对于大数据分析，Linkedin认为效率是第一准则，用最短的时间产生真正的价值比面面俱到的分析更加重要。而通过商业数据部门近几年开发出的几百个面向内部使用的产品，Linkedin所有部门的员工都可以真真切切地感受到工作效率的飞速提升。
案例一：市场和销售团队支撑产品——Merlin
对于Linkedin的每一个产品销售人员，当他接到销售某一款产品的任务时，他至少会产生以下几个主要疑问：
1.我该把这款产品卖给哪家公司？
2.我应该联系谁？谁有采购的决定权？
3.我应该怎样去联系这个人？
4.我该派谁去联系这个人？是我自己去合适还是我的某位同事去更适合？
5.到这家公司后我该讲一个怎样的故事打动客户？
在传统的人工手动的数据分析模式下，对于某一款特定的产品，其销售人员想搞清楚以上几个问题并作出一个见客户时使用的销售PPT至少需要2周到2个月的时间，而今天，通过Linkedin市场和销售团队支撑产品Merlin，销售人员仅需要登陆系统，输入自己的名字以及需要销售的产品名称等基本信息，Merlin可以自动收集销售人员的背景数据和人脉网络数据，从而快速生成较为精准的销售方案，从输入基本信息到销售方案的生成仅需要一分钟的时间，销售人员甚至可以得到系统为他量身定制的销售PPT.
“传统进行2个月的调研也未必可以得到精准的方案，而目前仅需要一分钟的时间，我们最近还把Merlin安装到了销售人员的手机上，实时对销售人员进行支撑，目前Linkedin一共有3000多人在使用Merlin系统，”Simon表示，“销售方案的自动化生成也使得我们在招聘销售人员时变得简单，不需要过多的培训便可迅速上岗。”
案例二：产品测试团队支撑产品——A/B Testing System
对于Linkedin测试部门而言，在传统环境下，其想要完成一项测试工作起码需要3个月时间，而目前，通过A/B Testing System，仅需要一分钟的时间便可以从每一项测试的650个指针中抓取出几个关键指标，提出改进意见，从而以最高的效率对测试产品进行改进。
“传统环境下，十几个人3个月才能完成的测试工作，目前仅需要一分钟，目前A/B Testing System每天可以支撑2000个内部测试，每一个测试追踪650个以上的指针，通过抽取最关键指标的方式对产品提出改进意见，”Simon表示，“我们不追求尽善尽美，我们只追求每天进步一点点，事实上，只要每天可以在原有基础上进步1%，一年之后的进步成果将是惊人的。”
案例三：客户服务团队支撑产品——Voices
对Linkedin客服部门而言，如何衡量用户满意度一直以来都是一个难题，因为通常客服人员们只能从用户留言等非结构化的数据中收集到一些信息，但如何将松散凌乱的非结构化数据变为可衡量改进的结构化数据一直没有得以解决。
直到Linkedin商业数据分析部门推出客户服务团队支撑产品——Voices，传统无法结构化的数据仅需要一分钟便可生成分析报告，比如，如果客服团队想知道目前Linkedin的客户对于主页是否满意，其仅需要在Voices中输入“Homepage”，便可以瞬间得到结构化的可视的用户满意度数据。当然，瞬间获得结果的背后一定是严谨而先进的算法。
事实上，如上的例子还有很多很多，Linkedin商业数据分析部门自成立以来一共推出了几百款这样的产品，每天都在为每一个Linkedin员工提高工作效率和效果而努力。不仅如此，每款上述产品还可以自动地学习员工的使用习惯，以保证员工在下次再次使用相同的软件时响应速度会更快。“对Linkedin员工而言，我们的每一款产品都是为他们个性化打造的。”
规模自动化的结果当然是效率和效果的大幅提升，据悉，自2011年商业数据分析部成立以来，Linkedin的销售收入已经增长了20倍；其他所有环节的工作效率也大幅得以提升。
“我们不会满足于此，以前我们部门的主要任务是写模型，从2013年，我们部门开始设计写模型的机器人，这又进一步加快了公司在数据分析时的自动化和高效率。”Simon表示。