前 LinkedIn 资深大佬张溪梦表示：所有商业模式，最终都需实现效率的提升！

1. 关注用户体验，此环节会产生大量数据。同时关注运营数据，通过对运营数据的分析，找出业绩和收入的增长点。此外，要关注变现，基于变现需求进一步推动用户体验的迭代与更新。领英背后有一个庞大的精细化数据运营平台，正是这个平台驱动着领英的发展。
2. 领英创始人是里德·霍夫曼，他认为人与人之间的关系是产生社会价值的重要原则，因此被称为硅谷“人脉王”。基于这一认知，他买下六度人脉的专利，成为领英发展的理念基石。
3. 引申阅读：里德·霍夫曼的经典著作《联盟 – 互联网时代的人才变革》，该书第一页指出“终生效忠于一家公司已成为历史”。既然现实如此残酷，作为用人单位，如何更好地招人和留人呢？LinkedIn创始人里德·霍夫曼在“联盟”中推荐了两个在硅谷科技公司行之有效的方法：
– 三个任期制（轮转期、转变期、基础期）：不同时期公司和员工制定不同目标，到期前考核目标完成度并考虑是否续约。若续约，则制定下一时期目标。此方式以道德约束，不具法律效力。双方目标设定建立在充分信任和公平基础上，理论上不会出现领导设定不靠谱的KPI指标，员工边做边抱怨，到期不达标被开除或主动辞职的情况。当然，这种方法对领导综合要求较高，制定任期目标时，既要满足员工诉求，又要保证公司目标达成。由此可见，在当前快节奏的互联网企业中，以往简单的公司KPI向下分发，或领导拍脑袋决定功能上线时间的粗暴模式已渐行不通。
– 公司员工联络网：既然终身制无法实现，员工迟早会离开。但公司不能人走茶凉，应主动投资运营同事联络网（类似大学同学会）。书中以PayPal、宝洁公司和LinkedIn公司为例介绍了前员工联盟（联络网）。LinkedIn、特斯拉、YouTube、Yelp、Yammer的创始人都曾在PayPal工作，LinkedIn公司现有超118000个公司同事群，涵盖98%的《财富》500强企业；宝洁公司的员工群独立于公司，现有超25000名成员，还有慈善基金会和演讲团。在中国，腾讯和阿里会永久保留员工在公司的工号、企业邮箱等。
– 员工建立连接、形成联盟的好处：前员工可能回流，或推荐优秀员工加入公司，可大幅节约招聘成本；现任员工遇到问题，可快速向前员工求助；形成口碑效应，提升公司招聘吸引力。
4. EPSON是一家制造业公司，也可能是最早采用“互联网模式”商业模式的公司。其卖打印机基本保本，盈利业务是墨水，利润率超90%。做市场活动时需做好收入预测，通过统计模型和大量手工数据录入计算，实际业务与预测偏差不超5%，是精细化运营的典范。
5. 数据分析的基本原则：数据收集过程中会有杂音和失真，结果无法100%反映业务过程，需有业务经验和直觉的人进行判断。数据可以不准确，但要有可持续性，否则不具可分析性。
6. 在移动互联网领域，马太效应显著，20款APP占据71%的用户使用时间，其他几百万家APP和网站竞争剩余29%的用户时间。这要求新创公司更快、更高效，拥有更好的商业模式。在美国，整体用户增长呈个位数，“流量为王”时代看重增量市场，如今则是存量市场竞争，比拼的是速度和效率。

7. 用户为王VS流量为王：在存量竞争中，商业模式应回归“用户为王”，以用户为核心，产品为表现，数据运营为指引，在存量市场中提高效率。
8. 增长是关键！若公司全员都需关注，那就是增长。关注增长主要有三个因素：
– 估值，快速增长才能保证市场表现；
– 只有增长才能持续为更多客户提供优质服务；
– 社会需要企业持续增长创造社会价值。

9. 推荐阅读《四步创业法》，也可查看“童继龙笔记”中过往内容：《产品市场经理必修的客户发展方法论 – 笔记》。

10. 用户增长的“海盗法则”AARRR：

后来从网上搜索了Simon演讲中关于数据分析的干货，分享如下：数据是一种连接，连接时间、地点、任务、事件四个基本象限。为何说数据是下一次技术革命浪潮的重要指针？根据美国顶级研究机构（Gartner、IDC等）报告，未来5年，40亿人将通过互联网产生数据，形成4万亿美元市场，两千五百万种软件接入，250亿台设备接入数据系统，产生五百万亿GB数据。

