技术大咖硅谷行：不同角度为你剖析Airbnb如何打通数据价值链？

大数据 Airbnb 百分点数据价值链

刘译璟 | 2016-11-03 10:24

【数据猿导读】百分点集团技术副总裁刘译璟近期走访硅谷，包括FaceBook、Airbnb、Google，以及一些创业企业，在面对面交流大数据技术中获益匪浅，尤其是对Airbnb的印象最深

百分点集团技术副总裁刘译璟近期走访硅谷，包括FaceBook、Airbnb、Google，以及一些创业企业，在面对面交流大数据技术中获益匪浅，尤其是对Airbnb的印象最深。

这家08年成立的企业被媒体曝光很多，被称为数据驱动业务的典范。其实，它之所以如此受追捧，不仅是因为今天Airbnb已经扩张至全球191个国家，估值超过240亿美元，还有更深一层的原因。

Airbnb最有特色的一间办公室

今天要讲的就是Airbnb的数据理念和组织架构中的奥秘，剖析数据科学家团队如何帮助它打通数据价值链。

历数硅谷成功的互联网公司，像FaceBook、Google这样的企业，是典型的技术型企业，并且是技术驱动业务;而Airbnb本身是依靠产品、设计起家，非常强调业务。Airbnb的技术体系主要是基于开源技术，并恰如其分地应用到自己的业务里。凭此，才真正可以称为是实现数据价值的案例。

回看国内，在互联网公司里面，有很多的企业都是依靠数据产生价值的，比如阿里，一直号称自己是一个数据公司，而不是一个电商公司。

但在一些传统企业中，百分点发现了一个共性问题——传统企业在数据转换化为价值上面临很大的困难。比如掌管数据的科技部门把平台搭建好并收集数据后，业务人员往往没有应用起来;业务部门也面临这样的情况，对于非业务化的数据完全看不明白。

这个问题的核心，是数据价值的实现链条上的出现了业务、人才和技术的缺失。

“内嵌”在Airbnb的数据科学家团队牛在哪?

通过与Airbnb的基础架构数据部及数据科学家沟通，我们画出了Airbnb的业务架构图。

Airbnb数据科学家团队的组织架构特点是：嵌入式为主，集中式为辅。

2008年Airbnb初创时只有七个人，当时人们对大数据的价值追求还不像现在这么狂热，通常情况下会在公司成熟以后再建立数据团队。然而Airbnb创始人非常具有前瞻性，公司成立初期就迫不及待地着手筹建自己的数据团队，并通过数据驱动业务产品线发展。

现在，Airbnb已经发展到的10多条业务线，每条业务线里都有自己的产品经理、设计师、工程师，以及相关的运营人员。条线里面重点囊括了数据科学家团队，并且，这些数据科学家全部都直接部署在各个产品线里面，这就是Airbnb实现数据价值转换的关键。

支撑这些数据科学家团队的是什么?

包含两个组织，一个是数据基础研发部门，负责基础产品研发;另一个是数据研究研发部门，统管了Airbnb所有的数据。这两个部门综合起来就是基础架构，下面的基础架构的数据部门是集中式的，但是任何偏向业务的数据，都是直接进入到业务线里的。

Airbnb主要是在挖掘自己的数据，而没有借助第三方。这也说明对第一方数据的充分利用有非常大的潜力。

Airbnb实现数据价值的想法，实际上跟百分点的理念非常像。百分点在去年9月8号发布了 “+大数据”模型的BASIC模型，包括核心信念、架构设计、专业团队、基础设施和机构能力。结合Airbnb的发展实践可以这么阐释：

B：创始人不仅具有前瞻性，目前Airbnb在全球大约有2300多名员工中，数据科学家团队就有200多个人，比例达到10%之多，说明Airbnb对数据驱动业务的重视程度。

A：概括来说，Airbnb的架构中，数据基础部门是把企业里所有的数据集中起来，构建统一的数据收集、标签化、标准化，以及建模、实验平台;数据科学家团队是切切实实的业务部门，要进入到产品线里实现业务上的价值。

S：值得注意的是，Airbnb中负责数据基础架构的只有15个人，他们很好的支撑了200多人的数据科学家团队和10几条业务线，这归功于团队间的专业分工。

I:Airbnb在数据基础部门做了大量投入，下面重点介绍一下Airbnb数据基础架构部和数据科学家团队做的事情：

1、用户特征标签化

Airbnb基础平台用采用了Hadoop大数据处理的平台，把各个业务产品线上的数据收集。由于数据是现实世界的一种反应，要将这些偏于技术化的、零散的数据，转化为业务化的、集中的数据。比如房子、租客、地区、城市有什么样的特征，统统都要转化成标签，提供给数据科学团队使用。

数据基础架构部门

在这个系统里，他们特别强调了两类标签：一类公用标签，一类是定制化标签。(数据科学家根据自己对业务的理解去定制一些特征，这些数据进行长期应用后，又会转化到公用的业务里来)有了这些特征之后，数据基础架构提供一整套机器学习算法进行建模。

百分点同样做了很多标签技术的探索，尤其在异构数据方面，整合企业线上、线下、手机、PC、会员、访客等全渠道来源用户数据，形成体系化、可视化、可操作的用户数据管理平台;更擅长多种类标签生产，运用计算能力，将企业一方数据生产成统计类、算法类等标签，同时也能接入文本类、模型类标签。最终可形成360度用户画像，方便目标用户群圈定。

2、实验系统

Airbnb还有一个很重要的系统——实验系统。任何一个互联网的产品在做一些改进、投放的时候，并不知道会有什么效果，所以需要做一些实验。

数据科学及团队职责

数据基础架构部门要在这个实验平台上，方便数据科学家团队们调整自己的算法，来判断是不是真的对业务起到了帮助的作用。

数据基础架构部门只有15个人，也正是因为更多关注Airbnb自己的数据，所以才可以集中精力搞定这些事;数据科学家生成一个模型之后，就会在业务线里反复实验，之后出报告并提供产品改进建议。

Airbnb值得学习的地方还在于，其业务的深度和广度，让它更早地接触到很多公司都将面对的问题。我们也可以通过Airbnb八年发展中的一些小故事得到借鉴。

互联网时代用户体验为王，但如何做好却不容易。

为此，Airbnb在2013年做了一次非常大的改版，想把房子照片显示更好并在地图上显示出位置信息。

Airbnb上线新的页面后，对比研究了改进前、后的客户感受，发现升级完租房的比例居然下降了2%。数据科学家进一步分析，是因为系统里在某一些用户体验、操作步骤上出现了Bug，在IE特定的版本上会出现比较大的问题，在IE上下降了3%。

这个经验在后续的版本升级中得到延续，使得收入得到比较大的提升。

由于Airbnb的业务涉及到190多个国家，每个国家里有自己不同的货币，也有不同的支付手段。

比如说在中国，可能是愿意通过刷信用卡，也有可能通过支付宝去支付。但是在美国，支付习惯却是另外一种。这样一来，对于Airbnb来说，全球有645种支付方式，是一个很庞大的网络，被称为“现金路由”(Currency Routes)。房主能用自己想要的支付的方式，把钱给取出来，这是一个很大的支付上的体验问题。

因此，整个数据科学家团队建立了一个模型，用来监测某一个路由是否会出现异常，如果出现异常之后，就要转换到其他的路由区，即通知整个支付平台切到另外一个渠道，把漏洞给补上。

要实现数据价值，拼的是机构能力

我们认为，数据决策力是一种新的综合能力，运用数据一定要形成机构的能力，即Capability。