本文根據美國LinkedIn公司的數據分析部資深總監Simon Zhang在3月7日的阿里巴巴西湖品學大數據峰會的演講整理而成，他著重分享了LinkedIn對體內數據的搭建、產品化和矩陣化的構想。文章未經演講者審閱。
現在的大數據的后面是個大冰川，海平面上的普通人一般能看見，海平面以下是專業人士能看見的。Linkedin內部大約有起碼20種不同的數據庫，就是完全不同的技術的數據庫，還不包括同樣一種數據庫有不同的應用。但實際上我們真正的內部企業用戶，包括Linkedin本身，需要的不是一個大冰川，需要的最后是冰激淋，就想把結果出來就行，他不需要大冰川。
怎么能做到這個冰淇淋呢?咱們講講數據分析的變革。基本大數據分析的三個原則，這個基本的原則是我大約加入Linkedin9個月以后我們決定下來的。我們如果要做一件最重要的事的話，那個事需要有三個屬性：
第一個簡單，他出來的結果必須要非常非常簡單，沒有任何花哨的東西，任何人都能夠看明白看懂。
第二個迅速，就是剛才說的速度的問題，越慢結束度越低，越快接受度越高。當然在Linkedin使用的是藍圖法則，3秒鐘的法則。
第三就是要規模化，規模化各這的角度來說，我們當時思考的方法是這樣的，希望Linkedin內部所有的員工每一個人都能夠用數據來分析幫他們做決策，很快的做決策。
怎么做到這一點?
第一步，我們需要建立一個真正的金字塔。分析師不應該從數據開始，他必須要從客戶、產品、市場、銷售開始，也就是說明白公司怎么能做到這件事。他必須要明白如何在這種層面標記未來的事物，標記比數據本身重要得多。分析師本身要分析自己以后要分析什么，這樣才能把正確標記加到數據庫里面去。他還必須要明白，數據庫之間的公用，流程，每種數據是怎么分工的。
下面就干活了。在Linkedin有一個不成文的共識，你做的東西不僅僅是有趣是不夠的，必須要注重執行性。我分析到這個結果以后到底能做什么，這是很重要的。說完了做以后咱們就走到決策，決策本身一定要實現增加商業的價值，或為團隊增加價值。
第二步是規模化。需要用科技來把金字塔變成一個非常小的底，而大的中心，最小的一個尖的一個過程。舉個例子，Linkedin我待的九個月之內和另外一個同事合作，完成了500個不同的需求項目和模型，但是當年我們其實直接支持兩百個人，500÷200，每年我才回答2.5個問題，這絕對是非數據驅動。后來我們決定是把整個做一個系統，來模擬以前我們兩做的大部分工作，這個系統響應3秒鐘，簡單的規模化了，大概花了三個月，五個人，在內部支持銷售的，在今天為止每天這個系統可以服務1000個銷售員工，大約用這個系統十次，用一次大約時間是3秒到一分鐘，這個系統一天就能做到以前我們兩個人做不到的事情，這就是一個規模化的結果。當年出來結果是我們銷售增長了175個百分點。
第三步，產品化。內部的東西大致做到OK了，就要把內部積累的這些實踐、經驗和產品和規模化的東西，要做到網站上去，要進來大量自然的用戶、企業的用戶，比如說我們前面講的那個支持內部銷售的分析系統，在去年Linkedin就對外開始了一個新的業務，用數據幫助全世界所有的銷售人員變得更有效率。
第四階段，不斷的開發新的數據產品。我們發現了第一個數據產品后，做第二個就非常容易了，然后第二個產品會利用第一個產品的結果，第三個又用第二個結果，結果造成了數據產品內部的網絡化、矩陣化，推動人與人之間的交流、互動、合作。這就是下一步我們準備要做的，就是把所有的產品關聯起來，讓它們互相提供價值。實際上這都是建立在一個平臺上面的，數據是一致的，產品是多樣性的，服務的對象既是同一個人又是一個同樣一個人不同的面，比方說，作為一個父親來說需要為我的孩子花錢上學，我作為上班族來說我需要買汽車上班，所以人的需求是不同的，做同樣的產品挖掘不同的數據。
京公網安備 11010502049343號