摘要：难以让人想象，Simon曾是一位脑肿瘤手术医生，10年后却成为世界排名前十的数据科学家之一
◆ 难以让人想象，Simon曾是一位脑肿瘤手术医生，10年后却成为世界排名前十的数据科学家之一。
导语
“刚开始觉得《mad MAN》美剧里，设计师的设计Creative特别酷。后来才知道这并不是拍脑袋决定的，需要通过精确的数学模型算出来。”这种认知的转变，源自张溪梦（下文称Simon）15年的职场沉浮。
谁也没想到，在医学院呆了两年、作为同期唯一一位被天津肿瘤学院录取担任脑科医生的Simon，在10年之后会成为世界排名前十的数据科学家之一。
他的人生，似乎一边半途而废，一边怀抱热望。放弃5年医学专业，瞒着家人辞去金饭碗，怀揣着“成为最好的数据分析师”的梦想去新东方学习英文，出国攻读MBA，先后进入Linde Group、Epson、Petco、Ebay、LinkedIn，从市场分析专员到商业数据分析高级总监… …这条路一走就是10年，每一步都步步为营。
◆ Simon说，传统数据分析中，工程师需在网页中埋各种代码（埋点），以此获取数据源，这会消耗工程师25%的时间，剩下时间则是陷入大量的沟通中。
期间，他体会到了数据分析的痛苦：效率低、无规模化、周期长……于是，瞄准相对空白的中国市场，他成立GrowingIO——一家大数据分析公司，运用无埋点采集方式，迅速生成数据分析结果，针对企业服务领域的客户成功、市场推广、产品体验、客户服务等提供精益化运营的分析模块及解决方案，目前产品支持Web、H5、IOS、Android。
使用该产品，工程师只需要嵌一段3行的JS代码在网页端，即可将整个数据分析的流程（从采集、数据传输、输出存储、数据转化、可视化、高级分析模式）通过一个产品展现。
8月24日第一版产品上线，截止至今，产品处于内部邀请及小范围公测阶段。8月底，GrowingIO获得220万美元天使轮融资，投资方为经纬中国的创始人邵亦波、LinkedIn的创始人Reid Hoffman、美国最大风险投资基金之一NEA。
曾经为了苦练铁拳，手指甲盖几乎掉了的他，最终在全国大赛中斩获前三；享受低价买进高价卖出的eBay过程，却唯独不愿碰股票——容易对喜欢的东西上瘾，是他拒绝股票的理由。同样，对热爱事物的执着，让他放弃了硅谷数据科学家的光环，成为一名普通的创业者。
“This is amazing”是他曾经的口头禅。如今，“This is amazing”成为产品内测阶段受众的普遍认知。面临今年“增长黑客”劲头正旺、大数据概念越发普及的市场环境，张预言“这条路不会太长”。
注：Simon已确认文中数据真实无误，铅笔道愿与他一起为内容真实性作背书。
十年数据沉淀
5年医学院班长，毕业后进入天津市肿瘤医院担任脑肿瘤手术医生的Simon，10年之后故事来了个弯道超车：先后加入Linde Group、Epson、Petco、Ebay、LinkedIn，成为世界排名前十的前沿数据科学家之一。
7点上班、12点离开医院，30个小时连轴转的手术却改变不了很多病人的状况。“如果一个疾病有了学术名称，那么这个疾病就是无法治愈的。”医学院的第一节课就让张无法理解。
“我希望做的事情有逻辑。但是人体太复杂了，我并不是真正的理解这是为什么，一个东西你若很难理解它形成的原因，就不能找到解决方案。”
于是，作为应届唯一一位被天津肿瘤医院录取的他，辞去了这份工作，开始申报新东方学习英语、出国攻读MBA。随后，这个名字颇有武侠风的Simon，遇到了自己的“西门吹雪”——一位在硅谷工作十年、腕关节及韧带因为高强度工作致残的印度人。
“他打字打得太多了，整个手腕已经抬不起来，当时公司给他特制了一个键盘。那个人对SAP背后的3000张基础表格了如指掌，每一张表里面大约有50个到100个字段，它不光是名字，还有逻辑。”
被追求极致的精神激励，Simon在MBA毕业后，先后进入Epson、Petco、Ebay，担任市场分析师、数据分析师。Epson的用户画像、Petco销售渠道模型、Ebay购物车的支付效率… …他第一次系统了解了数据与营销的直接关联。
