Posted by on 2017年3月15日

今天偶然之间看到一则关于LinkedIn前员工,前Business Analysis部门一把手张溪梦(Simon Zhang)的一则新闻(click here)。他的人生轨迹在我看来很有意思:之前在大陆是一名医生,后来辞职去美国读MBA,毕业后加入LinkedIn并一手把BA部门从一人拓展到近80人,15年他又辞职回国一手创办GrowingIO公司。于是我又去YouTube上搜了搜他的视频,最热门的一个是Simon还在LinkedIn的时候,在14年"创业邦年会"上做的一次有关LinkedIn的汇报(原视频,戳我),题名为《数据分析如何定义LinkedIn》。视频不长,但是给我们这些从业经验不足的后生提了很多建议。

Simon在LinkedIn主要负责营收相关的业务,他把BA部门(主要五个功能:1. 数据基础设施;2. BI(商业报表等,服务于销售等部门);3. Data Scientist;4. Data Analysis;5. Software development)的数据分析工作概括成三个步骤:

1.用户的使用和增长产生了大量的数据
2.通过海量数据,开发新产品新服务新解决方案
3.新的产品服务解决方案进一步刺激用户的使用和增长

其实LinkedIn初期,Simon也曾经历过“伪大数据”的时期,一年他一个人只能给内部员工提供仅500次的数据服务。但这样的流程终归是一个良性的循环,要想打造成熟的数据生态圈,最主要还是在于对Data的执着,坚持和积累。

通过

1.打造坚实的数据平台和基础
2. 数据方案化 (数据辅助决策驱动)
3. 数据分析做成数据产品 ("sales navigator")
4. 大量的数据产品产生迭代(数据生态圈):LinkedIn Map

这样的数据发展战略,最终LinkedIn的BA部门可以做到每天为LinkedIn3000内部员工人均服务10次。最典型的例子就是销售准备报告的时间从之前的一两个星期缩减为如今的20秒。

Simon也一直关注与用户增长,包括他回国后创办的GrowingIO公司也是着眼于此。他总结出用户增长的三个焦点:

1. customer profile
2. customer social relationship
3. knowledge based on professions

这三点都比较容易理解,毕竟LinkedIn就是号称“全球最大的职业社交网络”。一旦用户群的数量庞大起来,LinkedIn赖以开发新产品新服务和新解决方案的数据也就多了起来。LinkedIn的主要营收包括三个部分:1.人力(61%);2。市场推广(例如广告,19%);3.销售及个人订阅服务(20%)。销售通过成熟的数据分析其他公司的内部结构,甚至可以追踪到公司决策人以及LinkedIn内部员工谁与该决策人关系最近,从而针对性地制定销售方案。难怪说数据就是生产力。

最有意思的一点是Simon将传统的数据分析分为的5个部分:(金字塔 =>菱形)

1. 数据存储 (ETL: Extract-Transform-Load , Hadoop)
2. 数据分析 回答内部产品经理、销售等各类有关数据的问题 ad hoc analysis 特设分析
3. Business Analysis 报表
4. Deep analysis 深度分析
>>4.1 统计学派 银行 保险 零售 (predict model
>>4.2 管理咨询流派 (战略性分析 策略分析)
>>4.3 机器学习流派
5. Insights:decision-making

“金字塔”顾名思义代表着最底层的脏活累活往往占据了Data Analysis绝大部分时间,而最上层的深度分析或者决策生成却又最具意义。通过不断地努力,BA部门已经可以把传统的“金字塔”结构优化成“菱形”结构了。底层的数据清洗变得越来越简单方便。

BA部门如何做到如此搞笑?Simon说他们对BA部门的员工有以下几个要求:

1.Data Scientist必须对产品和客户有足够理解。

2. Tracking is more important than data.(数据跟踪比数据本身更重要!)要有正确的数据采集和标记。Otherwise trash in and trash out!

3. Good Data Scientist must have a deep understanding on software, hardware and architecture and efficiently use different kinds of tools.

4. report, analysis, modelling ability

5. It is not enough and useful for data analysis to produce the result that is interesting but the result that helps decision-making.

很多东西不能够闭门造车,业界的经验也十分地重要。因为对行业的直觉对产品的理解是在高校里学不到的。

【欢迎订阅并关注微信公众号“饱蠹阁BaoDuGe”】

Posted in: Diary 荒唐言
6 views
1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
Loading...

Comments

  1. luo
    2017年3月17日

    数据本身所具有的意义很微小,能够采集和分析大量的数据才能够把数据本身所具有的特性表达出来。

    • baoduge
      2017年3月18日

      嗯,是的。除了数据量要大,数据还的有意义。也就是在收集清理数据的时候就得有一定的目的性。

Leave a Reply

返回顶部