京公网安备 11010802034615号
经营许可证编号:京B2-20210330
由经管之家(原人大经济论坛)主办的“2015中国数据分析师行业峰会(CDA·Summit)”将于2015年9月11日在北京世纪金源大酒店隆重举行。
本次峰会邀请到了精通数据科学发展前瞻的数据科学家参加,在峰会前期,我们通过峰会系列报道为大家“剧透”各位数据科学家的精彩发言。今天为大家介绍的第一位嘉宾是原 LinkedIn 商业分析部高级总监张溪梦,他对大数据的理解是“解放数据分析师,重构数据革命”。
张溪梦,原 LinkedIn 商业分析部高级总监,曾被美国 Data Science Central 评选为 “世界前十位前沿数据科学家” 。在 LinkedIn 期间,张溪梦带领 LinkedIn 数据分析和数据科学团队,直接支撑公司所有与营收相关的业务。现在张溪梦已经从 LinkedIn 离职,创立自己的公司 GrowingIO。
GrowingIO 的目标是为互联网企业提供方便高效的数据分析服务,从而令企业做到数据驱动,提高商业运营效率。张溪梦表示,数据分析 90%的时间是耗费在技术含量不是很高的脏活上,GrowingIO 最终希望把这部分时间变成 0,让数据分析人员专注于需要人类智慧的部分。
目前,最能体现这个愿景的是 GrowingIO 数据采集技术。GrowingIO 数据采集最大的亮点是不需要开发人员埋点,就可以详细地收集用户的数据。一般为了收集用户的数据,比如浏览轨迹、点击记录和鼠标滑动轨迹等行为数据,开发人员需要大量的埋点。大量埋点费时费力,而且需要开发人员和业务人员的反复沟通。如果利用 GrowingIO 的系统,开发人员将 GrowingIO 的 SDK 植入系统,业务人员就可以根据业务需求定制数据采集规则。
收集到数据之后,GrowingIO 的分析师会根据数据,帮助客户梳理业务上的问题,提出可能适用的数据分析模型。当客户的运营、销售或者数据科学家熟悉 GrowingIO 系统之后,便可以根据 GrowingIO 采集的原子级别的数据,挖掘出更多的数据分析应用场景,比如提升用户转化率、减低客户流失率和深刻理解客户分群等。这个过程甚至不需要开发人员的介入。
GrowingIO 的联合创始人吴继业,前 Linkedin 数据解决方案总监。GrowingIO 的联合创始人叶玎玎是企业协同任务管理软件风车的创始人。
为什么大数据说得多,做得少?因为目前大数据分析同时需要编程和数据分析两个技能,并且大量的时间耗费在清洗数据等脏活上。因此建立好数据分析基础设施,能够自动完成数据清洗等脏活,允许数据分析人员无需编程技能就能完成工作,将极大地发挥数据分析的价值。
最后,让我们携手进入大数据时代!GrowingIO 是一家致力于成为提供最卓越数据分析产品的公司,以产品和服务有益于他人为终极目的。希望一群能够全情投入,充满激情和创意的人加入我们,一起做些有意思并且伟大的事情。
希望每一个人都有充足的成长空间,你们的成功是我们的目标!
关于GrowingIO : http://www.growingio.com/
扫一扫,更多精彩!
张溪梦将作为嘉宾出席于9月11日举办的2015中国数据分析师行业峰会,届时将有更多的精彩发言与交流!
我们欢迎数据分析行业每一位数据人参加报名!
报名咨询电话:010-53675708/53675718
扫一扫,参会报名
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21