
文 | Retric
來(lái)自36氪
“大數(shù)據(jù)” 和 “數(shù)據(jù)分析” 是兩個(gè)挺有意思的詞。在平常采訪的時(shí)候,這些詞有很大的概率會(huì)從坐在我對(duì)面的創(chuàng)業(yè)者嘴里冒出來(lái),即使他們項(xiàng)目的背景千差萬(wàn)別;另一方面 ,真正在做 “數(shù)據(jù)分析” 這項(xiàng)工作本身的又很沒(méi)幾個(gè),在交談中能讓你對(duì) “大數(shù)據(jù)” 三個(gè)字眼前一亮的更是寥寥無(wú)幾。不過(guò),前幾天關(guān)于張溪夢(mèng)的采訪,我印象倒是挺深刻的。原因大概很簡(jiǎn)單:對(duì)方首先就是吃數(shù)據(jù)這碗飯的,而且,他還是一個(gè)來(lái)自硅谷的大神。
張溪夢(mèng)此前從事過(guò)的最廣為人知的一份職業(yè)——也是他創(chuàng)業(yè)前的最后一份工作——是在LinkedIn。在那里,他一路從 Data scientist 做到高級(jí)總監(jiān),4年 內(nèi)據(jù)說(shuō)升了四次職,最后從無(wú)到有一手組建了整個(gè)商業(yè)數(shù)據(jù)分析部門(mén)。這個(gè)部門(mén)如今人員規(guī)模已經(jīng)達(dá)到 80+,對(duì) LinkedIn 的重要性不言而喻。而在 LinkedIn 之前,張溪夢(mèng)在硅谷的工作經(jīng)歷還包括:Linde、Epson、Petco,以及Ebay。
現(xiàn)在,張溪夢(mèng)出來(lái)創(chuàng)業(yè)了。他在做一款名為GrowingIO的數(shù)據(jù)分析類(lèi)產(chǎn)品,目標(biāo)是中國(guó)市場(chǎng)。
在采訪過(guò)程中,在硅谷積累了豐富經(jīng)驗(yàn)的張溪夢(mèng)談到了很多數(shù)據(jù)分析行業(yè)里的觀察和思考。其中他提到了美國(guó)成熟商業(yè)體系下的數(shù)據(jù)分析所處的角色,讓人很有啟發(fā)。寫(xiě)出來(lái)分享給大家:
數(shù)據(jù)分析是商業(yè)運(yùn)營(yíng)的一部分
“國(guó)內(nèi)做數(shù)據(jù)分析的,有一個(gè)不足是對(duì)商業(yè)結(jié)果的關(guān)注不夠。我覺(jué)得美國(guó)這一點(diǎn)就做的非常好——他們把數(shù)據(jù)分析變成商業(yè)運(yùn)營(yíng)的一部分。比如,他們的市場(chǎng)推廣、產(chǎn)品設(shè)計(jì)、銷(xiāo)售流程、客戶(hù)服務(wù),包括風(fēng)控這些部分,基本上都是全數(shù)據(jù)驅(qū)動(dòng)的。里面有很多東西聽(tīng)起來(lái)很 TDS(流程化),包括人與客戶(hù)的交互,每個(gè)人都像有一個(gè)精確的導(dǎo)航系統(tǒng)一樣。這樣做事情的效率就會(huì)提高很多,因?yàn)槟悴恍枰诤芏嗳藶榕袛嗌侠速M(fèi)時(shí)間?!?/span>
“你把人的效率提高了,本質(zhì)上一個(gè)公司的效率也就提高了。最終這些變量都會(huì)為公司做出整體上的優(yōu)化?!?/span>
“另外一點(diǎn),這種系統(tǒng)一經(jīng)運(yùn)營(yíng)起來(lái)之后,這種小幅度的進(jìn)步會(huì)不斷的演化,最后產(chǎn)生大幅度的 revenue 上的增長(zhǎng)。這一點(diǎn)我覺(jué)得是國(guó)內(nèi)值得學(xué)習(xí)、并且必須去做的事情。像以前我在做市場(chǎng)分析的時(shí)候,他們對(duì)每一個(gè)渠道拉來(lái)多少客戶(hù)、轉(zhuǎn)化率多少、投資回報(bào)率多少,都會(huì)給予全方位的關(guān)注,長(zhǎng)期進(jìn)行跟蹤,再不斷總結(jié),最后反過(guò)來(lái)對(duì)業(yè)務(wù)進(jìn)行優(yōu)化?!?/span>
事先的預(yù)期和推演很重要
“老美還有一點(diǎn)很厲害,就是他們每做一件事情都會(huì)做推演。老美做一件事本質(zhì)上都有一種預(yù)期,這種預(yù)期一般是通過(guò)數(shù)據(jù)分析提前計(jì)算出來(lái)的,而不是拍腦袋決定。這有點(diǎn)像孫子兵法里的神機(jī)妙算,還沒(méi)打仗就提前做各種遞歸和推演。然后出來(lái)以后,結(jié)果必須是和事先的推演接近的?!?/span>
“如果結(jié)果和預(yù)估是完全相反的,即使業(yè)務(wù)上有提升,這個(gè)活動(dòng)也是失敗的,做這個(gè)活動(dòng)的人能力也會(huì)受到質(zhì)疑。他們講究事先的這種 expectation 是因?yàn)?,只有?dāng)你的結(jié)果和預(yù)期相對(duì)一致的時(shí)候,你才能從中找到總結(jié)的方法,再逐步去繼續(xù)優(yōu)化下一件事。我覺(jué)得老美這套東西發(fā)展這么多年,還是很有意義的?!?/span>
“而實(shí)際上這套東西,都是他們從零售、保險(xiǎn)、能源、物流甚至軍工這些傳統(tǒng)行業(yè)里慢慢剝離、抽取最終總結(jié)出來(lái)的。今天互聯(lián)網(wǎng)上用的很多模型,說(shuō)真心話(huà),我覺(jué)得在本質(zhì)上并沒(méi)有源認(rèn)知級(jí)別上的改變,只不過(guò)是用技術(shù)把它大幅度的放大了。”
