如果你看过“神策小数点”视频号的内容，那么你大概率已经见过林黄。在某一期的视频结尾，提及个人收获时，他害羞且一脸幸福地说：“我在神策找到了老婆。”过完农历新年，林黄加入神策也快四年了，这四年里，他用自己丰富的机器学习算法经验，帮助神策的客户解决了很多智能推荐、机器学习等问题，也通过演讲给技术爱好者输出了很多经验分享。他在神策做研发，他在神策成家立业。
日月其迈，从“初识”到“知己”
加入神策之前，林黄曾负责参与360搜索知识图谱、360搜索右侧推荐、360浏览器推荐、知乎首页推荐等项目，擅长利用数据和算法推动业务增长，解决实际问题。
经过在神策的朋友内推，林黄在2017年正式加入神策。起初，林黄很不适应，一方面，是客户能接受的沟通方式，他发现在面向客户做沟通与交付时，都需要从基础讲起。经过一段时间的磨合，林黄了解到虽然身边的同事大多拥有较强的技术能力，但面对的客户，尤其是刚刚走上数据化之路的传统客户，技术能力相对薄弱，为了能够让客户把神策的产品真正用起来，就需要花时间去帮助客户理解、引导客户表达需求。
另一方面，在神策这样的B端公司工作，其实与C端公司有很大差异。之前在C端做研发时，通常只需要负责自己管辖的某一个产品或者一系列功能即可，满足用户在该环节的需求就等于完成了工作。而B端企业的客户在行业、业务场景等方面有其特有属性，很难以一概全，挑战和困难随之而来。
在与客户的一次次“交锋”中，林黄不仅学会了如何基于客户真实业务场景打磨功能需求，而且多次收获客户和团队内的认可，他的技术能力、对客户业务场景的理解能力、需求沟通能力、跟进与反馈的能力等推动着他一天一天地成长与进步。在神策的这些年，林黄从“用技术手段解决问题”到“从客户业务场景中挖掘需求”，他深知，只有与市场共舞，才能深入探索To B的代码世界。
数据智能全面应用，要懂市场需求和业务场景
在神策数据，林黄是机器学习算法专家，主要负责人工智能机器学习在神策产品和业务中的探索与落地，主要包括推荐系统、智能匹配、指标预测和诊断、用户流失预测等。
林黄认为，推荐系统的搭建可以总结为两点：
第一，推荐系统不只是算法，它是一个系统工程，算法只占其中的一部分——通常我们去实现一个推荐系统时，构建算法的时间通常只占20%到30%。
第二，数据先行，数据是一切算法的前提。根据过去的经验总结，很多时候并不是模型和服务的原因，而是因为数据没有做对，才导致我们推荐系统的效果没有那么符合预期。
随着神策数据公司战略升级，基于数据流的企业运营框架SDAF全面落地，“两云一平台”全新产品矩阵也应运而生。因此，神策寄希望于林黄及其团队，希望他们能够将数据智能赋能到神策数据到所有产品线。
智能推荐这件事，是业务场景很明确、林黄和团队都很擅长的事情，但让数据智能可以匹配赋能所有产品并落地，在客户侧产生实际的业务价值。确实是值得花费心思做的事情。首先，它比单纯地推荐系统难，这是在创新方面的难；另外，在当下很多技术人的思想意识中，技术人只需要面向技术问题，很难去真正发现客户的业务需求，对需求落地也因此难以把控。
在过往的工作经验和职责安排中，他的工作更侧重于推荐这件事儿，而赋能全产品线需要对客户的业务场景等有深入洞察，根据不同行业的客户需求针对性进行规划并落地。赋能全产品这件事儿，对于林黄来说是确实是个不小的挑战。
他开始思考，到底如何发挥数据智能的价值？
林黄认为有三点：第一，依托于神策智能推荐，把智能算法的覆盖范围拓展至神策营销云的各个场景和触点，除了推荐场景之外，还包括push、弹窗、Banner等，以及触达的时机和渠道。
第二，智能预测+分析+智能诊断，深入分析感知到的每一个数据，并依据分析结果做出诊断决策等。为了帮助大家理解，林黄针对此做了场景化的描述：通常情况下，分析师发现产品的某一项关键指标如DAU下降，需要手动进行维度下钻，分析下降原因，经过多次对比洞察才能找到指标下降原因；而数据智能能够基于机器学习，根据历史数据，智能化判断数据异常，帮助客户及时发现问题所在，并基于智能诊断发现指标异常的原因，是渠道投放还是地域拉新等，贴合客户业务场景，形成闭环。
第三，基于神策用户画像和CDP，从用户维度，根据业务规则为用户打标签并进行分群，由此拓展到机器学习的方式为用户打上智能化标签。在这里，林黄以游戏产品举例：因为游戏产品的拉新成本相对较高，设计复杂且用户行为多，因此通常会用数据智能及时定位即将流失的用户，通过多数据分析模型，发现导致用户流失的原因。这个时候，企业便可以针对性地帮助用户尽快通过某关卡或者增强用户PK时的竞争力等，真正意义上实现用户洞察，打造挽回用户的强劲抓手。
每一次的从客户需求出发，都来自于神策“给客户带来价值”的观念。林黄说，加入神策之后，他从一个纯代码工程师变成了懂需求懂市场的研发人。
