-
数据采集
【重磅】仁云HR共享服务数据可视化平台应用实践
进入产业互联时代，要打造一款成功的企业服务级产品，仁云认为一般需要三大要素：运行智能化、管理可视化和决策智慧化。这是三个最核心的应用。在此基础上，再根据客户需要搭建不同的管理体系，比如基于业务场景的数字模型构建，基于员工自驱的智能运算设计，基于去中心化的组织耦合设计等等。在这个思路的引领下，仁云选择HR共享服务平台为发展的主航道，并向上通过人力资本数字化平台实现运行智能化、管理可视化、决策智慧化，向下通过SDC实现业务落地和服务增值。
仁云在管理可视化方面的探索和实践围绕以下三个方面展开：
一、数据采集
首先需要解决数据来源。可视化的数据不可能仅仅是静态数据和结构化数据，这个需求通过简单报表或商业BI就可以完全满足，而是要解决业务数据、过程数据、行为数据、管理数据等不同类型数据的准确采集。仁云HR共享服务平台提供的节点控制、工单管理、服务分层等功能，就是为了实现过程数据和行为数据这类动态的、非结构化数据的采集。当然，因为法律红线，仁云只支持内部行为数据的抓取，不会去触碰外部行为数据的抓取。
二、管理建模有了数据，管理可视化的核心工作就是建立管理模型，包括业务建模、数据建模、分析建模。这三项工作往往需要协同，由业务专家、大数据专家、AI专家等通力合作。
纵观HR业界现状，普遍存在业务建模能力强，数据建模能力弱的短板。如何进行从业务建模到数据建模到智慧分析到经营预测的体系化设计，将管理建模做得更深更扎实，将是基于人力资本数字化转型升级的管理可视化最核心的探索和应用方向。
三、数据呈现在数据呈现方面，已经有不少同行在从事相同的研究。仁云人才发展“三剑客”所包括的人才画像、岗位画像、人才盘点就是从TD角度进行数据呈现的探索。
除了常规呈现方式，仁云还部署大屏呈现方式，助力客户建立人力资源数据中心，并便于数据的实时监控，随时掌握人力资源管理动态，为科学而精准的经营决策提供保障。
仁云HR共享服务数据可视化平台展示效果如下图所示：
仁云人才发展"三剑客"数据可视化平台展示效果：
来源：仁云
-
数据采集
数据成本是否扼杀了您的AI启动计划？
数据为AI初创公司提供了防御性的护城河：初创公司收集的用于培训AI模型的数据越多，该模型的表现就越好，新的参赛者难以赶上。然而，这些数据并非免费提供，许多人工智能初创公司认为他们的利润受到这笔额外费用的侵蚀。随着时间的推移，您可能希望减少对数据的投入，但目前尚不清楚如何预测何时会发生这种情况以及在何种程度上预测未来增长的模型。
与软件初创公司不同的是，产品开发埋藏在损益表中的研发成本之下，AI初创公司应将数据成本作为销售成本（COGS）的一部分。将数据视为COGS而非研发成本将有助于您发现扩大规模并降低成本的机会，从而提高利润率。
下面的数据价值链流程图显示了大多数AI初创公司如何获取和使用数据。首先，您将基础事实的片段记录为原始数据。您将原始数据存储在某处，然后建立流程或管道以维护和访问它。在AI模型中使用它之前，需要对数据进行注释，以便模型知道如何处理每个数据点。然后，训练有素的模型接收数据并返回推荐，然后您可以使用该推荐来为最终用户采取某种结果。该过程可以分为三个不同的步骤：获取数据，存储数据和注释数据以训练模型。每一步都会产生成本。
数据采集成本
在所有数据价值链中，某种传感器（物理设备或人类）首先需要通过捕获对现实的观察来收集原始数据。在这种情况下，数据采集的成本来自创建，分配和操作传感器。如果传感器是硬件，则必须考虑材料和制造成本; 如果传感器是人类，那么成本来自于招募并为他们提供制作和记录观察所需的工具。根据您的覆盖范围需要多大，您可能需要支付大量费用来分发传感器。某些用例可能需要以高频率收集的数据，这也可能会增加人工和维护成本。例如，观众测量公司尼尔森，面临所有这些成本，因为它既提供了框，也支付参与者报告他们在电视上观看的内容。在这种情况下，随着尼尔森的数据变得越来越有价值，其覆盖范围越广泛，规模经济就会降低单位数据采购成本。
