Karrierer inden for marketinganalyse udspringer af én opgave: at besvare "virker vores marketing, og hvor skal den næste krone hen?" med data i stedet for holdninger. Titlerne varierer (marketinganalytiker, marketing data scientist, måleanalytiker, analytics engineer), og det gør hverdagen også. Denne guide kortlægger seks roller og hvad hver laver på en helt almindelig tirsdag, de kompetencer og værktøjer, arbejdsgivere tester, hvad officielle lønstatistikker siger (med kilder og datoer), hvornår en kandidatuddannelse i marketinganalyse er det værd, hvordan praktikophold fungerer, og et porteføljeprojekt, du kan gøre færdigt på en weekend med gratis data.
Hvis du overvejer det her mod eksperimentarbejde, dækker vores guide til job inden for konverteringsoptimering søsterkarrieren. De to overlapper i værktøjer, men adskiller sig i det spørgsmål, de besvarer: CRO spørger »hvilken version af denne side konverterer bedst?«, marketinganalyse spørger »hvilke af vores kanaler, kampagner og målgrupper skaber omsætning?«
Vores vurdering: Besvar et forretningsspørgsmål, ikke en tjekliste over certifikater
Søg på "karriere inden for marketing analytics", og de fleste råd er en liste over værktøjer og certifikater. Rekrutterende ledere ender med en bunke CV'er, der alle siger SQL, GA4, Tableau, Python og et Google-certifikat, hvilket intet fortæller dem om, hvorvidt du kan klare jobbet.
Opgaven er oversættelse. En marketingdirektør spørger "betalte webinarprogrammet sig?", og analytikeren skal omsætte det til en definition (mod hvilke omkostninger, målt hvordan, over hvilket tidsvindue), opdage at dataene ikke kan svare rent på det, sige det og stadig levere et brugbart svar. Den kompetence viser sig ét sted: en skriftlig analyse af et rigtigt spørgsmål, hvor de rodede dele er bevaret.
Så vores holdning er klar. Ét porteføljeprojekt, der besvarer et forretningsspørgsmål, gør rede for sine antagelser og slutter med en anbefaling, slår en stak på fem certifikater. Certifikater beviser, at du har set videoerne; projektet beviser, at du kan tænke.
Rollerne inden for marketinganalyse, og hvad hver laver til daglig
| Rolle | En typisk dag | Vigtigste værktøjer | Refererer typisk til |
|---|---|---|---|
| Marketinganalytiker | Bygger og vedligeholder kanal- og kampagnerapporter, besvarer ad hoc-spørgsmål ("hvorfor faldt antallet af leads i sidste uge?"), tjekker tracking og præsenterer tal på de ugentlige marketingmøder | GA4, regneark, SQL, et BI-værktøj, annonceplatforme | Marketing ops eller marketingchef |
| Måle-/attributionsanalytiker | Vedligeholder attributionsmodeller, designer løft- og holdout-tests, afstemmer platformrapporterede konverteringer med omsætning i CRM og forklarer, hvorfor tallene ikke stemmer overens | SQL, Python eller R, eksperimentdesign, attributionsværktøjer | Analysechef eller leder for performance marketing |
| Marketing data scientist | Bygger marketing mix-modeller, churn- og tilbøjelighedsmodeller og kundesegmentering; laver prognoser til budgetplanlægning | Python eller R, SQL, statistikbiblioteker, MMM-frameworks | Leder af data science eller analytics-direktør |
| Marketing ops / analytics engineer | Designer hændelsessporing, bygger datapipelines fra annonceplatforme og CRM til warehouse og modellerer rene tabeller, som analytikere forespørger | SQL, modellering i dbt-stil, tag managers, CRM-administration, data warehouse | Marketing ops eller data engineering |
| Marketing analytics-chef | Fastlægger rapporteringsstandarden, prioriterer forespørgsler, ejer KPI-definitionerne, coacher analytikere og deltager i planlægningsmøder for at påvirke budgetbeslutninger | Alt ovenstående plus interessenthåndtering | CMO, marketingdirektør eller dataansvarlig |
| Chef for marketing analytics / insights | Ejer målestrategien på tværs af brands eller regioner, vælger tilgangen til attribution og MMM, opbygger teamet og forsvarer tallene over for økonomiafdelingen | Primært mennesker og beslutninger | CMO eller chief data officer |
I en B2B-virksomhed med 50 ansatte varetager én person de første fire rækker; i et stort forbrugerbrand er hver række et team. Læs jobopslag efter ansvarsområder, ikke titler.
Sådan ser B2B-versionen ud
B2B-volumener er små (hundredvis af salgsmuligheder, ikke millioner af ordrer), salgscyklusser varer måneder, og omsætningen ligger i CRM, ikke i webanalyseværktøjet. Meget af arbejdet går ud på at koble adfærd på websitet til konti og pipeline. Lær tragtens faser og målinger i vores guide til B2B-marketing-KPI'er; til jobsamtaler forventes det, at du taler pipeline, ikke sessioner.
