링크 드 인 단순 간단한 전환 수 있도록 대용량 데이터를 사용 하는 방법

링크 드 인 비즈니스 데이터 분석 학과, 대용량 데이터 분석이 아니다 높은, 복잡 하 고 지루한 작업, 하지만 간단 하 고 효율적인 실용 예술.

빅 데이터 시대, 비즈니스 데이터 분석 부서는 회사의 중요 한 중요성 자명 하. 현재, 많은 기업 데이터 분석 부서는 "보고서에 대 한 분석" 분석 방법를 사용 하 고 일일 출력은 매우 복잡 하 고, 복잡 한, 대규모, 상세한 분석 보고서, 하지만 이해의 이러한 분석 보고서의 집행은 강한. 그리고 전형적인 데이터 기반 기업, 데이터 분석, 하지만 반대로, 링크 드 인 "분석 보고서에서" 방법을 사용 하 여 가장 상업적 가치를 탐구 하는 큰 데이터 금광에서 빠른 속도를 단순화 하기 위해.

그것은 보고 2011에서 비즈니스 데이터 분석 학과의 설립부터 20 시간, 그리고 뿐만 아니라 LinkedIn의 판매 수익 증가, 전체 회사 데이터 기반 자동 고 빠른 비즈니스 결정을 실현 했습니다. 최근, 링크 드 인 비즈니스 데이터 분석 부서 첫번째 직원 인터뷰도 독점 미국 기자에 티타늄 미디어 그리고 부 감독 사이먼 장, 사이먼, 비즈니스 데이터 분석에 대 한 높은, 복잡 하 고 지루한 작업, 하지만 간단 하 고 효율적인 실용 예술 아니다.

데이터 분석 구조: 구형에 다이아몬드 피라미드에서

LinkedIn은 의심의 여지가 회사 기자 눌러 시간 데이터를 기반으로, 사용자 340 백만 보다 더 많은 사람들이 될 것입니다, 사용자의 거 대 한 크기 행동 데이터, id 데이터, 소셜 데이터 및 콘텐츠 데이터, 등을 포함 하 여, 데이터의 엄청난 금액을 생성. LinkedIn의 비즈니스 모델의 핵심은 이러한 대규모 데이터 시장성이 높은 제품 및 서비스에서에서 사용자의 통증 포인트를 도청 하는 방법.

링크 드 인 비즈니스 데이터 분석 부문, 2011 년 3 월 21 일에 설립의 주요 기능은 데이터 분석을 통해 다양 한 결정에 회사의 다른 주요 부서를 지원 하기 위해서입니다. 현재, 비즈니스 데이터 분석 부서에서 70 직원 회사에 걸쳐 4500 개 이상의 직원을 지원할 수 있습니다.

판매 한다 인적 자원 제품, 회사를 홍보 하 고 싶습니다 "이후 창립, 매일 판매, 운영, 고객 서비스, 엔지니어링, 마케팅, 제품 및 직원의 다른 부서 될 것입니다 질문의 다양 한에 게 우리의 부서와 같은 사용자는 우리의 홈페이지에 만족?"? 등등. 우리가 수동 데이터 분석 시작 하지만 효율성 너무 느리다고 우리가 개혁 데이터 분석 방법에 대해 생각 하기 시작 했다. "사이먼 고 말했다입니다.

대부분의 회사 처럼 LinkedIn 처음 맨 하단에서 피라미드 모양의 데이터 분석 아키텍처를 사용: 관련된 기업 및 제품 이해, 의도적으로 유용한 데이터를 수집, 데이터 분석 도구 사용, 데이터 분석, 결론 및 결정 하는 방법의 기초를 이해.

이 단계에서 데이터의 다른 수준의 분석의 핵심 포인트는 중간에 두 단계입니다. "이해 하 고 사용 하는 데이터 분석 도구, 많은 분석가 주의 지불 하지 많은 데이터 분석 도구를 쓰는 건 전통적인 IT 부서, 하지만 사실, 그것은 중요 한 분석 도구가 어떻게 작동 하 고 얼마나 잘 사용할 수 있습니다 그것은 제대로,의 깊은 이해를 얻을 생각 하기 때문에 좋은 나쁜 애 널 리스트 구별의 열쇠 이기도 합니다.

