于是他們提高了出價，提升了排名，并且在2012年1月份得到了結果——利潤不僅沒有升高，反而更加下降了，甚至某些天是負的，盡管關鍵詞的排名又重新回到了第3位左右。
之前數據反映了某種似乎確定無疑的關系，但按照這種關系行事，并沒有帶來預期的結果。
我們必須承認，SEM投放是一個復雜的策略過程，并且因為瞬息萬變的外部環境（競爭對手的出價），而造成最優化的出價方式總是動態的。
上面的例子，Johnny認為原因很簡單，這個商品的關鍵詞投放可能已經遇到了瓶頸，因為外部的環境發生了變化。Johnny查看了其他的數據（我們當然不能忽略其他數據的關系），例如CPC（Cost Per Click）數據。Johnny發現在這12個月中，CPC的變化并不大。CPC沒有明顯變化，而排名在逐漸降低，說明競爭對手在不斷增加出價。這樣，相同的投入情況下，排名降低，收入減少，利潤減少，如圖7所示。
可是增加出價后，我們解決了一個問題，卻帶來了另外一個問題——出價增加、收入增加，同時成本也上升了。由于競爭環境的影響，要達到以前的排名，所出的價格甚至是之前價格的三四倍。因此，雖然收入增加，但成本上升得更可怕，利潤空間被壓縮得非常厲害。
由于這個商品60%的銷售都是由一個最主要的詞（大詞）帶來（這是我之前沒有揭示的一個線索），也許我們可以因此得出另一個結論：大詞的ROI表現日益下滑，因此或許應該拓展其他的詞。例如長尾詞，從其他的競爭不大的詞上找機會。
不過，從目前的情況看，這個商品的長尾詞并沒有多少流量，它仍然依賴于大詞的表現。所以，我們認為，這個商品本身的市場環境已經發生了變化，高ROI的好日子過去了�，F在的策略是，在微利的情況下生存，盡量更精細化、更實時優化，保證不虧損，并著手開發新的商品。
或許這個SEM的例子并不是一個非常典型的例子，因為SEM的分析仍然是相對結構化和流程化的。我們通過BI的建模完全可以自動化，但如果沒有好的BI系統，那么這些工作需要人來完成，需要有經驗的、相當數量的人來完成。
SEM是數據分析較為特殊的類別。相對而言，其他的運營分析更不具有預先的結構化和流程化，例如對EDM營銷（或數據庫營銷）的研究，需要大量的測試；對一次campaign或是promotion的銷售預測，需要很有經驗的分析師；或是對于商品生命周期的研究，需要精通零售的數據挖掘專家。這些都不是運營簡單粗暴能夠實現的。
所以，人們渴求數據，尤其是運營部門。但人們卻很容易在面對數據時變得焦慮和不信任。我常常會聽到這樣的反饋：“數據是錯的！”——我相信永遠沒有他所希望的正確的數據。無論是數據誤讀，還是根本數據就是數據，從來沒有轉化成有價值的信息，都意味著反面的效果，甚至遠不如根本就沒有數據。
因此，數據驅動的企業文化的要件，除了對數據有渴求，對數據有“使能”，還需要對數據正確的解讀。
我們需要從組織結構上保證數據能夠被正確解讀，或者至少是盡可能地被正確解讀。
數據組織架構也需要民主化
一個組織的自下而上都有數據驅動的需求（上面的需求部分），而且也有決心投入資源建立數據部門（上面的使能部分），那么剩下的就是如何正確地利用數據，準確地獲得信息，并以最快的速度運用在運營和執行策略上。
在上期中，我提出了對于“集中化”數據組織的疑問。我相信這種數據組織是蘊含風險的，無論這種集中是人力資源的集中，還是數據自動化系統的集中。如果我們需要一種健康的數據驅動的企業組織，那么我們就需要“數據民主化（Data Democratization）”。這個想法，來自于我之前工作的Adobe Omniture，也來自于凱文·凱利的《失控》。
人體是最大的“民主化系統”。大腦的思維并不會指揮消化系統的工作，心跳的速度提升和變緩也是自發完成的。心理學家告訴我們，大腦的主動意識甚至僅僅支配了人不到10%的行為，潛意識卻無時無刻不決定我們的行為。有些生物，例如蜜蜂，這些幾乎連大腦都沒有的生物卻展現出高級群體特征，并通過特定手段傳遞相當復雜的信息，這些都不可能來源于一個集中化的“中央控制系統”的主動指令。
一個組織的數據驅動類似于人的神經系統，大腦負責核心的運轉（關鍵執行）和高級的思維（戰略），各系統（消化系統、循環系統……，即各經營部門）根據機體的內在和外在環境變化自主運行，形成一個反應靈敏、步調協調的統一組織。因此，數據驅動組織，不僅僅依賴于中央思考部門（數據和策略部門），同樣依賴于各運營部門自身的神經單位。
按照這樣的思想，理想的數據驅動組織分為三個層次（圖8）：中央控制的戰略層、擁有自己“神經”的運營層，以及實現這一切的基礎設施層。
與這種模式相對的模式，則是集中化的模式——高層（例如一個集中的數據部門）擁有數據，然后指揮運營層的執行。這種模式難度太高。
可是我們在之前也說過，數據民主化之后，中層（運營層）如果沒有正確解讀數據的能力，可能比數據誤讀更可怕。因此，為實現數據驅動的組織結構，數據民主化不僅僅是讓“數據本身”民主，也是讓數據能力變得更加民主，即數據資源和數據分析資源的共同民主。
讓數據分析師回歸業務部門，而不是龜縮在數據部門中。
數據屬于業務，數據分析師當然也屬于業務。這是對他們最好的，也是對這個組織最好的。除此之外，還有什么方式能夠讓他們發揮更大的效力呢？
如圖9所示，我們拆散數據部門的集中結構，讓數據分析師分布到各個業務部門去。他們幫助業務部門運用數據系統、獲取數據、處理數據，與業務人員一起（結合實際業務）更直接更快捷地解讀數據，并將結果直接應用于業務。這樣，數據部門則只負責兩塊，即圖8三角形結構中的最高層（競爭環境研究、全局性跨部門的策略研究、戰略研究以及績效跟蹤）和最底層（數據倉庫、報表和BI，以及對它們的維護）。中間的運營層面，應該是數據分析師和業務部門共同完成的。
推薦閱讀
黃光裕胞兄黃俊欽 TechWeb編輯推薦： 正義網北京6月1日電(記者 高鑫)黃光裕胞兄、北京市新恒基房地產開發總公司法定代表人黃俊欽，因犯內幕交易、偷越邊境及單位行賄，被北京市第二中級法院一審判處有期徒刑三年六個>>>詳細閱讀
本文標題：宋星：誤讀數據等于自殺
地址：http://www.brh9h.cn/a/43/20120603/65277.html
網友點評
精彩導讀
科技快報
品牌展示