深度剖析：Airbnb快速增长背后 数据在干什么

本篇文章3176字，读完约8分钟

airbnb的数据团队，赖利·纽曼是后排右边第五个

五年前，我加入了airbnb，成为了一名数据科学家。当时，只有少数人知道这家公司，而整个公司只有七个人。

招募我是我们创始人的一个特别具有前瞻性的行为。大数据的兴起决定了数据具有竞争优势，但这通常是公司成熟时会注意的部分。那时，airbnb希望迅速发展，我被公司的文化所吸引。尽管当时只有少量的数据，我还是开始从事与数据相关的工作。

硅谷早期的创业公司有着浪漫的特点:行动迅速，只做基本的决定，任何好的想法都有可能成功，我非常同意这一点。

当时，当我们对商业领域的先驱业务知之甚少时，数据基础设施的建设是快速而稳定地实施的。这家公司太小了，每个人都是一个决策周期。数据团队，也就是我，可以有自己的测量标准和方法。

但是当airbnb五年后增长了43，000%时，事情变得有点复杂了。我们使用数据的方式更加复杂，现在数据成倍增加。因此，我认为是时候写这篇文章，回顾一下我们的数据团队是如何伴随公司发展的。

围绕如何将数据科学与其他业务功能联系起来，我将其分为三个概念:我们如何定义数据科学，如何使用它来做出业务决策，以及如何将其扩展到airbnb的所有方面。我不能说我们的解决方案是完美的，但是我们对我们的日常工作很兴奋。

数据不是数字，而是用户

数据科学团队的基础是组织中的数据文化和概念，因此定义我们如何查看数据的先决条件是数据在业务中的作用。

过去，数据被视为冷数字，纯粹被视为测量工具，根据要求提供统计数据。因此，我们经常被要求提供一些事实数据，比如:我们在巴黎有多少所房子？意大利十大旅游目的地是什么？

回答这些问题和测量结果肯定是工作的一部分，但是airbnb有更人性化的数据特征，这是我们用户的声音。在大多数情况下，网站上的行动或事件记录反映了一个人的决定。如果你能在做这个决定之前发现用户的行为，这是一种间接的方式让用户告诉你他们喜欢和不喜欢什么。

这种反馈可以帮助我们做出社区发展决策、产品开发和资源分配，但前提是你能理解它。因此，数据科学是一种解释，我们必须将用户的声音转换成更适合决策的语言。

在airbnb，倾听客人和主人的声音是我们的企业文化。在早期，我们的团队拜访了社区成员，了解如何使我们的产品更好地满足他们的需求，但现在情况仍然如此，但用户规模在不断扩大，我们与每个人的联系无处不在。

所以数据成为我们的盟友。我们使用统计数据来了解个人经历，并总结这些经历来决定整个社会的发展趋势，这告诉我们在哪里推动商业决策。随着时间的推移，我们在其他部门的同事意识到数据团队代表了所有用户的声音，这使得数据科学在airbnb的结构中占据了重要的位置。

良好的伙伴关系和统计数据收集

一个好的数据科学家可以找出谁在使用我们的产品，并了解他们的需求。但是如果他们独自在森林里，没有人会发现他们的洞察力，那么他能为空房间做些什么呢？

当决策者不理解数据的功能时，他们就不会参与，而当他们不参与时，数据的价值就会丧失。我们想要的解决方案是将数据科学家和决策者联系起来。在airbnb中，跨职能协作是正常的。关于数据科学团队的结构是集中的还是嵌入公司内部，有很多争论。

我们开始是一个集中的团队，提供相互学习的机会，并保持一致的工作指标。但我们发现，我们的数据团队不能孤立于业务决策，因为其他同事不了解如何与我们互动，其他人也不完全了解我们。随着时间的推移，我们被视为一种资源，我们被要求提供数据，却没有机会积极思考未来。