또 다른 중요 한 점은 프로세스 자체의 내 년에 일 경험의 데이터 분석, 업계 합의 좋은 데이터 분석을 단순화에 좋은, 좋은 데이터 분석가 핵심 가치를 제시 하는 가장 간단 하 고 명확한 방법에 좋은. 사이먼은 티타늄 미디어 말했다.

그건 왜, 시대에 모두가 큰 데이터에 대 한 얘기입니다, 데이터 분석에 대 한 링크 드 인의 2 개의 가장 중요 한 요구는 "속도 값".

빨리만 크기, 그리고 전통적인 피라미드 형 데이터 분석 아키텍처의 가치를 생산 하는 규모를 형성 하기에 충분 한 수 애 널 리스트는 피라미드의 중간과 더 낮은 부분에 (85%-95% 시간) 너무 많은 시간을 보내고 2011 년 초, 2010 년 말에 의해 너무 링크 드 인 다이아몬드 모양의 구조에서 피라미드 선회에 대해 생각 하기 시작 했다.

"다이아몬드 모양의 구조 될 주요 방법은 피라미드, 특히 낮은 중간 그들의 모든 가능한 요소 작업을 자동화 하기 위해 전통적인 피라미드 수준 작업을 대체 하는 자동화 된 도구를 만드는 것 입니다" 사이먼 말한다. 각 다이아몬드 모양의 데이터 분석 구조 우리가 피라미드에 다시, 그것을 설정 하 고 전환 수와 반복, 전체 데이터 분석 효율성 후 원래 피라미드 영역의 각 다이아몬드 지역 유일한 절반은 크게 향상 될 것입니다 경우 다음 다이아몬드에 최적화. "

그것은 그는 다이아몬드, 링크 드 인 비즈니스 데이터 다시 최적화 분석 부서, 다이아몬드 구조, 닫힌된 루프를 형성 하는 구형 구조로 피라미드 모양의 데이터 분석 구조 후 "우리의 비즈니스 분석 부서 개발 했다 폐쇄 루프 구형 제품에 대 한 내부 직원의 수백을 보고 각 제품 제품에서 의사 결정, 즉 각 구형 제품 수 효율적 분석 및 의사 결정, 뿐만 아니라 또한 닫힌된 루프, 자동 업그레이드 및 반복 양식 데이터 수집의 닫힌된 루프 프로세스 수 있습니다.

(분석 결정: 1 분 3 개월부터)

대용량 데이터 분석에 대 한 링크 드 인 믿고 효율 첫 번째 규칙은 진정한 가치를 생산 하는 시간의 짧은 금액에는 철저 한 분석 보다 더 중요 하다. 그리고 최근 몇 년 동안에서 비즈니스 데이터 부문에 의해 개발 된 내부 지향 제품의 수백을 통해 링크 드 인 부의 모든 직원 정말 그들의 작업의 속도 느낄 수 있다.

하나를 경우: 시장 및 판매 팀 지원 제품-멀 린

LinkedIn에 모든 제품 판매에 대 한 그는 제품을 판매 하는 작업을 받을 때 그는 다음과 같은 주요 질문 중 하나 이상:

특정 제품에 대 한 전통적인 수동 데이터 분석 모드에서 영업 직원 하 고 싶습니다 위의 문제를 알고 및는 고객 판매 PPT 2 개월, 그리고 오늘, 멀 린, 제품을 지원 하기 위해 링크 드 인 시장 및 판매 팀에 적어도 2 주 사용 판매 시스템에 로그온, 그들의 자신의 이름을 입력 하 고 제품 이름을 판매 해야 하는 필요만 및 다른 기본적인 정보, 멀 린 자동으로 영업 직원 배경 데이터를 수집할 수 있습니다 사람과 네트워크 데이터를 신속 하 게 더 정확한 판매 계획, 판매 계획의 세대에 기본 정보 입력에서 생성 되므로 분 시간 필요 영업 직원도 그의 판매 ppt에 맞게 시스템을 얻을 수 있습니다.

