人力资源和社会保障部最新《中华人民共和国职业分类（2022年版）》净增158个新职业，其中97个数字职业首次标注。 数字化职业的出现意味着什么？ 它将如何影响就业市场？
1
专注于数字技术应用产业领域
在当前数字化快速发展的趋势下，许多数字化职业应运而生。 据中国就业培训技术指导中心主任吴立多介绍，最新修订的职业分类仪式共标注了97个数字职业，占职业总数的6%。
从产业分布来看，大部分数字化职业集中在数字化技术应用领域，如数据安全工程技术人员、工业互联网工程技术人员； 数字化效率提升行业和数字化因素驱动行业，如智能建筑管理员、互联网营销人员； 还有数字产品制造和数字产品服务业楼宇自控工程技术员，比如农业数字技术人员。
34岁的梁峰峰是浙江顺运互联网科技有限公司的工程师、技术员。他表示，随着数字化浪潮的推动，企业普遍从数字化生产和管理中寻求效益。 “很多中小企业在生产管理领域投入了30万到40万元进行数字化转型，这可能会给企业带来生产效率的显着提升。”
通过数字化赋能提升效率，不少农业企业也尝到了甜头。 已经拥有4600万用户的北京一亩田新农网络科技有限公司不仅通过数字化手段助力农产品生产和营销，还前往广东徐闻等地提供数字化销售培训和指导给当地农民。
该公司市场部负责人欧连伟表示，手机已成为“新农具”，农业数字化技术人员已成为公认的新职业。 “同事说，现在我们不是‘程序员’、‘客服’，而是‘农业数字化技术员’！”
2
人才需求增长，多领域存在缺口
北京市人力资源和社会保障局发布的《2021年北京人力资源市场薪资大数据报告》显示，部分数字化职业薪资水平较高。 其中，区块链工程技术人员排名第一，年薪中位数为48.7万元，第二至第四位的数字职业分别为信息安全测试人员、云计算工程技术人员、人工智能工程技术人员。 。
中国信息通信研究院发布的《数字经济就业影响研究报告》显示，我国数字人才缺口巨大。
数字平台的兴起为数字职业发展提供了前沿。 中国就业促进会会长张晓健表示，数字平台产业链衍生出人工智能培训师、区块链应用运营商等新型数字职业，为分布在县域和偏远地区的自由职业者提供了灵活就业机会。
数据安全是网络安全的一个重要分支。 奇安信行业安全研究中心主任裴志勇认为，数据安全人才短期缺口至少在5万到10万之间。
中国工业互联网研究院发布的《工业互联网行业人才需求预测（2021年版）》显示，工业互联网人才需求连续三年保持快速增长。 预计2023年我国工业互联网人才需求总量将达到235.5万人。
3
多措并举促进数字化职业发展
专家认为，对数字职业进行标签，从宏观上看有利于推动数字经济发展、加速数字技术创新； 从微观上看，有利于减少行业之间的人为壁垒，建立行业人才流通和评价标准。
数字职业更注重实践。 梁峰峰表示，以工业互联网为例，工业互联网是新一代信息技术与制造业融合的产物。 工业互联网工程师和技术人员需要懂IT、懂工业、懂制造。 目前此类复合型人才较少，成长期需要5年以上。
北京邮电大学经济管理学教授、云家园县数字经济研究所所长宁连举建议，大力推进传统基础设施数字化转型，加快建设智能、绿色、安全、可靠的前瞻性数字基础设施。
据新华网报道
前两期我们分享了阿拉丁统计2.0的“开源SDK”和“指标商店”，后台收到了很多粉丝的询问和试用申请。 本期我们将从“事件分析”开始，开始第三个专题——“高级分析”。
日常工作中，不同职能岗位关注的数据指标不同，如运营、市场、产品、数据分析师等。 有的关注用户注册数，有的关注人均充值金额，有的关注用户注册变化趋势，有的关注用户数。 分布特性...