Kompetencer og værktøjer rangeret efter, hvor ofte de afgør ansættelser
- SQL. Den enkeltkompetence, der testes mest. Forvent en live-øvelse: joins, aggregeringer, window functions, håndtering af dubletter. Hvis du lærer én ting ordentligt, så lær denne.
- Definition af målinger og forretningsforståelse. At vide, at "konverteringsrate" kræver en tæller og nævner aftalt med salg, og at et lead ikke er omsætning. Står sjældent i jobopslag, testes altid i case-interviews.
- Webanalyse (GA4). Hændelser, konverteringer (nu kaldet nøglehændelser), engagementsmetrikker, explorations, BigQuery-eksporten. Kend faldgruberne, fx hvordan GA4's engagerede sessioner og bounce rate er defineret anderledes end de gamle Universal Analytics-metrikker.
- Regneark. Pivottabeller, opslag og modeller, som en ikke-analytiker kan følge.
- BI og visualisering. Looker Studio, Tableau eller Power BI. Et dashboard, der besvarer tre spørgsmål, slår et med tredive grafer.
- Hygiejne i kampagnesporing. UTM-konventioner, navnestandarder, tag management. Fejlbehæftet sporing er der, hvor mange analytikertimer forsvinder; en konsistent proces med en UTM-builder forebygger det meste af det.
- Eksperimenter. A/B-tests, holdout-grupper, geotests og statistikken til at aflæse dem. Vores indlæg om stikprøvestørrelse for A/B-test dækker den beregning, som interviewere gerne spørger ind til.
- Attribution og marketing mix modelling. Kend forskellen: attribution fordeler æren på kontaktpunkter i individuelle kunderejser; MMM estimerer kanalernes effekt ud fra aggregerede data om forbrug og resultater over tid. Googles open source-værktøj Meridian er et aktuelt MMM-framework, du kan studere og køre på eksempeldata.
- Python eller R. Påkrævet til data science-roller, et plus for analytikere (pandas, statsmodels, tidyverse).
Sådan ser lønningerne inden for marketinganalyse ud (med kilder)
Der findes ingen officiel stillingskategori for "marketing analyst", så vi citerer tilgrænsende kategorier og stikprøver af jobopslag, tjekket på hver kildeside.
| Kilde og periode | Hvad den måler | Tal |
|---|---|---|
| US BLS, Market Research Analysts, maj 2025 | Den officielle amerikanske kategori, der omfatter de fleste marketinganalytikere | Median 78.760 USD om året; de laveste 10 % under 43.390 USD, de højeste 10 % over 155.480 USD; beskæftigelsen forventes at vokse 7 % fra 2025 til 2035, langt hurtigere end gennemsnittet |
| US BLS, Data Scientists, maj 2025 | Nærmeste kategori for marketing data scientists | Median 120.230 USD om året; forventet vækst 35 % fra 2025 til 2035 |
| US BLS, Marketing Managers, maj 2025 | Omfatter ledende analytikere med titler inden for marketingledelse | Median 166.790 USD om året |
| ITJobsWatch UK, "marketing analytics", 6 måneder frem til 13. oktober 2026 | Lønninger angivet i britiske jobopslag om faste stillinger, der nævner marketing analytics (34 lønninger fra 143 opslag) | Median 70.000 £; 25. percentil 46.250 £; 75. percentil 82.500 £ |
Sådan skal det læses. BLS-medianen for markedsanalytikere er det bedste pejlemærke for en amerikansk marketinganalytiker på junior- til mellemniveau. Tallet for data scientists viser, hvorfor det betaler sig at bevæge sig over i modellering: Forskellen mellem medianerne er over 40.000 USD. Det britiske tal stammer fra en lille stikprøve af jobopslag med overvægt af seniore og tekniske roller, så betragt det som et billede af opslåede specialiststillinger, ikke af alle britiske analytikere.
Kandidatuddannelse i marketing analytics: hvem bør tage en
En master i marketing analytics er typisk et etårigt program, ofte STEM-klassificeret, der kombinerer statistik, programmering, kundeanalyse og marketingstrategi, som regel med et afsluttende projekt for en rigtig virksomhed. Nogle eksempler, vi har tjekket på universiteternes egne sider:
- University of Rochester, Simon Business School: fuldtids, STEM-klassificeret MS in Marketing Analytics med fokus på at bruge data til beslutninger om marketing, prissætning og salg.
- University of Colorado Boulder, Leeds School of Business: 33 credits over tre semestre med fysisk fremmøde, med kurser i bl.a. machine learning i Python, digital annoncering, markedsindsigt og kundeanalyse.
