
提升數(shù)字閱讀質(zhì)感的數(shù)據(jù)分析師_數(shù)據(jù)分析師考試
傳統(tǒng)新聞編輯部的工作崗位將越來越少,但一個(gè)新興的職位——數(shù)據(jù)分析師將成為媒體行業(yè)的香餑餑,發(fā)揮越來越重要的作用。
數(shù)據(jù)團(tuán)隊(duì)越來越重要
今年,《金融時(shí)報(bào)》的數(shù)字訂閱量首次超過了印刷版訂閱量,在普遍經(jīng)營(yíng)慘淡的報(bào)業(yè)中可謂風(fēng)景獨(dú)好。這個(gè)成果背后最大的功臣要屬該報(bào)的數(shù)據(jù)分析團(tuán)隊(duì)。五六年前,《金融時(shí)報(bào)》開始推行網(wǎng)站注冊(cè)系統(tǒng)允許用戶付費(fèi)進(jìn)入,并組建了不到10人的研究小組,收集分析用戶的各種數(shù)據(jù)及閱讀習(xí)慣。五六年的時(shí)間里,《金融時(shí)報(bào)》積累了大量關(guān)于用戶以及如何向其銷售訂閱與廣告業(yè)務(wù)的數(shù)據(jù)——比如他們讀什么、何時(shí)讀、喜歡讀哪類文章等。這些數(shù)據(jù)讓《金融時(shí)報(bào)》能夠分析出讀者在訂閱前有何表現(xiàn),并借此推動(dòng)潛在用戶向付費(fèi)用戶轉(zhuǎn)變;這些數(shù)據(jù)也能夠?yàn)閺V告活動(dòng)提供最深度的觀測(cè)監(jiān)控,給廣告客戶提供更優(yōu)質(zhì)的服務(wù)。最終,這些數(shù)據(jù)推動(dòng)了《金融時(shí)報(bào)》經(jīng)營(yíng)模式向數(shù)據(jù)驅(qū)動(dòng)型轉(zhuǎn)變。報(bào)紙開始將更多的資源轉(zhuǎn)移到前端的數(shù)據(jù)編輯與出版,數(shù)據(jù)分析團(tuán)隊(duì)也開始參與到《金融時(shí)報(bào)》管理層決策的過程之中。
在這幾年的發(fā)展中,當(dāng)初的老式研究小組早已經(jīng)被改造為分工明確的專業(yè)化數(shù)據(jù)分析團(tuán)隊(duì)?,F(xiàn)在該團(tuán)隊(duì)已經(jīng)擴(kuò)充至30多人,由數(shù)據(jù)分析與活動(dòng)小組、數(shù)據(jù)產(chǎn)品開發(fā)小組和數(shù)據(jù)處理小組構(gòu)成。他們用更海量的數(shù)據(jù)、更快更廉價(jià)的計(jì)算方式、更先進(jìn)的軟件、更完美的用戶界面,開啟了全球大企業(yè)數(shù)據(jù)應(yīng)用的新時(shí)代,也讓其他同行看到了數(shù)據(jù)團(tuán)隊(duì)對(duì)未來媒體的發(fā)展是多么重要。
新時(shí)代的數(shù)據(jù)分析師做什么?
實(shí)際上,數(shù)據(jù)分析的工作媒體一直沒有間斷過,只不過,現(xiàn)在這項(xiàng)工作的內(nèi)涵早已不同以往。最初,媒體對(duì)數(shù)據(jù)的處理更多只是“統(tǒng)計(jì)”,比如統(tǒng)計(jì)讀者的個(gè)人及訂閱信息,廣告客戶的需求信息等。這些數(shù)據(jù)集中存儲(chǔ)在媒體的統(tǒng)計(jì)部門,基于數(shù)據(jù)的研究很少,電子化程度也不高。進(jìn)入互聯(lián)網(wǎng)時(shí)代,媒體加強(qiáng)了對(duì)數(shù)據(jù)的開發(fā)利用和分析,開始運(yùn)用各種電子表格和運(yùn)算手法來分析讀者。盡管如此,這一階段的數(shù)據(jù)處理仍然面臨一個(gè)問題——研究的成果比較粗淺,很難回應(yīng)企業(yè)的商業(yè)需求。因?yàn)闋I(yíng)銷部門和統(tǒng)計(jì)部門的人都不太清楚數(shù)據(jù)到底能解決什么問題以及如何解決。
而進(jìn)入數(shù)據(jù)量爆發(fā)的移動(dòng)互聯(lián)網(wǎng)時(shí)代,數(shù)據(jù)開始被視為生產(chǎn)要素,專業(yè)的數(shù)據(jù)分析師也承擔(dān)著更艱巨的任務(wù):首先,他們必須能夠建立統(tǒng)計(jì)模型并進(jìn)行多維數(shù)據(jù)分析以掌握用戶的行為方式;其次,他們整合的數(shù)據(jù)要能橫跨整個(gè)組織結(jié)構(gòu),并運(yùn)用綜合的、可視化的數(shù)據(jù)反映廣告客戶開展活動(dòng)的情況,以便他們進(jìn)行調(diào)整;第三,他們必須形成一種匯報(bào)和管理信息的機(jī)制,可以及時(shí)回答業(yè)務(wù)經(jīng)理們提出的問題,以驗(yàn)證和調(diào)整產(chǎn)品方向;此外,他們還要提升從數(shù)字訂閱用戶群體中盈利的能力,需要基于數(shù)據(jù)提出新的產(chǎn)品創(chuàng)意。而且,上述這一切都必須以收益優(yōu)先的原則為導(dǎo)向,以提供決策參考為目的。
