数据营销分析师

① 数据运营和数据分析师，他们两者的区别是什么

分析数据系统

分析数据稍微复杂一些，并且对于不同类型的企业组织会有不同的看法；然而，他的核心是企业组织的操作数据。分析数据用于做出业务决策，而不是记录来自实际操作业务流程的数据。例如，将客户分组以进行市场细分或随着时间的推移对购买量进行更改。每个企业组织都有不同的问题需要回答，也有不同的决策需要做出，所以分析数据绝对不是放之四海而皆准的！分析数据最好存储在一个数据系统中，这个数据系统被称为联机分析处理系统、OLAP或数据仓库，它是为大规模聚合、数据挖掘和特殊查询而设计的！

概括地说，操作数据系统(主要由事务数据组成)是为了更快地更新而构建的。用于决策的分析数据系统是为更有效的分析而建立的。希望你现在能够更好地理解操作数据和分析数据以及它们对应的数据系统之间的区别!正如你所看到的，两者对于维护和发展一个企业、公司或非营利组织都是非常重要的

② 如何成为一个年薪50万+ 的数据分析师

一、掌握基础、更新知识。
基本技术怎么强调都不过分。这里的术更多是（计算机、统计知识）， 多年做数据分析、数据挖掘的经历来看、以及业界朋友的交流来看，这点大家深有感触的。
数据库查询—SQL
数据分析师在计算机的层面的技能要求较低，主要是会SQL，因为这里解决一个数据提取的问题。有机会可以去逛逛一些专业的数据论坛，学习一些SQL技巧、新的函数，对你工作效率的提高是很有帮助的。
统计知识与数据挖掘
你要掌握基础的、成熟的数据建模方法、数据挖掘方法。例如：多元统计：回归分析、因子分析、离散等，数据挖掘中的：决策树、聚类、关联规则、神经网络等。但是还是应该关注一些博客、论坛中大家对于最新方法的介绍，或者是对老方法的新运用，不断更新自己知识，才能跟上时代，也许你工作中根本不会用到，但是未来呢？
行业知识
如果数据不结合具体的行业、业务知识，数据就是一堆数字，不代表任何东西。是冷冰冰，是不会产生任何价值的，数据驱动营销、提高科学决策一切都是空的。
一名数据分析师，一定要对所在行业知识、业务知识有深入的了解。例如：看到某个数据，你首先必须要知道，这个数据的统计口径是什么？是如何取出来的？这个数据在这个行业， 在相应的业务是在哪个环节是产生的？数值的代表业务发生了什么（背景是什么）？对于A部门来说，本月新会员有10万，10万好还是不好呢？先问问上面的这个问题：
对于A部门，
1、新会员的统计口径是什么。第一次在使用A部门的产品的会员？还是在站在公司角度上说，第一次在公司发展业务接触的会员？
2、是如何统计出来的。A：时间；是通过创建时间，还是业务完成时间。B：业务场景。是只要与业务发接触，例如下了单，还是要业务完成后，到成功支付。
3、这个数据是在哪个环节统计出来。在注册环节，在下单环节，在成功支付环节。
4、这个数据代表着什么。10万高吗？与历史相同比较？是否做了营销活动？这个行业处理行业生命同期哪个阶段？
在前面二点，更多要求你能按业务逻辑，来进行数据的提取（更多是写SQL代码从数据库取出数据）。后面二点，更重要是对业务了解，更行业知识了解，你才能进行相应的数据解读，才能让数据产生真正的价值，不是吗？
对于新进入数据行业或者刚进入数据行业的朋友来说：
行业知识都重要，也许你看到很多的数据行业的同仁，在微博或者写文章说，数据分析思想、行业知识、业务知识很重要。我非常同意。因为作为数据分析师，在发表任何观点的时候，都不要忘记你居于的背景是什么？
但大家一定不要忘记了一些基本的技术，不要把基础去忘记了，如果一名数据分析师不会写SQL，那麻烦就大了。哈哈。。你只有把数据先取对了，才能正确的分析，否则一切都是错误了，甚至会导致致命的结论。新同学，还是好好花时间把基础技能学好。因为基础技能你可以在短期内快速提高，但是在行业、业务知识的是一点一滴的积累起来的，有时候是急不来的，这更需要花时间慢慢去沉淀下来。
不要过于追求很高级、高深的统计方法，我提倡有空还是要多去学习基本的统计学知识，从而提高工作效率，达到事半功倍。以我经验来说，我负责任告诉新进的同学，永远不要忘记基本知识、基本技能的学习。
二、要有三心。
1、细心。
2、耐心。
3、静心。
数据分析师其实是一个细活，特别是在前文提到的例子中的前面二点。而且在数据分析过程中，是一个不断循环迭代的过程，所以一定在耐心，不怕麻烦，能静下心来不断去修改自己的分析思路。
三、形成自己结构化的思维。
数据分析师一定要严谨。而严谨一定要很强的结构化思维，如何提高结构化思维，也许只需要工作队中不断的实践。但是我推荐你用mindmanagement，首先把你的整个思路整理出来，然后根据分析不断深入、得到的信息不断增加的情况下去完善你的结构，慢慢你会形成一套自己的思想。当然有空的时候去看看《麦肯锡思维》、结构化逻辑思维训练的书也不错。在我以为多看看你身边更资深同事的报告，多问问他们是怎么去考虑这个问题的，别人的思想是怎么样的？他是怎么构建整个分析体系的。
四、业务、行业、商业知识。
当你掌握好前面的基本知识和一些技巧性东西的时候，你应该在业务、行业、商业知识的学习与积累上了。
这个放在最后，不是不重要，而且非常重要，如果前面三点是决定你能否进入这个行业，那么这则是你进入这个行业后，能否成功的最根本的因素。 数据与具体行业知识的关系，比作池塘中鱼与水的关系一点都不过分，数据（鱼）离开了行业、业务背景（水）是死的，是不可能是“活”。而没有“鱼”的水，更像是“死”水，你去根本不知道看什么（方向在哪）。
如何提高业务知识，特别是没有相关背景的同学。很简单，我总结了几点：
1、多向业务部门的同事请教，多沟通。多向他们请教，数据分析师与业务部门没有利益冲突，而更向是共生体，所以如果你态度好，相信业务部门的同事也很愿意把他们知道的告诉你。
2、永远不要忘记了google大神，定制一些行业的关键字，每天都先看看定制的邮件。
3、每天有空去浏览行业相关的网站。看看行业都发生了什么，主要竞争对手或者相关行业都发展什么大事，把这些大事与你公司的业务，数据结合起来。
4、有机会走向一线，多向一线的客户沟通，这才是最根本的。
标题写着告诫，其实谈不上，更多我自己的一些心得的总结。希望对新进的朋友有帮助，数据分析行业绝对是一个朝阳行业，特别是互联网的不断发展，一个不谈数据的公司根本不叫互联网公司，数据分析师已经成为一个互联网公司必备的职位了。