- American University, Kogod School of Business: online MS in Marketing Analytics, 12 til 15 måneder, med to praktikforløb.
- Pace University, Lubin School of Business: MS in Marketing Analytics i New York City, 30 til 36 credits, på fuld tid eller deltid.
Tjek priser og optagelseskrav på hver uddannelses side.
Hvornår uddannelsen er det værd, og hvornår den ikke er
| Situation | Vores vurdering |
|---|---|
| Karriereskifter uden kvantitativ baggrund, har brug for struktur og netværk | Værd at overveje. Afsluttende projekt og karriereservice gør en reel forskel. |
| International studerende, der vil arbejde i USA | STEM-betegnelsen har betydning for arbejdsmuligheder efter studiet; tjek den eksplicit. |
| Arbejder allerede med marketing og er tryg ved regneark | Typisk ikke nødvendigt. Lær SQL, byg to projekter, skift internt. |
| Sigter mod marketing data science | En uddannelse med meget statistik kan være bedre end en marketingtung. Sammenlign studieordninger, ikke titler. |
Praktikpladser inden for marketing analytics: Hvor de findes, og hvordan du får en
Praktikophold samler sig hos store forbrugerbrands, medie- og performancebureauer, tech- og SaaS-virksomheder og analysekonsulenthuse. Universiteternes karriereportaler og LinkedIn har de fleste opslag; bureauer slår ofte stillinger op på deres egne karrieresider først.
Det, der får dig på shortlisten:
- Et projektresumé på én side, linket fra dit CV. Spørgsmål, data, metode, svar, anbefaling.
- Dokumentation for SQL. En offentlig notebook eller et repository med forespørgsler mod et rigtigt datasæt.
- Forretningskontekst i hvert punkt på dit CV. Ikke »byggede et dashboard«, men »byggede et kanaldashboard, der viste, at leads fra betalt social konverterede til møder med halvt så høj rate som søgning«, selv for et studieprojekt.
Søg tidligt: Store arbejdsgivere rekrutterer ofte sommerpraktikanter om efteråret før.
Sådan kommer du i gang: et porteføljeprojekt på en weekend
Du behøver ikke data fra en arbejdsgiver. Google stiller to gratis kilder til rådighed. Google Analytics-demokontoen giver enhver Google-bruger læseadgang til rigtige (slørede) data fra Google Merchandise Store og spillet Flood-It!. GA4's eksempeldatasæt for e-handel i BigQuery indeholder tre måneders eksportdata på hændelsesniveau fra samme butik, november 2020 til januar 2021, så du kan øve SQL på GA4's rigtige skema.
- Vælg en beslutning, ikke et datasæt. For eksempel: "Hvis butikken kunne lægge 20 % mere budget i én trafikkilde i julesæsonen, hvilken skulle det så være?"
- Definér metrikkerne, før du laver forespørgsler. Omsætning pr. session efter kilde og medium, konverteringsrate for køb og nye vs. tilbagevendende brugere.
- Forespørg på BigQuery-datasættet. Pak hændelsesparametre ud, byg sessioner, tilskriv køb til kilde.
- Krydstjek i GA4-demokontoen. Tallene vil ikke matche præcist. At forklare hvorfor (sløring, attributionsindstillinger) er det, interviewerne husker.
- Skriv en anbefaling på én side. Svar, dokumentation, forbehold og hvilken test du ville køre for at bekræfte det.
Illustrativt eksempel på opsummeringen
Eksempel med runde, opdigtede tal for at vise formen, ikke reelle resultater fra datasættet: "I juleperioden gav organisk søgning 40.000 sessioner og 60.000 USD i omsætning (1,50 USD pr. session). Henvisninger gav 10.000 sessioner og 25.000 USD (2,50 USD pr. session). Henvisninger tjener mere pr. session, men det meste af omsætningen kommer fra ét partnersite, så ekstra budget skalerer måske ikke. Anbefaling: Test en stigning på 20 % på betalt søgning i to uger med en holdout-region, før budgettet flyttes, og mål omsætning pr. session mod de samme uger i kontrolregionen." Anbefalingen indeholder sin egen tvivl og en måde at afklare den på.
Til et andet projekt med B2B-præg kan du score en fiktiv kontoliste på fit og aktivitet og tilføje et tilbagebetalingsestimat fra beregneren til marketing-ROI.
Sådan søger du job inden for marketinganalyse
Det samme arbejde gemmer sig under mange titler. Søg på alle disse på LinkedIn, Indeed og virksomhedernes karrieresider:
- Marketinganalytiker, digital marketinganalytiker, marketing insights-analytiker
- Marketing analytics associate (en almindelig jobtitel på begynderniveau inden for marketing analytics hos bureauer og konsulenthuse)
- Performance marketing-analytiker, medieanalytiker, paid media-analytiker
- Måleanalytiker, attributionsanalytiker, marketing science-analytiker
- Growth-analytiker, kundeanalytiker, CRM-analytiker
- Marketing data scientist, marketing scientist, decision scientist (marketing)
- Marketing operations-analytiker, analytics engineer (marketing)
Til begynderniveau filtrerer du på "associate" og "junior" og læser bureauernes opslag; bureauer ansætter juniorer i stort antal.