那么,現(xiàn)在的數(shù)據(jù)分析在具體操作上和過去有什么不同?以客戶行為方式的分析為例,過去的重點(diǎn)在于分析用戶“讀什么”和“何時(shí)讀”。這種分析只基于互聯(lián)網(wǎng)終端,單一且薄弱。在多終端的移動(dòng)互聯(lián)網(wǎng)時(shí)代,這種分析方法顯然不夠用了,需要的是更精確、更多維的分析邏輯。比如,《金融時(shí)報(bào)》的數(shù)據(jù)分析團(tuán)隊(duì)會(huì)將不同終端的閱讀曲線進(jìn)行比對(duì),發(fā)現(xiàn)在早高峰和晚上,手機(jī)和平板終端上的內(nèi)容消費(fèi)量超過了電腦端。而平板端的閱讀高峰出現(xiàn)得比手機(jī)端要早,在入睡前,平板端的閱讀量又超過了其他的終端。平板和手機(jī)上閱讀峰值的轉(zhuǎn)換是很有意思的發(fā)現(xiàn)。更有意思的是,分析還發(fā)現(xiàn),每個(gè)用戶在不同終端的閱讀重點(diǎn)是不一樣的。一個(gè)在電腦、手機(jī)端對(duì)個(gè)人理財(cái)信息毫不關(guān)注的用戶居然在平板端是該信息的重度消費(fèi)者。諸如此類的種種細(xì)節(jié)相加,便能勾勒出更為清晰、立體的用戶“面貌”,為精準(zhǔn)營(yíng)銷提供科學(xué)的決策基礎(chǔ)。
數(shù)據(jù)分析師怎樣煉成?
時(shí)下,數(shù)據(jù)分析師也被時(shí)髦地稱作數(shù)據(jù)科學(xué)家(data scientist)?!豆鹕虡I(yè)評(píng)論》指出,數(shù)據(jù)科學(xué)家應(yīng)該是數(shù)據(jù)黑客、分析者、通訊者和可信賴的顧問這幾種身份的綜合體。現(xiàn)在能達(dá)到這種高度的人才還非常少。他們更多是計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)(machine learning)等專業(yè)背景出身,和新聞、傳播學(xué)相去甚遠(yuǎn)。就算是媒體的數(shù)據(jù)分析團(tuán)隊(duì),也傾向于啟用非媒體背景的人才。比如,《金融時(shí)報(bào)》打造先進(jìn)數(shù)字化團(tuán)隊(duì)時(shí),聘請(qǐng)的都是具有非媒體行業(yè)背景的市場(chǎng)營(yíng)銷分析師。從目前來看,學(xué)習(xí)市場(chǎng)營(yíng)銷、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)的人才比較有可能擔(dān)任媒體數(shù)據(jù)分析師的工作。當(dāng)然,這些人才不僅需要具備數(shù)據(jù)統(tǒng)計(jì)分析方面的才能,也要有對(duì)營(yíng)銷、廣告等商業(yè)分析方面的見解。能夠具備上述能力的數(shù)據(jù)分析師的薪水十分可觀。在英國(guó),他們每天的工資大約在500—650英鎊之間。不過,這類人才在全球都是稀缺品。比如美國(guó),大約有44%的新職位需要數(shù)據(jù)分析人才,但只有23%的供給率。招不到人怎么辦?現(xiàn)在美國(guó)大約有60%的公司采取外包的方式完成所需的數(shù)據(jù)分析工作,一些新聞企業(yè)也采取這種做法。不過,外包價(jià)格昂貴,而且并不一定能夠很好地滿足企業(yè)的需求。從長(zhǎng)遠(yuǎn)來看,媒體組建數(shù)據(jù)分析師團(tuán)隊(duì)是必然趨勢(shì)。
如今的時(shí)代,媒體生態(tài)瞬息萬變。舉個(gè)例子,2000年國(guó)內(nèi)某大型傳媒集團(tuán)開會(huì)時(shí),其網(wǎng)站負(fù)責(zé)人就座于最后一排??芍蟮?年,網(wǎng)絡(luò)的發(fā)展如火如荼。再開會(huì)時(shí),網(wǎng)站負(fù)責(zé)人已經(jīng)被安排在第一排就座了。雖然現(xiàn)在數(shù)據(jù)分析師在很多媒體里還難覓蹤影,但可能不需要幾年,數(shù)據(jù)分析團(tuán)隊(duì)的負(fù)責(zé)人也得前排就座了。(作者單位:新華社新聞研究所。本文系2012社科基金課題《推動(dòng)傳統(tǒng)媒體全媒體轉(zhuǎn)型對(duì)策研究》階段性研究成果,
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10