HubSpot One一向秉承“乾貨為王”的內容行銷策略，然而本篇我們將會將腳步放緩一點，談談山海經，撇撇情操。因為新年伊始，辭猴迎雞，實在太適合談這個話題。而忽視這個問題的代價可能是讓你滿盤皆輸的結果。
我們雖少一點“乾貨”卻也不都是演義流、成功學或者陰謀論。我們講講當下的數字行銷人員，尤其是牆內的數字行銷人員最欠缺的能力——數字分析能力。
什麼是數字分析能力？
數字分析能力是定性定量地使用各種維度和指標來發現問題、解釋問題和解決問題的能力。數字分析能力是數字行銷者所需具備的關鍵能力之一，它並不算一種高階技能，因為即便是基層的數字行銷者也非常需要掌握一定程度的數字分析技能。數字分析能力的高低直接決定了數字行銷者的實力。一個數字分析能力強的數字行銷人員往往可以摸清企業行銷的思路，發現現有行銷活動中的缺陷，把握機會並避開雷區；而一個糟糕的數字行銷人員的共同特點是數字分析能力低下，他們並不知道企業的行銷的命門在何處，如果他們身處要職往往還瞎指揮那將導致企業不但白白喪失大量時間還會浪費巨大的行銷成本。
數字分析能力薄弱的數字行銷者是整個數字行銷金字塔中最底層的人員，他們如同行屍走肉，每天做著無腦的操作。在企業人才招聘的時候千萬要避開這類人，即便他們誇誇其談，或者有著多年行屍走肉的經驗。因為僱傭他們的風險非常大，在這種狀態所處的時間越久，開竅的機率也越低。
HubSpot One危言聳聽那麼多，而又對數字分析能力的定義相對模糊。那麼究竟什麼才是數字分析能力呢？有什麼證書、考試、崗位資格認定書可以幫我們來提高、鑑定人才呢？
驅動數字分析能力的三駕馬車
數字行銷人員要想避免成為行屍走肉就必須取得自己的靈魂。而數字行銷的靈魂就在於數字分析。數字分析（Digital Analysis）舊稱網站分析（Web Analytics），有時也特指媒體分析（Media Analytics）。數字分析由三駕馬車所驅動，它們是：
- 數據抓取
- 數據處理
- 數據理解
這三者生生不息。由上圖我們可以看出這個三角形的底部是互為想通的數據處理和數據理解，而頂部的頂點是數據抓取。這是怎樣的一個美妙結構呢？
數據抓取能力
數據抓取能力是最考驗數字行銷者技術能力的能力。它是數字行銷區別於傳統媒介行銷的根本。正因為數字行銷中“一切皆可衡量”（Everything’s measurable），數據抓取堪比數據分析這個數字行銷靈魂的載體。數據抓取能力包含了對網站、APP技術層面的理解，JS、CSS、HTML、DOM、JSON技術的理解，URL標記能力，展現、點擊跟踪器的設計和部署，還有分析工具如Google Analytics和標籤工具如Google Tag Manager的運用能力。數據抓取不同於數據處理和數據理解，它是可以單獨作為一個數字行銷工種的。一個好的數據抓取工程師可以帶給你的是，如果你想要任何你想要的維度訊息和指標數據，他就可以為你抓取。他不必問你想要這個做什麼，他就是有辦法為你挖掘收集這些數據。
設想場景：你想要登錄訪客、未登錄已註冊訪客和未登錄未註冊訪客這三者行為的比較。你的數據抓取工程師就會通過GA的User Level的Custom Dimension來為你標記訪客是否已註冊。他會把所有曾經登錄過的訪客都用Cookie標記上。同時再用一個Session Level的Custom Dimension來標記當次訪問是否登錄。一段時間以後，你就可以自己去查閱你需要的報表了。這整個部署過程只需要通過GTM進行，它不需要你的開發團隊配合，因此只需要20分鐘。
隨著網絡技術和各種工具的進化我們看似數據抓取的要求少了，其實每個企業每種生意都有它的獨特性，我們每天都有著太多的數據需要客戶化。而數據抓取能力作為數據分析的關鍵一環，它決定了你的數字行銷能不能“無痛（點）上（閉）環” 。
數據處理能力
數據處理能力很大程度上依賴於數據處理人員對維度（Dimension）和指標（Metric）的理解。它受限於你能夠抓取到的數據。一個好的數據處理人才不單對各種維度和指標如數家珍，而且對如何應用它們熟門熟路。
