今年，COVID-19导致许多公司在全国范围内都取消了实习项目，而我作为一个十分幸运的人，依然完成了我的营销分析实习项目，并在这份实习中学会了很多关于营销，数据和分析的知识。所以，我想来分享一下自己学到的知识，让那些失去机会的人在今年夏天依然能有些收获！
我的实习之所以与众不同，是因为我同时学到了营销、技术和商业三方面的技能。我尤其想要介绍技术和业务技能的方面，因为我觉得我在这两个方面学到的知识大大帮助了我在营销分析和数据科学领域中成长。
技术技能
Python：在刚开始实习时，我对Python的了解很少。坦率地说，我很害怕开始学习Python。因为我已经花了很多时间学习SQL，所以我不想从头再学习一门新的语言。但从技术角度来看，学习Python是我从实习中获得的最好的东西之一。无论你是从事数据科学，商业智能还是营销分析领域，我都强烈建议大家学习一些基本的Python。这是我实习期间经历的的几个Python应用情形：
快速清洗小型项目的数据，而不是将其放入SQL数据库再清洗。
在较大的项目上运行高级分析，例如问卷调查或电子邮件表现报告。
将.csv文件拆分为小文件，然后将其导入到Access数据库中（这是一个比较简单的应用情况，但在比较重视数据安全的公司里可以节省大量时间）。
SQL：在开始实习时我已经有了一些使用SQL的经验。但在当时我没有意识到的是，原来SQL会对我的工作有如此大的帮助。作为一名实习生或初级营销分析师，你会想尽一切办法在最短的时间内为营销部门作出贡献。比如，我在实习中被分配了一个具有万行的Excel文件，需要我将它导入到数据库里并对数据做一些清洗工作。于是我运用SQL的知识完成了工作，并节省了很多时间！下面是SQL在我的实习中具体帮助到我的部分：
清洗了大约万行75列的电子邮件性能数据。
全面了解了营销分析师的工作内容（因为SQL占了工作内容非常大的比重！）。
整理调查问卷的数据，以便将来的实习生和市场分析师可以查询。
PowerBI和Tableau：总体而言，数据可视化是我今年夏天完成的工作中非常重要的一部分。在我认为自己已经完成了一个项目的分析时我突然意识到，我没有方法能够很好的展示我的统计结果和指标表现。虽然我有一些Tableau的经验，但我没有Tableau的证书。我最终学习了如何使用PowerBI！这是我经历的几个应用PowerBI的情况，当然也适用于任何其他可视化工具：
将电子邮件效果报告汇编成视觉上吸引人的图表，易于观众理解。
为调查结果创建一个可视化的概要面板，使我可以轻松地了解项目情况并用来与团队成员进行交流。
几乎所有其他我所做的项目（是的，数据可视化一直都非常重要！）。
商业技能
沟通：如果你曾经问过从事数据科学，市场分析或商业智能分析的人，什么是一定要学习的技能，绝大多数都会回答你：“沟通”。在这份实习之前，我一直非常自信自己是一个好的沟通者。我来自市场营销背景，我在每学期的课程中都会进行许多次presentation。然而这份实习让我意识到，书面交流与口头交流同样重要。以下是书面交流很重要的几种情况：
关于书面交流的简要说明：
在COVID-19期间，许多雇主都更加重视书面交流，我强烈建议你在进行其他项目或展示技术技能时同时展示书面沟通这项技能！
解释了由于未使用UTF-8编码而导致的电子邮件翻译不起作用的情况。
校对数据可视化结果，并尝试解释PowerBI中无法实现的一些功能。
与其他市场分析人员一起对Python代码中存在的报错进行排除（这项任务在纯线上环境下的COVID-19期间尤其困难）。
建立关系：能够与组织中的其他人建立联系将有很长的路要走。如果你真正关心团队中的其他人，并且真正认同团队的价值观，那么成员们将更愿意帮助你并教给你一些你以前不了解的知识。这是我在实习期间的几个示例：
我与市场分析师建立了联系并帮助了他，他帮助我学习了Python。
我与营销自动化经理（我的主管/导师）建立了联系，，她让我从事了更多的分析项目，并将它们与电子邮件营销结合了起来。
我与其他实习生建立了联系，在我离开实习岗位的时候，我多了另外十四个朋友（是的，这非常重要！）。
结束语
在实习期间，我还学到了另外五件非常重要的事情，它们不属于技术或商业这两个我在上文提到过的类别，但对任何营销分析师和其他年轻的数据求职者来说都非常重要：
