年薪翻倍的职场下一站，不香吗？

当你想到营销部门时，也许最先跃入你脑海的角色是数字营销经理、社交媒体、创意、文案。但是这几年营销部门正在疯狂抢人的最火高薪职位却是——营销数据科学家（Marketing Data Scientist）。

如果你是一个在营销行业里玩数据和分析的人，而且你希望有一个帮你立足职场“不败之地”的武器，那么「营销数据科学家」绝对是眼下最适合作为“职场下一站”的职业目标——一旦转型，就是2倍以上的工资提升！

不过营销数据科学到底是做什么的呢？为什么营销数据科学家的工资是营销分析师的两倍呢？

今天这篇文章我们就好好给大家解解惑——

营销数据分析师 vs 营销数据科学家（技能差异）
为什么公司愿意付两倍的工资来聘请营销数据科学家？
如何把自己训练成为营销数据科学家？

先来了解一下营销数据分析师和营销数据科学家的区别！

1. 营销数据分析师 (Marketing Analyst)

营销数据分析师和商业分析师非常相似，只是分析的对象侧重于营销活动。营销数据分析师要收集和分析内部和外部的数据资源（内部数据指的是公司自己收集的营销活动数据或是用户数据，外部数据就是公司通过外部平台/第三方机构收集的数据），然后用这些信息来指导决策者如何策略性地规划、优化、执行营销活动。

这些数据分析呢，往往是描述性分析（descriptive analysis）。描述性分析能告诉我们已经发生了什么，但不能告诉我们将要发生什么和我们应该怎么办。描述性分析通常只要通过监测一些现成的自动化的报告（比如Google Analytics）就能获得，并不需要分析师去做太多的高阶的统计分析。营销数据分析师需要掌握的数据分析技能通常是：Excel、SQL，有少数营销数据分析师的岗位还需要SAS（或者R和Python）。营销数据分析师在美国的平均年薪是$68,748美元。

2. 那什么是营销数据科学家 (Marketing Data Scientist)呢？

营销数据科学家的职责所在就是提高整个公司营销活动的有效性和回报率。什么叫有效性？就是同样一个单位的营销活动，需要让它能带来更多的销量。什么叫回报率？就是同样一美元的营销花费，需要能让这一美元生出更多的美元回报。

营销数据科学家的工作日常里有大量的预测性分析（predictive analysis）和指导性分析（prescriptive analysis）。预测性分析能告诉我们“将要发生什么”，而指导性分析能告诉我们“该怎么办”。营销数据科学家利用非常丰富的高阶统计建模方法和机器学习方法来做出这些高级的分析。

除了这些“硬技能”，营销数据科学家也需要有强大的软技能，因为他们需要能把复杂的统计建模过程和模型结果去沟通给可能完全没有数据背景的决策层——说服领导们理解一个庞大的数据分析项目能带来的商业机会和影响力，这就是营销数据科学家这份工作中的“软实力”。

美国的营销数据科学家的平均年薪是$113,309美元，相当于营销数据分析师的两倍。

总结一下营销数据科学家的岗位要求：

营销数据科学家工作内容（Job Role）

为提高营销效果提供指导性洞察（prescriptive insights）
设计并搭建模型，选择变量与模型方法
向决策层提供建议与培训，辅助决策层理解数据、模型与结果

营销数据科学家技能要求（Required Skills）

SQL
数据可视化工具（Tableau等）
在Python或R中搭建模型/机器学习算法
人际能力：与数据工程师团队、商业团队、管理团队合作的能力

营销数据科学家教育与职业背景（Educational and Professional Background）

定量领域的教育背景
数字营销工作/项目经历
商业分析工作/项目经历
统计建模工作/项目经历

其实，了解了营销数据科学家的工作职能后就不难理解为什么公司愿意付两倍的薪水去聘请这样一个人才了。

因为对于公司来说，虽然雇佣营销数据科学家的成本比雇佣营销分析师大，但是一个营销数据科学家可以为整个公司带来的销量增长和盈利增长，远远大于这笔工资成本。营销数据科学家所做的工作可以帮助营销部门优化广告预算，在广告预算不增长的情况下却能增长收益，这是所有公司都梦寐以求的。所以，不要看营销数据科学家比营销分析师贵，但是对于公司来说，反而更省钱了。

