科技猎专访LinkedIn李海鹏：数据驱动产品，不靠技术靠人才
导读：技术变化太快，数据驱动正在改变着招聘方式甚至是业务方式？来看看创造数据产品驱动商业价值的李海鹏是怎么说的。
Q：现在有一种趋势，很多公司的招聘已经倾向于在GitHub上面寻找人才，而不单单依靠简历形式。请问这种招聘方式会给LinkedIn带来哪些影响？
李海鹏： 这是非常好的一个方向，LinkedIn做的事情是一个平台，我们的愿景是为全球的职场人士提供服务。这两者并不是冲突，而是更加融合的过程。我也看到越来越多的程序员也愿意把自己的GitHub项目放到LinkedIn上面做展示。
从垂直面的领域角度来讲，LinkedIn平台跟垂直招聘细化会并行。所以我觉得这是一个很好的趋势，能够更多的帮助公司找到更好的程序员。因为原来通过面试这个很短暂的过程，很难发掘一个人的所有潜力。从公司角度来看两者是相辅相成的关系。
Q：作为LinkedIn的数据产品经理，您招团队的时候觉得团队成员必须具备哪些技能？
李海鹏： 这是个比较好的问题，首先我不能算产品经理，我带团队做很多类似的开发，我招人相对来说不拘一格，因为在我看来想做好数据应用和数据产品需要一个很丰富的知识，就像要懂得一些商业，要懂得数据的处理方式，更要懂得理念。
分享一个很有意思的案例，我过去曾经招过一个艺术家，是真正的艺术家，不是所谓的文艺青年，我团队这位艺术家有一段时间是靠卖画为生的，从逻辑上看完全跟左脑右脑有区别。用传统的招聘方式是不可能把这样的人招聘到团队里来的。我更看重的是他快速学习能力和他的热情。
技术变迁真的很快，如果按照过去的技能去招聘的话永远是赶不上变新的翅膀，会落后于这个时代。所以需要更看重他有没有快速的学习能力和热情。像我招聘的这位艺术家非常成功，给公司创造非常多的价值。
Q：现在国内外有很多数据驱动的公司，包括 创业 公司，都在讲数据驱动的概念，但是感觉有点务虚，我们认为LinkedIn做得比较成功，从您的角度来讲LinkedIn为什么能够落地，而且有这样的优势？
李海鹏： 从几个方面去想，第一个，很多公司说是数据驱动的公司，但是它的决策和决定并不是数据驱动的，像LinkedIn的CEO，他每天起来会看很多公司的KPI，这样自上而下的数据驱动的思维方式，能够让公司在数据应用方面更加好。
第二点，看不同的行业和不同的团队和公司处在阶段，比如O2O这样的行业市场竞争非常激烈，根本没有那么多时间真正挖掘它现有数据的价值，所以它最后没有办法去做到数据驱动。
另外，我看到有一个比较有意思的事情，就是我们看到硅谷和中国这些创业公司的对比，是两个极端，一边是技术驱动，一边是业务驱动。完全两个极端的公司都做得不好，一定要在中间找个平衡点。
硅谷的公司相对更偏向于平衡点，更偏向于技术驱动，而中国的公司更多以业务驱动，以业务驱动经常是KPI驱动的，很多时候迫使放弃很多能力，因为你要很快的把这个结果进行交付。像销售方面的东西，如果是技术驱动的公司，愿意花很多时间和精力去提高销售职能，但是如果是业务驱动的公司，最简单的办法是多招一些销售人员和做更多地推来达到KPI，这两种不同的公司文化也是其中的一部分原因。
不光是Linkedln，硅谷很多公司把自己作为一个技术公司来定位，这样数据驱动的能力能够和技术结合得更加得好，要做到一个很好的平衡，而不是一方过于主导另一方。
Q：对于一些普通的公司来说，数据驱动业务，然后业务支持数据，挖掘公司数据的价值，您觉得比较难的环节是什么地方？
李海鹏： 比较难的环节其实是在人才，我们在硅谷也深有感触，人才永远是公司的核心竞争力。
