本次峰会涵盖九大技术主题，分别是：互联网金融、O2O电商架构、医疗应用、商业创新、移动大数据、技术创业、社交网络、数据安全、广告数据技术。DBA+社群作为本次大会合作方，将通过图文直播为大家全程跟踪报道这场技术盛宴。

下面是GrowingIO创始人、前LinkedIn分析部高级总监张溪梦带来的主题为《数据化运营如何创造商业价值》的精彩演讲。

大家好！非常感谢51CTO和非常多优秀的同仁可以参加这次活动，我叫张溪梦，之前在美国工作了12年左右，今天 我讲的主题是数据化运营如何创造商业价值。刚才刘鹏提到，一般做决策，基本上都是拍脑袋、拍大腿，没有人真正分析。

今天我跟大家分享的是，以前我在LinkedIn工作，如何通过内部对运营数据以及用户行为数据精深的挖掘给公司带来大量的价值。

我会稍微把时间压缩几分钟，会后大家有什么问题可以及时联系我们，我在国内创业，做一个新的公司叫做GrowingIO，我们的核心价值观是如何用企业内部、互联网企业的用户端包括网站的数据为企业提高大幅度的运营和商业价值，增加营业额。我在LinkedIn工作五年。我也做很多的零售、电子商务、CRM的分析，我这边大资源的身份，或是市场官员的身份，商业分析师再到数据科学家，再到创业的过程。很高兴和大家分享。

有多少人使用LinkedIn？以前在美国我问这个问题，在场的人有85%到90%的人是用LinkedIn，中国刚刚开始，大概过了一年，新的案例是车库。希望大家可以用这个软件，我今天参加这个会议，有很多伙伴做介绍，大家可能不知道LinkedIn是世界上最大的职业社交网站，他也是世界上第二大的企业服务软件提供商，LinkedIn全球今天大约在30亿美元左右，五年以前我加入公司LinkedIn是小于8000万美元，大家可以想象，将近五年的时间内，从一个年收储不到1亿美元增长到将近30亿元的企业，他是如何做到的？每年增长60%，不是所有的企业都可以做到。

这里有两个核心的利益，包括LinkedIn是最早无缝的链接增长用户数；二是LinkedIn用内部数据分析数据，用极低的成本增加了大量的销售线索，他的整个获取客户的成本是普通SaaS企业的50%。

我再跟大家分享一下过去五年间，我们的商业分析部门做了哪些工作，这张图是2010年年底开始计算，一直到2014年年底。大家可以看到，我们内部所有的数据分析系统都是核心支持全公司内部所有运营人员为核心目标的。大家可以看到对营业额增长的贡献，因为我们也有做数据支持系统。过去将近五年，我们做了大概25个左右的核心项目，因为信息安全问题，我把主要的内容都隐去了，大家可以看到，很多的数据内容、产品大幅度提高了营业额和生产效率。也包括我们的团队，我们团队2010年的时候就我一个人，今年年初大概不到90个人。我们从支持很小的销售团队开始，那个团队有100个人，我们支撑所有和运营有关系的部门，包括产品、市场、销售、运营、客户服务、敏感控制，这是整个公司全流程的支持，内部生产系统、数据分析系统，支撑将近6000个LinkedIn的员工，公司75%左右的人都在为我们的数据决策提供服务。

讲几个案例，我们核心关注的就是如何提高转化率，如何用最低的成本、最高的效率提升转化率，大家不太知道，60%到70%的人是来自于企业，是卖给公司的。我们通过对数据进行抽取，大约得到了将近300万家公司，我们把这300家公司进行排序，有谁可以读300万条代码，LinkedIn销售人员大概150到200人，我们做了很快速的决定，对所有公司在优先级上进行排序和排名。

把最重要的五家、最重要的十家推给他，大家看到这张图是我在LinkedIn做的，数据安全的问题我把一些数据隐去了，大家可以看，当销售人员看到这张图，只有最重要的10家才会体现在他的报告上，其他的都会被抹去。核心的一点就是简单，我们不会把250张图和报表发给销售人员，我们会看哪个公司中标有了这套系统一个销售员可以搞定三个公司。

