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
【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 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 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 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。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 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 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06