廣告行業未來的數據處理/分析的需求前景怎樣？
目前而言，在廣告行業的工作中，需要處理CTR/CSM/消費者洞察等這些數據，我個人會用到很多EXCEL公式，自己學習了VBA來處理數據報告。但是還沒有用到很多複雜的統計分析，比如用SPSS做收視率預測等等，更沒有接觸到大數據分析的需求。
希望有人來說說未來廣告行業數據處理的需求會集中在哪些方面，會用到哪些工具，需要哪些軟體或是分析技能，等等。
嗯嗯，斜腰。
問題一：未來廣告行業數據處理的需求會集中在哪些方面
1］從問題描述看，樓主主要是做電視廣告數據分析的。
我們都知道電視收視數據的調研方式還是屬於抽樣調研（日記卡或機頂盒），以樣本行為推及該地區全員行為。這一定不會是未來大數據想看到的，這違背了大數據真實和準確的基本要求。
所以，我認為未來廣告行業的數據最基本的需求：要普查的直接結論，不要抽樣的推及。2］現在的媒體（媒介）形勢大爆發，功能細分也越來越明顯，媒體類型多了，數據類型就多，數據量就龐大。基數越多越有利於看見數據後面的真實的本質。所以，我認為第二點就是：
跨媒介數據量、數據體系龐大。每出現一種新媒體，就會誕生上百種數據組合需求。（舉個例子：廣告主買了《爸爸去哪兒》的插播廣告，他就想知道100個看到廣告的受眾里，有多少看了電視後發微博，或者看了電視後去了淘寶，或者看了電視後去知乎...and so on～）3］當數據量、數據體系開始龐大的時候，這時候就涉及到一個更關鍵的問題：同源數據哪裡找？
數據分析都知道，你不能拿ctr發放了100個老奶奶填日記卡的電視數據，和艾瑞的接入了youku監測後台的播放數據，直接對比（當然了這是個極端的例子）。調查樣本的覆蓋都不一樣，直接對比從一開始就是個偽命題。
4］未來的廣告可以通過跨平台跨媒介大數據，看內容，看人，看行為。其實這個未來現在已經有人在做了。
1.單個內容的跨媒體數據需求分析
舉個栗子：比如《爸爸去哪兒》這個節目，現在我們很容易知道它的（省網or市網）收視率、Target Audience畫像、千人成本、買多少GRP可以觸達該地區的xx個觀眾。廣告主就想知道了：北京地區，我電視買了50個grp，打中了80個看爸爸的觀眾，可是我還需要再打中20個觀眾才算達標，誰幫我打中這20個和電視不重疊的觀眾呢？視頻媒體有可能補點嗎？還是讓之前的80個人通過微博營銷等（活動刺激）帶來20個人並進入監測範圍？2.受眾人群畫像的跨媒體數據需求分析
舉個栗子：
看《爸爸去哪兒》這個節目的觀眾，這群觀眾的年齡段收入水平和地區分布是怎樣的呢，真的是一群下班了的爸爸嗎？他們的喜好和最近關注的焦點是什麼。是不是張爸爸雖然喜歡足球，可是最近在搜「老婆孕期反應大，該怎麼辦？」，或者知乎發出了一條「80後如何做一個好爸爸？」的問題。晚上看過《爸爸》節目的人群，白天上班偷偷微博時參加了一個「挑戰奶粉沖泡超級奶爸」的遊戲，取得了第一名的好成績，分享在了微信朋友圈。3.受眾行為的跨媒介數據需求分析
舉個栗子：
是否存在同一個節目，媽媽喜歡看電視直播，或者晚上8-9點看pc視頻重播。爸爸看用ipad或者手機看視頻重播？是否存在爸爸看完pc視頻重播後馬上百度搜索「小兒感冒」關鍵字，媽媽看完手機視頻立即淘寶搜索「xx小兒感冒藥」或者「姐姐同款」的關鍵詞？同一節目pc端該廣告只有曝光，沒有點擊，移動端曝光少於pc端，但點擊量超極高，為什麼。問題二：會用到哪些工具，需要哪些軟體或是分析技能
其實關於工具方面，個人覺得，意識比工具重要（樓主已經說了很多工具）。
