張溪夢：如何打造高速增長團隊，實現快速增長

01-28

大數據文摘作品，轉載要求見文末

作者 | 劉文清

本文整理自2017年7月11日由清華-青島數據科學研究院聯合大數據文摘舉辦的《頂級數據團隊建設全景報告》發布會上，GrowingIO 創始人&CEO張溪夢所做的以「數據團隊的建設現狀與建議」為主題的發言。

張溪夢表示，數據受到了很多行業和公司的熱捧，但能夠真正利用數據產生可衡量的價值的公司鳳毛麟角。並為大家分享了數據團隊的建設現狀，針對如何打造高速增長團隊給出了他的建議。

以下為張溪夢演講實錄：

張溪夢：《頂級數據團隊建設全景報告》定稿後我就看過了，寫得非常好。我在上周參加一個CTO峰會時就引用了報告中的內容，例如人們對數據價值的認知度普遍較低、數據價值落地艱難等，分析結果受到很多CTO的高度認可。因為大數據概念在中國過去幾年裡風起雲湧，數據受到了很多行業和公司的熱捧，大部分企業為此投入了大量資源、時間、人力，但能夠真正利用數據產生可衡量的價值的公司鳳毛麟角。

我認為首先數據是有巨大的價值的，其次，結合咱們中國整個產業的發展趨勢來看，數據也必然會產生爆髮式的價值輸出。但是，想要實現數據變現，需要公司的領導層、執行層以及管理層齊心合力推動數據團隊的價值落地才行。

我以前在美國做了很多年的數據分析工作，當時我所在的公司既是網路公司，又是媒體公司，同時還有B2B的一家SaaS公司，期間我主要負責數據分析和帶領數據科學團隊，並接手了數據變現工作。在那裡我經歷了如何通過數據連接企業的銷售、營銷、產品、工程、服務及風控等各個部門的整體流程。多年的工作經驗讓我充分地意識到了數據的價值。我認為，數據將成為企業提高效率需要具備的最基本的能源，並代替互聯網成為未來連接世界最主要的媒介。

為什麼要利用數據驅動業務增長

相較歐美髮達國家，數據驅動意識之所以在我國起步較晚，有兩個因素：

一是因為以前中國的勞動力成本低，我們可以通過大量廉價勞動力來彌補效率的不足。但是中國的人口紅利在2015年年初的時候已經達到了頂峰，隨之會慢慢下降，人力成本將迅速上升；

二是在過去10年左右的時間裡，互聯網流量的紅利一直在衰減，而且形成了非常顯著的馬太效應。比如說，人們在移動端使用手機，70%以上的時間貢獻給了BAT等互聯網的業界巨頭，幾十萬家企業要分割剩餘的30%的流量。因此，今天的流量非常稀缺，越來越昂貴。

綜上來看，現如今的人力成本在不斷增加，流量變得越來越貴，一個企業想要在行業裡面生存下來，必須要增加單位產出，並且不能以增加人力為代價。這時候，利用數據驅動業務增長就成為了一個非常好的出路。

怎樣實現數據驅動業務增長

在講數據驅動業務增長的組織架構之前，我先為大家分享一個概念：「增長黑客」。不同於靠燒流量、大規模地推等粗放的增長方式，「增長黑客（Growth Hacking）」是通過技術手段和數據分析，以最低成本甚至零預算的方式，獲取客戶和收入的指數級增長。今年可口可樂公司在他們企業內部設置了首席增長官，代替了他們在職二三十年的首席營銷官，因為他們認為一個企業如果想高效的利用數據來驅動增長，那麼部門或團隊的負責人需要同時具備數據分析能力、營銷能力、工程和產品能力。

這實際上是需要負責人從流量型思維向客戶型思維轉化。流量型的思維是指通過多平台多渠道打廣告的方式獲取客戶，拉取流量。這種方式成本低，能大量吸引新的客戶，但是賺完這些客戶的錢以後，就把他們拋棄了。客戶型的思維就是利用高成本的廣告或方式獲取客戶，並對客戶進行再運營，不斷從既有的客戶身上獲取價值，甚至通過客戶創造更多的價值。我們可以參考「增長黑客」增長模型的五個環節：

可口可樂之所以把CMO變成CGO的模式，把技術團隊、業務團隊以及所有的業務線全部放在一個首席增長官的管理下面，主要也是需要打破以往的營銷部門負責獲客，產品部門負責激活，運營部門負責留存，銷售部門負責變現，客服部門負責服務流程中的藩籬。其中實現連接各部門最核心的兩點是：第一點是用戶，用戶沒有變；第二點是數據，用戶的數據從獲取到第一次使用，再到留存、變現，可以使各部門聯繫起來。

總之，想要實現數據驅動業務增長，負責人不能單憑一種數據的分析思維，或者單憑BI、數據倉庫，甚至是一種機器學習模型的思維來看當今的商業環境，必須具備銷售的思維、產品的思維、工程的思維以及營銷的思維，還有客戶服務的思維，才能真正利用數據產生價值。