在某些使用案例中，您可以通过向他们提供管理工作流程的工具（例如，自动电子邮件响应生成器），然后将他们捕获的数据存储在他们的工作流程中，将数据采集的工作和成本转移给最终用户。工作或观察他们与工具的交互并将其记录为数据。如果您选择免费分发这些工具，数据采集的成本将是客户获取工作的成本。或者，您可以选择为工作流工具收费，这可能会减慢和限制客户采用率，从而减少数据采集，同时抵消数据采集成本，具体取决于您的价格。
例如，我公司的一家投资组合公司InsideSales为销售代表提供了一个平台，可以拨打他们的潜在客户。当销售代表使用该平台时，它会记录有关交互的时间，模式和其他元数据，以及该销售渠道中的销售线索是否进展。该数据用于训练AI模型以推荐最佳时间和通信模式以联系类似的线索。这里，随着越来越多的用户进入平台，网络效应可能会增加工具的实用性，这可能会降低用户获取成本。
或者，在另一个实体已经建立数据收集管道的情况下确保战略合作伙伴关系可以进一步降低成本。我们的另一家公司Tractable采用计算机视觉实现汽车保险调节器的自动化工作，正在与几家领先的汽车保险公司合作，以获取受损车辆的图像，而无需投资向个别车主分发应用程序。
存储和管理成本
在数据存储和访问方面，初创公司面临另一个成本问题。除了您收集的数据之外，您可能还需要客户提供其他上下文数据以丰富您的模型。许多行业最近才开始数字化，因此即使潜在客户拥有丰富模型所需的数据，也不要认为数据易于访问。为了使用它，您可能不得不花费大量人力来进行低利润率的数据准备。
此外，如果数据分布在不同的系统和孤岛中，您可能需要花费大量时间来构建每个集成，然后才能使模型完全正常运行。一些行业围绕单片和特殊技术堆栈构建，使得集成很难在客户之间重用。如果集成服务提供商不可用，那么您的AI启动可能会发现自己陷入了为每个新客户构建自定义集成之前，它可以部署其AI系统。数据结构的方式也可能因客户而异，要求AI工程师花费额外的时间来规范数据或将其转换为标准化模式，以便可以应用AI模型。建立一个通用集成库可以降低成本，因为您可以在新客户中重复使用它们。
培训费用
大多数AI模型构建方法都要求您标记和注释数据，这是AI初创公司最大和最可变的成本之一。如果示例很简单或通常被理解为足以使外行人能够执行注释 - 例如，在图片中的所有苹果周围绘制一个框 - 您可以使用外包劳务服务（例如Mechanical Turk或图8）来执行注释。
然而，有时候，注释需要更专业的知识和经验，例如基于视觉线索确定苹果的质量和成熟度，或者石油钻井平台上的生锈斑块是否危险。对于这种更专业的劳动力，您可能需要建立一个内部专家注释团队并支付更高的工资。根据您的注释方式，您可能还需要构建自己的注释工作流工具，尽管像Labelbox这样的公司现在正在出现提供此类工具。
在某些AI应用程序中，最终用户是最有效的注释器，您可以通过设计产品来卸载注释成本，以便用户在数据与产品交互时标记数据。Constructor是我们的投资组合公司，提供针对电子商务的人工智能网站搜索，观察用户实际点击并购买每个搜索词的产品，使他们能够优化搜索结果以获得更高的销售额。这种注释不可能通过外包或专家搜索服务进行人工操作，并且可以保存Constructor，否则可能是重要的注释成本。
