大数据时代，领英是如何打造产品功能的？

至顶网CIO与应用频道 05月17日 北京消息：我们已经进入了大数据时代，对数据加以分析并得到对环境和业务全面的洞察，正在引发新一轮产业革命。近期，领英中国在新升级的领英App中上线了一系列新功能，这些更新的产品功能背后不乏大数据的应用。

身处大数据时代，大量的原始数据就像金矿，在被充分利用之前，其价值并没有显示出来。数据科学家需要和不同团队协作，用标准化的用户数据，构建完整的数据生态系统，这其中包括数据采集、ETL、存储、计算、分析、试验、可视化等。领英利用人工智能、机器学习等新科技，对数据加以研究和测算，为个人会员、企业客户和社会提供洞察。

从一家以数据为驱动的硅谷新锐，到成熟的大数据公司，领英的数据驱动文化助力公司实现快速增长和长远发展。将“To make data-driven decision at scale”奉为行动宗旨的领英数据科学家一方面需要帮助产品经理实现增长用户的目的，为产品团队提供技术支持，另一方面也要与工程师确定最后如何实现技术落地。在领英产品团队里，数据科学家与产品经理和工程团队一起，组成整个团队的三根支柱。只有这三根支柱紧密协作，才能将各自的专业优势发挥到最大，使得产品团队能够高效运行。

以标准化的用户数据构建领英知识图谱

领英全球拥有6.3亿会员、5万项职业技能、3000万雇主公司、超过2000万个开放职位以及9万家教育机构。具体来看，领英应用超过10亿个数据点（职位、技能、公司、会员等等）来构建领英知识图谱(LinkedIn Knowledge Graph)；这些图谱中形成超过500亿个关系纽带，领英以此来开发相应的推荐系统；这些标准化数据在领英模型和产品中得到应用，为客户和会员定制他们每一步的使用体验。

领英知识图谱(LinkedIn Knowledge Graph)是领英基于用户数据，通过自然语言处理、机器学习等技术手段，将原本零散的信息标准化、系统化后，形成的能够实时更新、快速映射的复杂图谱。以此为基础，领英能够向用户提供更具定制性的下游产品服务。Knowledge，即领英对用户的认知；Graph，即用户与各实体之间的连接。标准化的用户数据是构建领英知识图谱的基础。

简单来说，领英前期将通过用户自发上传的数据来建立知识图谱，形成对用户的基本认知。后期，即使用户某部分信息缺失，领英仍然可以基于对用户形成的复杂映射网络、相似用户数据分析（如参考同一行业用户的擅长技能等），向用户提供精准的职位、文章推荐等服务。

领英拥有高度结构化的数据集，这是领英的优势所在。数据让领英与众不同，并将数据应用于：为用户推荐新技能、新培训课程和新职位；协助招聘人员找到合适的人选；让求职者找到合适的工作；推荐精准的广告；向用户推送他们感兴趣的消息和内容。

基于知识图谱，打造领英的“职业指南”功能

领英近期上线的“职业指南”功能也是借助领英知识图谱打造而成的。目前，领英“职业指南”初步为中国职场最受欢迎的八个主流职业开辟了“前世今生”的分析渠道，包括软件开发、项目管理、销售、运营、市场营销、创意设计、产品经理及数据分析。这八个职业在会员个人在职信息、相关岗位查看频次以及招聘人员发布需求上均属前列。此外，当用户点开某一具体职业查看时，拿产品经理的基本情况来说，比如级别分布中，有16.11%为高级职员，而从高级职员升至经理，一般需要2.7年的时间；一旦升至产品总监，则将拿到平均76万的年薪。用户甚至可以查看包括该职业“入行前”和“转行后”的详细分析，例如从事产品经理的人入行前多从事项目管理，而转行后更青睐市场营销。这些精细的洞察统统基于领英知识图谱产生。

在“职业指南”功能中，领英也向用户罗列出某一职业的必需技能，并智能推荐相关领域专家、课程、职场问答及感兴趣职位。这些定向推荐的背后，领英知识图谱同样发挥着巨大作用。除了分析用户自身数据外，领英也会对平台已有职位数据进行分析，对工作经验、所需技能等进行权重分配。最终呈现在用户面前的职位推荐排序，将基于多方加权计算产生，用户最有可能申请的合适工作机会将位列前端，方便用户查看和申请。

为此，领英构建了一支国际化的研发团队，在硅谷和北京两地以“One Team”的形式高效协作：常驻硅谷的工程师实时分享总部最新产品计划和资源；常驻北京的工程师专攻适合本地会员的产品与服务；两地团队的工作无缝衔接。作为一家高科技的硅谷企业，领英集合了全世界平台的资源和人才优势，以One Team的研发形式满足了从资源层面到人员层面的交流共享需求，保证在紧跟全球最新技术趋势的同时，快速且高质量地实现产品本地化，从而实现领英的终极愿景：为全球30亿劳动力的每一位创造经济机会。