我有見過一些金融行業的數據分析，看著excel就知道有什麼問題。我覺得只要想清楚：1.你有什麼數據；2.想知道什麼結論。然後用最簡單的excel都可以辦到。樓主有個好出身，在我看來廣告行業數據分析里，電視媒體數據是相對比較難的。並不是很多廣告主都懂grp和igrp，懂電視媒介數據的，再去理解其他媒體的購買方式（傳統和互聯網，不包含seo）和bug點事很容易的。包括前期做數據分析，後期轉媒體購買，媒介策略。為什麼是廣告行業的數據？我們這麼受重視呢？2333333
廣告數據監測提供商會將常用的計算數據直接伺服器端預處理呀。
我不覺得任何一個客戶端軟體會有MySQL，Hadoop之類的銷量高。當打開Excel體驗一下80w行的數據透視，你就知道什麼是瞬間崩掉。-------------------------------------------不常用的數據維度和指標計算，推薦tableau哇，雖然主打數據可視化，但是組合、透視什麼的都妥妥的。 所以企業級的數據"雲端處理"老外早就在做了，廣告數據只是一部分，顯然這片海很藍！據說好多大陸公司都買了呢。（5毛錢找誰要去？）針對題主的這個問題 「 廣告行業數據處理的需求會集中在哪些方面，會用到哪些工具，需要哪些軟體或是分析技能，等等。 」
廣告行業的數據處理主要集中在：
1、效果收集與評估，其中涉及簡單的統計工具與數據可視化工具
2、對廣告投放的地方進行用戶畫像整理讓投放更精準，其中涉及投放處信息收集，降噪，聚類，分層處理，Python，R，spss都可以用到
3、收到一個投放目標，能進行有效的拆分，形成可落地的方案。其中涉及到需要對各投放點投放效果等歷史數據瞭然於心。
貼一個之前整理的行業發展趨勢無一離開數據
· 好廣告的標準：討喜的內容+正確的發布時間/ 「地點」（在移動互聯網時代，線上線下都可被視作是門店）。
· 廣告主想要什麼：更高的ROI和更經濟的廣告投放，61%的廣告主認為其社交媒體營銷難點在於衡量ROI。
· 用戶的「喜歡」和「不喜歡」：越來越多的用戶選擇攔截廣告，比如以中國為代表的發展中國家。
· 「喜歡」：穩定的優質服務，82%的用戶表示在遇到糟糕的體驗會終止使用產品；即時獲得反饋，在線客戶交談需求陡然增加；越來越希望了解產品 / 服務是如何運作的。
· 「不喜歡」：他們見到的廣告內容，也不喜歡被收集數據。
· 領先平台的廣告：後端數據快速完善+前端衡量工具+更多展現用戶希望看到的內容。
· 廣告可被視作「店鋪」：隨著互聯網和移動互聯網的繼續發展，廣告 / 內容 / 產品 / 交易之間的界限開始變得模糊，開始直接導向交易。
· 廣告主有效策略：擁抱社交網路，激發更多用戶參與原創內容。
· 用戶產生內容更拉「好感度」：Facebook上有效的用戶產生內容，較品牌生成內容參與度高出6.9倍。
· 抓住有影響力的人：通過社交網路，這些人能有效影響追隨者。
· 擁抱新技術：讓圖像（視頻）+數據+演算法+語音為廣告效果服務。
（2017，互聯網女皇」瑪麗·米克爾年度互聯網趨勢報告）
· 媒體資源、投放策略、出價設定均由客戶自主操作，廣告投放過程清晰、可控。這樣的服務模式，真正顛覆了整個互聯網營銷黑盒。
· 從傳統的收取廣告服務費，轉變為只收取系統服務費;從服務大預算廣告主到服務更多的企業用戶。
· 建立數據交易市場，將數據變為購買的產品，並進行市場篩選，提供客戶使用，這是基於SaaS化產品提供的增值服務。
如果是互聯網廣告的CTR預估：數據挖掘+機器學習，了解海量數據分析方法，隱馬爾科夫模型、樸素貝葉斯模型、搜索引擎和電商網站的基礎技術和演算法。
我們廣告人的經驗其實是：
目前為止，重大的創新和真正能用的insight絕大多數來自拍腦袋；數據只能在思考方向上給出指導，提供一個輔助的作用推薦閱讀：