我喜欢早点到公司。早上的时间基本就是：咖啡和SQL代码。早上数据库运行最快，因为运行查询和占用计算资源的分析师减少。

我的收件箱在“呼唤”我。我支持全球的营销人员，所以我会尽早检查收件箱并回答问题，尤其是刚结束一天工作的EMEA同事。

我开始用R并开始编码。我正在为基于教育的营销活动寻找产品的低于平均水平的用户。集群是一种ML（机器学习）技术，可以帮助我找到用户的“自然”分组。在这种情况下，我使用ML来确定“低于平均水平”的自然定义。我的ML工具根据某些指标为我提供了从高到低的用户群。

我会与营销团队成员Meeting，以帮助他们确定即将开展的广告系列的策略和方法。我们谈论潜在的受众，关键绩效指标（KPI），策略和预算。我喜欢创造力和头脑风暴，这让我享受这个过程。

现在是“仪表板审阅和发送电子邮件”的时间。我为营销团队总共维护了四个自动化仪表板。这些仪表板涵盖人口统计，营销绩效，区域数据细分和营销基准。

我的目标是每两周发送一封简短的电子邮件，介绍仪表板的趋势。今天，我正在审查并通过电子邮件发送有关区域数据趋势仪表板的更新-查看特定于国家/地区的趋势以帮助国内营销团队。

在法国进行的为期两个月的营销活动刚刚结束，团队正在寻找结果。我拉起媒体印象文件并开始分析。所有的市场营销都是使用测试和控制格式来衡量的，测试对象接受营销，而类似的控制对象则不接受营销。我使用SQL和R比较测试组和对照组的行为。我的目标是查看各组之间在产品行为指标上是否存在统计上的显着差异。结果和学习成果将进入汇总报告卡文档以及我们的基准数据库。

午餐会。我会见产品数据科学家，他们将提供他们所看到的最新趋势以及已建立的新数据表。产品分析师负责了解特定产品领域的深层趋势和细微差别。

他们还为其产品区域建立和维护关键数据表。作为营销分析师，我负责研究所有产品领域之间的关联和交互。因此，我依靠产品分析师提供深入的见解，并使用他们的各种数据表来衡量营销对用户行为的影响。我们谈论Hive表格和趋势。

我见了团队中的数据工程师。我们正在构建一种机器学习工具，该工具将使营销活动的各个部分自动化，以帮助我们进行大规模测试和学习。这是一个令人兴奋的项目。我们花时间讨论算法，将我的R代码转换成Python，并弄清楚我们需要建立的数据库。技术书呆子也要团结起来嘛。

我的下一个项目专注于预测计划中的营销活动的ROI（投资回报率）。目的是弄清楚该活动是否值得投资。如果我同意，则将投入数百万美元，并且三个不同的团队将致力于该项目-因此，请确保我仔细检查了我的数字。

 

我查看的指标包括潜在覆盖率，估算的点击率和近似的每次转化费用（每次转化费用）。我正在平衡快速准确地答复的需要。这种杂耍行为是现代营销分析师的常见病，我使用基准和多元回归来进行预测。

位置，位置，位置。我将重点转移到地理和制图上。一些队友被允许在英国各地的城市创建“弹出式”活动计划。我已经在我们的计划和策略会议中预先选择了城市。现在，他们需要专门了解应该在城市中的哪个地方举办活动。他们要求午餐时间人流频繁的地点。我在R中使用具有映射功能的位置数据（我喜欢使用Leaflet映射API）来按位置创建人流的热图。我挑选出前三个位置，并将其发送给营销团队。

接下来，我需要编写营销活动的评估计划部分。所有广告系列计划都必须包含一个衡量部分，该部分概述了KPI，辅助指标，目标，目标受众，地理位置和衡量方法。如果有意识或情感研究的内容，我的研究同事也将添加到本节中。我们的组织拥有强大的测试和学习文化-因此，分析和研究（如果适用）会签署所有营销计划。

我花点时间查看电子邮件并回答当天的问题，或者回答前几天的未解决问题。我整天收到很多问题，随着时间的流逝，这些问题教会我简洁，直接的回答。我尽可能地倾听自己的积极声音。

我今天的最后一次会议-我正在与我们的日本地区营销经理讨论行为趋势。我尝试每两个月与国家/地区营销经理会面，向他们介绍我在仪表板上看到的最新信息。这也是一个很好的机会，可以从他们那里听到重要问题，我可以提供更多见解的领域以及他们的促销计划。

我拉起了我为日本建立的交互式仪表板，我们在聊天数据。Tableau是我处理小型数据集的“捷径”，但它无法处理我使用的数据表，因此我还使用了一个内部仪表板工具，该工具可以处理大型数据集。

一天的工作快结束了，我的最后一个任务是设置一些SQL查询以在夜间运行，这将为明天的分析创建数据表。我整夜运行它们，因为人们回家后有更多可用的服务器资源。而且，当您处理具有数十亿亿亿行数据的表时，您需要处理的所有服务器资源。

看过了Chris Dowsett的一天，你会发现Marketing Analytics专业远远不止点击和转化。它混合了仪表板，算法，编码和内部咨询。看下来，真是充实的一天，在澳洲的小伙伴想做MA，你做好准备了吗

03 MA的就业前景

MA的具体工作内容

• 收集竞争对手的策略，市场情况和消费者人口统计数据
• 研究客户的意见，购买习惯，偏好和需求/需求
• 创建和评估积累数据的方法，包括调查，访谈，问卷调查和民意测验
• 使用统计程序，预测分析和其他数据驱动工具分析数据
• 制定战术和指标，以评估现有营销，广告和传播计划的有效性
• 监测和预测营销/销售趋势；突出新举措和促销活动的机会
• 将复杂的数据结果转换为文本，表格，图形和数据可视化 

现在做Marketing Analyst，需要处理数百万种可能影响产品需求的因素。传统的结构化数据已经被凌乱的非结构化数据慢慢取代。移动端的购买习惯，社交媒体数据等等都是需要深挖的因素。

还有一点就是，Marketing Analyst越来越像Data Scientist了，通过实时处理行为数据，采用预测分析来为客户和企业提供管理及开发方案。

*图片来源：网络

Marketing Analyst最后发展的方向也多为Marketing相关，不过因为做Marketing技能要求全面，未来可转型做销售，产品，商务拓展，甚至是比较专的数据分析。