因此，我们决定使用嵌入式安排，我们仍然遵循集中管理，但我们打破了自己的小组，让数据团队的合作伙伴与工程师、设计师、产品经理、营销人员等进行更直接的交流。

这样做可以提高整个公司的数据利用率，并使数据科学家成为积极的合作伙伴。嵌入式安排使我们成为一个核心，可以帮助公司的各个方面互相学习。

决策是由用户需求驱动的

在团队中，需要解决的问题之一是如何利用用户的声音来做出商业决策。通过与公司各方面的合作，我们听到了一些关于如何将数据集成到项目中的意见。有些人想先了解他们面临的问题，而有些人会先浏览数据，然后进行计划，但这些人倾向于专注于直觉决策营销。

两种视图都可以，但是在项目的生命周期中，数据在不同的阶段扮演着不同的角色。

我们已经确定了决策过程的四个阶段，其中数据将产生影响:

首先，了解问题的背景，建立一个完整的计划介绍。这更像是一个探索性的过程。

对计划的简单理解，包括优先顺序和假设我们能实现什么。预测分析在这个阶段更重要。当我们做决定时，是基于希望我们能产生最大的影响。

当计划进行时，我们将做一个对照实验。A/b测试是最常用的，但是我们在各个方面的业务合作可以给我们更多的实验机会，基于市场的测试和传统的网络环境测试。

最后，我们测量实验结果并确定结果的影响。如果成功，我们将从社区推广，如果不成功，我们将回到起点，重复这一过程。

有时这个过程很简单，但更多时候我们需要一步一步地演示，以确保这个决定对每个airbnb用户都有效。最后，我们将以这种方式解决用户的需求。

民主化的数据科学

当一个数据科学家能够有足够的精力与他人交流时，一个良好的循环就可以创造出来，但现实是，一个公司的规模和速度将超过数据团队的增长速度。这在2011年尤为明显，因为airbnb开始迅速发展。年初的时候，我们是旧金山的一家小公司，我们三个数据科学家可以有效地与你们合作。然而，6个月后，我们开设了10多个国际办事处，并扩大了我们的产品、营销和客户支持团队。

突然间，我们与每个员工直接沟通的能力消失了。正如它不能满足社区的每个新成员一样，它也不能满足现在每个员工的工作。我们需要找到一种方法使我们的工作民主化，并扩大我们与其他同事甚至整个社区的联系。

以下是我们如何处理各层规模的一些例子:

个人互动:这对数据科学家快速行动非常有效。对数据基础设施的投资很重要，这可以确保更快、更可靠的技术来传输数据。

授权团队:将报告和基础数据探索从数据科学家的工作中分离出来，这样他们就可以专注于更有效的工作，比如使用仪表板和其他工具。我们还开发了一个强大而直观的数据仓库工具来帮助人们查询作者。

除了单个团队，我们更多地考虑数据文化在整个公司中的作用:我们告诉员工我们如何看待airbnb的生态系统，如何使用工具(如airpal)，消除数据障碍，激发他们的好奇心，并告诉他们每个人如何更好地利用数据。类似的行为有助于改变他们认为统计是暂时的要求的想法，这可以解放我们。

扩大数据团队:扩大数据科学团队并不容易，但这是可能的。尤其是如果每个人都认为它不仅是必要的，而且是公司的重要组成部分。

在过去的五年里，我们学到了很多。改进了如何使用我们收集的数据，如何与决策者互动，以及如何使我们的公司民主化。但是这些工作在多大程度上被认为是成功的呢？

很难衡量数据科学团队的影响，但一个信号是，现在每个人都同意数据需要由技术和非技术人员来决定。我们的团队成员被视为决策过程中的合作伙伴，而不仅仅是统计数据的收集。

另一个原因是，我们越来越能够细化我们工作的因果影响。这一直是个棘手的问题，因为人们发现生活中的生态系统是复杂的，受到许多因素的影响，如网络效应、强烈的季节性和频繁的交易，但这些挑战使工作更加令人兴奋。在过去的几年里，我觉得我们仍然只是皮肤，有很大的潜力。

我们正处于爆炸点。我们的基础设施稳定，我们的工具有效，我们的数据仓库干净可靠。我们准备好解决那些令人兴奋的新问题。目前，我们期待着从批量实时处理中开发出更强大的异常检测系统，以加深我们对网络效应的理解，提高我们的个性化匹配。

然而，这些想法只是开始。数据是客户的期望和声音，无论我们将来做什么，都将受到这些声音的驱动。