商业数据分析可以为业务带来什么价值？

利用数据分析，Linkedin为所有专业人士做出快速、高质量、高效的决策，提供有指导意义的洞察力和大规模的解决方案。因此，商业数据分析不仅是一门科学，也是一门真正能给业务带来价值的科学。作为一个专业的社交网站，Linkedin通过人才招聘、广告、付费订阅等服务获利。这三项服务实际上为数据分析做出了重要贡献。利用数据分析，Linkedin为所有专业人士做出快速、高质量、高效的决策，提供有指导意义的洞察力和大规模的解决方案。因此，商业数据分析不仅是一门科学，也是一门真正能给业务带来价值的科学。在Linkedin内部，我们的团队建立了一个促进商业分析价值持续产生的分析框架。EOI框架从企业的长远发展出发，帮助核心任务、战略任务和风险任务（Empower）、优化（Optimize）、创新（Innovate）三大思路。那么，Linkedin是如何执行这个分析框架的呢？如何利用数据驱动增长？一、助力:如何提高销售效率？Linkedin是世界上最大的职场社交平台，拥有大量的人才信息，比如某人某年某月在某公司工作。有了这些信息，Linkedin就能知道企业间人才的流动；通过信息整合，我们的团队制作了人才流动画板。例如，一家企业从A公司招聘了80名员工，失去了18名员工；通过人才流动画板，企业之间的人力资源流动非常清晰。人才解决方案是LinkedInB端业务的重要组成部分。过去，销售人员很难与企业的管理层预约。电话和电子邮件经常碰壁。现在Linkedin的销售人员只需要在这个人才流动画板上搜索目标企业，就能清楚地获得对方的人才流动。销售人员将这张照片发送给目标客户的管理层，很容易引起对方的注意，预约成功率和签约率大幅上升。在整合工作岗位投递、Linkedin企业主页访问、人才档案等数据的基础上，Linkedin还推出了最受欢迎的100家企业雇主名单。这份榜单自2012年推出以来就备受关注，在Linkedin上blog访问量排名第二。人才是企业的核心竞争力，企业网站上的人才信息往往比资本更敏感。我们的团队还推出了硅谷最具潜力的100家企业排名版。超过一半的企业在2012年推出的名单中实现了IPO或收购，包括Drobox、数据分析的价值可见于Pinterest等。二、优化:如何找到目标用户？作为职场社交平台，大多数用户免费使用Linkedinin；但是Linkedin为那些有高级需求的人推出了付费订阅服务。为了保持良好的用户体验，Linkedin没有给大家发推广邮件；那么留给我们的问题来了。如何找到这部分有需要的人？LinkedIn有三种用户数据，即用户个人数据、用户行为数据和用户网络数据。用户个人数据主要是用户的一些基本信息，用户行为数据是用户在Linkedin产品中使用的；事实表明，用户行为数据往往比用户个人数据更具预测性。用户网络数据是socialnetwork的概念，同一网络中的人有更强的共性。在这三类数据的基础上，分析部门建立了“用户倾向模型”，筛选出有需要的目标群体。业务部门只向这些筛选出来的目标群体推送“高级订阅功能”营销邮件，在不破坏用户体验的基础上，取得了非常好的收入效果。上图右侧的灰色柱状图代表了业务部门实际获得的新付费用户，其中10%和36%来自用户个人数据和用户行为数据的筛选，其余54%来自用户倾向模型。通过数据分析，用户倾向模型将业务部门的业绩提升了100%以上。我认为这是最直接反映数据分析价值的地方。创新：如何提高订单成功率？Linkedin不仅是世界上最大的职场社交平台，也是世界第二大SaaS(企业级服务)企业，为B端客户提供人才解决方案、精准广告等服务。与B2C业务不同，B2B业务的一个显著点是，决策权集中在管理层。如何找到大客户的核心决策者一直是B2B企业销售的重点。我认为Linkedin在这方面具有先发优势，因为Linkedin收集了大量的工作人员信息，我们创新的“大客户兴趣指数”就是一个很好的例子。大客户兴趣指数用于衡量企业级大客户对Linkedin产品和服务的兴趣。我把它分解成两个子模型:决策者模型和产品偏好模型。决策者模型用于评估用户是企业决策者的可能系数，产品偏好模型用于分析用户在Linkedin上产品的使用程度。两者的结合是“大客户兴趣指数”。在过去，销售人员必须同时跟进许多客户，销售人员不知道哪些用户是决策者，哪些用户对我们的产品感兴趣。有了这个“大客户兴趣指数”，销售人员可以优先排序。哪些客户下单的可能性高？那些值得我们花更多时间的客户？心中有数销售。我将大客户兴趣指数分为低、中、高三类；大客户兴趣指数为“高”的用户订单成功率高达42%，是指数为“低”的客户订单成功率的两倍。对于B2B企业或ToB企业来说，准确找到核心用户，提高订单成功率是非常重要的。从数据到洞察，数据驱动不是一步到位的，而是一个不断进化的过程。对于所有的分析团队来说，数据驱动不能绕过这四个步骤：数据采集、数据挖掘分析、业务预测和业务决策。其中，数据获取是商业决策价值最高的基础。没有数据分析工具，数据驱动是不可能的。结合多年的分析经验，我谈了自己的看法。一个好的数据分析产品必须简单易用，使数据工作从大到小，实现从冰山到冰棒的变化。同时，优秀的数据产品也必须在几秒钟内获得数据，大大提高数据工作效率。