網站性能檢測評分
注：本網站頁面html檢測工具掃描網站中存在的基本問題，僅供參考。
大數據分析
20180327大數據分析 行業(yè)視頻課程
最近工作比較忙，也忙著優(yōu)化數據，來不及發(fā)文章，很抱歉。
另一方面，這里的限制太多，嚴重打擊積極性，呵呵~~
上期改變大底方法后，有效果，但沒有發(fā)，今期補上，試試效果。
上期發(fā)到云空間的測試數據，數據是蠻好的，可惜最終排序不好，成績一般。
已經想到提高前面幾碼直接命中的辦法了，
希望能高20%，最終是否有效，還是要經過驗證才能確定。
今期加入了5-6膽的驗證技術，復雜了很多，要十個小時左右才計算完，
如果有效果，以后只挑選前面比較高分的1/3數據來計算，才能趕得及，
已經上傳到云空間了，歡迎大家一起進行驗證。
最后是上傳數據的部分截圖，是5膽拖5碼的數據，這樣比較節(jié)省，有效果也可以考慮5膽拖28碼的方式。
前面部分，已經送個朋友做測試了。
祝大家好運氣！
「干貨」我們要怎么用大數據賺錢 賺錢視頻課程
特別介紹一下：Simon原是國內腦腫瘤醫(yī)生，但“覺得一個人真正要想有追求，還是應該做自己喜歡的事”，于是12 年前到美國，因個人愛好是計算機，就從醫(yī)生轉到了計算機行業(yè)。 四年半前，Simon曾獨自一人支持公司200多個銷售；現在，他80人部門支持LinkedIn近5000 多員工。該部門實際上負責所有和收入有關的數據分析。 大數據不是空洞字眼，它究竟可以怎么賺錢？我們來聽聽Simon的方法論和見解。 怎么用大數據賺錢？ 我來重點講一講商業(yè)如何變現。我覺得，現在國內大家都在討論云，討論云計算，討論大數據，討論大數據平臺，但很少有人講：我如何用數據產生更多價值。 舉個例子。四年半前我加入LinkedIn，第一份工作是支持內部銷售員工。當時加入我很幸運，公司才500個人，但是我一個人的工作，需要支持200 名銷售人員。那他們每天問我的問題，就是這些： “Hi Simon，我應該給哪家公司打電話？誰是這個公司的決策者？我應該怎么和這個決策者接洽？我們這么多人，誰去接洽？我們去到那邊后，又要講一個什么樣的故事？” 這里背景是：當時LinkedIn內大概有300萬公司信息，這是從每個用戶簡歷里抽取出來的，但這300 萬個公司，作為銷售人員，他不可能給每個公司都打電話，那哪家公司，他最應該打？ 也就是說：第一，我該給哪個公司打電話？這個公司，它對LinkedIn來說值多少錢？因為我們是客戶每年交一筆錢這樣的 Model；第二個問題，誰是這個公司決策者？比方說谷歌兩萬員工，難道要打兩萬個電話，還是說，應該給某個重點的誰打電話？ 第三個問題，如何才能和這個人接洽？你想，因為LinkedIn 是個職業(yè)社交網絡對吧，它還是非常講究人與人之間的關系，我們知道，正確的關系和橋梁能提高很大生產力。那第四步，我們LinkedIn有200 名銷售員工，誰最應該去和這個公司接洽？第五個問題，我們去到那邊了，要講一個什么樣的故事？ 現在我用Linkedin數據，來一一回答這五個問題。第一步大家可能知道，，這塊業(yè)務，大概占今天總收入的 60%。那首先第一，哪家公司會花多少錢這個問題，我們能否用LinkedIn數據來解決？ 當時我自己問自己答：第一，我們去分析每個公司它有多少員工；第二，我們去分析這個公司它招了多少人；第三，我們去分析這個公司它流失了多少人；第四，我們去分析這個公司，都從哪里招的人？他的工作性質是什么，工種是什么，他的頭銜是什么，位置在哪里，他的功能是什么？他的職位，他的級別，一步一步一步，這些都是我們模型里面的各種功能。 下一步的話，我們去分析，他們內部有多少HR員工，有多少負責獵頭的人，他們獵頭流失率，他們每天在Linkedin 日活是多少。那當所有這些信息匯總完了，我們做了一個看似簡單但背后很復雜的模型，這個模型最后走完出來的結果，就是一個數字：Dollar。 就是這個公司每年會在LinkedIn花多少錢。就這么一個數字，剛才說了那么多廢話，最后給到銷售人員。 比如當時谷歌我們預測，谷歌要花10個Million美金在“獵頭”這塊，這是谷歌去年的數字。但我記得，我剛來時谷歌每年才花3個 Million。然后當時銷售人員說，Simon，這是不可能的事。