數(shù)據(jù)分析是用技術(shù)手段把商業(yè)本質(zhì)放大
“在商業(yè)上很多的原始認(rèn)知和管理方法,最早的時(shí)候都是從軍事開(kāi)始的,數(shù)據(jù)分析就是這樣。比如說(shuō)統(tǒng)計(jì)學(xué)的第一次大規(guī)模應(yīng)用,在所謂非數(shù)學(xué)領(lǐng)域里面,是在一戰(zhàn)的時(shí)候開(kāi)始用的。他們當(dāng)時(shí)計(jì)算的是地上的炮火打在機(jī)翼上的彈孔密度。那時(shí)攻擊的主要方法是通過(guò)不同的戰(zhàn)術(shù)編隊(duì)發(fā)起進(jìn)攻,然后回收那些機(jī)翼,計(jì)算彈孔密度,進(jìn)而優(yōu)化他們下一次機(jī)型的編隊(duì)。”
“后來(lái)這些方法慢慢從軍工里面進(jìn)入到民用,再到零售、保險(xiǎn)、金融這些 section。這里面本質(zhì)上還是反映亞當(dāng)斯密那套 supply and demand 的方法,就是如何優(yōu)化你的供給和需求,讓它們達(dá)到平衡。如果你能做到大局上的平衡上和微觀層面上的平衡,優(yōu)化效果就達(dá)到了?!?/span>
“在一九六幾年之后,麥肯錫這些公司和管理咨詢(xún)這群人,又接著把數(shù)據(jù)分析升華了,變成了基于數(shù)據(jù)和商業(yè)洞察的戰(zhàn)略性分析。這里面有兩個(gè)分支,業(yè)務(wù)上的和數(shù)學(xué)上的。這兩個(gè)分支慢慢 convert,一步一步的沉淀,最后變成一個(gè)綜合的分析方法,又逐步分散應(yīng)用到各個(gè)行業(yè)里?!?/span>
“我 12年 前剛?cè)胄凶鍪袌?chǎng)營(yíng)銷(xiāo)的時(shí)候,有一個(gè)很簡(jiǎn)單的 case。就是你買(mǎi)一臺(tái) PC,然后再買(mǎi)一個(gè)打印機(jī)就能享受折扣。需要解決的問(wèn)題是,什么樣的人買(mǎi)了 PC,應(yīng)該給什么樣的打印機(jī)折扣?!?/span>
“這個(gè) case 看起來(lái)很簡(jiǎn)單,拍腦袋就可以決定。比如直接給一個(gè) 5000 塊以上電腦、15%打印機(jī)折扣的方案。但他們處理這個(gè) case 的時(shí)候,會(huì)根據(jù) PC 的型號(hào)、商店的位置、消費(fèi)情況、打印機(jī)檔次等等多維數(shù)據(jù),綜合計(jì)算出來(lái)一個(gè)結(jié)果,最后這個(gè)結(jié)果,他必須保證每種組合的 deal 對(duì)這個(gè)消費(fèi)者來(lái)說(shuō)是可負(fù)擔(dān)得的、最優(yōu)的,同時(shí)每個(gè) deal 公司自己又是盈利的?!?/span>
“當(dāng)時(shí)還有很讓我震撼的一點(diǎn)是,如果公司要做一個(gè)活動(dòng),事先得出的一個(gè)假設(shè)是,女性客戶(hù)應(yīng)該會(huì)對(duì)這個(gè)促銷(xiāo)活動(dòng)更感興趣,那他們并不會(huì)馬上就針對(duì)女性用戶(hù)做投放,還是男女各 50%的 percent 這樣投放。最后看結(jié)果,女性用戶(hù)的轉(zhuǎn)化率確實(shí)比較高,驗(yàn)證了這個(gè)假設(shè)后,他們才會(huì)再在下一次活動(dòng)中專(zhuān)門(mén)針對(duì)女性群體進(jìn)行廣告投放。”
“市場(chǎng)營(yíng)銷(xiāo)是這樣,零售業(yè)這個(gè)古老的行業(yè)很多也是如此。很多商業(yè)上的原理和本質(zhì)很早就在這些傳統(tǒng)行業(yè)里被摸透了,但是以前的技術(shù)條件有限,他們?cè)噲D做這種數(shù)據(jù)分析的時(shí)候不是那么容易。比如,美國(guó)的公司常常需要先把數(shù)據(jù)發(fā)給印度的公司,然后印度公司再把整理結(jié)果發(fā)回到美國(guó)本土進(jìn)行分析,這中間周期就很長(zhǎng),效果沒(méi)法那么明顯?,F(xiàn)在有了互聯(lián)網(wǎng),有了大數(shù)據(jù),本質(zhì)上是給了一個(gè)更好的工具,這個(gè)工具再把這種效果放大了而已?!?/span>
數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)程中,“損失曲線(xiàn)” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類(lèi)核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢(xún)效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話(huà)題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類(lèi)型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶(hù)體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11