Jobsamtalespørgsmål, du bør forberede dig på
- "Leads faldt 30 % sidste uge. Hvordan ville du undersøge det?" Sporing først (et tag i stykker eller en ændret formular), derefter segmentering efter kanal, landingsside og enhed, derefter eksterne årsager (helligdage, en sat-på-pause-kampagne).
- »Facebook rapporterer 200 konverteringer, CRM'et viser 120. Hvad er rigtigt?« Ingen af dem er bare rigtige. Forklar attributionsvinduer, view-through-konverteringer, dobbelttælling og deduplikering. Foreslå en lift-test til at måle den inkrementelle effekt.
- "Hvordan ville du måle, om vores webinarprogram virker?" Definer resultatet (influeret vs. skabt pipeline), sammenligningsgruppen, tidsvinduet og det, du ikke kan måle.
- En live SQL-opgave. Typisk: de bedste kampagner efter konverteringsrate med en window function eller et self-join. Tal, mens du skriver.
Til spørgsmål om attribution gennemgår vores guide til marketingattribution for personaliserede websites, hvordan du fordeler kredit, når besøgende ser forskellige versioner af en side, et godt samtaleemne på seniorniveau.
Hvor en karriere i marketing analytics fører hen
Den almindelige vej går fra analytiker til senioranalytiker og derefter til manager eller et specialistspor (måling, data science, analytics engineering). Specialister avancerer hurtigst på et svært, værdifuldt problem: inkrementalitet, MMM eller at koble anonym adfærd på websitet til pipeline.
Det sidste er et voksende hul i B2B: De fleste besøgende udfylder aldrig en formular, så analytikerne ser sessioner, ikke virksomheder. Værktøjer som Markettailors identifikation af besøgende kobler besøg til virksomheder, hvilket lader en analytiker rapportere engagement pr. målkonto i stedet for pr. anonym session. Hvis du arbejder med det problem, er Markettailors analytics på kontoniveau én måde at se, hvilke segmenter der konverterer, og det er den slags data, der gør et dashboard til en budgetbeslutning.
Ofte stillede spørgsmål
Er marketinganalyse en god karriere?
For folk, der kan lide både tal og overtalelse, ja. Data fra US Bureau of Labor Statistics viser, at market research analysts, den kategori der dækker de fleste marketinganalytikere, tjente en median på 78.760 USD i maj 2025, og beskæftigelsen forventes at vokse 7 % fra 2025 til 2035. Kompetencerne kan også overføres til data science, marketing operations og marketingledelse.
Hvad laver en marketinganalytiker i hverdagen?
En marketinganalytiker vedligeholder kanal- og kampagnerapporter, besvarer spørgsmål som hvorfor leads faldt, eller hvilken kampagne der skabte pipeline, tjekker at sporingen virker og præsenterer resultater på marketingmøder. Det meste af dagen går med SQL, regneark, GA4 og et BI-værktøj, plus samtaler om, hvad en måling skal betyde.
Skal jeg have en kandidatgrad i marketinganalyse?
Som regel ikke. De fleste juniorstillinger inden for marketing analytics kræver en bachelorgrad plus dokumentation for SQL og analytisk tænkning. En kandidatgrad hjælper folk, der skifter karriere og har brug for struktur, et afsluttende projekt og et netværk, samt internationale studerende, der ønsker en STEM-godkendt uddannelse. Hvis du allerede arbejder med marketing, er to solide porteføljeprojekter og interne skift ofte hurtigere.
Hvordan får jeg en praktikplads inden for marketinganalyse uden erfaring?
Byg ét projekt på gratis data, fx Google Analytics' demokonto eller GA4-eksempeldatasættet i BigQuery, der besvarer et forretningsspørgsmål og slutter med en anbefaling. Link til et resumé på én side fra dit CV, vis din SQL offentligt, og søg om efteråret sommerpraktik hos bureauer, forbrugerbrands og techvirksomheder.
Hvad er forskellen på en marketinganalytiker og en marketing data scientist?
En marketinganalytiker forklarer, hvad der skete og hvorfor, ved hjælp af rapporter, SQL og dashboards. En marketing data scientist bygger modeller, der forudsiger eller estimerer effekter, fx marketing mix-modeller, churn-modeller og prognoser, med Python eller R og statistik. Lønnen afspejler forskellen: BLS rapporterede en medianløn på 120.230 USD for data scientists i maj 2025.
