H学姐目前在全球最大媒介投资集团，素有营销分析界的“黄埔军校”之称的GroupM（中文名群邑媒介集团）担任资深数据分析师，战斗在营销数据分析的最前线。今天的这篇文章是她关于GroupM数据分析师职位和工作内容的详细介绍。对关键词营销分析、Agency、咨询、数据建模、甲方乙方感兴趣的你，千万不要错过这篇干货！
GroupM旗下有很多广告Agency，我们平常需要从这些Agency、客户、以及第三方数据平台去收集非常多数据，把它们清理、整合在一起，再用不同的统计分析方法去解读这些数据背后的意义，从而解决客户在市场方面的诸多问题，比如销售增长、品牌提升等。不同类型的客户所关注的KPI也会有很大的差别。有一些公司注重在销售额、销售量的增长；而一些大公司可能对提升品牌形象、品牌认知度或品牌喜爱度更感兴趣。总而言之，只要是能为我们的客户增长价值的内容，都是我们工作的研究方向。
关键词：
- Story-telling mathematicians
先从driving value开始，这个词其实是对我们工作目标的核心概括。我们的主要职责就是服务客户，帮他们去创造市场营销方面的价值。不管他们的KPI是什么，我们的任务就是去协助他们提高商业表现，增长品牌价值。
Marketing analytics、consulting、story-telling mathematicians是对我们工作内容的很好概括。作为营销数据分析师，我们的职能不仅局限在每天坐在电脑前处理各种各样的数据，做各种各样的分析，我们工作中非常重要的一部分就是去跟客户进行交流。与其称我们为数据分析师，不如称咨询师更为贴切。因为在我们拥有了数字方面的结果之后，我们还需要有能力把这些数字转化成简单的语言，把当中获得的关键信息明确传达给我们的客户。客户当中有很多其实是没有数据或统计方面的背景的，而我们的这些数字结果对他们来说有什么样的意义就是我们需要诠释的工作。比如统计中的T检验，当t value大于1或大于2，我们会认为这个变量就显著了，但如果我们只对客户说你们的这个变量是显著的，对他们来说是没有任何实际意义的。我们需要根据客户公司的具体情况讲清楚数字具体指代什么意思。变量显著了，有可能证明这个变量在客户市场里起着一个非常重要的作用，因此日后我们在对客户现有的营销预算做优化时，我们会建议怎么去对待这个变量所代表的营销渠道。这些才是客户想听到的东西。
而对于营销数据分析师的背景要求通常会比较偏数理分析，能够处理很多数据，尤其是大数据分析。其次需要我们有建模背景，需要把商业问题化为数学问题，并能够进行合理的预测。我们在给客户进行优化、提供建议的时候，倚赖的都是这些数据和分析，所有结论都是基于数学和统计分析的结论上的，所以这方面的技术背景是很被看重的。不过，当你继续看其他排在后面的要求时，会发现后面很多点其实都是对软性实力的要求，比如需要能给客户做汇报，需要跟他们很好地交流，需要能在不同团队里跟不同组员一起合作。因此，作为一名营销数据分析师，只懂数字，只会做分析是远远不够的，还需要有非常多软性实力。我觉得这个是作为营销数据分析师和其他数据分析师和数据科学家在工作比重上非常不同的一点。不同级别的营销数据分析师工作权重是不一样的，但主要是这样三块：
对我自己来说，模型测试是我目前工作中最最重要的一个部分。我们是通过非常多的市场数据模型去帮助我们的客户，从一个非常科学归因的角度解决他们市场营销方面的问题。我们所使用的模型种类非常多：- 比如有MMM（Marketing Mix Modeling - 营销组合建模），这是在我营销分析工作中最重要的一类模型
- 还有MTA（Marketing Attribution Modeling - 营销归因模型）
这些都是从不同角度去解决各类问题的常用模型。
