PMI
PMI
Ang PMI, o Project Management Institute, ay isang pandaigdigang propesyonal na asosasyong hindi kumikita na nakatuon sa edukasyon at propesyonal na pag-unlad sa pamamahala ng proyekto at programa. Bumubuo ito ng mga pamantayan at gabay para sa industriya, kabilang ang PMBOK Guide, at nag-aalok ng mga sertipikasyon tulad ng PMP, CAPM, PMI-ACP, at PMI-CPMAI. Nagbibigay rin ang PMI ng pagsasanay, mga kaganapan, pananaliksik, thought leadership, mga digital na tool tulad ng PMI Infinity, mga solusyon para sa mga negosyo, at mga serbisyo sa pagiging miyembro para sa mga propesyonal sa proyekto.

Tagapamahala ng Analytics ng Data sa Marketing

Pinamumunuan ang analytics ng data sa marketing ng PMI, kabilang ang arkitektura ng data, pamamahala ng mga sukatan, predictive modeling, at pag-uulat sa mga ehekutibo. Namamahala ng mga analyst at nakikipagtulungan sa engineering upang bumuo ng mga pinagkakatiwalaang produkto ng data para sa marketing.

Paglalarawan

  • Itakda ang mga pangunahing sukatan at tuntunin sa negosyo ng Marketing para sa pinamamahalaang semantic layer nito
  • Tukuyin ang mga semantic model para sa masalimuot na pangangailangan sa marketing sa iba’t ibang domain, at suriin ang mga implementasyon sa Snowflake
  • Pamahalaan ang arkitektura ng data ng Marketing, kabilang ang mga fact, dimension, antas ng detalye, ugnayan, hierarchy, at magkakatugmang dimension
  • Bumuo ng mga analytical model para sa pagkuha ng customer, engagement, conversion, certification, membership, renewal, at kita
  • Gumamit ng advanced SQL upang suriin ang profile ng data, patunayan ang mga source, pagtugmain ang mga sukatan, lumikha ng mga dataset na magagamit muli, at sagutin ang masalimuot na tanong
  • Panatilihin ang mga pagmamapa mula source tungo sa sukatan, data lineage, dokumentasyon, paglalarawan ng entity, mga aprubadong gamit, at mga kilalang limitasyon ng data
  • Pamahalaan ang mga tanong sa negosyo, inaasahang resulta, at talahulugan ng mga kasingkahulugan sa Verified Query Repository para sa Cortex Analyst at analytics gamit ang natural na wika
  • Siyasatin ang mga pagkakaiba sa Snowflake, BI, Adobe Analytics, mga platform sa marketing, ulat sa pananalapi, at mga sistemang pang-operasyon
  • Tukuyin ang mga kakulangan sa source data, pagresolba ng pagkakakilanlan, estruktura ng event, at pagkakatugma ng mga dimension
  • Magtakda ng malinaw na pananagutan sa mga source system, produktong data na ginawa ng engineering, semantic model, at layer ng pag-uulat
  • Pangunahan, gabayan, at paunlarin ang tatlo hanggang apat na analyst
  • Itakda ang roadmap ng Marketing Analytics, maglaan ng mga mapagkukunan, at pangasiwaan ang pagtanggap at pag-uuna ng mga gawain
  • Magtakda ng mga pamantayan para sa kalidad ng SQL, pagsusuri ng kapwa, testing, dokumentasyon, muling paggamit, pagmomodelo, at higpit ng pagsusuring analitikal
  • Suriin ang mga modelo, query, at pagsusuri bago ibahagi sa mga stakeholder
  • Pangasiwaan ang pagganap ng team, pagkuha ng empleyado, at pagpaplano ng pag-unlad
  • Itakda at pamahalaan ang mga KPI sa marketing gaya ng kita, conversion, CAC, CPA, ROAS, pagpapanatili, pag-usad sa funnel, pagsunod sa iskedyul, at kahusayan ng channel
  • Tiyakin ang katumpakan at linaw ng mga regular na ulat para sa mga ehekutibo, kabilang ang buwanang pagsusuri ng negosyo at analytics para sa QBR
  • Pagtugmain ang mga sukat na iniulat ng mga platform, modelo ng attribution, pananalapi, at mga pag-aaral ng incrementality
  • Pangunahan ang mga pagsusuri sa attribution, cohort, incrementality, predictive modeling, segmentation, lifecycle, at pagpapanatili
  • Itakda ang mga feature at target ng predictive model, paraan ng validation, hangganan ng pagganap, iskedyul ng pag-refresh, pagsubaybay sa paglihis, at mga kontrol sa pag-activate
  • Magtakda ng mga pamantayan para sa A/B test, control group, heograpikong eksperimento, at pag-aaral sa pagtaas ng conversion
  • Makipagtulungan sa Product at Marketing tungkol sa mga funnel, estado ng customer, yugto ng lifecycle, at mga senyas ng asal
  • Pamahalaan ang mga produkto ng analytics ng Marketing sa iba’t ibang enterprise BI at visualization platform
  • Gamitin ang Adobe Analytics at data mula sa Adobe Experience Platform, CRM, commerce, at mga sistema ng bayad na media upang suriin ang digital na asal at conversion
  • Gamitin ang kaalaman sa digital instrumentation, tagging, pagkakakilanlan, at schema upang matukoy ang mga problema sa pagsukat at arkitektura
  • Palawakin ang pinamamahalaang self-service analytics at analytics na tinutulungan ng AI sa Snowflake, BI, at mga tool sa natural na wika
  • Magtakda ng mga kontrol sa access, antas ng detalye ng data, katumpakan, at pagsusuri para sa mga AI agent at tool sa natural na wika
  • Kinatawanin ang Marketing sa gawaing analitikal kasama ang Data Engineering, Data Architecture, at Data Governance
  • Isalin ang mga tanong sa negosyo tungo sa mga kinakailangan sa analytics at espesipikasyon ng produkto ng data
  • Makipagtulungan sa engineering sa lohika ng transformation, mga kontrata ng data, integrasyon ng source, disenyo ng modelo, at kalidad ng data
  • Makipagtulungan sa mga team ng Marketing sa mga pangangailangan at prayoridad sa pagsukat
  • Iharap ang mga natuklasan, trend sa pagganap, at rekomendasyon sa mga nakatataas na lider

