视频｜LinkedIn李玥：LinkedIn如何利用大数据更好地赚钱？｜混沌研习社沙龙笔记
12月27日，混沌研习社《取势大数据》创享沙龙邀请了LinkedIn商业分析高级总监李玥，以LinkedIn为例，分享了商业数据分析如何助力企业增值。
李玥说，能否拿出服务于业务的数据模型创新，是能否颠覆已有商业模式的关键条件。LinkedIn利用数据创新，让决策和业务都变得更轻松，营销业绩也随之提高。
点击以下视频，看李玥如何分析LinkedIn的数据应用：
https://v.qq.com/txp/iframe/player.html?vid=v0178g5uk3t&width=500&height=375&auto=0
演讲者｜李玥（LinkedIn商业分析团队高级总监）
我是LinkedIn商业分析团队高级总监，“商业分析团队”在国内公司里并不常见，今天我想和大家分享一下，LinkedIn的商业分析团队怎么帮助公司，真正用大数据实现商业价值的提升。
商业模式不断迭代
数据量级也逐渐递增
能否创新数据运用成为关键
我们先来看看商业模式不断迭代中，企业都是在如何利用数据的。
最早利用数据的一批公司是金融公司。2000年初我加入第一资本，这是美国利用数据最好的一家公司。当时数据量不大，那个时候已经是大数据的概念了。
第二个就是客户关系管理公司，比如2000年初甲骨文。客户关系管理数据量比财务数据更大，处理分析难度也在不断变大。
第三个是网络日志，代表公司就是谷歌、雅虎、EBAY。因为他最主要的产品是网站，所以网络日志的分析变得非常重要。网络日志的数量级比客户关系管理数据更大，任何访问网站的人做的任何事情，都会成为网络日志的一部分。
大数据这个词真正喊出来是什么时候？2010年左右，当LinkedIn、Facebook这样一批社交网络新公司出来的时候，在他们的网站上，用户的交互性这些用户行为数据会更大一个级别。
最新的一些公司，Uber、Airbnb。他们做的是分享经济、互联网、实时通讯，数据会进一步扩大。Airbnb、Uber会是更大型的数据公司。
所以给大家一个建议，想一想你自己在做的业务，它是不是在数据上真正地去颠覆了以前公司的模式。业务本身也很重要，但是业务能不能带来新的在数据上的变革？这会变成你在竞争上非常大的优势，这一定是未来发展的趋势。
只有规模化的数据
才能带来可靠的解决方案
LinkedIn数据团队为全公司提供决策信息
数据在企业成长中的作用是什么？从开始没太大帮助，并没有太多商业回报，到后来辅助增长，最后变成核心竞争力，是有一个慢慢的过程的。一共有数据收集、数据挖掘和数据预测三个阶段。
最开始是数据收集，这是非常基础性的工作，并没有很多商业回报。
第二步是数据挖掘。从数据里挖掘信息，让你了解这些信息的产生原因，商业回报方面会有进一步的增加。
第三步是数据预测。根据这些数据预测出将会发生什么，为商业决策提供最好的洞察力。
在这个过程中，商业分析团队体现出数据平台的作用。比如LinkedIn设有一个分析平台，数据分析的专业团队在这个平台上开发数据基础架构、报表系统、商业策略、数据科学和数据产品等等。
这些专业团队不断加强我们数据分析平台的供给能力，公司里所有人都可以到我们数据平台上，快速地拿到他们所需要的数据信息和洞察。
这个团队人数与公司总人数的比例大概是1：100，比如LinkedIn有7000多人，我们商业分析团队大概是70多人。
LinkedIn用好数据
为业务洽谈提供敲门砖
帮助销售业绩翻倍
带来更高的交易成功率
那么，LinkedIn内部，是怎么利用数据手段为商业增值的呢？在这里介绍这个框架——EOI。其中E是助力、O是优化、I是创新。
助力（EMPOWER）：发现人才，发现有潜力的公司
助力是我们团队的核心任务，就是去满足公司其他业务部门的数据需求。那么，LinkedIn的数据能做什么呢？我举两个简单例子：
掌握公司人才流动
LinkedIn平台的基本信息是什么？LinkedIn用户是从哪年到哪年，哪月到哪月，在哪家公司做的什么职务。
