LinkedIn 30倍增长背后首席数据科学家 带你读懂CTO

原创
新闻
数字代码的高深与魔力,旁人无法轻易踏进,CTO总是享受其中……技术的先进能够为企业在竞争格局中树立壁垒,也能为享受其中的CTO轻易地筑起职场沟通的高墙……

【51CTO.com原创稿件】数字代码的高深与魔力,旁人无法轻易踏进,CTO总是享受其中……技术的先进能够为企业在竞争格局中树立壁垒,也能为享受其中的CTO轻易地筑起职场沟通的高墙。如果企业CEO是技术出身,这对于CTO而言无疑是一个好消息,至少两人在工作交流沟通上不需要先翻越技术的高墙。但众多企业CEO并非技术出身,这是一个不得不面对的现实。他们极有可能对于技术价值判断本身存在异议,导致企业CTO与CEO之间沟通成本增加,甚至双方合作难以为继。这是当下企业CTO普遍所处的境遇。如何摆脱这种尴尬的境遇,成了企业CTO的难题。

2017年9月10日,51CTO旗下CTO训练营第四季开营课上,作为GrowingIO 创始人,前LinkedIn美国商业分析部高级总监,支撑 LinkedIn 所有与营收相关业务的高速增长,张溪梦为我们分享了他的经验与事迹。

zhangximeng

以下为张溪梦演讲的精华整理:

今天聊的内容是《读懂CTO 最亲密的合作伙伴》,我将结合我的工作经历以及一些案例,为大家阐述这个主题。

之前在领英一直从事数据科学家相关工作,最主要的职责就是带领团队通过数据分析来促进销售增长。在加入LinkedIn(领英)之前,领英的销售额并没有呈现快速增长的势头。当初加入时,领英每年的销售额大概在1亿美元,5年以后这个数字变成了30亿。5年时间增长30倍。

“读懂CTO”其实就是要告诉大家一个优秀的CTO应该需要怎么做。如前文所言,在公司业务需要增长的时候,你通过技术来帮助公司实现了快速增长。技术驱动业务增长这是合伙人所期待的,也正是一个CTO的价值所在,这就是技术的核心商业价值。

CTO要实现技术的核心商业价值,首先要做的就是角色的进化。在过去的工作经历中,普遍存在的现象是大部分技术负责人更关注公司内部事物或技术本身。这在过去并不是什么大的问题,因为彼时的技术并不算完善,CTO需要做的是利用技术来提高效率,支持各部门工作以保证企业正常运转。但这种思想在将来的工作中将不再适用,CTO需要一个较大的转变。在角色进化地过程中,CTO需要做好以下四件事。

思维转变

***,思维转变,从“以支持各部门为中心”转为“以客户为中心”。CTO的眼光将不仅仅局限于满足公司内部需求,更应该着眼外部,即用户。了解用户从哪来;用户对于产品的诉求是什么;用户通过产品能够得到哪些价值;如何帮助用户获得更多的价值;从产品获取价值的用户留存与粘性……当有这种思维转变的时候,实现这个目标需要各部门之间通力合作,合作之中会有交集,公司内部合作关系也会随之转变,从而改变各部门对于技术部门的既定印象。

领导力

第二,就是技术领导力进化,从研发能力向整合能力进化。在过去漫长的时间里,市场已经证明了这样的趋势。早期,技术是***的挑战,各个企业CTO需要带领团队不断攻克技术难题。而今天技术发展迅猛,企业开始将技术商品化,技术壁垒大大降低。CTO需要具备的素质是整合市场技术,打造产品,迅速上线服务企业或用户。最为典型的案例则是如今云时代下,服务商将底层技术打包商品化,你可以快速的选择你需要的底层技术,打造你心目中的产品。这种能力也可以称为“产品化能力”。

视野

第三,更高的视野,不仅仅聚焦某部门或职能,着眼连接企业各部门。负责技术的高管每天工作繁多,他们只能把目标关注或满足某一个职能,这是在此前工作经历中存在的普遍现象。其实这些高管无形中浪费了与各部门之间连接的机会。在公司中,有三个部门能够将公司各部门串联起来,财务、人力、技术。每个部门都需要跟财务进行金钱往来,当初领英初建数据分析团队时,便设在了财务部门。其二便是人力部门。人力部门有机会跟每个部门协调沟通,组织活动。但我个人认为技术部门才是真正能够把每个部门串联起来的不二选择。因为技术能够深入到公司每一个业务的步骤里去。想要迅速地将各部门串联起来,使他们之间便能够无缝地合作,产生更大的价值,这必将要求CTO具备更高更宏观的视野。

而在我个人看来,技术部门比任何部门都更有效率地串联起各部门,如今越来越明显地趋势在于技术部门需要掌握企业内部交易、营销、产品等各种系统,技术部门正在把分散地组织凝聚起来,服务用户。

