.
? 今天来聊聊消费者洞察（CMI）部门的日常 —— 我司该部门在市场部下，分为消费者分析和消费者研究两个分支（图解见p2）。
.
? 消费者分析：是我的岗位，分析事实数据支撑市场决策。比如：不同用户群体、地区在campaign里的点击率、转化率、投资回报率。日常的工作我把它总结成前、中、后三块 ——
☝? 前端帮助marketing automation specialist和crm manager一起准备活动需要的数据，做人群定位、效果分析和看板搭建。这部分偏商业分析，对于各类指标的描述统计输出，会用到SQL、PowerBI、Tableau等。
✌?️ 中端和data scientist对接，提供训练大数据模型的use case，用于用户行为预测，会用到Python（但这主要是机器学习团队的工作）我们是使用模型验证效果。
?? 后端和data engineer一起维护数据库，在云端保证系统间的数据传输顺利。数据工程师需要对数据结构和平台架构有比较深的了解，在我司他们归属于IT团队，工具包含：SQL Server、Azure、Google Cloud等。
关于数据分析、数据工程、数据科学的联系和区别下次可以再单独讲一篇！
.
? 消费者研究：与事实数据相对应，该岗位通过问卷或访谈来了解市场的观点。有时还会请尼尔森这样的机构帮忙做更大层面的抽样调查。例如近期同事在做的就是公众对欧洲航空品牌定位的认知。除了统计学知识之外，感觉更要有把数据结果说成故事的能力！
.
?其他行业：CMI其实贯穿各行各业，在快消大家熟悉的联合利华、宝洁等最为常见，而互联网、车企对应的就是产品数据分析。之前在百威和奔驰的实习刚好也从事类似的岗位，既做过销售数据的量化分析、也做过产品功能的访谈研究，两者相辅相成。
.
? 同事背景：统计学、经济学居多，也有政治学等其他社会科学。但未来的趋势一定是有技术背景、同时又懂商业的最吃香！按照老板的话说我们是用数据验证假设回答商业问题 —— 既要了解数据背后的架构和技术，又要能从中挖掘出有用的信息。伴随AI、LLM的兴起，如何用更高效的技术输出更准确的数据推动市场决策是每个CMI人的使命吧。
.
#市场部 #消费者洞察部门 #北欧工作
? 今天来聊聊消费者洞察（CMI）部门的日常 —— 我司该部门在市场部下，分为消费者分析和消费者研究两个分支（图解见p2）。
.
? 消费者分析：是我的岗位，分析事实数据支撑市场决策。比如：不同用户群体、地区在campaign里的点击率、转化率、投资回报率。日常的工作我把它总结成前、中、后三块 ——
☝? 前端帮助marketing automation specialist和crm manager一起准备活动需要的数据，做人群定位、效果分析和看板搭建。这部分偏商业分析，对于各类指标的描述统计输出，会用到SQL、PowerBI、Tableau等。
✌?️ 中端和data scientist对接，提供训练大数据模型的use case，用于用户行为预测，会用到Python（但这主要是机器学习团队的工作）我们是使用模型验证效果。
?? 后端和data engineer一起维护数据库，在云端保证系统间的数据传输顺利。数据工程师需要对数据结构和平台架构有比较深的了解，在我司他们归属于IT团队，工具包含：SQL Server、Azure、Google Cloud等。
关于数据分析、数据工程、数据科学的联系和区别下次可以再单独讲一篇！
.
? 消费者研究：与事实数据相对应，该岗位通过问卷或访谈来了解市场的观点。有时还会请尼尔森这样的机构帮忙做更大层面的抽样调查。例如近期同事在做的就是公众对欧洲航空品牌定位的认知。除了统计学知识之外，感觉更要有把数据结果说成故事的能力！
.
?其他行业：CMI其实贯穿各行各业，在快消大家熟悉的联合利华、宝洁等最为常见，而互联网、车企对应的就是产品数据分析。之前在百威和奔驰的实习刚好也从事类似的岗位，既做过销售数据的量化分析、也做过产品功能的访谈研究，两者相辅相成。
.
? 同事背景：统计学、经济学居多，也有政治学等其他社会科学。但未来的趋势一定是有技术背景、同时又懂商业的最吃香！按照老板的话说我们是用数据验证假设回答商业问题 —— 既要了解数据背后的架构和技术，又要能从中挖掘出有用的信息。伴随AI、LLM的兴起，如何用更高效的技术输出更准确的数据推动市场决策是每个CMI人的使命吧。
.
#市场部 #消费者洞察部门 #北欧工作