那我說，你根據數據分析出來的結果，就應該是這個數字，而且谷歌它只會花得更多，而不是更少。 接下來第二個問題：誰是決策人？當時我們通過分析谷歌內部社交網絡，找到了那個決策人。這里，很多人認為他應該是VP或HR 來買這個產品，但我們發(fā)現：這種想法比較靠譜，但還不是最靠譜。 我們最后發(fā)現：真正要買LinkedIn服務的人，其實是一線產品經理，是使用LinkedIn在上面獵聘的那些人，他們才是真正想買LinkedIn 服務的人。但是呢，他們上面的老板是簽字的，所以說我們就Target這些中層的管理人，同時他還非常用Linkedin 的這種人。這個轉化率瞬間就增加了三倍，就是當時發(fā)現這個以后。 再下一個問題：如何接洽？我們通過分析我們LinkedIn 內部的銷售人員，和這個相對來說的決策人的關系，來找到哪個人對他有最高的社會影響力，或者和他的社會關系最近。那我們就派這個銷售人員，去跟他接洽。 第四步就是，我們分析我們內部所有銷售人員和這個公司關系，找到最強的那個銷售人員，或者找到他的團隊里面，哪些人能夠支持他，哪些能夠幫他建立關系。你想想，不是我的關系認識比如說你，而是我的團隊，幫我介紹這個“墻”的關系去認識你。這樣來說，又一步把這個社會關系再一次地往上提升，進一步增加轉化率。 也就是說，我們把所有這些步驟，從以前想做到這件事的話，大概需要四到八小時時間，縮短到了今天30秒到一分鐘時間。 以前的話，它需要花兩個月，才能找到這些信息，和準備完這些信息。但三年以前，它在LinkedIn 變成了一個“鈕”，銷售人員他只要把這個“鈕”點了，它就能自動回答你這幾件事，然后這幾件事回答完了，一點，就出來整個這個故事。 那故事是什么？故事是最重要的一點，故事就是：為什么說你們谷歌或者你們GE要買Linkedin的服務？為什么？ 故事很簡單，又回到了剛才我數據里的那幾個問題，因為我們知道它人員流失情況，我們知道它公司增長情況，我們知道我們知道我們知道，我們知道遠遠比他們自己HR 知道的東西多得多的信息，而且我們還知道，它在人力市場里競爭的這種優(yōu)勢和劣勢。 這樣來說的話，就是一個完全相對真實的數據驅動的一個“故事”，而不是瞎編的比如說忽悠的一個故事，是一個基于事實的故事。 這樣一搞轉化率當時我記得，以前有銷售人員和我說，他一個季度能Close一個客戶比如說，上了這個后，他一個星期就能Close三個。這個在2011 年年中左右，是我們當時非常大的一個Win. 然后呢今天來說，這個“按鈕”已經消失，我們都把這些信息推給我們內部的這些銷售人員，通過手機，因為大家都在外面跑，沒人有時間再點這個鈕?，F在來說，我們就直接把這個正確信息在正確的時間，推給正確的人，在正確地點。 那為什么我們可以用信息來推送？假設一個公司的SeniorDirectorofHR離職了，立刻我們內部會驅動兩個信息： 第一個是通知這個客戶經理，比如說內部哎你看，你這個Top的關系可能離職了，我們的競爭對手可能要進來； 第二個信息：這個人離職了，又加入一個新公司，我們立刻又把這個信息，發(fā)給在管理那個客戶的銷售經理。比方說，一個非常大的候選人轉到你那邊了，你是否需要在他穩(wěn)定下來后，把它拿下？ 所有這些都是數據驅動銷售的案例。今天來說，LinkedIn內部有3500人以上在用這套系統(tǒng)，現在公司一共6000人，銷售員工大概是3000 多人。也就是說，超過銷售員工外還有人在用，那沒用的話沒人用，所以說這個東西是一個有價值的系統(tǒng)。 而且我們內部從大數據分析，還可以迭代出新產品線。你知道LinkedIn 三大商業(yè)模型是：人才解決方案、市場營銷解決方案和付費訂閱，這是我們傳統(tǒng)的三大收入支柱。但實際上，第四個商業(yè)模型叫“銷售解決方案”，它已經在今年7 月底上線。 這是賣給企業(yè)級用戶的?；氐絼偛配N售例子說，我其實只需要把它改變一下關鍵字，就可以變成另一個產品，幫助到企業(yè)級用戶，讓你最快知道誰會想買你的東西。 今天來說，雖然這第四個商業(yè)模式對收入貢獻不多，目前只占1%，但我們內部對這個產品期待是很高的。它的增長率我不能講，但肯定是一個趨勢，因為 Linkedin的B2B是一個很大趨勢。 作者：楊琳樺