“我能解决的问题在不断变大” 在加入神策之后，林黄不只是闷头工作，他很喜欢团队内的双周分享，小伙伴们就自己近期工作、生活、学习上的任何一个点展开分享，或是解决了客户的一次难题，或是读了一本好书，亦或是对新入手的某款黑科技产品的全面解读……
林黄说，像神策这种扁平、透明的学习型组织不仅能够为老员工带来更多激情与新鲜感，更能为初入社会的应届生们打造一条完整、高效、有意义的职场之路。因为神策面向的客户业务场景丰富、复杂，就要求技术方案要更灵活、更全面，因此，在神策做研发，能够从底层数据采集到数据存储、查询、应用，包括整个链条中的算法逻辑，深入参与到解决方案的诞生。
团队如此，领导亦是如此。技术VP付力力始终坚持问题驱动，要求技术同事做的每一件事一定是实用的，一行代码能解决的坚决不要用五行，要用机器替代人力。当团队内的每个人都在努力变更好的时候，林黄也在发生变化，“我觉得我最大的进步和变化就是，我解决问题的能力在不断变大，我现在能够做更多从0到1的事情，让机器学习这件事真正赋能到更多的地方。”
缓进则退，不进则亡。作为研发工程师，现在的林黄很关注自己写出来的功能到底对多少人有用，他认为，对一个技术人来说，从只关注代码到关注代码的价值，就是在从初级到高级迈进的过程。
在神策做研发的这些年，林黄在不同阶段肩负着不同的使命，也拥有了独一无二的人生经历，如今，神策产品矩阵中的智能功能已经应用于各行业多个标杆客户，为客户带来了显著的效果和收入提升。他相信，2021将又会产生一个又一个发光发亮的精彩瞬间。
关注公众号：神策数据，回复“技术招聘”获取神策产品研发团队详细介绍。
：第一，依托于神策智能推荐，把智能算法的覆盖范围拓展至神策营销云的各个场景和触点，除了推荐场景之外，还包括push、弹窗、Banner等，以及触达的时机和渠道。
第二，智能预测+分析+智能诊断，深入分析感知到的每一个数据，并依据分析结果做出诊断决策等。为了帮助大家理解，林黄针对此做了场景化的描述：通常情况下，分析师发现产品的某一项关键指标如DAU下降，需要手动进行维度下钻，分析下降原因，经过多次对比洞察才能找到指标下降原因；而数据智能能够基于机器学习，根据历史数据，智能化判断数据异常，帮助客户及时发现问题所在，并基于智能诊断发现指标异常的原因，是渠道投放还是地域拉新等，贴合客户业务场景，形成闭环。
第三，基于神策用户画像和CDP，从用户维度，根据业务规则为用户打标签并进行分群，由此拓展到机器学习的方式为用户打上智能化标签。在这里，林黄以游戏产品举例：因为游戏产品的拉新成本相对较高，设计复杂且用户行为多，因此通常会用数据智能及时定位即将流失的用户，通过多数据分析模型，发现导致用户流失的原因。这个时候，企业便可以针对性地帮助用户尽快通过某关卡或者增强用户PK时的竞争力等，真正意义上实现用户洞察，打造挽回用户的强劲抓手。
每一次的从客户需求出发，都来自于神策“给客户带来价值”的观念。林黄说，加入神策之后，他从一个纯代码工程师变成了懂需求懂市场的研发人。
“我能解决的问题在不断变大”
在加入神策之后，林黄不只是闷头工作，他很喜欢团队内的双周分享，小伙伴们就自己近期工作、生活、学习上的任何一个点展开分享，或是解决了客户的一次难题，或是读了一本好书，亦或是对新入手的某款黑科技产品的全面解读……
林黄说，像神策这种扁平、透明的学习型组织不仅能够为老员工带来更多激情与新鲜感，更能为初入社会的应届生们打造一条完整、高效、有意义的职场之路。因为神策面向的客户业务场景丰富、复杂，就要求技术方案要更灵活、更全面，因此，在神策做研发，能够从底层数据采集到数据存储、查询、应用，包括整个链条中的算法逻辑，深入参与到解决方案的诞生。
团队如此，领导亦是如此。技术VP付力力始终坚持问题驱动，要求技术同事做的每一件事一定是实用的，一行代码能解决的坚决不要用五行，要用机器替代人力。当团队内的每个人都在努力变更好的时候，林黄也在发生变化，“我觉得我最大的进步和变化就是，我解决问题的能力在不断变大，我现在能够做更多从0到1的事情，让机器学习这件事真正赋能到更多的地方。”
缓进则退，不进则亡。作为研发工程师，现在的林黄很关注自己写出来的功能到底对多少人有用，他认为，对一个技术人来说，从只关注代码到关注代码的价值，就是在从初级到高级迈进的过程。
在神策做研发的这些年，林黄在不同阶段肩负着不同的使命，也拥有了独一无二的人生经历，如今，神策产品矩阵中的智能功能已经应用于各行业多个标杆客户，为客户带来了显著的效果和收入提升。他相信，2021将又会产生一个又一个发光发亮的精彩瞬间。
关注公众号：神策数据，回复“技术招聘”获取神策产品研发团队详细介绍。
来源：中国资讯报道网