即使在您以高精度训练模型之后，当模型不确定如何解释新输入时，您偶尔也需要人类进行干预。根据模型如何为最终用户提供价值，该用户自己可以对模型进行更正或注释，或者您的创业公司可以通过采用质量控制“AI保姆”来处理异常。如果环境是您的建模是易变的并且以高速和常规速率变化，您可能希望保持稳定状态的注释器团队以根据需要使用新数据更新模型。
扩展AI业务
第一批成功的人工智能企业进入市场，提供无AI工作流程工具，以捕获最终培训AI模型并增强工具价值的数据。这些创业公司早期就能够实现软件利润，因为数据和人工智能是创业公司价值主张的次要因素。然而，随着我们转向人工智能的更专业应用，下一波人工智能创业公司将面临更高的启动成本，并需要更多的人力资源来为客户提供初始价值，使其成为低利润率的服务业务。
获得大量客户和数据将最终降低单位经济效益并构建关键的复合防御能力，但许多初创公司并不确切知道这一点到底有多远，以及他们需要做些什么来更快地实现目标。最好的人工智能初创公司将了解哪些杠杆可以在该途径上进行优化，并有意识地使用它们来进行正确的投资并快速扩展。
以上为AI翻译，内容仅供参考。
原文来源：Could data costs kill your AI startup?
-
数据采集
GrowingIO B 轮融资3000万美元 打造更懂用户和增长的行为分析产品
在数据分析行业布局三年后，GrowingIO 正在用产品和服务影响更多的用户，通过打造业内领先的基于用户行为的分析产品和增长整体解决方案，帮助产品经理、运营、增长负责人等落地增长，逐步成为行业的领导者。
2018年10月25日， GrowingIO 宣布获得NEA、经纬中国和Greylock三家投资机构 B 轮融资 3000万美元，成为行业内同等轮次融资金额最高的公司。
并发布了基于用户全生命周期分析和运营的整体产品新战略， 推出了小程序分析、可视化定义指标、用户画像、全平台用户行为数据采集、全获客渠道分析等10多个产品功能重大更新。
GrowingIO CEO 张溪梦（Simon Zhang）表示，未来 GrowingIO 将在产品和技术研发、增长服务落地、市场和业务创新上投入更多的资源。“为产品、运营、增长人员，提供更加快速、高效的用户行为分析产品和服务，帮助他们提高转化和留存，打造增长引擎。”
产品更贴近业务
从2015年5月创立 ，将“增长黑客”概念引入中国，以用户行为分析产品开始帮助客户落地增长实践,GrowingIO 一直走在分析产品的前沿。
10月25日，GrowingIO发布了基于用户全生命周期分析和运营的整体产品新战略， 推出了小程序分析、可视化定义指标、用户画像、全平台用户行为数据采集、全获客渠道分析活动运营分析、小程序看数助手等10多个产品功能重大更新。
“从获客监测、到用户激活、再到留存和变现整个用户生命周期， GrowingIO 按照数据采集、图表监测、分析洞察、实验改进的增长闭环，提供更加丰富完善的产品功能和模块，帮助产品和运营人员快速发现问题、提出假设、实验优化，用数据来驱动增长。”GrowingIO CTO 叶玎玎表示。
其中，除了持续改进 Web/Android/iOS 的采集能力，也新增了对于微信生态圈、支付宝小程序的采集能力等。GrowingIO 同时将支持服务端数据采集和提供更丰富的数据对接方式， 不止是交互行为数据，也包括业务行为数据，GrowingIO 支持全平台数据采集。
并新增媒体监测、深度链接、二维码管理和投放映射等，覆盖全渠道数据监测，打通渠道、下载、激活、注册到产品内转化留存的用户数据，支持深度流量分析，精准评估渠道质量。
