于是他们提高了出价，提升了排名，并且在2012年1月份得到了结果——利润不仅没有升高，反而更加下降了，甚至某些天是负的，尽管关键词的排名又重新回到了第3位左右。
之前数据反映了某种似乎确定无疑的关系，但按照这种关系行事，并没有带来预期的结果。
我们必须承认，SEM投放是一个复杂的策略过程，并且因为瞬息万变的外部环境（竞争对手的出价），而造成最优化的出价方式总是动态的。
上面的例子，Johnny认为原因很简单，这个商品的关键词投放可能已经遇到了瓶颈，因为外部的环境发生了变化。Johnny查看了其他的数据（我们当然不能忽略其他数据的关系），例如CPC（Cost Per Click）数据。Johnny发现在这12个月中，CPC的变化并不大。CPC没有明显变化，而排名在逐渐降低，说明竞争对手在不断增加出价。这样，相同的投入情况下，排名降低，收入减少，利润减少，如图7所示。
可是增加出价后，我们解决了一个问题，却带来了另外一个问题——出价增加、收入增加，同时成本也上升了。由于竞争环境的影响，要达到以前的排名，所出的价格甚至是之前价格的三四倍。因此，虽然收入增加，但成本上升得更可怕，利润空间被压缩得非常厉害。
由于这个商品60%的销售都是由一个最主要的词（大词）带来（这是我之前没有揭示的一个线索），也许我们可以因此得出另一个结论：大词的ROI表现日益下滑，因此或许应该拓展其他的词。例如长尾词，从其他的竞争不大的词上找机会。
不过，从目前的情况看，这个商品的长尾词并没有多少流量，它仍然依赖于大词的表现。所以，我们认为，这个商品本身的市场环境已经发生了变化，高ROI的好日子过去了。现在的策略是，在微利的情况下生存，尽量更精细化、更实时优化，保证不亏损，并着手开发新的商品。
或许这个SEM的例子并不是一个非常典型的例子，因为SEM的分析仍然是相对结构化和流程化的。我们通过BI的建模完全可以自动化，但如果没有好的BI系统，那么这些工作需要人来完成，需要有经验的、相当数量的人来完成。
SEM是数据分析较为特殊的类别。相对而言，其他的运营分析更不具有预先的结构化和流程化，例如对EDM营销（或数据库营销）的研究，需要大量的测试；对一次campaign或是promotion的销售预测，需要很有经验的分析师；或是对于商品生命周期的研究，需要精通零售的数据挖掘专家。这些都不是运营简单粗暴能够实现的。
所以，人们渴求数据，尤其是运营部门。但人们却很容易在面对数据时变得焦虑和不信任。我常常会听到这样的反馈：“数据是错的！”——我相信永远没有他所希望的正确的数据。无论是数据误读，还是根本数据就是数据，从来没有转化成有价值的信息，都意味着反面的效果，甚至远不如根本就没有数据。
因此，数据驱动的企业文化的要件，除了对数据有渴求，对数据有“使能”，还需要对数据正确的解读。
我们需要从组织结构上保证数据能够被正确解读，或者至少是尽可能地被正确解读。
数据组织架构也需要民主化
一个组织的自下而上都有数据驱动的需求（上面的需求部分），而且也有决心投入资源建立数据部门（上面的使能部分），那么剩下的就是如何正确地利用数据，准确地获得信息，并以最快的速度运用在运营和执行策略上。
在上期中，我提出了对于“集中化”数据组织的疑问。我相信这种数据组织是蕴含风险的，无论这种集中是人力资源的集中，还是数据自动化系统的集中。如果我们需要一种健康的数据驱动的企业组织，那么我们就需要“数据民主化（Data Democratization）”。这个想法，来自于我之前工作的Adobe Omniture，也来自于凯文·凯利的《失控》。
人体是最大的“民主化系统”。大脑的思维并不会指挥消化系统的工作，心跳的速度提升和变缓也是自发完成的。心理学家告诉我们，大脑的主动意识甚至仅仅支配了人不到10%的行为，潜意识却无时无刻不决定我们的行为。有些生物，例如蜜蜂，这些几乎连大脑都没有的生物却展现出高级群体特征，并通过特定手段传递相当复杂的信息，这些都不可能来源于一个集中化的“中央控制系统”的主动指令。
一个组织的数据驱动类似于人的神经系统，大脑负责核心的运转（关键执行）和高级的思维（战略），各系统（消化系统、循环系统……，即各经营部门）根据机体的内在和外在环境变化自主运行，形成一个反应灵敏、步调协调的统一组织。因此，数据驱动组织，不仅仅依赖于中央思考部门（数据和策略部门），同样依赖于各运营部门自身的神经单位。
按照这样的思想，理想的数据驱动组织分为三个层次（图8）：中央控制的战略层、拥有自己“神经”的运营层，以及实现这一切的基础设施层。
与这种模式相对的模式，则是集中化的模式——高层（例如一个集中的数据部门）拥有数据，然后指挥运营层的执行。这种模式难度太高。
可是我们在之前也说过，数据民主化之后，中层（运营层）如果没有正确解读数据的能力，可能比数据误读更可怕。因此，为实现数据驱动的组织结构，数据民主化不仅仅是让“数据本身”民主，也是让数据能力变得更加民主，即数据资源和数据分析资源的共同民主。
让数据分析师回归业务部门，而不是龟缩在数据部门中。
数据属于业务，数据分析师当然也属于业务。这是对他们最好的，也是对这个组织最好的。除此之外，还有什么方式能够让他们发挥更大的效力呢？
如图9所示，我们拆散数据部门的集中结构，让数据分析师分布到各个业务部门去。他们帮助业务部门运用数据系统、获取数据、处理数据，与业务人员一起（结合实际业务）更直接更快捷地解读数据，并将结果直接应用于业务。这样，数据部门则只负责两块，即图8三角形结构中的最高层（竞争环境研究、全局性跨部门的策略研究、战略研究以及绩效跟踪）和最底层（数据仓库、报表和BI，以及对它们的维护）。中间的运营层面，应该是数据分析师和业务部门共同完成的。
推荐阅读
黄光裕胞兄黄俊钦 TechWeb编辑推荐： 正义网北京6月1日电(记者 高鑫)黄光裕胞兄、北京市新恒基房地产开发总公司法定代表人黄俊钦，因犯内幕交易、偷越边境及单位行贿，被北京市第二中级法院一审判处有期徒刑三年六个>>>详细阅读
本文标题：宋星：误读数据等于自杀
地址：http://www.lgo100.com/a/43/20120603/65277.html
网友点评
精彩导读
科技快报
品牌展示