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Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01