第一个例子是有关助力的人才流动画板。在LinkedIn上面每一个用户都有自己的档案。有了这些数据以后我们就可以知道，在任何一个时间哪些人为这些公司工作，哪些人从哪些公司跳到另外一个公司。当把这些知识提炼到一个公司的高度，我们就可以知道对任何一家公司来讲，他的竞争对手的人才竞争的情况是怎么样的，这就是我们做的人才流动画板。后来我们在各个公司的人才流动画板的基础上做了两个新的产品，第一个是雇主品牌的排名，第二个是发布了硅谷最具潜力初创公司榜。
第二个例子是有关优化的高级订阅服务产品倾向型模型。LinkedIn在绝大多数情况下是一个免费的产品，但是对于有特殊需求的人群，会有付费的高级订阅服务。
那么怎么找到这一小部分人愿意花买付费服务?
我们从最基本的三种数据开始：
第一种是用户个体数据。
第二种是用户行为数据，即用户在网站上做的事情。第三种是用户网络数据。我们把所有用户开始根据三种数据进行建模，最后找出来非常小的一部分人进行精准的定位，并给他们发相关营销的信息。 这一个模型只用了我们团队几周的时间，而帮助我们营销部门的业绩翻了2倍还多。
第三个例子是有关创新的大客户兴趣指数。其实LinkedIn有超过70%的营收从B端客户来。而在B2B模式当中，决策者起着非常重要的作用。
我们做了两个相关的数学模型。第一个是决策者指数，讲的是这个人在这个公司里面对你要卖的产品，有可能是决策者的概率是多少。另一部分是对每一个人的产品倾向模型。把两个模型的结果整合起来再汇总到公司或者团体的高度，我们就可以给世界上任何一家潜在的大客户打分，暨大客户兴趣指数。根据我们销售团队的业绩，高的大客户兴趣指数比低的订单成功率高2倍。
总结一下我们如何让大数据为公司更好地工作：
第一是从大到小，数据量很大的时候没有办法使用，只有做到了满足客户需要的很小的一部分数据，(冰山一角)，才是大家需要的。
第二是从繁到简，我们做的事情有时很繁琐，但是最终的结果需要是很简单的展现，对业务有帮助的数据展现，才能被大家接受。
第三是从慢到快，在这个节奏不断加速的世界，很慢的数据产品是没有人会去用的，所以速度一定要快。
建议国内创业企业
第一，我认为数据不是金钱，而是资本。在一个公司建立初期的时候，还是应该以商业模式和用户体验为中心。
第二，数据很难直接变现，我不鼓励大家卖数据。
第三，每一轮的创新大潮归根结底都是新型数据产生和积累过程，最终胜出公司是数据的拥有者，并且以数据为基础，建立起商业模式。从长远角度来讲，数据的拥有权和使用权是这个企业最核心的竞争力，并且决定了这个企业长期发展的高度。
创业公司在大数据方面可以做哪些事情?
第一，在创业初期，业务上应该以商业目标和这个模式探索为主，数据为辅。
第二，引入从数据底细层次到数据商业应用都有经验的高管加入核心的管理层当中。
第三，公司领导层要对三到五个衡量公司发展核心指标，有着清楚的了解。
第四，当产品用户开始加速增长，数据重要性会迅速增长，而且中长期的数据的战略和短期的商业应用应该有平衡性进行。
第五，当你数据在某一个细分领域成为独裁者的时候，当你发现你在某一个领域没有人和你竞争时，数据在某种核心成为竞争策略，再往其他相关领域拓展布局。
在硅谷创业和中国创业是哪两种不同的体验?
第一，硅谷VC周期一般比较长，在硅谷很常见是八到十年，甚至更长的资金周期，所以资金的收回其实并没有那么快。国内VC很多时候相对来讲短、平、快为主，希望有一个尽快退出的盈利模式。
第二，在硅谷有很多是专注于技术创新的公司，想把一项技术做的非常好。而在国内更多是以商业模式创新为主。因为最终商业模式更新并不是实实在在技术更新，而没有技术更新创新有时候很难做的非常有规模。
第三，硅谷创业非常讲究愿景和使命。国内很多时候已经迅速成长为卖点，哪一个行业可以迅速增长在风口上面，会吸引来更多的关注。
第四，在硅谷里面创业公司工作也是很辛苦的，但是很多是弹性工作制，很多创意企业因为想要效率更高想留在家里工作。而国内我看到经常是“996”标配，甚至比这个强度更大，这个是不同的文化。