既然“营销数据科学家”已经是营销数据分析师的下一站理想职位了，那么我们如何把自己训练成为营销数据科学家呢？

刚刚说到，营销数据科学家的工作内容就是提高营销战役的效果和美元回报效率。那么如何才能积累这样的工作经验，在面试的时候向面试官证明自己能够胜任这份工作呢？

MarTechApe的宝藏项目《营销组合建模企业级实战训练营》就是专门培养营销数据科学家的企业级别实战项目，拥有企业真实数据（改编）与行业标准流程，项目经历可成为简历上的履历！

从我们的项目中，毕业了将近200名学生，斩获各大公司数据岗位offer：

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、Walmart、Accenture、Pepsi、Bloomberg、Square、Deloitte、Salesforce、AT&T、JP Morgan、Mediamath、GroupM等互联网科技公司、咨询公司、广告传媒公司、金融机构。

今天，《营销组合建模企业级训练营》正式开启第11期的招募！

1.营销组合模型训练营是什么？

营销组合模型训练营（Marketing Mix Modeling Bootcamp）是MarTechApe的宝藏项目，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。在训练营中，你将学习在真实商业情境中如何用营销组合模型解决广告营销最核心的问题——科学合理地评估不同广告对品牌和销售的影响，以统计模型的结果来科学优化广告预算。

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。

2.学员对训练营评价如何？

Marketing Mix Modeling Bootcamp开办至今，收获了大量好评，学员们都觉得Bootcamp的质量非常高，在节课后给我们发来了很多让我们非常感动的评论：

3.训练营老师是谁？

1. 全球最大广告传媒集团WPP | 数据总监

商业分析高级专家
拥有7年数据分析经历
各类SQL、Tableau疑难杂症的go-to person

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

4.在Bootcamp中可以学到哪些内容？

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。
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）：
- 数据收集 Data Acquisition
- 数据处理和清洗 Data Processing
- 数据可视化与商业洞察 Data Visualization & Data Story-telling
- 统计建模 Modeling
- 模型优化 Optimization
- 销售预测 Simulation
- 深度诊断 Side Diagnostics
- 结果展示 Presentation
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。

课程大纲：

学员在前四周会聚焦在数据处理和商业洞察上。学员会面对大量的营销活动数据（如Display、Search、Social、Video、TV等广告数据），根据Media Data的数据源与结构来处理纷繁复杂的数据。并用可视化来呈现出数据洞察。你将学会如何搭建一个数据库、如何利用SQL去处理未经处理的、大型原始数据集，并利用Tableau对数据进行可视化分析。你还将完成对一份数据的商业分析。简而言之，我们将以Data Processing >> Data Visualization >> Insights Generation这样一套体系，系统加强你的数据分析能力以及商业意识。

在真实的世界里，模型用来回答各类不同的商业问题，帮助决策者作出最优的决策。在本次bootcamp的第四～第八周中，你将建立一个真正的Marketing Mix Model！掌握模型最核心的秘诀，调整各类模型参数、学会解读模型结果、优化营销预算、精准预测销售走势。在这个过程中，学会将商业问题翻译成模型问题，用不同的分析手段来回答不同的营销问题，真正做到数据驱动战略决策。

在向你的观众解释Marketing Mix Modeling的模型结果时，Side Diagnostics（深度诊断）往往是一个让你的受众通过商业意义来理解模型结果的重要手段。模型的解释力以及与商业可行性的融合性是决定你的受众是否“买账”的关键因素。因此，Marketing Mix Modeling专门加入深度诊断部分，教你如何用统计的方法说服你的受众！