不同的人才流动会造成你公司排名或者产品很大的差别，这是第一点，人才上面的缺失。第二点，对很多 数据挖掘 的经验和理解，我个人可以分享一些我理解的方式，原来我们过多的偏重于算法本身或者挖掘技术本身，这个算法比那个算法快，那个算法比这个算法牛，实际这是非常错误的，太过于技术极端，而没有和业务、商业线结合起来。
假如你这个架构都没有在你做数据时候就加进来，因为你完全跟业务线脱离，那你这个模型是不可能做到非常好的效果。
举个简单的例子，之前在美国面试一个人，他在游戏公司里面做一个事情，玩游戏有小号，做一些对你比较有益或者对平台不是那么有益的活动，他的工作是把这些小号找出来。他跟我讲了特别多的算法，我听得云里雾里。我后来问他数据的架构，问他有没有从密码着手，可能大号小号的密码很相似，当你发现你用了一个正确的数据，不需要用特别复杂的算法，也能够把这个事情做得特别好。
所以对于数据挖掘来讲，太多人注重于算法本身，而没有注重怎么把算法和业务线结合起来，找到对你有帮助的数据。
Q：对于数据驱动业务，如何区分自然业务的增长和数据驱动业务增长这两个部分？有没有什么比较好的方法或者标准验证它？
李海鹏： 自然业务的增长，很多硅谷公司采取的都是像AB测试，严重就能够把新的架构和通过数据做出来决定的效果做个AB的对比，知道哪些是增长。互联网公司这套相对来说简单易用的ABtest的流程的话，这个对公司帮助是很大的。
Q：国内在AB测试方面没有应用那么广，大的互联网公司会用。
李海鹏： 很多人觉得我是一个非常小的公司，现在可能用户也没那么多，做AB测试没有办法达到统计意义，所以觉得做了也没用。但是发现很多公司上线一个功能，网站就宕了。
像硅谷不光是LinkedIn，任何一个公司都有非常庞大的AB测试，因为我们用户数量极大。同时在线运行的ABTEST可能每天有几万个在同样的网站上运行，可以通过它的指标和KPI做一个非常好的决定，这就是我们所谓的数据驱动。很多公司连这个功能都没有，那它怎么做这个数据驱动。
所以互联网公司的AB测试概念或者简易流程还没有的话，它很难去做真正的数据驱动。
Q：目前LinkedIn有没有数据产品推出的计划？
李海鹏： LinkedIn作为一个公司，每次推出的产品都是以数据为主的数据产品，包括从招聘解决方案到营销解决方案、到销售解决方案，到最后会有一个学习解决方案，后续会推出这样的产品和服务，具体时间只能等待公司的发布，但是我希望这个产品能够帮助更多大学习到更多技能和知识，让他们在职场上更加进步。
Q：这个产品会采用哪些比较前沿的技术进行产品的开发？
李海鹏： 比如在我们的数据驱动技术框架里，我不觉得作为数据的应用或者数据的产品是前沿技术应用的过程，我觉得更多的是把商业数据和工程相辅相成，互相达到一个水到渠成的融会贯通的能力。
像我们开发一些新的数据产品的时候，没有特意去想一定要用什么新的技术，或者这个新的技术一定对我们有多么大的帮助，更多的是从业务角度、从用户本身找出来这个价值。在我看来，因为我们已经有非常强的数据的架构和数据的团队，所以可能不见得会有特别多更新的技术。
Q：您对数据驱动行业的前景以及技术趋势有什么看法？
李海鹏： 这个要分层级来看，首先从最底层来看，我个人看来是两个极端，一个是传统的，里面有很多好的东西，另外一块可能很多东西都没有，用的最笨的方法，因为集群比较大，所以把它算出来。现在会慢慢由原来的单机优化到 Hadoop 集群上来，把两者的优势发挥得淋漓尽致，这是我看到的一个趋势。
另外一个趋势，我自己认为随着数据越来越多的媒体化，这个概念就是原来我们看数据很多时候是以数字或者文本为主。到今天随着生活多样化的变化，很多照片或者视频的数据应用会越来越广，以后肯定有越来越多类似的出来，像Google人工智能这种框架，对于处理类似照片和视频这个艰难的工作是非常好的，以后相对专业一些的会越来越多。
责任编辑：王培
