LinkedIn是一家数据公司，用户的体验使用产生大量数据，数据本身提炼出更高价值和更新的产品，进一步为用户进行服务，三点之间形成无缝循环，为很多普通用户产生很多价值。
比如用户在上面找到很多新的工作机会，新的商务解决方案，新的营销方法，和自己匹配的商业拓展方法和功能等等。这些为许多普通用户提供了价值。
其次，在企业层面，LinkedIn连接了普通白领、高端用户和企业。企业需要各种人才满足发展需要，LinkedIn上汇聚了顶级的人才库（尤其在欧美），平台上的职业社交关系帮助企业找到最佳切入路径，提高转化效率。
在华尔街若干年的分析中，LinkedIn是世界上第二大的企业服务商，它提供的获取客户的这种服务成本是普通企业服务提供商的近50%。
对于同样的资源，LinkedIn获取客户的速度和质量和广度比其他竞争对手具有优势，这也是它在华尔街和股市上的估值一直居高不下的一个原因。
现在的app有很多，一个用户单位时间内在某个APP或网站上花的时间是非常有限的。如何在单位时间内提高转化率是今天企业需要关注的第一个事实。第二个事实是如何让用户在使用APP之后持续留存下来。第三个事实是一个好的产品如何通过非常低的成本方式传播出去？
用大量的资金来买流量的时代已经消亡，我们必须在单位时间内用更低的成本、更快的速度获取客户，特别是客户在平台上持续产生价值的能力。从这一角度来说，数据驱动是一种必然。
最后产品的良好口碑能以最低成本最快方式扩散和营销，给企业带来大量的价值实现企业长远使命，对社会贡献价值。在此过程中，数据驱动变得越来越重要。
在过去的十几年里数据分析领域经历了两次巨大变革。第一次变革是ERP时代。在ERP时代，一般对交易型的数据做一些分析，如交易的质量、数量和地域等，这些一般通过用时间换空间的方式来达成。
但在过去的五到十年之间，硅谷诞生了一套新的分析框架，基于大量的、非结构化的数据，以并行计算为核心的大数据框架，也就是今天普遍为世人所知的大数据概念。这套系统和技术的框架建立在并行处理、不结构化、大量存储计算能力之上，需要具有很高的计算力和信息框架能力的公司才能实现。
但今天来说，我们不再需要自建，这样就节省了大量的时间。另外医生通过数据的判断给病人做诊断，数据分析也是一样，通过了解人某个这个事件发生历史，判断它的成因预测它的未来。
今天的大数据分析体系，希望能够自动化地把医生做到大量有规律的复制，让每一个人都有一个医生来陪伴他，这就是大数据的一个核心分析理论，也即数据的平民化、可执行性和简单性。
数据告诉我们的是整个宇宙的一个基本物理事实和未来趋势，也就是我们不断从低级向高级进化，不断从粗颗粒向细颗粒进化，不断在能量的这个过程中向上进化。
信息是能量传输过程中的一种最高级的反应之一，它充满了价值、能量和创造性、可能性。