如果你想要知道User Engagement，他們就知道哪些指標會非常重要，比如Bounce Rate，Time On Site，PageViews per Session等。你想知道電商網站Close Deal的能力，他們會幫你計算Cart Abandonment Rate。你想知道內容髮布後的效果，他們會幫你找到Backlink數量以及Like、Share、Comment的數量。他們是那群做報表的人，但他們提供的價值遠大於做報表。因為我們對數字行銷的分析遠遠不止一兩個維度和一兩個指標。而是許多維度和許多指標綜合的分析。
數據處理人員所要求的技能是對各個Web Analytics工具的熟練應用，各種其他第三方數據源的熟悉操作，還有最重要的他們必須是Excel大師。如果他們能同時是SQL，R，SAS或者Tableau的高手那就再好不過了！不同於數據抓取人員多來自具有技術開發背景的人才，數據處理人員多有統計背景。而我們接下去要講的數據理解職能的人才需要的是行銷背景。
數據理解能力
如果你招幾個文科生或者是行銷背景的小朋友，他們可能會認為這是最適合他們發展的方向，他們也可能認為這是他們最擅長的領域。不過很抱歉，那還是錯的，至少不完全正確。數據理解也可以換個詞叫“數據閱讀”，它是獲得Insights的整個過程。 Insights不是那些Facts，不是一些廢話告訴你“展現、點擊、消費”多少，而是獲得一些可操作（actionable）的啟示。
殘酷的是，這樣的人才鳳毛麟角。一千隻Donkeys裡面找一隻Unicorn都找不到的節奏。為什麼？因為數字行銷的歷史尚短，學校裡還來不及教這些！ （笑）筆者看到更多的是另一個次元里的行屍走肉。這部分職能絕大多數都是各個品牌的數字行銷中堅人物，可是他們大多數連需要哪些維度、指標去讓數據抓取工程師抓取都不知道。更不用說是讓數據處理的“手下”去提供報表了，因為他們的腦海裡並不知道這報表長什麼樣，他們連柱狀圖和餅圖的區別都不知道。
如果他們連柱狀圖和餅圖的區別都不知道，他們又怎麼會知道Segmentation和Attribution Model呢？所以，他們只會每週問廣告代理公司要一個“有轉化的關鍵字列表”，然後無比自豪地通知他們把“沒轉化的關鍵字停掉”。他們閱讀數據的方法是粗暴的，他們不會發現報表中的“深層次”問題。所以他們從來不會去GA後台加任何“Filter”，因為他們相信“用數據說話”。
筆者從不相信數據本身，而只相信有能力呈現數據，並能說明問題的人。
如果你回到我們前面分享的三角形，你會發現具有數據理解能力的人才才是掌握整個數據分析流向的關鍵人物。這樣的人才需要明白其他人需要做些什麼，從這個意義上說這是一個管理職位。不僅僅如此這個職位上的角色需要大量的經驗和對數據最最最最深刻的理解。因此行銷背景雖然對閱讀數據有所幫助，但是這個加分是極度有限的。筆者看到更多的從三角的另兩個頂點通過開發行銷思維而勝任這項工作的人才。
數字行銷人才最欠缺的是數字分析能力
在結束本篇前我們先分享一張舊圖。三年前HubSpot One還叫極意的時候，在美國OMI，ClickZ以及Kelly Staffing的一項調查中就指出在網站分析這一項企業的期望和人才的平均素質有著巨大的Gap。
時至今日，筆者並未看到有所改觀。如果你是中小企業的創業者，或者你想要將你的業務向數字過渡，如果你想要構建你的團隊，那麼請你務必牢記你的首要工作是去尋找這樣一位人才作為你數字行銷的核心人物，他需要有超過大多數人的數字分析能力；如果你正在尋找一家數字行銷服務代理，那麼數字分析能力會是你首要考察的能力；反過來，如果你身居要職卻是不幸被筆者言中的“患者”，那麼HubSpot One以及寫了太多數據分析方面的內容，不妨先從“掃盲”開始？然後？考慮下Google Analytics Academy。