角色升级

第四,角色升级,从关注交付,实施和执行向关注商业战略导向升级。以往CTO只关注执行和交付,这在之前或许可行,但是当今技术发展迅猛地时代,需要CTO清楚地认识到技术的商业战略意义。这与我们***点讲的以企业内部部门为中心向以客户为中心的转变是相似的,以交付为导向的思维往往不能迅速地满足用户需求。CTO更应该是具备商业战略性地思维,从而具备前瞻性眼光,清楚地认识到技术、资源对于企业是否具备商业价值。譬如AI技术,它对于企业的业务增长价值有多大?它的应用成本有多大。这需要CTO具备商业战略导向的思维,综合考量,给出建议。

耐克创始人曾经说过:“If you are not growing,then you are dying!”这句话的道出了企业的核心需求——增长。以往业务的增长是销售团队的主任务,而今天应该是技术团队、销售团队、市场团队一起的工作,而CTO需要具备串起各部门的能力,所以这就是CTO的团队,CTO需要对公司的业务增长负责。

而Gather也做过一个分析,他们预测:全球25%的业绩将被具有“企业家精神的CTO”通过创新以及技术优势直接转化为财务结果或市场份额。接下来则将给大家具体地介绍一些如何实现增长的思维方法。

模型

在中国市场要实现增长,需要对大环境进行分析。过去,中国有大量的人口红利,任何产品,只要有广告就会迅速地获得资本、人口、流量地红利。但今天市场已经变了天,成本增加,流量红利被寡头公司瓜分已成事实。有调查显示,光BAT三家企业旗下的应用就占据着70%的人移动手机使用时间。而留给其他企业的仅有30%。另外资本在经历了狂欢之后开始趋于理性,不再像过去那样野蛮。这导致的结果便是要求企业需要更好地产品,打动用户,产生实际的商业价值。企业需要更高效、更深入地挖掘用户需求,从用户出发,打磨产品。

数据分析是挖掘用户需求的重要手段,所以数据分析也被视为是驱动业务增长的重要一环。Sean Ellis是硅谷著名的营销官,它则提出了“骇客式增长”的概念,并且被多家飞速发展的创业公司采用,其中包括Dropbox、Xobni,LogMeln,Uproar。他认为未来企业要在残酷市场竞争下生存,必须结合三个要素:Programming、Marketing、Data Analysis。

漏斗

如何驱动增长,则可以参考"AARRR"框架,我们需要从获客来源、***用户体验、用户留存率、商业变现以及产品口碑五个维度来分析。

需要注意的是,企业成长可以分为四个阶段:问题与解决方案匹配期、产品与市场匹配期、产品与渠道匹配期、高速成长时期。企业在成长阶段不同时期对于技术的诉求也不尽相同。技术团队可以利用数据分析技术堆栈模型来进行数据的收集、分析、决策。

金字塔

数据分析的金字塔的产出分布,不难看出,越往上,投入产出比越大。所以企业CTO也应该着眼于如何将技术发力于上层技术的发展,即产品实现技术。

领英刚建立之初,作为一个招聘平台供用户使用,领英通过邮件以及好友推荐的方式邀请用户,结果发现,邮件的用户注册率远高于社交推荐的方式,但与此同时,用户的粘性表现上,社交推荐的用户是***的,因此,领英加入了社交功能。毫无疑问,今天看来,这个改进是正确的。

[[207134]]

而在后期领英也开发出一个面向企业用户的数据产品,他能告诉企业用户,员工的流动行为,为企业提供有效的决策参考信息。这款产品备受企业用户推崇。

以上这些都是技术驱动业务的典型案例。而CTO需要做的则是需要更高的战略思维(道);用技术帮助企业驱动增长(术);善用资源工具,打造创造性产品(器)。看数据,想原因,做决策,***落地执行。

CTO训练营,为51CTO旗下面向中高端技术管理者的学习和社交平台,邀请一线互联网公司的CEO、CTO以及知名投资人做客,为从业10年以上的技术管理者提供企业战略、企业运营、团队管理等内容分享。

 

xunlianying

xunliangying2

【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

责任编辑:张昂 来源: 51CTO
相关推荐

2017-10-23 09:31:10

CTOLinkedIn销售额

2017-08-04 15:53:10

大数据真伪数据科学家

2021-05-31 08:13:39

亚马逊职场面试

2015-10-16 09:44:51

2018-12-24 08:37:44

数据科学家数据模型

2012-12-06 15:36:55

CIO

2023-02-17 15:16:06

ChatGPTAI

2009-03-27 09:09:03

GoogleAndroid移动OS

2012-12-26 10:51:20

数据科学家

2018-10-16 14:37:34

数据科学家数据分析数据科学

2012-06-12 09:33:59

2017-03-22 20:18:04

百度人工智能吴恩达

2017-06-29 15:53:43

5Gsdnnfv

2024-11-11 15:05:44

2015-10-08 10:09:42

2018-02-28 15:03:03

数据科学家数据分析职业

2020-03-20 14:40:48

数据科学Python学习

2020-04-09 15:32:20

数据科学AutoML代智能

2016-04-11 14:15:06

数据科学数据挖掘工具

2022-04-25 09:48:31

数据科学岗位离职
点赞
收藏

51CTO技术栈公众号