我们如何用数据驱动市场营销，今天我的数据是比较老的，用户数应该超过3.5万的全球用户，市场运营我们需要做出一件什么事？如果把在线的产品迅速的卖给这些想要购买的客户。

以往是推动市场运营部门，大家都在通过商业直觉进行判断，发100封邮件，只有0.001个百分点的人会真正购买，这个购买力不断的衰减，后来我们做了一个工作，通过数据分析、数据沟通的方法，迅速对整个用户进行优化，优化以后很简单，首先用他的行为数据把混沌、球形的、环形的结构变成金字塔三角形的结构，找到特别实用的。

我们用用户的属性继续把金字塔变得更陡峭，核心能进一步的缩减，我们用社交进一步对用户年龄的购买力做进一步的判断，三点融合在一起，我们建立了整个LinkedIn内部的支持市场营销决策的系统。每天、每周我们会对将近25个进行打分 ，每周都会产生一定的营业额，这套系统2012年的年初上线，按照前两年转化率达到370个百分点，后来又上的第二个模型达到了5倍，再后来一系列的模型持续性的营业额增加。

效率的提升是直接产生钱的增长，几何倍数的增长。二是我们没有必要招更多的人，大幅度增加营业额，大幅度的降低成本，其中就是CAC获取客户的成本，这个必须控制在15%以下。

我们如何在产品上进行优化？在三年之前，我负责网站的分析，里面做了大量的购物车，购物车的按钮应该放在哪里，产品展示什么样的内容。当时的产品线总体来说不到十个。有350个KPI在不同的系统里运行，我们上新产品的时候，我们会花将近四个星期的时间来做各种的数据分析，保证这个产品上线不影响其他的产品，我们的分析师，我们每天工作到夜里12点，每个产品上线能分析15到20个核心指标，因为数据量太大了，每天十几TB的数据，速度非常缓慢，而且每次有任何的错误就无法运行。

我们痛定思痛做了第一套针对产品的数据分析系统，这个数据分析系统首先他能相对实时的，近实时追踪650个KPI，我们可以对用户区隔进行核心的追踪。系统上线以后，把我们以前做的产品登记或是上线的时间缩短一个星期之内将近十次的优化，把产品经理和工程部门又大大提高了效率。

怎么叫做客户成功？如何能持续衡量我们的用户是否喜欢我们的产品，在今天这个世界里，我们的用户是否喜欢用我们的产品，是否在我们的产品上花时间，是未来成败的核心因素，也是我们获得营收的核心指标。我们做了一个工作也很简单，我们对所有的用户进行了排优，找到哪些是高活跃的，这些用户会通过增购、增加购买。我们迅速运用运行模型，找到将近流失或是对产品非常不满意的用取出来让客户服务部门让他们跟进一些培训、处理。保证客户从不活跃、不满意转向活跃、满意，所有的这些行为都是所有客服人员、市场推广人员、产品经理都可以使用，这点和以往不一样的地方，我们希望全员的驱动，而不是资深主管去驱动。

我们发现，其实每一个人管理的客户，他们都适合一个象限，涡轮矩阵，我们把我们的客户分成四个区隔，活跃却不够购买的，购买的却不活跃，既不购买也不活跃，购买很多活跃很多的，我们针对这四个区隔要做各种各样的工作促使用户可以转化，我们看到客户在哪里，对每一个客户进行调优。

核心的数据分析的一点，如果你想增长。传统的分析是通过数据仓库系统做各种各式各样的聚合，为今后的理论验证了十几年、二十年，今天非结构化的数据让我们不能再用传统的结构化思考问题，我们以前是用时间来换空间，空间的资本太高，今天来说，空间的资本大幅度的降低。包括前端的产品 应用更多的方法。

我们今天要做的是，如何不通过工程和数据分析师过多的人力介入的情况下，直接的获取商业分析的结果，这是我们的核心目标，很简单，我们做了一个页面，我们直接点击产品，立刻可以知道结果，不用任何的数据工程买点，在APP上也能呈现分析的结果。

数据的可视化，以往很多的数据分析师做了大量的工作找不到，对高层提供的数据支持和服务，沦为支持型的部门，沦为倒垃圾的人，倒垃圾的人来我们现在没有任何感觉，现在一分钟就可以建立公司内部BI体系和框架，我们之前做的产品是迅速的可以可视化。