数据分析师中国统计网——一位资深数据分析师的分享

③ 数据分析师的职责是什么

为公司提供数据报告。

数据分析师可以使企业清晰的了解到企业现状与竞争环境，风险评判与决策支持，能够充分利用大数据带来的价值，在进行数据挖据与展现后，呈现给企业决策者的将是一份清晰、准确且有数据支撑的报告。

所以，大数据分析师已经不是简单的IT工作人员，而是可以参与到企业决策发展制定中的核心人物。此外，对于新闻出版等内容产业来说，更为关键的是，数据分析师可以发挥内容消费者数据分析的职能，这是支撑新闻出版机构改善客户服务的关键职能。

(3)数据营销分析师扩展阅读：

数据分析师需要掌握的统计方法

1、线性回归（Linear Regression）。在统计学中，线性回归是一种通过拟合自变量与自变量之间最佳线性关系来预测目标变量的方法。

2、分类（Classification）。分类是一种数据挖掘技术，它将类别分配给数据集合，以帮助进行更准确的预测和分析。也有时称为决策树，分类是用于对非常大的数据集进行分析的几种方法之一。2大分类技术脱颖而出：Logistic回归和判别分析。

3、重采样方法（ResamplingMethods）。重采样是从原始数据样本中绘制重复样本的方法。这是统计推断的非参数方法。换句话说，重采样方法不涉及使用通用分布表来计算近似p个概率值。

④ 数据分析师是做什么的

数据分析师主要工作是在本行业内将各种数据进行搜集、整理、分析，然后根据这些数据进行分析判断，在分析数据后对行业发展、行业知识规则等等进行预测和挖掘。数据分析师是数据师其中的一种，另一种是数据挖掘工程师，两者都是专业型人才。