1.适应能力强：掌握最重要的技能。如果你工作的环境里没有使用你习惯使用的工具，那么你就需要拥有高度适应性并快速学习新工具来为团队提供价值。
2.对人友善：一个好的态度不但对你的工作有所帮助，也会使你的工作环境变得更加令人愉快！我的办公区坐着的每个人都彼此喜欢，相处融洽，每当我需要停下来歇一歇的时候，欢乐的团队氛围都会给我充能！
3.向他人学习：在市场营销分析/自动化实习中，我有志于从事BI或数据科学方面的工作。当我有机会与担任这些职务的人一起工作时，不仅帮助我学习了这些职位在做什么，也帮助我学习了如何与这些职务的人一起工作并学习到了很多业内术语。
4.提出问题：尽可能多地提出问题。这不仅适用于需要向他人学习的情况，也适用于所有数据方向的工作。我从营销策略师（他非常热爱数据）那里收到的最好的建议之一是，"任何伟大的发现都始于一个简单的问题。所以我们要一直问问题。"
5.永远学习进步：这可能是第二重要的技能，并且与适应能力相匹配。举个例子，即使你的背景是Python，但如果由于你所在的营销分析团队中大家都在使用R所以需要你也学习R时，能够快速学习R就将使你脱颖而出，并且更加高效的完成工作。此外，你学习的越多，你的学习能力就会越好。我们永远都要学习新知识使自己进步，因为归根结底，无论你是哪种类型的分析师或数据科学家，那些知识都正是我们提供价值的方式。我们所做的事就是学习新事物，并通过我们的分析，数据可视化和交流帮助他人学习事物。
如果你也想系统的掌握与营销分析和数据科学相关的职业技能，如果你日后也想要进入营销策略、数据分析职业领域的话，即使没有以上实习经验，这些技能你还是可以从MarTechApe精心打造的《营销分析专项》课程中学到哦！
《营销分析专项系列课》由MarTechApe联合美国的一线营销分析和营销技术专家们共同研发推出，由以下美国名企管理层执教：
Airbnb硅谷总部，营销数据科学家
苹果公司硅谷总部（前Ebay资深数据分析师），营销数据科学家
美国最大家具电商平台Wayfair，营销数据科学经理
美国电信巨头Verizon，营销效果经理
沃尔玛Walmart电商（前GroupM营销分析经理），数据科学经理
这门专项系列课由5个模块组成，涵盖了5种应用最广泛的营销和商业分析方法：
模块
课程内容
应用场景
模块1
《营销组合模型》
MarketingMixModeling
分析不同营销渠道回报率和营销效果，优化广告预算的宏观统计分析方法
模块2
《营销归因分析》
Attribution
为每一笔转化归因，科学衡量多触点对转化的影响，优化广告资源分配
模块3
《广告营销中的A/B测试》
A/BTesting
实验法测量营销战役中每一个元素对广告效果的影响
模块4
《进行精细运营的增量模型》
UpliftModeling
测量市场营销战役对消费者行为的影响，找到最容易受广告影响的目标用户，帮助追加销售、交叉销售、留存
模块5
《随机森林模型在营销中的应用》
RandomForestInMarketing
基于统计模型的用户细分、预测留存与流失、找到影响销售、流量、票房等业务指标的关键影响因素
五大营销分析方法代表了MarketingAnalytics领域最前沿的主流方法，是营销分析师/数据分析师为了测量营销效果必须掌握的重要方法和商业分析手段。
1.课程老师与课程大纲
在美国知名企业从业5-10年的营销分析、营销科技专家精心授课，每一位老师与他们教授的课程分别是：
《营销分析专项》
Airbnb
硅谷总部营销科技经理——《营销归因》
1.什么是追踪？详细介绍不同的追踪方法:
URLTracking
PixelTracking
DeepLinking
3.什么是营销归因？企业为什么有必要做营销归因？
4.单触点归因模型的不同种类与做法
5.多点归因模型的不同种类与做法
6.用户生命周期总价值（CustomerLifeTimeValue）
7.营销归因中涉及到的各类高阶分析:
预测LTV
用户细分（UserSegmentation）
同类群组分析（CohortAnalysis）
增量测试（LiftTest）
跨设备追踪（CrossDeviceTracking）
全渠道分析（FullFunnelAnalysis）
沃尔玛电商WalmartE