数据科学推动业务增长

,数据科学推动业务增,长,数据与增,1.,数据产品,2.,数据驱动的产品,3.,基于数据的商业决策,4.,数据驱动的业务优化,智慧,知识,信息,原始数据,数据产品,数据产品化,户的核需求是获取相关的数据,典型产品：天、股票、搜索,猎聘的数据产品：,才薪酬数据库,业才报告,职业发展报告,猎聘才数据,户,企业,猎头,猎聘,GCDC,3,000,000+,户,；,400,000+,企业,；,750,000+,职位,；,10,000,000,事件,/,天,猎聘薪酬数据库,基于数据,细分领域和技能,数据可视化,精确统计,更新及时,业才报告,职业发展分析报告,数据产品开发关键点,从真实的户需求出发，要解决户痛点,精益开发：从,MVP,做起，根据户反馈，快速迭代,源于数据，于数据,清理和过滤,结构化,可视化,分析解读,户体验优化,猎聘才数据分析法,公司画像,户画像,职位画像,公司信息,户简历,职位描述,融合,户为,数据清理,分类,/,聚类,/,降维 统计分析,本挖掘,本挖掘,本挖掘,数据驱动的产品,数据驱动的产品,(,功能,),数据模型驱动产品的关键功能和体验,典型例：,推荐系统,精准告,个性化新闻,智能客服,数据驱动的关键技术：机器学习,回归,分类,聚类,排序,优化,降维,猎聘同道脉推荐,效果：好友邀请量,4X,；,转化率,1.5X,社交图策略,职能策略,业策略,社交络,户画像,融合,公司信息,为策略,个性化职位推荐,猎聘伯乐,矩阵分解策略,ItemCF,策略,本相似策略,公司模型,职位画像,户模型,融合,语义匹配策略,算法吃？,未来：机智能协作,基于数据的商业决策,数据分析字塔,决策,商业洞查,建模分析,商业智能与报告,指标设计与分析,数据收集与质量管理,业务理解与沟通,“In God we trust,all others must bring,data.”,-,William,E.,Deming,户获取指标体系设计,模块指标、转化指标、维度、时间周期设定,激活,退化,复活,退化,获取,新户,活跃户,休眠户,户获取指标体系,数据驱动的业务优化,数据驱动的业务优化,销售：新机会排序、客户留存,市场：归因模型、告投放优化,运营：任务调度、户触达优化,服务：满意度分析、拨打计划优化,商机排序,猎聘,SEM,优化看板,建设数据驱动的化,挑战！,数据驱动的思维有点反直觉、反性,业务的不切实际的期望,数据专业才奇缺,技术上的种种困难,数据安全和隐私保护,数据分析团队的独性和归属感,都是数据分析师？,团队建设,培养团队的使命感,设计业务导向的组织结构,招聘三种：程师、分析师、科学家,平衡业务驱动和技术驱动,重视团队学习和成,猎聘数据研究院,数据服务,数据仓库,数据平台,客户 分析,市场 分析,产品 分析,社交 智能,招聘 推荐,户 模型,席数据官,谢谢,