“数学很深奥，销售行为可以用模型预测，用数据和计算机技术，可以把整个商业流程相对无缝地关联起来。”这就是Simon的工作，他需要从几个同时动态滚动的图、表、数字的屏幕中找到关联。为了研究支付效率，他一度在Ebay上频繁买卖。2010年，Simon带着Ebay年度交易额全公司卖家第一、买家第二的称号，离开了Ebay，走向了人生中的重要转折点——加入LinkedIn。
“我想做最好的数据分析师。Ebay我做再多努力，可能只增加1%的业务，并不能改变Ebay的整个情况。”于是，张选择了相对早期的创业公司LinkedIn，成为公司的第一位商业数据分析人员。
彼时，Simon的任务是通过数据分析支持销售部。2010年底到2011年下半年，9个月时间，500个项目，消耗了张大量的时间。“活太多了，都是散碎的活，甚至是一些让人愤怒的小事，但是你不做的话，人家销售就没法往前推。”
忍无可忍，治标不治本的方式严重拖沓了效率。“再雇10个也完不成这些事。150个销售，我一个人直接跟他们打交道，我手再快也不可能把所有人都搞定。” 年轻气盛的Simon向上级提出建议：
成立独立的小团队。一年夹在产品与销售间生存的状态，让Simon无法保持数据公正性。“销售的数据导向肯定是支持销售的，所以只有把数据放在支持的组织之外，才能保持中立性。”
数据分析软件化。“很多人的问题都有共同性，我把所有问题变成模拟的自动化程序给他们，而不是他们天天来问我东西，就可以大幅度提高效率。”
提议并没有受到重视。不愿意尝试新事物、不愿意改变既定流程是推行的主要阻力。后来，颇有些赌气意味，以“不尝试就离开”为条件，Simon最终在销售部进行试点。
4个人的小团队，耗时4个月，粗糙版DEMO 开始使用。试用期间，数据处理能力从9个月500个项目提升到可以处理每年将近20万个项目，同期销售额提高270%。随后，市场、广告、客户运营、风控等部门，开始接入Simon的部门。
4年之内，他连升四级，从Data Scientist到Sr director；团队成员从最初的一个人，拓展到80余人。“数据分析本身就能创造价值，这种价值是很多人难以估量的”，浸淫数据领域10年之久的Simon，用结果证明了他的判断。
回国创业
“数据需要公正、真实，比如说我在咖啡馆里运行数据，我就说全世界的人都在喝咖啡，这是非常不对的。”一直站在数据分析前线的Simon，用“痛苦的折磨”形容他的数据分析之路：
1、太慢。“Ebay用了四年时间不断积累，多少人和多少的公司会用这四年的时间来做呢？”
2、技术复杂。“需要打通不同的技术性工种。前端工程、数据传输工程、数据库管理、前端可视化等，还需要做报表的、做分析的、能知道趋势、能推进算法。”
3、效率低。“在一个公司里面，都是CEO、VP、director来进行决策，这样传统的方法效率并不高。让公司有效率，间接的是让公司里面的员工有效率。只有把数据决策的驱动权给员工后，效率才会提高。每个人被相对数据驱动后，就不会有拍脑子坐决定，更不会造成错误判断。”
10年，从遇到他的第一位“西门吹雪”到自己被誉为华人界的“西门吹雪”，“成为最好的数据分析师”是一直没变的梦想——2015年，他被Data Science Central评为世界前十的数据科学家之一。现如今，怀抱“将最好的数据科学、数据分析师模拟化”的梦，他准备创业，试图让数据分析的价值在所有公司释放。
相比美国相对成熟的数据分析市场，中国尚处于苏醒期。“在美国和数据直接相关的企业接近2000家，但是美国的市场很有意思，他是按照功能分区的。做数据库的、做数据传输的、做数据存储、做可视化的、做模型的，所以他会很慢。包括中国的一些企业也是基于美国的这套方法论。一体化很少，但是我认为效率的增加需要数据分析一体化。”