当我们把这些采集起来以后，可以通过很简单的整合步骤，可以知道世界上每家公司在任何一个时间点，有哪些人是为这些公司工作的。
然后我们就知道，A公司到B公司的人才流动情况是怎么样的，我们还可以知道有多少人从C公司跳到D公司，所有这些信息都可以从用户信息里面提炼出来。
这些数据可以怎么应用呢？我们从数据处理角度做一个工具，所有销售人员可以输入他们要谈的这家公司，找到人才流动的图，放在邮件里发过去，这时候再和客户约一个会议就很容易。
这个产品做起来很简单，也能让销售团队出去谈业务时，每个人可以有很简单的敲门砖。
发现最具潜力的硅谷初创公司
人才流动实际上是判断一个公司成功概率的标准。当一家初创公司势头非常好的时候，人才流动方向甚至会比资本流动的速度更快一些。
我们针对一些大量攫取大公司人才的小公司做调查，根据这个方向发布一个最具潜力的硅谷初创公司排行榜。
2012年我们发布了第一个榜单，当时榜上的Box、Cloudera、Pinterest、Hortonworks、Arista这些公司，后来实现IPO加上被收购的超过了50%。
2013年的榜单里我们可以看到Dropbox、Hortonworks、Nimble Storage、GoPro这些公司，如果当时你去投资这些公司的话，你的回报会非常非常好。而这些榜单完全是根据Linkedin的已有可靠数据分析而得出。
优化（OPTIMIZE）：数据模型让营销业绩翻倍
就是用数据帮助业务部门优化效率和生产力。比如，我们用数据来预测用户倾向，帮助业务部门分析，哪些人对哪些产品有兴趣，他们可以更有针对性地投放广告。
我们希望用更精确的用户定位识别，找到那些真正有需求的群体，在合适的时间点给有需求的人发出产品信息。
我们从Linkedin最基础的数据开始，主要有三类数据：
第一大类是用户个体数据
你的姓名、职称、工作公司、职场经历，这是相对静态的数据。
第二大类是用户行为数据
比如说你在我们平台上看哪家公司的广告，和哪些人有联系，有消息的交互记录。后来证明这些用户行为数据，很多时候是比用户个体数据更有预测性的。
第三大类是用户网络数据
在Linkedin里面更多的是社交概念，你的社交网络里有谁，你在谁的社交网络里面。我们知道物以类聚，人以群分，在网络里这个共性会更强。
根据这三大类数据模型我们开始建模，最后精准定位到非常小的一部分人。我们知道他们是有可能对我们产品感兴趣的人，对于这个群体我们才会发布营销信息，而不是大面积的发送垃圾邮件。
我们有一个检验的数据，这个模型在Linkedin整个营销业绩里占了56%。并且，在没有这个模型之前，营销部门业绩只是现在的44%。
这就是我们几个礼拜做的事情，能够非常快速地提高营销部门的业务价值。
创新（INNOVATE）：让销售团队知道谁值得跟进
不断尝试新的技术，帮助业务更好地不断成长。
比如，我们有个逻辑模型，叫大客户兴趣指数，就是帮助销售团队对企业级的用户进行快速排序，来知道哪些企业级的大客户对我们的产品有兴趣，从而提高签单率。
在Linkedin我们既有B2C的业务，也有B2B的业务，但是在B2B的氛围里，我们会有个特殊人物叫决策者，他决定买的话，交易的成功率会非常高，他基本上起到了决定性的作用。
我们通过建模方式，把公司里的每个人分成两个部分来建模：
第一部分是决策者指数
通过自己的数据比如他在公司的Title（职位）来预测他是决策者的可能性。
第二部分叫产品倾向模型
就是你作为一个个人对产品的喜好程度是什么，我们把决策者指数和产品倾向喜好度结合起来，就有一个大客户兴趣指数。
有了大客户兴趣指数，销售团队就有一个很清晰的排序，知道哪家客户是最值得跟进，哪几家公司是更容易拿到订单的。
* 本文据李玥在混沌研习社的演讲整理而成，欢迎转发分享，网站或期刊转载请联系warmly11。
全新的互联网大学——混沌研习社
培养有互联网思维和全球化视野的创新人才
四大学院，全年22场顶级课程
在线社员入社费600元，免费收看所有课程直播
铁杆社员入社费3000元，免费参加所有线下课程
点击下方阅读原文，查看混沌研习社2016年超级课程表