提升數字閱讀質感的數據分析師

來源：《中國記者》雜志

《金融時報》的負責人曾在採訪中表示，該報正在向直接的網絡零售商轉型。這句話道出了新聞業在移動互聯網時代的發展方向，《金融時報》《紐約時報》《衛報》《華盛頓郵報》等老牌媒體都在循著這一方向努力。這股愈演愈烈的潮流給新聞業帶來的不僅是經營模式的變革，還有從業崗位的變化。傳統新聞編輯部的工作崗位將越來越少，但一個新興的職位——數據分析師將成為媒體行業的香餑餑，發揮越來越重要的作用。

數據團隊越來越重要

今年，《金融時報》的數字訂閱量首次超過了印刷版訂閱量，在普遍經營慘淡的報業中可謂風景獨好。這個成果背后最大的功臣要屬該報的數據分析團隊。五六年前，《金融時報》開始推行網站注冊系統允許用戶付費進入，並組建了不到10人的研究小組，收集分析用戶的各種數據及閱讀習慣。五六年的時間裡，《金融時報》積累了大量關於用戶以及如何向其銷售訂閱與廣告業務的數據——比如他們讀什麼、何時讀、喜歡讀哪類文章等。這些數據讓《金融時報》能夠分析出讀者在訂閱前有何表現，並借此推動潛在用戶向付費用戶轉變﹔這些數據也能夠為廣告活動提供最深度的觀測監控，給廣告客戶提供更優質的服務。最終，這些數據推動了《金融時報》經營模式向數據驅動型轉變。報紙開始將更多的資源轉移到前端的數據編輯與出版，數據分析團隊也開始參與到《金融時報》管理層決策的過程之中。

在這幾年的發展中，當初的老式研究小組早已經被改造為分工明確的專業化數據分析團隊。現在該團隊已經擴充至30多人，由數據分析與活動小組、數據產品開發小組和數據處理小組構成。他們用更海量的數據、更快更廉價的計算方式、更先進的軟件、更完美的用戶界面，開啟了全球大企業數據應用的新時代，也讓其他同行看到了數據團隊對未來媒體的發展是多麼重要。

新時代的數據分析師做什麼？

實際上，數據分析的工作媒體一直沒有間斷過，隻不過，現在這項工作的內涵早已不同以往。最初，媒體對數據的處理更多只是“統計”，比如統計讀者的個人及訂閱信息，廣告客戶的需求信息等。這些數據集中存儲在媒體的統計部門，基於數據的研究很少，電子化程度也不高。進入互聯網時代，媒體加強了對數據的開發利用和分析，開始運用各種電子表格和運算手法來分析讀者。盡管如此，這一階段的數據處理仍然面臨一個問題——研究的成果比較粗淺，很難回應企業的商業需求。因為營銷部門和統計部門的人都不太清楚數據到底能解決什麼問題以及如何解決。

而進入數據量爆發的移動互聯網時代，數據開始被視為生產要素，專業的數據分析師也承擔著更艱巨的任務：首先，他們必須能夠建立統計模型並進行多維數據分析以掌握用戶的行為方式﹔其次，他們整合的數據要能橫跨整個組織結構，並運用綜合的、可視化的數據反映廣告客戶開展活動的情況，以便他們進行調整﹔第三，他們必須形成一種匯報和管理信息的機制，可以及時回答業務經理們提出的問題，以驗証和調整產品方向﹔此外，他們還要提升從數字訂閱用戶群體中盈利的能力，需要基於數據提出新的產品創意。而且，上述這一切都必須以收益優先的原則為導向，以提供決策參考為目的。

那麼，現在的數據分析在具體操作上和過去有什麼不同？以客戶行為方式的分析為例，過去的重點在於分析用戶“讀什麼”和“何時讀”。這種分析隻基於互聯網終端，單一且薄弱。在多終端的移動互聯網時代，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，《金融時報》的數據分析團隊會將不同終端的閱讀曲線進行比對，發現在早高峰和晚上，手機和平板終端上的內容消費量超過了電腦端。而平板端的閱讀高峰出現得比手機端要早，在入睡前，平板端的閱讀量又超過了其他的終端。平板和手機上閱讀峰值的轉換是很有意思的發現。更有意思的是，分析還發現，每個用戶在不同終端的閱讀重點是不一樣的。一個在電腦、手機端對個人理財信息毫不關注的用戶居然在平板端是該信息的重度消費者。諸如此類的種種細節相加，便能勾勒出更為清晰、立體的用戶“面貌”，為精准營銷提供科學的決策基礎。

數據分析師怎樣煉成？

時下，數據分析師也被時髦地稱作數據科學家（data scientist）。《哈佛商業評論》指出，數據科學家應該是數據黑客、分析者、通訊者和可信賴的顧問這幾種身份的綜合體。現在能達到這種高度的人才還非常少。他們更多是計算機科學、統計學、機器學習（machine learning）等專業背景出身，和新聞、傳播學相去甚遠。就算是媒體的數據分析團隊，也傾向於啟用非媒體背景的人才。比如，《金融時報》打造先進數字化團隊時，聘請的都是具有非媒體行業背景的市場營銷分析師。從目前來看，學習市場營銷、統計學、計算機科學的人才比較有可能擔任媒體數據分析師的工作。當然，這些人才不僅需要具備數據統計分析方面的才能，也要有對營銷、廣告等商業分析方面的見解。能夠具備上述能力的數據分析師的薪水十分可觀。在英國，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，大約有44%的新職位需要數據分析人才，但隻有23%的供給率。招不到人怎麼辦？現在美國大約有60%的公司採取外包的方式完成所需的數據分析工作，一些新聞企業也採取這種做法。不過，外包價格昂貴，而且並不一定能夠很好地滿足企業的需求。從長遠來看，媒體組建數據分析師團隊是必然趨勢。

如今的時代，媒體生態瞬息萬變。舉個例子，2000年國內某大型傳媒集團開會時，其網站負責人就座於最后一排。可之后的5年，網絡的發展如火如荼。再開會時，網站負責人已經被安排在第一排就座了。雖然現在數據分析師在很多媒體裡還難覓蹤影，但可能不需要幾年，數據分析團隊的負責人也得前排就座了。（作者單位：新華社新聞研究所。本文系2012社科基金課題《推動傳統媒體全媒體轉型對策研究》階段性研究成果，項目號：12BXW021）