2015年3月，Simon瞄准国内相对空白的市场，回国创业。同期，进行了为期1个月的市场访谈，前后接触近80家公司，涵盖创业公司、领先互联网公司、传统企业等大中小不同体量的公司。“跟他们说我要做的事情，问他们需要什么。”
“不可能”是被调研企业的第一反应。这与根深蒂固的“业务端驱动技术部门的思维”有关。长期以来，数据仅作为支持业务部门的工具。“不相信产品功能，也没有意识到数据的真正价值。”，Simon总结道：“聊了一圈，他们往往会说‘我们不知道该做什么、怎么做，我们只需要你告诉我怎么做就行了’。”
这正是Simon需要的答案。2015年5月，公司成立，取名GrowingIO。名字源于growthhacker（增长黑客）——兴于美国互联网创业圈，后盛行于国内。今年年中，范冰的同名书籍上市，更是将这一概念推波助澜：低成本甚至零成本地用技术、数据的方式，为企业提供解决方案，从而让产品、用户获得有效增长。
因地制宜的产品原型
将美国的产品形态延伸至国内，需要本土化。针对中国目前数据分析的现状，Simon总结了4个痛点：
1、人工埋点效率低。埋点是传统数据分析的方式，工程师通过在网页里面埋各种代码的方式，获取数据源——LinkedIn埋了几千万行代码，Ebay则高达百万个。“通常来说，埋点会消耗工程师25%的时间，剩下的时间则是陷在大量的沟通里。因为数据需求是业务部门提出来的，提出来以后需要跟他们沟通。”
同时，由于工程师的流动性，如果离职工程师没有留下说明，唯一的办法就是新工程师一行行人工排查代码。“长期积累以后，网页就像被打了补丁，东一个、西一个，没有很好的整理，大量的补丁反而会拖慢网页的运行速度。”
2、周期慢。“昨天的数据最快也要24小时才能看到。但是你急需知道一种新的东西，甚至要等上几天、几个月，严重的会影响决策。”
3、成本高，不具备规模化。“一个产品结构需要不同类型的技术人员，这对于早期创业公司来说成本非常高。同时，由各业务部门驱动的定制化需求，并不能规模化。”
基于此，Simon设计了GrowingIO的产品原型：
1、无需埋点。工程师只需要嵌一段3行的JS代码在网页端，即可将整个数据分析的流程（从采集、数据传输、输出存储、数据转化、可视化、高级分析模式）通过一个产品展现。
2、实时信息。用户在界面，直接圈点最关心的界面（比如按钮、轮播图、网页、移动页面等），即可马上呈现信息分析。
3、规模化智能分析。网页的所有元素可以进行拆迁。将用户的需求数据标签化后，从而针对业务类型给出专业的商业分析数据页，满足不同部门员工需求。
4、数据保密。第一方数据属于第一方，通过设置管理权限保证数据安全。“我们不会销售数据。我们仅提供分析功能产品的服务，里面有权限管理，不是所有人都能看到所有东西。”
为了适配不同的浏览器，技术团队花了近3个月的时间测试。“猎豹浏览器、360安全浏览器，浏览器里面又分很多版本，很多各种公司还有自己开发的浏览器。往往同样一个网站，是在不同的浏览器上打开，所以我们要获取网站上的所有元素的浏览量和点击量。”
8月24日第一版上线至今，产品一直处于内部邀请及小范围公测阶段，测试企业大多集中在SaaS领域（人力资源系统、CRM、企业协同、物流等等），获得为期1个月的免费体验期。待产品真正上市之时，GrowingIO将通过客户流量和用户数量加权的方式，收取年服务费进行盈利。
8月底，GrowingIO获得220万美元天使轮融资，投资方为经纬中国的创始人邵亦波、LinkedIn的创始人Reid Hoffman、美国最大风险投资基金之一NEA。
随着大数据概念的普及，从粗犷式运营走向精细化的数据驱动是大势所趋。“这个市场的培育期不会太久。”如Simon所说，在“让每一个企业都有数据科学家”的理念下，Ommiture，Google Analytics，Mixpanel，TalkingData，Umeng等企业也纷纷加入了这一相对空白的领域，市场正在苏醒。
文| 铅笔道 记者 戎枳潓
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「我们」留言处理。
