解放数据分析师，GrowingIO 瞄准数据分析中的脏活

张溪梦，原 Linkedin 商业分析部高级总监，曾被美国 Data Science Central 评选为“世界前十位前沿数据科学家” 。在Linkedin期间，张溪梦带领 Linkedin 数据分析和数据科学团队，直接支撑公司所有与营收相关的业务。现在张溪梦已经从 Linkedin 离职，创立自己的公司 GrowingIO。GrowingIO 的目标是为互联网企业提供方便高效的数据分析服务，从而令企业做到数据驱动，提高商业运营效率。张溪梦表示，数据分析90%的时间是耗费在技术含量不是很高的脏活上，GrowingIO 最终希望把这部分时间变成0，让数据分析人员专注于需要人类智慧的部分。

目前，最能体现这个愿景的是 GrowingIO 数据采集技术。GrowingIO 数据采集最大的亮点是不需要开发人员埋点，就可以详细地收集用户的数据。一般为了收集用户的数据，比如浏览轨迹、点击记录和鼠标滑动轨迹等行为数据，开发人员需要大量的埋点。大量埋点费时费力，而且需要开发人员和业务人员的反复沟通。如果利用 GrowingIO 的系统，开发人员将 GrowingIO 的 SDK 植入系统，业务人员就可以根据业务需求定制数据采集规则。

收集到数据之后，GrowingIO 的分析师会根据数据，帮助客户梳理业务上的问题，提出可能适用的数据分析模型。当客户的运营、销售或者数据科学家熟悉GrowingIO 系统之后，便可以根据 GrowingIO 采集的原子级别的数据，挖掘出更多的数据分析应用场景，比如提升用户转化率、减低客户流失率和深刻理解客户分群等。这个过程甚至不需要开发人员的介入。

GrowingIO 的联合创始人吴继业，前 Linkedin 数据解决方案总监。GrowingIO 的联合创始人叶玎玎是企业协同任务管理软件风车的创始人。

为什么大数据说得多，做得少？因为目前大数据分析同时需要编程和数据分析两个技能，并且大量的时间耗费在清洗数据等脏活上。因此建立好数据分析基础设施，能够自动完成数据清洗等脏活，允许数据分析人员无需编程技能就能完成工作，将极大地发挥数据分析的价值。