(4)数据营销分析师扩展阅读

数据分析师和数据挖掘工程师的区别

1、“数据分析”的重点是观察数据，而“数据挖掘”的重点是从数据中发现“知识规则”。

2、“数据分析”得出的结论是人的智能活动结果，而“数据挖掘”得出的结论是机器从学习集（或训练集、样本集）发现的知识规则。

3、“数据分析”得出结论的运用是人的智力活动，而“数据挖掘”发现的知识规则，可以直接应用到预测。

4、“数据分析”不能建立数学模型，需要人工建模，而“数据挖掘”直接完成了数学建模。

5、相对而言，数据挖掘工程师对统计学，机器学习等技能的要求比数据分析师高得多。

6、很多情况下，数据挖掘工程师同时兼任数据分析师的角色。

参考资料来源：网络--数据分析师

参考资料来源：网络--数据师

⑤ 市场营销专业做运营好还是数据分析好

由于市场营销专业学科是近20年才从国外引入的“舶来品”，所以目前国内企专业整体的市场属营销水平还比较低。企业的市场营销人员大部分都是从其他专业或行业发展过来的，很多高级市场营销管理人员也没有接受过系统的营销知识培训和学习，做市场完全靠的是他们的经验和对行业发展前景的感觉，市场运作的科学性、系统性不强。这种状况已经难以适应国内、国际不断提高的市场竞争水平。因此，企业急需那种具备系统营销知识和技能的人才，特别是高级市场策划和管理人员。
如果到企业的市场部之类部门就业，做运营，职位一般是“市场专员/市场经理——策划专员/策划经理——品牌专员/品牌经理——渠道专员/渠道经理”，收入高低主要取决于你的能力，绩效考核相关性强，对自己的能力有信心的话，发展的空间非常大。
如果你想做市场分析和研究，进入一些市场研究机构做数据分析类，比如新生代、零点、CTR等，不过可能会枯燥一些。这个还是看个人兴趣。

⑥ 数据分析师的职责是什么

1. 制作报告

作为一名数据分析师，需要花费大量的时间制作和维护内部以及面向客户的报告。这些报告让管理层了解即将出现的新趋势，以及公司可能需要改进的领域。

2. 识别模式

最有效的数据分析师能够利用数据来讲述一个故事。为了生成有意义的报告，数据分析师必须能够看到数据中的重要模式。在基础层面上，数据被用来发现趋势和洞察力，我们可以利用这些数据向我们的客户提供建议，定期报告例如周报告、月报告或季报告非常重要，因为它有助于分析师注意重要的模式，并形成一个总体的时间框架，让我们可以看到随着时间的推移而出现的趋势。

3. 与他人合作

“分析师”这个词可能会让你想到某个人与公司的其他人分开工作，但事实远非如此。各种各样的数据分析师意味着我们将跨越企业中的许多其他部门进行协作，包括营销人员、执行人员和销售人员。我们还可能与从事数据科学工作的人员密切合作。

4. 收集数据并建立基础设施

也许分析师工作中最具技术性的方面就是收集数据本身。这意味着要与网络开发人员合作，优化数据收集。

简化这种数据收集是数据分析师的关键。他们致力于开发可以自动化和容易修改的例程，以便在其他领域进行重用。分析师们在他们的工具库中保留了一些专门的软件和工具来帮助他们完成这个任务。

