analyse starten, waarbij je meerdere datavelden kunt toevoegen of verwijderen. Zo kan iedereen met de juiste informatie, tot nieuwe inzichten komen. De growth mindset kun je op deze manier verspreiden in je organisatie, via een robuust platform.

Naar mijn mening is de beste analytics stack voor growth hacking gebaseerd op Snowflake en Looker. Kan het ook anders, zeker. Maar de schaalbaarheid, flexibiliteit en unieke features, die deze combinatie mogelijk maakt, zorgt ervoor dat je vanuit je growth team, de hele organisatie kunt bedienen. Een enterprise grade oplossing, waarmee je het data-driven werken voor iedereen binnen je bedrijf stimuleert. 

Bent u geïnteresseerd in analytics in de cloud of wilt u weten hoe we u kunnen helpen met uw analytics-setup? Neem dan contact op.