[[146834]]

“大數據” 和 “數據分析” 是兩個挺有意思的詞。在平常采訪的時候，這些詞有很大的概率會從坐在我對面的創業者嘴里冒出來，即使他們項目的背景千差萬別；另一方面 ，真正在做 “數據分析” 這項工作本身的又很沒幾個，在交談中能讓你對 “大數據” 三個字眼前一亮的更是寥寥無幾。不過，前幾天關于張溪夢的采訪，我印象倒是挺深刻的。原因大概很簡單：對方首先就是吃數據這碗飯的，而且，他還是一個來自硅谷的大神。

張溪夢此前從事過的最廣為人知的一份職業——也是他創業前的最后一份工作——是在LinkedIn。在那里，他一路從 Data scientist 做到高級總監，4年 內據說升了四次職，最后從無到有一手組建了整個商業數據分析部門。這個部門如今人員規模已經達到 80+，對 LinkedIn 的重要性不言而喻。而在 LinkedIn 之前，張溪夢在硅谷的工作經歷還包括：Linde、Epson、Petco，以及Ebay。

現在，張溪夢出來創業了。他在做一款名為GrowingIO的數據分析類產品，目標是中國市場。

在采訪過程中，在硅谷積累了豐富經驗的張溪夢談到了很多數據分析行業里的觀察和思考。其中他提到了美國成熟商業體系下的數據分析所處的角色，讓人很有啟發。寫出來分享給大家：

數據分析是商業運營的一部分

“國內做數據分析的，有一個不足是對商業結果的關注不夠。我覺得美國這一點就做的非常好——他們把數據分析變成商業運營的一部分。比如，他們的市場推廣、產品設計、銷售流程、客戶服務，包括風控這些部分，基本上都是全數據驅動的。里面有很多東西聽起來很 TDS（流程化），包括人與客戶的交互，每個人都像有一個精確的導航系統一樣。這樣做事情的效率就會提高很多，因為你不需要在很多人為判斷上浪費時間。”

“你把人的效率提高了，本質上一個公司的效率也就提高了。最終這些變量都會為公司做出整體上的優化。”

“另外一點，這種系統一經運營起來之后，這種小幅度的進步會不斷的演化，最后產生大幅度的 revenue 上的增長。這一點我覺得是國內值得學習、并且必須去做的事情。像以前我在做市場分析的時候，他們對每一個渠道拉來多少客戶、轉化率多少、投資回報率多少，都會給予全方位的關注，長期進行跟蹤，再不斷總結，最后反過來對業務進行優化。”

事先的預期和推演很重要

“老美還有一點很厲害，就是他們每做一件事情都會做推演。老美做一件事本質上都有一種預期，這種預期一般是通過數據分析提前計算出來的，而不是拍腦袋決定。這有點像孫子兵法里的神機妙算，還沒打仗就提前做各種遞歸和推演。然后出來以后，結果必須是和事先的推演接近的。”

“如果結果和預估是完全相反的，即使業務上有提升，這個活動也是失敗的，做這個活動的人能力也會受到質疑。他們講究事先的這種 expectation 是因為，只有當你的結果和預期相對一致的時候，你才能從中找到總結的方法，再逐步去繼續優化下一件事。我覺得老美這套東西發展這么多年，還是很有意義的。”

“而實際上這套東西，都是他們從零售、保險、能源、物流甚至軍工這些傳統行業里慢慢剝離、抽取最終總結出來的。今天互聯網上用的很多模型，說真心話，我覺得在本質上并沒有源認知級別上的改變，只不過是用技術把它大幅度的放大了。”

數據分析是用技術手段把商業本質放大

“在商業上很多的原始認知和管理方法，最早的時候都是從軍事開始的，數據分析就是這樣。比如說統計學的第一次大規模應用，在所謂非數學領域里面，是在一戰的時候開始用的。他們當時計算的是地上的炮火打在機翼上的彈孔密度。那時攻擊的主要方法是通過不同的戰術編隊發起進攻，然后回收那些機翼，計算彈孔密度，進而優化他們下一次機型的編隊。”

“后來這些方法慢慢從軍工里面進入到民用，再到零售、保險、金融這些 section。這里面本質上還是反映亞當斯密那套 supply and demand 的方法，就是如何優化你的供給和需求，讓它們達到平衡。如果你能做到大局上的平衡上和微觀層面上的平衡，優化效果就達到了。”

“在一九六幾年之后，麥肯錫這些公司和管理咨詢這群人，又接著把數據分析升華了，變成了基于數據和商業洞察的戰略性分析。這里面有兩個分支，業務上的和數學上的。這兩個分支慢慢 convert，一步一步的沉淀，最后變成一個綜合的分析方法，又逐步分散應用到各個行業里。”

“我 12年 前剛入行做市場營銷的時候，有一個很簡單的 case。就是你買一臺 PC，然后再買一個打印機就能享受折扣。需要解決的問題是，什么樣的人買了 PC，應該給什么樣的打印機折扣。”

“這個 case 看起來很簡單，拍腦袋就可以決定。比如直接給一個 5000 塊以上電腦、15%打印機折扣的方案。但他們處理這個 case 的時候，會根據 PC 的型號、商店的位置、消費情況、打印機檔次等等多維數據，綜合計算出來一個結果，最后這個結果，他必須保證每種組合的 deal 對這個消費者來說是可負擔得的、最優的，同時每個 deal 公司自己又是盈利的。”

“當時還有很讓我震撼的一點是，如果公司要做一個活動，事先得出的一個假設是，女性客戶應該會對這個促銷活動更感興趣，那他們并不會馬上就針對女性用戶做投放，還是男女各 50%的 percent 這樣投放。最后看結果，女性用戶的轉化率確實比較高，驗證了這個假設后，他們才會再在下一次活動中專門針對女性群體進行廣告投放。”

“市場營銷是這樣，零售業這個古老的行業很多也是如此。很多商業上的原理和本質很早就在這些傳統行業里被摸透了，但是以前的技術條件有限，他們試圖做這種數據分析的時候不是那么容易。比如，美國的公司常常需要先把數據發給印度的公司，然后印度公司再把整理結果發回到美國本土進行分析，這中間周期就很長，效果沒法那么明顯。現在有了互聯網，有了大數據，本質上是給了一個更好的工具，這個工具再把這種效果放大了而已。”