⑦ 数据分析师主要做什么

简单理解就是：对业务的改进优化；帮助业务发现机会；创造新的商业价值。具体如下：

改进优化业务方面，就是让业务变得更好。体现在两大方面：

1. 对企业用户体验的改进方面，优化原有业务流程，为用户提供更好的用户体验。

2. 对企业资源的合理化分配利用上，更合理的优化配置企业资源，达到效益最大化的目的。

其次是利用数据查找人们思维上的盲点，进而发现新的业务机会的过程。

最后是在数据价值的基础上形成新的商业模式，将数据价值直接转化为金钱模式。

数据分析的工作内容

1、分析什么数据

分析什么数据与数据分析的目的有关，通常确定问题后，然后根据问题收集相应的数据，在对应的数据框架体系中形成对应的决策辅助策略。

2、什么时候数据分析

业务运营过程全程数据跟踪。

3、数据获取

内部数据主要是网络日志相关数据、客户信息数据、业务流程数据等，外部数据是第三方监测数据、企业市调数据、行业规模数据等。

4、数据分析、处理

使用的工具取决于公司的需求。

5、如何做数据分析

数据跟着业务走，数据分析的过程就是将业务问题转化为数据问题，然后再还原到业务场景中去的过程。

⑧ 数据分析师发展前景如何

1、数据分析师通常分两类，技术型分析师和业务型分析师，分工不同，但各有优势。
技术型分析师是在专门的挖掘团队里面从事数据挖掘和分析工作的。如果你能在这类专业团队学习成长，那是幸运的，但进入这类团队的门槛较高，需要扎实的数据挖掘知识、挖掘工具应用经验和编程能力。该类分析师更偏向技术线条，未来的职业通道可能走专家的技术路线。技术型分析师的角色包括数据工程师、挖掘工程师、数据科学家、建模工程师、数据架构师、ETL工程师等，这些称谓都或多或少代表了其工作性质。
业务型分析师是下沉到各业务团队或者运营部门的数据分析师，成为业务团队的一员。他们工作是支撑业务运营，包括日常业务的异常监控、客户和市场研究、参与产品开发、建立数据模型提升运营效率等。该类型分析师偏向产品和运营，可以转向做运营和产品。
2、数据分析师的理想行业在互联网，但条条大道通罗马，走合适你的路线。
从行业的角度来看：
1）互联网行业是数据分析应用最广的行业，因为互联网数据数量庞大、收集分析和应用都更普遍。其中电商企业，更是目前最火的，而且企业也更重视数据分析的价值，是数据分析师理想的成长平台。
2）其次是咨询公司，他们需要数据分析人才，而且相对来说，数据分析师在咨询公司成长的速度更快，专业也会更全面。
3）再次是金融行业，比如银行和证券等行业，该行业对数据分析的依赖需求，越来越大。
4）最后是电信行业（中国移动、联通和电信），它们拥有海量的数据，在严峻的竞争下，也越来越重视数据分析，但进入这些公司的门槛比较高。

⑨ 数据分析师是一种什么样的职业

数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。

作用
越来越多的政府机关、企事业单位将选择拥有数据分析师资质的专业人士为他们的项目做出科学、合理的分析、以便正确决策；越来越多的风险投资机构把数据分析师所出具的数据分析报告作为其判断项目是否可行及是否值得投资的重要依据；越来越多的高等院校和教育机构把数据分析师课程作为其中高管理层及决策层培训计划的重要内容；越来越多的有志之士把数据分析师培训内容作为其职业生涯发展中必备的知识体系。
2工作职责
互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。以往“原子世界”中数据分析师要花较高的成本（资金、资源和时间）获取支撑研究、分析的数据，数据的丰富性、全面性、连续性和及时性都比互联网时代差很多。
与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。
就行业而言，数据分析师的价值与此类似。就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势，都是媒体成败的关键。
此外，对于新闻出版等内容产业来说，更为关键的是，数据分析师可以发挥内容消费者数据分析的职能，这是支撑新闻出版机构改善客户服务的关键职能。
3要求
技能要求
1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。
2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。
3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。
4、懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。
5、懂设计。懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。[1]
其他要求
良好的沟通交流能力，文字语言表达能力，较好的逻辑分析能力；
具有独立的产品策划开发能力，项目管理，商务沟通能力；
强烈责任心，开放的性格，良好的沟通能力； 擅于协作，具备良好的团队合作精神；
能够在压力下开展工作；善于学习。
4考试等级
当前我国数据分析师由中国商业联合会数据分析专业委员会以及工信部教育考试中心共同考核认证，通过培训考核，工信部教育考试中心颁发《项目数据分析师职业技术证书》，数据分析行业协会颁发《项目数据分析师证书》，此证书是申请成立项目数据分析事务所的必备条件之一。
5培养
国内正式的数据分析行业的认证只有数据分析师认证，由国家工业与信息化部中国电子商务协会在全国开展推广，截至2010年中国数据分析业已拥有数据分析专业人才超过万人，每年以数以千计的速度增长。[2]
对于人才的培养，国家工业与信息化部中国电子商务协会设立全国数据分析师考核鉴定中心在全国各省、直辖市发展授权管理培训中心，开展培训、继续教育工作。

⑩ 做市场营销需要具备数据分析能力吗

答复来：做市场营销行业应该具自备哪些能力？
个人总结心得体会：
第一、应该具备市场敏锐的观察力和洞察力。
第二、应该具备预测营销市场前景和分析能力。
第三、应该具备探讨和研究营销战略决策能力。
第四、应该具备市场调研问卷调查的能力。
第五、应该具备擅长沟通与交往的能力。
第六、应该具备市场观察研讨案例分析能力。
第七、应该具备营销管理和组织与运作能力。
第八、应该具备新闻事件评判观点的能力。
第九、应该具备与客户外交谈判的能力。
第十、应该具备组织主持活动与外景协调的能力。
第十一、应该具备拟定营销计划与文案策划能力。
谢谢！