GrowingIO 增强了数据洞察能力，强化用户画像等功能支持， ”不同客户的留存行为区别、如何快速找到强留存功能，以推送给其他类似的用户分群，提升产品整体留存等这些场景应用，用户此前通常需要分享1-2周甚至更长时间的分析才能获取结果，在我们的新功能上，只需几步操作就能获取到。“叶玎玎介绍。
并依托于 GrowingIO 既有双模数据采集方案和强大的数据分析能力，GrowingIO 重磅推出的小程序分析产品，支持投放-行为-业务数据打通，助力做获客-转化-分享增长分析闭环，不仅满足基础的数据监测和分析，更能支持更深度的转化、留存分析。
比其传统的数据分析工具， GrowingIO 提供一套更为灵活和强大的分析产品。“更快、更容易上手、更专业、更灵活、更懂增长”成为大多数客户选择 GrowingIO 的核心原因。
这主要依赖 GrowingIO的双模（无埋点加埋点采集）分析模式，满足敏捷探索以洞察未知增长点，及稳健监控以监控核心增长点的双重需求。其中无埋点全量实时采集用户行为数据，解放研发人力，减少内部沟通成本，敏捷快速支持创新迭代；埋点打通用户交互行为和业务数据，全面监控核心业务运营指标。
创立之初，GrowingIO 以无埋点技术切入市场，解决用户此前在用户行为数据采集上的工作量大，部署周期长，并且用户个性化需求无法被满足，分析灵活度不足，业务同学做数据分析强依赖产研和分析资源等痛点。 减少业务人员对产研和分析资源的依赖，自行圈选，即可按照业务需求制作指标和图表，随时分析随时优化运营策略。
“GrowingIO对小猪最大的帮助是，它成为一个人人会用的工具，不只是产品经理，用户运营与市场运营都能自助定制一个接地气的观察方法，在上线的第一时间，开启观察与优化的动作。”小猪短租产品副总裁孙朝晖认为，“Growingio 不是在赋权，而是在赋能。”小猪短租早在2016年9就开始跟 GrowingIO 合作至今。
作为 GrowingIO 的技术优势，并随着客户在无埋点技术的使用越来越深入，GrowingIO 不断进行技术迭代和升级，升级数据统计模型及数据模型重构，提高数据采集的稳定和准确性。并新增支持小程序、小游戏、React Native 等，发布 Chrome Web 圈选、实时调试等插件，将机器学习应用在无埋点数据匹配上，迭代圈选元素智能推荐技术，帮助用户更快、更准确的采集所需数据。
不止于产品，更是一整套增长解决方案
不只是帮用户搭建一套数据平台或只是提供一套软件， GrowingIO 在业内首推国内领先的“分析产品+运营实施+增长咨询”数据服务体系，提供一整套增长解决方案，帮企业落地用数据驱动业务增长。
在服务客户的过程中，发现很多客户有很强数据驱动的需求，但过往积累的经验更多是流量运营，比较缺乏增长经验的积累。比如在基础的数据体系搭建上，仍旧处于比较初级和粗糙的状态，即便是一些体量大、较为成熟的企业，其内部也没有建立完善科学的指标体系。
GrowingIO 在业内搭建了首个增长分析师团队，其分析师和技术实施团队在服务了上千家企业后，积累了丰富深厚的行业经验，提供业内领先的电商、互金、在线社交、在线教育、新零售等几大行业场景数据化解决方案。
在客户接入后，GrowingIO 服务团队会安排专业的增长分析师团队帮助客户提供数据规划，技术实施团队快速接入，帮助企业全面梳理并搭建更科学的核心指标体系及增长解决方案，然后由客户成功团队，后续提供全生命周期服务，协助客户落地增长。
并早在2016年，GrowingIO 就推出国内首家以“数据驱动增长”为核心的 GrowingIO 增长学院，和硅谷顶尖增长专家与机构展开合作，将全球更先进、更科学的增长理念和实践系统性落地本土，帮助国内企业管理者搭建增长团队、构建组织增长体系、驱动文化及创新。