美国已形成系统的数据分析方法论，二战期间开始应用于军事、科技、民生等领域。可将数据分析分解为以下步骤，各环节从先到后价值不断提高：
– 正确的数据采集和数据标签方法实施，对未来数据分析结果有几何倍数的促进作用，这是很多企业缺失或忽略的部分。
– 大数据的工程架构、数据仓库和分布式计算层面。如今的分布式计算系统与以往数据仓库构架有很大不同，要求IT部门跟上节奏，部署基于开源的分布式数据技术，如较成熟的Hadoop，该技术在美国应用近10年，渐成互联网公司主流。
– 响应性分析，即企业用数据回答业务方问题，制作简单报表、商业智能（BI）等。
– 诊断性分析，如多维度归因、积分卡实施等。
– 战略型分析，包括竞争趋势、价格弹性、企业财务营收判断等。过去企业高层战略分析被BCG、麦肯锡等公司垄断，如今大数据的出现改变了这一局面。
– 预测性分析，基于统计模型、机器学习及大规模模拟和优化对未来业务进行分析。
– 全数据自动分析和决策。

11. 来看企业数据分析的现状。各位行业领袖，特别是专注技术的CTO，对这张图是否熟悉？这看似企业内部的数据流程图，若告知这是美国汉密尔顿河污水处理流程图，您作何感想？把污染的河变清的过程，与如今数据分析流程类似。

很多企业内部数据分析流程是：大量脏数据流入，需人力监控，放入池子沉淀，再进行清洗、聚合、再清洗、再消毒、传输等操作。美国研究表明，从数据收集到产生有用商业价值需三到五周。想想看，做一个简单决策都要经历如此漫长流程，多么痛苦。未来企业若想在数据战略上成功，需具备快速将“污水”变“清水”的能力。
12. 真正产生价值的部分在金字塔顶端。美国白宫首席数据科学家DJ Patil的研究报告显示，90%的数据工程和分析师时间用于数据收集和清理，仅10%左右资源用于能产生大量商业价值的工作。

传统数据分析由多个部门按顺序处理，效率低下。大数据从数据标签采集开始，一般由前端工程人员负责，数据传输由IT管理，ETL由企业数据仓库或数据平台团队负责，BI部门存在于分析部或业务部门，还有商业分析师、统计学家参与。这种运行框架因参与部门和人员多、流程长，大幅降低了效率。

特别是互联网企业，尝试整合各功能性部门打破僵局，但因各部门对人员能力和经验要求差异大，懂业务的部门难理解技术，懂技术的部门无暇理解业务需求，导致决策环节缓慢低效。为满足不断增加的需求，企业内建和定制各种IT系统，形成数据孤岛，增加了IT部门数据整合工作负荷，影响统一数据决策。

短期内，定制化数据整合似乎解决了企业信息决策问题，但从长远看会拖慢决策速度。大数据分析中，上面10%的投入时间能产生超90%的价值，但不做下面90%的工作就无法产生价值。销售管理也是数字驱动运营。

在中国快速发展的当下，企业是否都需内建“污水处理厂”，或重复开发部署多种软件进行企业分析？我们面临的机会是，如何有效采用先进方法跨越技术和管理鸿沟，提高企业效率。随着人口红利减少，提高企业效率至关重要。
13. 构建数据驱动闭环：如何提高数据分析和运营决策的规模与效率？主要手段是简化现有业务数据分析流程，实现端到端整合，使决策分析系统形成闭环。数据分析闭环速度基本等同于企业决策速度。企业大数据分析闭环至少包括两部分：业务端参与度和技术端实施。

决策环中业务端外部参与越多，技术端内部实施越少越快，效能越高。美国权威机构研究资料提到下一代数据革命中的影子CTO概念，即IT部门应成为企业软件外部管理者，而非内部执行者。美国的云端SaaS软件将信息决策功能放在云端，跨越了冗长的IT流程和技术鸿沟。

这在硅谷领先公司得到验证，如Salesforce、LinkedIn（领英）、Facebook（脸书）、Uber（优步）、Airbnb等一流公司各部门越来越多地采购基于SaaS的解决方案，而非全部自建。

移动应用产品推广服务：APP推广服务 信息流

本文作者@张溪梦 由(APP顶尖推广)整理发布，转载请注明作者信息及出处！