Mga Kinakailangan

  • Hindi bababa sa 10 taon sa marketing analytics, customer analytics, analytics engineering, o kaugnay na larangan, kasama ang dating karanasan sa pamumuno ng analytics team
  • May karanasan sa pamumuno at pagpapaunlad ng analytics team habang pinananatili ang mga teknikal na kasanayang ginagamit mismo
  • May kaalaman sa mga konsepto ng ETL at ELT, mga pipeline ng transformation, dependency ng data, at mga kontrol sa kalidad ng data
  • May karanasan sa mga layered, dimensional, o medallion na arkitektura ng data
  • May karanasan sa pagsasama at pagsusuri ng data mula sa CRM, marketing, digital, commerce, at mga transactional system
  • May karanasan sa arkitektura ng customer data platform, kabilang ang pagresolba ng pagkakakilanlan, disenyo ng event schema, at pag-activate ng audience
  • May karanasan sa pagsukat ng marketing na sumasaklaw sa attribution, eksperimento, incrementality, conversion, CAC at CPA, at ROAS
  • May karanasan sa pamamahala o pagbuo ng mga predictive at propensity model, gaya ng mga modelo para sa churn o pagpapanatili
  • Mahusay sa advanced SQL, kabilang ang masalimuot na join, CTE, window function, transformation, pag-profile ng data, pagtutugma, at validation sa malalaking dataset
  • May aktuwal na karanasan sa Snowflake o iba pang modernong cloud data platform
  • May karanasan sa pagdisenyo ng business at analytical data model at pagtukoy sa mga detalye nito para sa mga engineering team
  • May kaalaman sa dimensional modeling, kabilang ang mga fact, dimension, antas ng detalye, cardinality, slowly changing dimension, hierarchy, at magkakatugmang dimension
  • May karanasan sa pamamahala ng mga sukatan, data lineage, at pagtutugma sa maraming enterprise system
  • May mahusay na kasanayan sa pagkukuwento gamit ang analytics at pakikipag-usap sa mga ehekutibo
  • Mas mainam kung pamilyar sa mga semantic-layer at context tool gaya ng Snowflake Semantic Views, Cortex Analyst, Cortex Search, dbt Semantic Layer, o Looker
  • Mas mainam kung may karanasan sa enterprise web analytics platform
  • Mas mainam kung may karanasan sa dbt o katulad na SQL transformation framework
  • Mas mainam kung may karanasan sa paggamit ng Python o R para sa advanced analysis, automation, o modeling
  • Mas mainam kung may karanasan sa pagbuo ng analytics gamit ang Git at version control
  • Mas mainam kung may karanasan sa mga framework para sa data testing at observability
  • Mas mainam kung may kaalaman sa marketing mix modeling, heograpikong eksperimento, pagtaas ng conversion, causal inference, o machine learning para sa churn, propensity, o lifetime value
  • Handang bumiyahe nang hanggang 10% kung kinakailangan

Mga Kaugnay na Trabaho

Quest Analytics, LLC

Analista ng Datos, Analytics ng Network ng Pangangalagang Pangkalusugan

Quest Analytics, LLC

Suriin ang datos pangkalusugan para sa Quest Analytics upang mapahusay ang pamamahala sa network ng mga provider. Bumuo ng mga sukatan, solusyon sa datos, at mga insight na tinutulungan ng AI para ma-optimize ang mga network ng health plan.

Buksan
Integrity Management Services, Inc.

Senior na Inhinyero sa Awtomasyon ng Pagsubok, Analitika ng Data

Integrity Management Services, Inc.

Bumuo ng mga awtomatikong pagsubok para sa Python, SQL, BusinessObjects, at mga AI application na sumusuporta sa analitika ng datos pangkalusugan ng pederal na pamahalaan. Patunayan ang datos, magsagawa ng regression test, suriin ang mga depekto, at makipagtulungan sa mga developer at analyst upang mapahusay ang saklaw ng pagsubok.

Buksan
Integrity Management Services, Inc.

Tagasubok ng Data Analytics at Teknolohiya

Integrity Management Services, Inc.

Manu-manong subukan ang mga tool at output ng analytics para sa pederal na programa sa pangangalagang pangkalusugan ng Integrity Management Services. Idokumento ang mga depekto at tumulong sa quality assurance.

Buksan
Guidehouse

Remote na Data Analyst sa Guidehouse

Guidehouse

Bumuo ng mga Tableau dashboard at solusyon sa data engineering para sa mga kliyente ng pederal na pamahalaan ng Guidehouse. Gumamit ng SQL, Python, Databricks, at AI analytics upang suportahan ang mga desisyong batay sa datos.

Buksan