数据”扫地僧“会是行业未来之光吗？

从品牌到产品，从用户到渠道，运用数据来进行更优质的营销是行业之大势所趋。

可从估算到投入，从小范围运用到大面积转型，MKTer在数据运营的每一个环节都可能遇见各种各样的问题。

本文将集中讨论《数据分析师会是行业未来之光吗？》。

（文章内容来自【数说故事】的直播节目DS LIVE：数据营销的“罪”与“罚”VOL.3，回顾VOL.01请点击《数据投资（金钱，人力和时间）多少才算够？》，回顾VOL.02请点击《听不懂波粒二象性，你就out了》，还可扫描文末二维码第一时间知晓直播预告与内容）

Q1：现在市场非常热门的数据科学家、数据分析师职业。他们的具体工作是什么？

数据分析师和数据科学家的核心能力不同，工作方法和输出内容也并不相同。

【数据科学家】他们要懂业务，用量化的方式定义业务问题；还要懂技术，通过数据建模的方式找到解决方案；并通过持续实验不断迭代。

【数据分析师】他们要根据业务需求，进行数据的准备、分析和探索，最终生成商业洞察。

Q2：作为一名数据科学家或数据分析师需要具备什么能力呢？

【核心能力】

1）对商业问题的理解能力+对数据的敏感度；

2）熟练应用各类商业模型/分析/预测模型，如数据分析师对品牌资产评估模型/代言人评估模型/商业潜力评估模型等的运用；数据科学家对聚类/分类/回归/随机森林/深度学习模型等的运用；

3）一定的工程能力（基本分析工具<脚本能力<写程序实现能力）。

【附加能力】

1）洞察能力；

2）良好的表达能力。

Q3：数据分析师和数据科学家怎么为企业营销提供最高价值呢？

“分析实际上是商业活动中最高频的应用场景之一，它发生在几乎每一次大大小小的商业决策里，但是分析的价值和市场规模又被极度低估，这大概就像我们大多数人不会认识到一个正确的决策对我们的人生影响有多么重大一样，有时候你要回看很多年才知道。”

在规模较大的公司如P&G，数据分析师在重大决策里往往起关键性作用。但目前大部分企业还没有习惯运用数据，数据分析师的重要性常常被低估。这是因为数据的应用流程和团队所需要的配套成本都很高，对企业的软硬件能力和风险承担能力都提出了要求。

Q4：企业应该如何找到数据分析师和数据科学家？如何培养数据人才？

在“数据普遍应用，人人都是分析师”的愿景之下，人的洞察力就成为了核心，对数据思维的培养至关重要。

【现状】好的数据科学家可遇不可求，好的分析师则分布在各个咨询/市场研究公司、互联网公司的运营部门、大甲方的战略/经营分析部门等领域；

【培养】企业要根据自身分发展阶段来培养相关人才。

1）初创阶段：从老板开始培养数据思维；

2）发展阶段：企业要提供人才成长的土壤（包括好的数据基础以及好的应用数据的环境）；

3）成熟阶段：要打通公司上下各个环节，培养企业的数据文化，配套相关的培训以及形成尊重数据结果的决策方式。