"전통적인 연구의 2 개월 않을 수 정확한 솔루션을 얻을 수 있으며 그것은 단지 분 소요, 이제 우리는 최근 멀 린 영업 직원을 지원 하기 위해 판매 직원의 휴대 전화에, 링크 드 인에 더 이상 현재 3000 명 멀 린 시스템을 사용 하는" "판매 솔루션의 자동된 생성 쉽게 우리가 너무 많은 훈련을 필요로 하지 않고 영업 사원 모집" 사이먼 말한다. "

사례 2: 지원 제품--팀 제품 테스트 a / b 테스트 시스템

링크 드 인 테스트 부서에 대 한 전통적인 환경에서는 테스트를 완료 하려면 3 개월 이상 그리고 지금, A / B 테스트 시스템, 그것은 단지 1 분 각 테스트에 각각 650 포인터에서 몇 가지 주요 통계를 얻을 하 고 개선책을 제안. 높은 효율으로 테스트 제품을 향상.

"전통적인 환경에서 10 사람 현재 테스트 작업을 완료 하려면 3 개월만 필요한 분, 현재 A / B 테스트 시스템 제품 조언, 개선 하기 위해 가장 중요 한 지표의 추출 통해 650 개 이상의 포인터를 추적 하는 각 테스트 하루 2000 내부 테스트를 지원할 수 있습니다" "우리는 완벽을 추구 하지, 우리만 약간 진행 매일, 사실, 우리는 하루에 1%에 근거 하 여 진행을 할 수 있는 만큼의 추구, 1 년간의 진행 결과, 놀라운 될 것 입니다" 사이먼이 말했다. "

사례 3: 고객 서비스 팀 지원 제품-목소리

LinkedIn의 고객 서비스 부서에 대 한 사용자 만족도 측정 하는 방법은 언제나 문제, 고객 서비스 직원 수만 사용자 메시지 같은 구조화 되지 않은 데이터에서 일부 정보를 수집 하지만 그것을 하지 측정 및 향상 된 구조화 된 데이터에 느슨하게 쌓인 구조화 되지 않은 데이터를 설정 하는 방법 해결 되었습니다.

링크 드 인 비즈니스 데이터 분석 부서 출시 제품-목소리를 지원 하기 위해 고객 서비스 팀까지 전통적인 구조화 되지 않은 데이터만 분 소요 분석, 예를 들어 생성 하 서비스 팀 현재 LinkedIn 고객 만족 홈페이지 인지 알고 싶은 경우 만, 목소리에 "홈페이지"를 입력 해야 즉시 구조적된 사용자 만족도 데이터를 얻을 수 있습니다. 물론, 뒷면의 즉각적인 결과 엄격한 및 고급 알고리즘 이어야 합니다.

(로봇을 쓰는 모델을 쓰기)에서

사실, 거기에 더 많은 예제는, 링크 드 인 비즈니스 데이터 분석 부문 이래 수백의 같은 제품의 모든 LinkedIn 직원 효율성과 작업의 효율성을 향상에 대 한 매일 있다. 뿐만 아니라, 위의 제품의 각각 자동으로 그 다음에 그들은 같은 소프트웨어를 사용 빨리 응답 되도록 직원의 습관을 배울 수 있습니다. "링크 드 인 직원에 대 한 우리의 제품의 각각 개인 이다 그들을 위해. "

규모의 자동화의 결과 물론, 효율성과 2011 비즈니스 데이터 분석 학과의 설립 이후 20 번 배 증가 하는 것으로 보고 되었습니다, 효율성에 상당한 증가 뿐만 아니라 다른 모든 링크의 효율성에 상당한 증가 이다.

"이 콘텐츠 되지 않습니다, 그리고 우리 학과의 주요 작업 자동화 및 효율성에서 회사의 데이터 분석을 더욱 가속 모델 로봇을 디자인 하기 시작 했다 우리의 부 2013 년 이후 모델을 쓰고 하는 것입니다." "사이먼 고 말했다입니다.