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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19