看看阿拉丁统计2.0如何满足不同职能角色的个性化需求？
多种事件指标可供选择，满足不同角色的统计需求
“事件分析”对于上述要求的数据指标的统计和查看有着重要的作用！
事件分析具有强大的过滤、分组和聚合能力，逻辑清晰，使用方便，被人们广泛使用。 事件分析一般需要经过以下步骤：
1. 事件定义和选择。 事件描述用户在某个时间点、某个地点、以某种方式完成某件特定的事情。
人物、时间、地点、内容、方式是定义事件的关键因素。 在：
事件涉及的主体是谁。 对于非登录用户，可以是设备ID等匿名ID； 对于登录用户，可以使用后台配置的实际用户ID；
事件发生的实际时间是什么时候，应记录事件发生时间精确到毫秒；
事件发生地点在哪里，可以通过IP解析出用户所在的省市； 还可以根据GPS定位方法获取地理位置信息。
用户参与此活动的方式如何？ 用户使用的设备、浏览器、应用版本、渠道来源等；
内容 描述用户已完成的事件的所有细节。 例如，对于“购买”类型的事件，可能需要记录的字段包括：商品名称、商品类型、购买数量、购买金额、支付方式等。
2.多维度深入分析。 高效的事件分析需要支持任意的下钻分析和精细化的条件过滤。 当事件分析被正确配置为跟踪事件和属性时，可以激发事件分析的强大潜力。 不仅可以为企业解答变化趋势、维度对比等各种细分问题，还可以通过添加过滤条件细化视图。 某些特定条件的事件数据。
3.解释和结论。 在这个环节中，应对分析结果给予合理的理论解释，以确定数据分析结果是否符合预期，例如判断产品细节的优化是否增加了触发用户数。 如果结论相互矛盾，应对不足之处进行重新分析论证。
具体场景多指标分析，简单易用
阿拉丁统计2.0的“事件分析”功能基于指标的多场景设置，操作简单易用。
在“添加指标”栏中，点击添加“指标”按钮，选择事件，并选择需要分析的事件指标。 点击“添加过滤器”后，还可以添加属性、设置条件、填写条件值，细化事件对应的具体场景。
当然，您也可以添加多个指标一起查询。
对于所有事件，平台可以分析以下一般指标：
总次数：在选定的时间范围内，事件被触发的次数。
用户：在选定时间范围内触发事件的唯一用户数量。
每个用户的平均次数：在选定的时间范围内触发事件的唯一用户的平均数量。
分析结果可以根据个人习惯在柱状图和折线图之间自由切换。
同时，您还可以下载表格形式的明显数据列表，以查看不同时间的用户数量变化。
常用的事件分析也可以添加到“我的分析”快捷菜单中，并且可以自定义标题以供后续使用。 如果多个事件的过滤条件相同，还可以做“全局过滤”，省去每个事件重复设置的麻烦。
如果您想查看事件的品牌、型号、省份、国家等维度数据，只需在添加维度下拉框中选择目标条件即可。
精细化运营分析模型，透明漏斗分析流程管理
营销管理重在过程，控制过程也就控制了结果。
漏斗分析模型是企业实现精细化运营的重要分析工具，其精细化程度影响着营销管理的成败。 粗陋的漏斗分析模型因“流程管理不透明”而失控。 因此，我们经常听到一些产品经理的抱怨：从上线APP到“支付成功”，为什么用户转化率只有0.8%？
漏斗分析到底是什么？
漏斗分析是一套流程分析，可以科学地反映从开始到结束的每个阶段的用户行为状态和用户转化率。
漏斗分析模型已广泛应用于流量监控、产品目标转化等日常数据运营中。 例如：在直播平台上，从激活APP到消费楼宇自控系统点位如何统计，用户一般的购物路径包括激活APP、注册账号、进入直播间、互动行为、礼物消费五个阶段。 漏斗分析可以清晰地展示各个阶段的转化率，并对比漏斗各个环节的相关数据，直观地发现和总结问题，进而找到产品优化的方向。
创建“漏斗”非常简单，可以通过三个步骤完成：
1.填写漏斗名称；
2.选择窗口期；
3. 配置漏斗步骤。
保存漏斗设置后，在漏斗列表中选择刚刚创建的漏斗，点击“立即分析”即可获取结果数据。 漏斗分析还支持品牌、型号、省份、国家等维度的数据查询。
当然，每个新创建的漏斗都可以在漏斗列表中找到，无需多次配置。
以上内容是阿拉丁统计2.0《高级分析》的全部内容。 如果您也想使用该产品，不妨点击【阅读原文】开始免费试用。
下一期要分享的产品功能是“基础统计”，我们不见不散~
