本文作者张溪梦，GrowingIO 创始人兼 CEO，曾任 LinkedIn（领英）美国商业分析部高级总监，被美国 Data Science Central 评选为“世界前十位前沿数据科学家”。本文由混沌研习社整理。
人人都说数据重要，那么，创业者应该从什么时候开始关注数据？从公司成立吗？当然不是。产品早期，数据驱动是个伪命题，只有到了真正增长期，数据才能爆发力量。
今天我们以职场社交平台LinkedIn为例，来说说数据分析的一些小知识。数据分析在国内一些特别大的企业才能得到重视，但是在美国，数据已经成为驱动众多企业增长的重要引擎。
为什么国内很多企业，表面上很重视数据分析，最后却流于形式？
许多公司处于疯狂增长时期，大家一拍脑子做的决定，可能已经产生很多价值了，这种情况下他们很难意识到数据决策能产生的巨大价值。同时，他们没有太多基础方法论的认知，技术和业务彼此不了解，进一步加剧了数据使用的缓慢，不能看到价值实现。最后就变成了凭感觉来做决策，而不是真正通过数据运营来做决策。
但是我们看看美国，以领英LinkedIn为例， 在过去6年间从一个7000万左右年营收的企业，一下子增长至30亿美元营业额的企业，这种增长速度在企业服务领域里面是惊人的。6年多以前，在领英的公司例会上，有这样一句话：一个事情，如果不能衡量它，就不能增长它。这句话沉淀出了一个值得思考的价值观：增长带动数据分析，数据带动变现，变现进一步促进增长。
数据变现的方式
“领英”早期就有清晰的数据框架只有一万用户的时候，就做数据驱动反复问一个用数据能证明的问题。无论是在产品设计还是业务运营，数据都是很重要的环节。其创始人收集大量的用户信息，想了三种变现方式：
- 1.通过用户的基本信息来变现，比如说公司发布职位；
- 2.用户数量增长到一定程度的时候，有B2B企业投广告；
- 3.当有大量人的信息以后，公司的猎头会用这个平台来找候选人。
另外他们核心关注的是用户体验和使用度，是整体的增长，增长产生大量的数据，他从数据里学习，未来才做变现。“领英”在只有1万用户的时候，就开始用数据驱动业务。这段时间去观测两个渠道，一个是电子邮件，一个是搜索。从数据里发现，从搜索引擎的渠道里进来的用户，比电子邮件邀请进来的人数量差不多，但在产品平台上的活跃度要高3倍。这是之前没有想到过的，于是做了一个决定：如果要获取同样数量的用户，他们更愿意投入资源在使用频次更高、更愿意把时间花在这里的人，所以，放弃低活跃的用户，专注活跃的用户。
创业公司的数据之旅
每个阶段的重点不同增长期是数据驱动的关键时期。虽然说数据很重要，那么，创业者应该从什么时候开始关注数据呢？从公司成立就开始吗？答案是否定的。
一般来说，创业者会经历4 到5个产品、企业的生命周期。
第一个阶段，冷启动。
这个时候公司特别早期，用大数据驱动是一个伪命题——因为客户数量有限，样本性不足。他们需要更多地去了解潜在客户的需求，去“求”客户来用这个产品。
第二个阶段，增长前期。
冷启动接近完成。有经验的创业者，会开始布局和增长有关系的一些核心指标，比如说日/月活跃，留存度。这些指标的目的不是为了衡量产品当前当下的表现，而是为了未来做增长时有可比较的基准。并且，这些指标能够告诉我们，什么时候我们应该去做增长。产品本身没有黏度的话，去烧钱做增长，它不会真正地增长起来，因为流失速度超过增长速度。以前很多烧钱的企业能成功，是因为竞争没有那么激烈，用户没有那么多种选择。但是今天如果你的产品很差，留存不高，口碑也不好，烧再多的钱也不能获得真正核心的自然增长。
第三个阶段，是增长期。
这个阶段就能看出来好的创业公司和普通创业公司的巨大差别——效率。
无论PR还是做活动，都需要人力和时间成本。如何在增长中，找到效率最高的渠道？这个我觉得，是创业公司之间PK的核心竞争力。如果不做数据驱动，靠直觉，一次两次可以，但没有人能进赌场连赢一万次。所以，直觉需要和数据进行结合，这样企业能迅速优化各个渠道，来提高单位时间的转化效率。通过转化效率的提高和叠加，变成企业的核心竞争力。
一个不用数据驱动的公司，和一个用数据驱动的公司，假设运营策略一样，资本储备类似，客户也一样，后者一定会胜出。
第四个阶段，是变现期。
业务变现，要求有很高的用户基数。一般互联网产品中高活跃、体验好的用户，会转化为付费用户。类似一个漏斗，不断地去筛，这里面就是要拼运营的效率了。
比如说，电商用户的转化漏斗一般是：访问——注册——搜索——浏览——加入购物车——支付，或者到未来的退货。这是非常非常长的一个漏斗，真正要做好数据化运营，要对漏斗的每个环节持续地进行追踪。为什么呢？因为不能衡量，就很难去做增长。
一个好的企业，特别是以后要做营收的企业，必须要关注各个部门各个环节的转化效率。这种转化效率，要达成的手段，可以通过市场营销的方法、产品改进的方法、甚至客户运营的方法。
数据交易TIPS
1.数据本身是不能关联交换的，只能交易不能交换和共享。为什么这么说？因为数据本身就等于钱，前端数据变成钱很容易，如果现在有人说，我是一个创业公司，为什么腾讯不跟我做交换和共享？这个很荒谬，你还不如让马化腾把他帐户上的钱打给你，你看到大量的数据是共享是发生在公司之间有更高层的资本合作，否则是违反规律的。
2.数据交易该怎么做？显然如果我有十个数据提供方，有十个数据需求方，如果大家点对点的方式做数据交易，这是很低效的，我们要和用户行为进行交易，我们要做数据的传递，这复杂的程度，广告里的数据交易怎么发展起来？所有的数据提供方都把自己的数据放在广告交易上，广告交易是分发广告流量的核心节点，当需求方DSP向广告层整合，他不产生额外的消费，需求方和交易所这是特别清凉和合理的方式，数据的交易还出现了一个功能，数据交易实现了部分交易.实现部分交易，让很多规模不大的参与到这个过程中，首先是定价，第二个是数据交易。
3.数据的隐私问题，这个问题大家的认识很多，数据隐私就是我现在根据用户行为数据指导广告投放和内容投放，如果因此对用户造成伤害这是我们不希望看到的，什么时候会造成伤害？当这个投放对于用户我是有价值的，有需求的，我不会觉得被伤害，所以回到最初，就是精准，再精准。
同时，也可以加入数据分析整合讨论群，进一步讨论研究数据分析产品的影响改变。
如何学会正确的数据整合和分析？如何利用数据分析获得价值？欢迎来本沙龙跟专家来学习。
E-Bizcamp 共相CEO及创始人；网站分析星期三WAW联合创办人顾青先生把4000多元/天/人的收费培训课程中的部分内容拿出来免费在9月27日晚上进行分享，欢迎参加。