重要提示：内容营销人一定要重视数据
近十年，我们在营销分析引擎方面进行了大量投入，从预测分析、性能管理及数据可视化工具。通过这些工具，营销人可以“自助”进行大数据洞察，补足资深数据分析能力的短板。
那么，非数据专家或数据分析师的营销人是否能真正理解、用好这些数据引擎？大量的研究表明，结果可能恰恰相反。
Mynewsdesk 对 1050名营销人、公关人和企业主做了相关调研（注：我们公司提供了问卷设计），结果令人大开眼界。
只有18%的受访者认为自己具备数据能力（仅 19%的营销人认为自己具备足够的数据能力，并没有高出平均水平）。另外，我们对于数据能力的定义在于能够进行数据结果分析，而不是具备多少数据专业知识。具备数据能力的人可以很自如地对数据及图形进行解读、分析及评价，鉴别数据的真伪。
另外，只有五分之一营销人表示，他们愿意对数据进行解释、批判及理解数据造假行为，这些数据是需要修复的。
在调查结果中，时间的不足是导致很多人无法变得更加以数据为驱动的最大原因，其次是技能和预算的限制。除了部分投票，很多人并没有对这个问题做出回答（有的选项甚至不足半数），这表明了一个问题，数据驱动在很多人看来，优先级并没那么高，甚至许多人觉得比较不感兴趣。
研究表明，虽然分析工具可用性和功能的重视程度在攀升，但部署这些工具的团队可能还不具备生成大数据报告和可视化效果的能力。有的公司不仅没能从数据投入种获取全部价值，甚至还因错误的调查结果而误入歧途。
Gartner 2018年初预测，随着分析工具的激增，是否拥有能够熟练使用这些分析工具的人员将导致结果差距越来越大。Gartner的研究主管Carlie J. Idoine表示："如果数据分析领导者仅仅提供对数据和技术支持，由于不同企业用户的经验和剂能差异较大，使用这些工具的效果往往不好...如果想要取得比较有价值的成果，企业需要更多的培训、支持和对接指导。
什么是数据能力
企业应该如何应对这种情况？首先我们先来看一下一般营销人需要的数据能力。我们可以营销能力分为三类：
- 了解基本统计数据
- 知道如何对数据结果提出疑问
- 将数据转化为可视性的内容
统计
数学不好的人很难学好统计学。作为非定量营销人员，其实一般需要做的是比较基本的统计，不太需要用到大学难度的数学知识（如果有人问我微积分，我只能祈祷上帝保佑)。理解统计更多是要求理解概念，对研究及统计结果进行拆解。在这一环节，可能出现误用的情况，情节严重的也有可能欺骗大众。
质疑
理解基本统计数据（以及有些人如何使用统计数据来逃避真相）和学习质疑调查结果一样重要——这关系着如何戳穿数据漏洞。光鲜亮丽的仪表板和摘要报告并不能100%代表什么。
我们需要对看到的数据提出质疑。是否合理？是否有其他隐藏因素？是否有其他理由可以解释这种变化？我们应该追踪哪些数据？这些结果是不是好得过于真实？
学会耐心和有条不紊地分析那些精美的数据报告。例如，我们经常看到的一个错误是：公司发布了关于年度业绩的研究，如果忽略了每年受访者身份的差异性，很可能导致数据结果并不客观。
可视化
最后，我们来看看数据可视化的重要性。我去年对此进行了一些研究。如何将数据可视化（影响内部决策及外部展示）、保持良好数据洞察能力是营销人的关键能力。
今年早些时候，我参加了一个会议，会上，一家大型生物技术公司的一位高管宣布了类似（解释）的内容："从外部聘请数据专家的速度远远比不上挖角的速度，比起外部聘请，我们更倾向于从内部人员进行培训。”这家公司建立了一个培训计划，即使要进行一些投入。公司愿意让对数据科学感兴趣的员工进行职业培训。这也就表明了数据能力在2019年是个刚需。
Airbnb也在做同样的事，建立数据大学，希望"每位员工具备的数据驱动的能力"。在教职员工中55名志愿者每年提供20门课程。这些课程相当于 100 级大学课程，并针对团队特定需求进行量身定制。自 2016 年该计划启动以来，已有 6，000 名员工参加了 400 门课程，大多数员工同时注册了多个课程。
Airbnb数据科学家 Jamie Stober表示数据大学非常强大，"培训后，这些团队中的员工构建了自己的仪表板，并通过数据研究出了本地化的解决方案，这是数据科学团队没有想到的。参加了培训的人可以自行研究数据，通过数据工具衡量自己的工作，使自己的工作变得更有影响，更有规模。
该培训的好处不仅惠及了那些学习和使用了数据工具的人，还为有需求的员工腾出了时间。正如 Jamie 所写的那样，"当业务合作伙伴可以使用基本的 SQL 查询和仪表板回答自己的问题时，数据科学家可以腾出大量时间来处理对合作伙伴团队的战略和方向至关重要的项目。
缺乏专业培训的数据教育
当然，并不是所有企业都能建立一个数据大学。预算更小的企业如何跨出数据教育的第一步？
我强烈推荐《Naked Statistics》这本书。Charles Wheelan 通过新闻和商业的一些数据实例，来展示一系列数据相关的概念和计谋，非常适合初学者，当时对于数据大师来说就是一种放松。
另外一本经典推荐Darrell Huff的《How to Lie With Statistics》，出版于1993年，事《Naked Statistics》的启蒙书籍。
如果要了解数据可视化，我推荐《The Wall Street Journal’s Guide to Information Graphics》，这是一本非常好的视觉设计的入门书，关于如何简洁、形象地进行数据可视化地实操指南。
如果你对基础知识感兴趣，也可以看看Scott Berinato的《Good Charts》，《哈佛商业评论》编辑出版。
另外极力推荐Cole Nussbaumer Knaflic.的《Storytelling with Data: A Data Visualization Guide for Business Professionals》。
如果你没有打算提高数据能力，起码应该知道，数据的相关性不等同于因果关系，这也是营销人经常犯的一个错误。即使两个因素相关，也不意味着一个必将影响或导致另一个。
以上是我关于数据能力相关的分享，我觉得大家都可以拓展一下自己的节能。我自己之前也出过了一些错，以前我当会计的时候，做工资时不小心给一个员工算错了，让他收获了一笔意外之财，当然后来追回来了。我能够胜任一些简单的数学题，但是通过扩展我的数据能力，我扩大了自己的营销视野，大家也可以试试。
