前LinkedIn高级总监张溪梦：6个步骤,学会数据驱动产品的秘诀(附PPT前LinkedIn高级总监张溪梦：6个步骤,学会数据驱动产品的秘诀(附PPT.pdf

前LinkedIn高级总监张溪梦 ：6个步骤 ，学会数据驱动产品的秘诀 （附PPT及思 维导图 载 ） 作为前LinkedIn的首位做变现盈利的数据科学家 ，张溪梦负责的业务就是如何能用数据分析来增加 销售 ，促进产品的研发效率、做更好的风险控制等。这个世界上第二大的B2B的云端软件企业 ，每 年的销售额从七千万美元跃升至将近30亿美元 ，一个重要的推手就是数据的帮助。那到底怎么样才 能用数据来推动产品优化呢 ？ 3月10 日 ，起点学院特邀Grow ingIO 创始人 ，前LinkedIn美国商业分析部高级总监@张溪梦做客免 费在线讲座 「起点学院公开课」栏目 ，分享通过6个步骤 ，教大家学会数据驱动产品优化的秘诀 。 嘉宾介绍 ： 张溪梦 ，Grow ingIO 创始人兼CEO ，前LinkedIn美国商业分析部高级总监 美国Dat a Science Cent ral 评选其为 世界十大前沿数据科学家” ，亲手建立了LinkedIn将近百人商业 数据分析和数据科学团队 ，支撑了LinkedIn公司所有与营收相关业务的高速增长。 以下为分享正文 ，由人人都是产品 理团队@张婷 依据嘉宾现场分享内容整理 ，编辑有修改 ： 一、什么是数据 ？ 数据有四个属性 ：时间、地点、人物和事件 ；举个例子 ，在电子商务这个环境里 ，假设分析一个交 易数据。这个交易数据在时间上 ，它必须有一个时间戳 ，这个数据必然会在某一个地点发生 ，还有 对应的交易者 ，在事件的级别 ，消费者要购买某种产品 ，花某种价格 ，通过某种支付手段 ，进行 交易。所以说 ，这是一个事件。真正的用户的行为 ，往往都是以事件为核心的数据点。这些数据点 ，会造成一个整体的事件流。 二、数据的几何级数增长 举几个例子 ，像LinkedIn这家公司每天大约会产生100亿条事件 ；通过用户行为产生的事件 ，在不到 5年的时间之内 ，咱们全球大约会有4 0亿的人每天会产生大量的数据 ，同时 ，它是一个4万亿级别的 市场 ；在全球范围内 ，将近有2500万个app诞生 ，不但有针对普通用户的app ，还有对企业级服务 的app ；另外会有将近250亿活跃用户的各种设备将会接入我们的网络 ；最后 ，每年将近产生5万 亿GB的数据。 三、什么是数据分析 1、数据分析的基本概念 数据量这么大 ，呈爆发式增长 ，它的价值曲线 ，数据量 ，数据设备数 ，人的关联度不断增加 ，但这 并不表示数据本身能够带来价值 ，真正的商业分析的核心 ，是通过5个步骤不断把低价值的信息或 者数据变成高价值的产出。一般数据分析可以分成5个步骤。 1. 了解以前发生了什么 ； 2. 分析为什么会发生这件事 ； 3. 观测目前正在发生什么事 ； 4 . 预测未来将会发生什么 ； 5. 全局优化。 前四步是数据分析中的基础步骤 ，包括数据预测 ，它本身并不能产生太大的价值 ，只有通过全局 优化 ，才能产生有价值的产出。 2、数据分析的发展历程 对于产品经理来讲 ， 数据可以作为产品优化的依据 ，比如交互、留存。实际这一切都是基于对数据 基础的理解 ，在过去的5年 ，数据框架在技术的推动 ，有几次主要的迭代时期 ： 第一个时期 ：数据库和数据仓库的时期。传统的公司都使用数据库或者数据仓库来存储数据 ，他 们应用一些数据库管理工具获取数据 ，再通过一些经典的BI软件 ，比如Cognos或者Businesso bject 进行数据可视化 ，形成报表发给管理层。一般对于这些数据 ，只有管理层决策层才使用。这个阶段 发展了将近15– 20年。 第二个是我们现在所处的阶段 ，至少在过去的五年 ，数据量呈爆发式增长。数据研究者开发出了 一套分布式的技术 ，这套技术以Google和Yahoo为代表—-Google t able和Yahoo 的Hadoo p ，它能 处理大量的半结构化数据 ，然后通过分布式的方法 ，能并行地计算处理很多信息。 Google和Yahoo 的办法增加了数据处理的容量 ，大大降低了数据库的成本 ，分布式技术将数据库的 技术提升了一个层次。以往数据分析只能支持几十个人的决策 ，现在能够支持几千甚至上万人的 决策。它使得数据分析从一个非常贵的、缓慢的流程变成了一个有效的、价格相对较低的层次。 但这其中还有一个问题 ：以往的软件都是比较结构化的 ，很多人都可以使用。但是Hadoo p这种大 数据结构 ，很多人都很难用 ，这就造成很多技术性瓶颈。具体体现在 ： 1. 数据收集来源增加 ，文件收集复杂性提高。 2. 对工程能力操作感各个公司拆解很大。