行业白皮书
去年10月，脸书首席执行官马克·扎克伯格，宣布Facebook改名为“Meta”。他表示，这个新名字是为了突出公司对元宇宙发展的专注，同时也可以解决公司名与旗舰产品名称都叫Facebook的“固有困扰”。
过往，业界一直将北美的5大科技巨头公司用FAANG来替代。自Facebook改名后，CNBC主播 Jim Cramer称，未来将用MAMAA来替代FAANG。
MAMAA 代表 Meta, Alphabet, Microsoft, Amazon和Apple。而在每年的招聘季，这5家公司也是非常多留学生的心仪企业。
今天，我们来就来看一看，MAMMA最近都有哪些热招岗位？
JD解读：
需要对搜索渠道有比较深入的掌握，包括对渠道的分析以及知道如何与其他不同的渠道进行相互之间的配合。
将从渠道这里获得的洞察，转化成测试方案、产品迭代方向或者其他潜在的优化方向。
可以明确假设，并且建立A/B测试，去测试一些新的功能上线效果。
除了需要候选人有比较好的广告投放的能力之外，还需要拥有数据分析的能力，并且对数据敏感，可以从数据出发现问题，提出假设，进行快速测试的行动力。
可见，数字营销岗位对候选人的要求，已经不单单是数字营销的能力，更包含了数据分析的能力。
那么行业里对数字营销岗位的常见必备技能有哪些呢？
数据分析已经成为数字营销的核心基础，将近40％的品牌，将根据数据分析来扩大其营销预算 ，而使用数据驱动型个性化的公司所产生的ROI是其营销支出的五到八倍。
我们都知道，搜索引擎优化（SEO）和搜索引擎营销（SEM）在获取越来越多的网站访问量方面起着重要作用。Google经常更改其搜索算法。例如，关键字用于确定您的排名，但是现在，您的排名是由内容的质量，网站的后端，作者的个人简历等等计算出来的。如果您要在市场营销方面具有竞争力，则需要学习SEO的技术方面。
数字营销完全基于内容。吸引您的内容将是您网站上将会吸引的流量。内容可以采用文字，图像，视频以及基于音频的形式。
在社交媒体上免费广告的日子已经一去不复返了，为了在当今的社交媒体上脱颖而出，品牌需要投资付费广告。营销人员需要确定广告的外观，向谁投放广告以及在Facebook，Twitter和Instagram等渠道上投放多少广告。满足目标受众不仅仅是创建业务页面，正确的标签，定期发布以及当然相关的内容也很重要。接触用户并确保你的内容在社交媒体上，分配给正确的受众。
人们认为电子邮件是一种非常古老的东西，没有人可以阅读电子邮件，这是一种传统的方式。但这是绝对错误的。尽管如此，仍有很多人阅读电子邮件。
许多企业可能大多数都已经接受了按点击付费的趋势，即PPC，它是Google上的付费广告。这款付费广告已帮助该公司进行了大幅度的扩张，并达到并产生了更高的收入，还能够传播品牌知名度。
移动营销是通过针对整个应用程序，社交媒体渠道和网站中的智能手机和其他移动设备进行优化的方式来共享品牌或业务。作为一种营销策略，与仅专注于台式机数字营销流程相比，移动营销可以使企业吸引更多的受众。
JD解读：
设计、建立和上线数据工作流，帮助团队更好从数据中获取洞察。
从不同来源的数据库中抓取相关数据，通过使用编程语言进行分析。
设计、架构和开发数据解决方案，从而帮助产品和业务团队做出数据驱动的决策。
与数据基础搭建、产品和工程师团队紧密协作，以构建和扩展跨平台 ETL 和报告生成框架。
在岗位要求这里，我们看到JD写有战略分析方面的要求。也就是说，需要候选人能够深入研究与业务目标和业务绩效相关的业务模式。候选人除了需要拥有较好的数据分析的能力之外，同时，还需要兼备好的商业逻辑思维Business Sense。
由于大厂中，数据分析团队经常会和不同背景的团队打交道，所以也会需要数据分析师有好的表达能力，知道如何将数据分析得出的结论准确传达给同事，帮助没有技术背景的同事理解。
-
必备技能： -
精通Excel -
精通SQL -
精通PPT -
Tableau或其它一种数据可视化分析工具 -
Python或其它编程语言基础 -
SPSS/SAS/R等至少一种分析软件 -
加分技能： -
Java -
C++ -
Apache Hive -
Apache Hadoop -
Apache Spark -
Scala -
ETL工具
1. Diagnosis：首先在识别问题的阶段，需要比较强的商业敏锐度，对商业目标和逻辑有深刻的理解，快速定义“好”与“坏”、优势与差距等；
2. Insight：在挖掘问题的阶段，要求能够快速通过现象看到本质并提供见解，把问题从“what”引入“why”的剖析层面，理解相关业务的各层级的商业指标以及它们之前的关系；
3. Strategy：进入到制定策略的阶段时，将商业需求和数据需求做双向的对标和转换是最重要的能力之一，不仅需要强大的Strategy-thinking和沟通能力，还需要对数据技术有全面的理解，能够清楚地解释为什么要用这一个分析方法、为什么要利用这一个模型、或是对一系列数据的处理顺序的依据是什么等；
4. Solution：基于策略提出解决方案并设计技术产品，这里的产品可以是一套分析方法或是一系列模型，需要有很扎实的数据结构知识和统计建模能力作为技术支撑；
5. Activation：随着解决方案的实施或上线，需要不断做出正确决策以推动进度，项目经验和执行力缺一不可，同时需要熟练使用Python、SQL等编程语言以及相关数据处理软件；
6. Performance：在测试方案效果时，可以做出详细的评估和解析，不仅可以拆解收获或差距的具象，还需要回答为什么会出现这样的收获或差距，以及对今后的项目提供了什么信息参考，这个过程既考验报告演讲能力，还需要有优秀的Critical-thinking技能。