在市场上，我们的很多客户用的都绝不只是一个渠道，比如只在电视或收音机上去投放广告，除此之外还会有很多线上的渠道，比如社交媒体、搜索广告等。通过营销分析模型，就可以把非常多不同的渠道结合在一起，还包括客户在非营销方面的表现，比如季节性和节假日所带来的影响都可以在模型里有所体现。要把这些因素都结合在一起，就需要一个很大的模型去对不同的变量做不同的组合测验，得到不同的系数，利用这些数字结果去对客户的营销预算进行优化。比如当我们发现某一渠道表现其实很好，但目前的投入并不是很多，我们就可以去提醒和建议我们的客户未来可以考虑在这个渠道上多花一些钱，对于提高日后的销售量会有明显的帮助。而这一切建议都是基于我们得到的模型，所以模型这一块是最重要的，占据的工作时间也非常长。第二个部分就是数据管理。我们要做模型，有足够的数据是一个非常重要的先决条件。如果数据质量够好，我们的模型就可以说已经成功一大半了。所以我日常的工作中大概有四分之一的部分是用在收集和管理数据上。我们的数据都是从不同渠道来的，首先要从下游的Agency里收集他们市场营销的一些表现数据，另外还要从客户那里收集他们感兴趣的KPI。收集完以后需要有能力对数据进行整合，因为不同渠道收集到的数据会非常混乱，有不同的形式和格式，还会有很多数据缺失或是异常值。作为数据分析师，我们要有能力去识别和解决这些数据的缺失以及异常。针对从不同地方收集来的数据，要有能力用一个非常统一的形式去把它们很好地整合在一起。后期在做统计模型的时候，这些数据就已经被放在一个很大的表格或数据库里以供我们使用。最后一个商业分析的部分也非常重要，这可能就是跟其他一些数据分析师不太一样的地方。因为我们的工作主要是服务于外部客户，帮营销活动增值，所以在得到这些数字的结论之后，还需要做很多工作，把这些数字结果转化成一个个商业故事，帮助客户还原他们之前的一些营销战役里都发生了什么事情，从这些事情的表现里我们能学到什么，今后我们可以往什么方向走？这个过程就需要营销数据分析师有比较强的汇报演讲能力、商业洞察和表达能力，以及跟客户的交流，能向客户传达分析结果中最精华和重要的部分。另外我们的工作都是project based的。根据项目不同阶段，也会有不同的工作权重。基本上，一个项目会先从数据收集开始，大概持续几个星期，从收集到清洗，写一些ETL（extract-transform-load的缩写，用来描述将数据从来源端经过抽取、转换、加载至目的端的过程），对一些数据进行变形，再整合在一起这样一个过程。这之后就会进行modeling，大概要持续一个月的时间。模型测试结束以后会再花几周时间，把结果转化为商业故事和洞察，做给客户看的deck，准备给他们汇报。
模型测试这块，最重要的技能就是数学、统计、经济方面的背景。如果大家懂各种回归模型，会非常有帮助。
对于数据管理，最重要的工具就是SQL（没有之一）。不管是数据分析师还是数据科学家，都需要会用SQL。基本上对数据所有的提取或整合都需要通过SQL代码来完成，学习好各种JOIN类型非常重要，而且SQL相比其他语言来说是一个很容易上手的工具，不像Python和R会有很多很多语言包要掌握。SQL的语言是比较有框架的，学会了的话，基本上就可以应用到各种场景中。当然有时候做一些特定的临时分析，数据量比较小时也会使用Excel，因为Excel使用起来比较方便和简单，不用敲代码，但当数据量大起来时，Excel就跑不动了。另外我们有时也会使用一些Python或R，这两样对于我目前的工作要求不是必须的，但如果会的话，日后一定会对工作有非常大的正面影响，因为首先就是能提高工作效率。我们的工作中有时会需要做一些重复性的工作，如果能通过Python和R来进行自动化，在效率和精确度上都会有很大的保证。
商业分析这块，总结起来主要是需要商业敏锐度。这个可能是一个比较大的概念。我个人来看，首先是对我服务的客户以及他们的行业生态要有足够的了解。不同行业关注的内容肯定是不一样的。零售企业会非常在意销售额、销售量。大企业如可口可乐或是奢侈品行业，就会很注重品牌形象价值。然后不同行业偏好使用的营销渠道和数据的获取也会不一样，所以对于营销数据分析师来说，针对不同客户对不同行业有了解是非常重要的。等到模型结果出来之后，我们跟客户传达就需要有交流技巧，在内部工作中也是一样，需要跟不同团队合作，有对营销渠道做规划的团队，做营销策略的团队，还有一些专门负责技术部分的团队。交流够好对于最后得出不错的结果会起到事半功倍的效果。