怎樣搭建增長團隊的組織架構

先為大家分析幾個擁有增長團隊的公司的組織架構：

1. 領英：功能矩陣型增長團隊

領英在2004年左右成立了增長團隊，由產品經理、工程師、數據科學家，以及營銷、設計專家組成。這個部門的核心使命有兩點：用最低的成本，最高的速度獲取客戶；讓用戶更多的使用領英。他們的變現部門也是由產品經理、數據分析師、銷售專家等組成。從中我們也能看出，數據團隊嵌入在業務部門裡面，與業務相配合，才能驅動業績的增長，而不是通過提供數據報表或機器學習模型等方式僅僅實現數據底層建設。

2.Facebook：獨立型增長團隊

Facebook是專門成立了一個增長的大部門。這個部門的下面，VP負責三條產品線，每條產品線裡面都有數據分析師、工程師、產品經理和設計師。通過這種方式組織他們的數據、產品和運營的團隊，成為一個整體的增長部門，而不是成立一個獨立在各個業務線之外的分析部門。

3. Pinterest：功能分布型增長團隊

再來看一下Pinterest的增長團隊架構，他們公司負責增長的團隊是劃在增長部門裡面，但更偏重在以轉化為核心的營銷部門。

如何組建優秀的數據團隊

1. 數據專家需要具備業務、產品等思維

2010年，我們對領英的數據分析、數據科學等各方面做了一個金字塔。結果顯示，數據是從業務而非資料庫或數據平台開始的。我們需要理解，所有的數據都是從我們的客戶、產品和服務來生成的。那麼，如果一個分析師、數據科學家不理解業務、產品、服務，無論他的技術多麼優秀，都很難為公司創造價值。

2. 重視數據採集環節

在生成數據之前，我們必須要做有效率的數據追蹤，因為如果我們在數據收集上沒有前瞻性，會使數據團隊變成一個數據清洗團隊，工作效率很低。所以聰明的公司會花很多的時間和功夫在數據採集環節。

3. 數據價值通過積累實現爆髮式增長

我們需要知道非結構化數據、半結構化數據、結構化數據存儲在什麼樣的技術平台上效率是最高的，同時還要兼顧成本和計算時間。一般來說我們會在分析部門或者數據科學部門裡做很多專題性分析，因為大部分公司是把BI或者商業智能直接放在了數據平台上面，這樣的企業大部分都會以失敗告終。以前在領英的時候，我們直接把分析部門加在了BI和數據之間，因為大量的分析結果是不需要做成報表的，而是直接進行分析。只有這些持續的、可重複的、有運營意義的東西，才能進入我們整個商業智能BI的平台。我們又加了一個BI之上的深度分析，深度分析一般在傳統的概念裡面會分成三個不同的流派：

一是和麥肯錫的管理科學等管理相關的深度分析；
二是以統計學為核心，用SaaS等，以統計學模型為核心的統計學流派；
三是機器學習，這個流派最近這一兩年炒作成了AI，用神經網路等工具。

我認為這三種不同流派應該互相結合、互相協作，而非每一種模型完全應用於另外一種模型。這之上還有一層優化層，再在這之上才是真正的商業洞察和洞見。我們發現很多的數據科學家或分析師做的很多研究結果都很有趣，卻不能落地。這種有趣卻不能落地的東西毫無疑義，必須要把商業分析的結果放在業務裡面，讓業務能夠直接產生決策和商業價值，這樣的結果才是真正有價值的結果。我從來沒有看過任何一家企業做一件數據上的工作就產生了百分之百的價值，不積小流不足以成江海，一般都是不斷的積累、迭代、學習，每周比上周好3%或者是5%，最終產生幾何級數的變數。

怎樣推進數據價值落地

《報告》中也提到，公司對數據價值的認知是非常高的，但數據團隊的價值落地艱難。其實大部分的原因還是因為我們太關注於技術底層的建設，而忽略了上層的商業本質。這其實也是一個兩難的境地，下層的技術框架搭建耗時長，沒有人能越過這些下層一下子就跳到最後一個決策層去。

因此，我們今天強烈建議，無論是數據團隊還是工程團隊，或者是數據科學團隊，應該用技術的方法，盡量的把底部做得很小。我們必須要把我們的時間和精力盡量的花在上層，因此，就要求我們今天的數據團隊要盡量的把底下數據追蹤的時間、建立數據平台的時間、做基本的BI系統的時間縮小，甚至包括我們今天建立業務的時間都要自動化，都要縮小。以前我們在領英的時候，建立預測模型的機制是自動的，系統可以自動的每周建16個模型，其中選出來有益的模型自動上線。這就減輕了我們數據工程團隊在技術上花費的時間，他們會花更多的時間和業務端，如和產品端、服務端來探討怎麼用這些數據能直接產生商業價值。這樣會使價值變現更快更大。

我最後想要分享的是數據變現需要經歷的三個階段：道、術、器。

道是指大家對數據要有一個準確的理解和認知，這是整個體系的基礎。

術是指方法，做數據分析需要掌握一套科學的方法，企業各個部門特別是一線的銷售、客戶服務、營銷、產品等部門必須能夠熟練的用數據來做各種決策和商業判斷，來直接產生業務價值。

器是指工具，沒有工具的話數據分析只能是空談、無法落地。我們必須要用技術來產生好的工具，通過工具使數據很快的滿足業務端的需求。在道、術、器上要做到統一。

我的報告就到這裡，謝謝！