非技術崗位需要的「數據能力」到底指什麼？
即便不是專業數據人才，在這個數字化的時代，你也要懂點數據。
隨著互聯網技術的不斷發展，我們每個人的行為都以數字的形式被記錄下來，當這些數據已經運用到各行各業中，我們也從一個被記錄者，轉變成運用數據的人。
很多人可能認為只有專業型數據分析師需要數據能力，但其實在很多行業中，這種能力已經成為普通公司人的一項必備技能。
36歲的曾峰目前擔任國內數據化營銷服務商兔展的北京分公司總經理，此前他一直負責社交網路的廣告投放。通過大數據的分析和比對，他可以將目標消費群精確地定義到年齡、收入、區域、購房意向等細節，在此基礎上，結合投放預算，達到最佳投放效果。
數據能力已經成為普通公司人的一項必備技能。
曾峰深知數據能力對工作的重要性，隨著投放成本不斷上升，原本粗獷的投放方式已經無法保證盈利，基於大數據的精準投放變得非常重要。
不光是曾峰這樣的廣告從業人員，其實很多普通崗位對公司人的數據能力都提出了要求。「數據能力不僅指數據挖掘、數據建模、數據分析等專業崗位的專業數據能力，在產品、運營、市場、銷售，甚至是HR等各崗位的通用素質和能力里，數據能力也漸漸被提出來。」網易人工智慧事業部總經理李曉燕在接受《第一財經周刊》採訪時說道。
獵頭機構躍科人才的中國區董事總經理肖力榕也觀察到，2017年躍科中國與數據能力相關的招聘案例占所有招聘案例的12%左右，與2016年相比，招聘量上漲了一倍—越來越多的崗位需要公司人具備一些數據能力。那麼作為非專業數據人才的普通公司人到底需要哪些數據能力？如何提升數據能力？一些行業專家和資深公司人給出了建議。
躍科人才的數據顯示，目前對數據人才需求比較大的是互聯網、金融和快消零售行業，此外，汽車和醫藥這樣的傳統行業也需要這類人才。
職場社交平台LinkedIn聯合清華大學經管學院互聯網發展與治理研究中心發布了一份《中國經濟的數字化轉型：人才與就業》報告。報告顯示，從行業分布來看，約50%的數字人才分布在互聯網、信息通信等基礎產業，其餘則分布在製造、金融和消費品等傳統行業。
以互聯網行業為例，不光是數據分析師，產品經理、用戶運營這類工作同樣需要數據能力的支撐。產品經理需要通過用戶和市場數據的不斷循環驗證，來驅動產品設計、優化迭代，這往往要求他們有很高的數據敏感度和基本的數據分析能力。而用戶運營需要關注用戶的激活、留存、增長、活躍和消費等數據，依此有針對性地維繫用戶，增加活躍度。
李曉燕舉了個例子，網易的海外資訊聚合平台「網易見外」在產品設計階段，需要產品經理根據數據分析的結果做決策並規劃和設計產品；到了推廣階段，則需要市場營銷人員對推廣效果統計、分析，並根據數據表現隨時調整策略；運營人員也需要時刻關注用戶的相關數據，並將數據隨時同步到團隊，形成產品不斷優化和迭代的過程。
數據思維能力
數據思維能力要求公司人保持對數據的敏感。以廣告行業為例，「過往5年，整個廣告行業都在往數字化發展。」兔展CEO董少靈告訴我們，如今很多廣告行業的從業者都要懂數據，監測多平台、多媒體的數據是他們日常工作的一部分。
比如在看微信平台每天產生的數據時，他們需要將當天的閱讀量跟上個月、往年的數據做對比，判斷數據是否屬於正常範圍或是出現異常。在一個時間段中，數據突然出現一個峰值或者低谷，那很可能這個時間段中發生了一個異常事件。「可能是發生了新聞事件或者競爭對手有新的動向，才導致這樣的結果。」兔展VP兼CMO劉文中解釋道。類似的還有在平台投放的廣告圖片點擊率，點擊率突然變得過低，很有可能是突然出現了明星新聞，導致大家的關注點都在熱點事件上；或是點擊率突然激增，那可能是廣告主自己做的活動效果，或者是競爭對手發生了變化。這些都需要從業人員對數據密切關注，並保持敏感度，將觀察到的數據和日常數據做對比，並分析數據變化背後的原因，找到最佳解決方案。
數據演算法能力
相對於數據思維能力，數據演算法能力更加高階。比如微博平台的用戶影響力如何評估，裡面涉及到各種不同的因素，像是賬號粉絲數、粉絲的粉絲數量，以及粉絲之間的社交頻率等。每個因素在影響力評估中所佔的比例如何、應該如何加權，這些都是數據演算法能力的體現，這種數據處理需要公司人有一定的統計學和數學背景，且有基礎建模能力。不過大部分時候，普通公司人只要掌握與自己工作相關的數據即可。
數據應用能力
對於普通公司人來說，得到數據的最終目的是解決問題，這主要依賴於公司人對產業和使用渠道的理解。以微博投放為例，一個數據新人首先要了解微博用戶瀏覽量的高峰時間段和低谷時間段，其次，微博每個賬號都有自己的活躍時間、打開頻率，投放人員要根據目標消費者的活躍時間和習慣做精準投放。這些都要基於對自身業務的認識和對各大投放渠道的理解才能開展，「你要了解其中的規則和玩法，知道操作空間在哪，才能逐步培養起數據應用能力。」曾峰說。
了解數據
要想提升自己的數據能力，首先應該要了解這些數據的定義、來源，以及產生數據的各平台的玩法，尤其是那些跟自己業務相關的數據。你要知道這些數據的統計口徑是什麼？是怎麼提取出來的？對應的是行業中的哪個環節？能反映哪一層面的問題？
看大量數據
這是一個必經的過程。要想培養對數據的敏感度，首先就要看大量的數據，並且對數據長期追蹤，比如知道過往的數據呈現是什麼樣，現有的數據跟過往數據相比是否出現異常，出現異常的原因可能是什麼。這些都需要公司人花費大量時間去翻歷史數據，以及在一個階段之後復盤現有的數據，做總結和歸納。
帶著問題去分析數據
普通公司人對數據能力的需求歸根到底是為了解決問題，因此在分析數據時應該帶著業務問題。按照業務邏輯去提取合適的數據，在此基礎上，圍繞與業務問題相關的可變因素分析比較，從而得出解決方案。這是一個逐漸積累的過程，保持耐心，多看多分析，就會建立起一套適合你所在業務線的數據分析能力。
充分利用周邊的學習資源
一些大公司往往會開設針對數據能力的培訓，比如西門子為全體在職員工提供了在線數字能力測評，並會根據結果給出針對性的學習建議；普華永道也設有在線數據能力學習板塊和能力測評。
除此之外，建議你多向身邊的資深從業者請教，因為數據能力往往是在大量的實踐中積累起來的，這些資深人士對數據的敏感和判斷是你可以學習的地方。
除了培養數據能力，也要關心行業的變化，比如最近行業中發生的大事、競爭對手和相關行業的動向，這些變化都可能對你監測的數據產生影響，也能幫助你理解數據變化的原因。
本文版權歸《第一財經周刊》所有，未經許可不得轉載或翻譯
李嘉文
關注創業和職場，聯繫
TAG:第一財經周刊 |