说了这么多，但并不是要求大家现在就要掌握所有提到的技能，才能成为一名好的营销数据分析师。我曾经有位同事，TA进我们公司的时候并不是有着数学或统计背景的，但TA非常有商业敏锐度，并且在工作中发现了对数学统计的需求以后就在工作中不断积累。通过跟别人学习，读很多这些方面的书，去上一些相关课程、Bootcamp实操项目（此处高度推荐MarTechApe的《营销组合建模训练营》），拿到线上的证书来完善这一块的不足。现在TA成为了我们公司里最厉害的营销分析师。所以并不是说现在马上就要知道所有东西才能证明你是优秀的，而是在一边学习一边实操的过程中发现问题然后想办法不断进步，变得越来越熟练，每一次都比之前有新的提高。同时，即便是很多已经很厉害的数据分析师，也仍然需要不断学习，因为他们在处理数据问题的时候总会面临新的挑战，有时候是新出了一个语言包，或是新上线了某个功能，或是业内大牛研究出了一个新的模型或分析方法，这都是需要我们数据分析师一直关注和学习的。而MarTechApe自打造宝藏级项目《营销组合建模训练营》（Marketing Mix Modeling Bootcamp）以来，一直致力于把数据驱动营销最前沿的分析流程与硬核技能全面地带给学生与从业者，并对内容一次次进行迭代，尽可能还原真实的商业工作场景，为学员带来针对数据分析岗位所需最硬核的技能传授。现在《营销组合建模训练营》第六期已经开始招生！由全球最大广告集团WPP美国办公室的数据总监以及营销分析经理共同授课。前五期学生在参加了Bootcamp之后，拿到了全美顶级的面试机会以及全职工作OFFER，组成了Bootcamp的荣誉之墙：
Marketing Mix Modeling Bootcamp往期学员拿到的面试机会以及全职工作OFFER包括Google、Facebook、Twitter、LinkedIn、Uber、Wayfair、Accenture、Pepsi、Bloomberg、Square、Deloitte、Salesforce、AT&T、JP Morgan、Mediamath、Mediacom等互联网科技公司、咨询公司、广告传媒公司、金融机构。训练营的学员收获了：
真正意义上的“用数据和模型解决营销中最重要的问题”的经历。
熟练掌握SQL、R、Tableau等时下最流行的数据处理语言，并用这些技能解决实际问题。
大大提高Media/Advertising Industry的商业意识，熟悉不同媒介渠道的广告活动对不同商业指标的不同回报率（ROI）与有效性（Effectiveness），学会用“营销效果”的视角看待营销活动，理解各大公司市场营销部门、消费者洞察部门的痛点。
跳出学校作业的框架，上手真正商业情境中、实际工作中的实战案例。让校园与实际工作无缝衔接。将学到的Analytics思维方式泛化到其他应用场景，面对Case Study建立系统性解决思路。
提升项目演示Presentation技能，学会如何从原始数据中挖掘具有意义的故事。为客户解决实际问题，提高Business KPI。
完成项目后，辅导老师将帮助你利用这一个惊艳的项目背景打造最引人注目的简历；所有学员获得内推机会，优秀学员获得一对一面试辅导。
- 整个bootcamp分为广告数据源概况、数据处理与可视化、统计建模、深度诊断，共计24小时课时，在两个月内完成，完美贴合真实工作场景中的分析流程。
- 周末Online Live授课，课后完成老师布置的作业，助教团队在班级群随时答疑，直播录像永久回放。
- 课程内容涵盖了数据分析岗位的完整工作流程（analytics cycle）：
- 数据可视化与商业洞察 Data Visualization & Data Story-telling
- 深度诊断 Side Diagnostics
- 每位学员将有一套亲自做的Data成果作品和一套Model成果作品，以及一段完整的为客户解决实际问题的经历。
- 结课后，每位学员获得提升简历的Project Experience完美描述，所有学员获得内推机会！优秀学员获得额外一对一面试辅导。
- 报名的学员可在开课前一周获得详细的Syllabus。
训练营老师是谁？
1. 全球最大广告传媒集团WPP | 数据总监
2. 全球最大广告代理公司GroupM | 营销分析经理
营销效果分析专家。为十多个每年广告预算上亿美元的大客户提供营销效果评估、销售预测等解决方案
拥有6年Marketing Mix Modeling等高阶分析经验，具有丰富的训练新人和带领团队的经验
毕业于Columbia University统计学系
如果你想咨询关于项目具体内容、获得课程大纲，请长按下方二维码，添加小助手为好友，回复“MMM”即可：▲注意！《营销组合建模训练营》每期仅招收20名学生，遵循阶梯价格，越早报名越优惠！赶紧扫码添加小助手了解课程详情吧！
扫一扫下载订阅号助手，用手机发文章
朋友会在“发现-看一看”看到你“在看”的内容