随着对客户普及增长方法论的认知、提供最佳实践指导、产品使用培训等全方位服务的深入，在 GrowingIO 服务的客户中，越来越多的公司，包括像快手、滴滴出行等这些一流互联网公司都在搭建增长团队、增设增长职位或增长官。
并像春秋航空、实习僧、热拉、中原地产等一大批增长前沿的实践者，借助 GrowingIO的产品分析、洞察和优化，实现用户整体次日留存率提升3% 、注册转化率提升10%、获客成本仅为行业的20%等实际的增长落地。
目前，GrowingIO 成长迅速，服务了800多家付费用户，客单价同比提升了100%，最新一季度续约金额超期120%完成，其中一些代表性客户合作金额实现从几万到几十万，甚至几百万的提升。
客户既包括头部互联网公司及大量创新成长型公司，如腾讯社交广告、滴滴、快手、陌陌、58同城、人人贷、宜人贷、点融、花椒、造作、自如、小猪短租、途家等；也包括中国移动、云南移动、中移在线、海尔、方太、上海链家、春秋航空、华住酒店集团、首旅如家、顶新、新东方等大型企事业客户的线上业务；其中销售易、北森、下厨房、猎上、狗民、小猪短租等，都是 GrowingIO 自创办至今连续三年续约的忠实客户。
其实早在今年2月，GrowingIO B 轮融资已经完成。做为 GrowingIO 最早的投资机构，经纬创投董事总经理熊飞认为自己正见证一个伟大公司的创立，他表示，“我们认为中国企业对增长以及如何精细化运营流量的需求非常巨大，Simon正逢其时地把硅谷先进的实践经验带回中国落地，我们看到越来越多的用户通过 GrowingIO 有效提升 ROI，加速他们的增长。而 GrowingIO 自身在客户数和收入额过往三年也在快速增长。”
美国最大投资基金之一 NEA 亚洲区主席 Carmen Chang 表示，“我们投资一家公司，几乎都是因为团队创始人、团队和他们的愿景。我们听说了很多 Simon 的事，他在圈内、特别是 LinkedIn 都很受尊敬，他在 LinkedIn 带领整个数据科学团队，现在他在国内也组建了一支优秀的创始团队。 促使我们投资他的一个重要原因是，他对公司的使命有着非常宽广的视野，对公司的业务有着巨大的热情。”
NEA全球管理合伙人 Scott Sandell 同时表示，“GrowingIO 让客户能够更快更高效的获取、分析他们的用户行为数据，并制定策略采取行动。这在中国至世界各地都有非常巨大的需求，我始终认为，它最终将是一家全球性的公司，所以我们决定继续领投 GrowingIO。“
目前产品、运营、增长等人群仍是个年轻、创新的群体，还处在早期成长阶段，远未到爆发阶段。“从现状来看，可能是个10-20亿元的市场。但这是潜力巨大的市场，未来可能有10倍，甚至更高的增长。”他认为。
虽然行业仍处在早期成长期，但如何使用数据驱动增长，正在被越来越多的企业快速吸收理解，并创新应用，“用户的学习和成长速度，用户使用时长、使用度和活跃度比我们想象得更长、更深、更高。”张溪梦认为。
GrowingIO 数据后台显示，目前，其采集日均用户行为消息数达到2000亿条，同比增加了100%；监控指标总数达百万规模，增长了 60%。
不过，张溪梦仍认为这是个慢生意，需要有足够的耐心。“一方面技术、产品的门槛，没有人能够跳跃式地跨过，数据分析是数据平台、技术架构等各种能力的综合；另一方面，能否在未来的每个月、每个季度都持续把握住客户需求，并将客户实践积累出的经验转化成产品和服务。GrowingIO 还需要不断努力，以实现给客户带来价值，用数据驱动增长。”
原文链接： GrowingIO B 轮融资3000万美元 打造更懂用户和增长的行为分析产品
扫一扫 加微信
hrtechchina
