“走秀网副总裁宋星：怎么让数据说真话”

本篇文章4458字，读完约11分钟

数据不是新闻，不是真实的，是行不通或纯粹的误解，让数据观察者回归业务部门，民主化管理不是最好的方法。

■文/宋星，肖内特(微博)副总裁

每个人都渴望数据，但这可能隐藏了陷阱。 拥有数据是什么意思？ ——nothing。 数据不是新闻，不是真实的。 数据往往没有被利用或者是纯粹的误解！

每个人都渴望数据，但没有人尊重数据。 矛盾吗？ 不，其实这个幕每天都上演。

如何真正建立被称为“数据驱动”的电子商务组织？ 为什么数据主导的组织那么难？

迷局1 :谁能决定数据驱动组织

决定一般来自感觉、经验、认识三种不同的方法。 对此，感觉和经验虽然模糊但很容易，因此该决定者经常自主利用这两种方法进行评价。

每个人敬仰的乔布斯等具有良好知觉和经验的操作者，他们的知觉和经验都可以凌驾于一切之上。 中国今天的商业智能绝大多数也是感觉和经验，证明感觉和经验是决策的成败。

因为如果某个组织依赖于感觉和经验，数据驱动本身就不是重要的命题。

另一个困难是ceo和管理层的态度在推进数据驱动型组织的形成中是否起着重要的作用。 实际上，如果ceo和管理层不同意数据驱动型组织，就不能说数据驱动。 相反，即使ceo和管理层支持建立数据主导型组织，该组织也不一定能真正建立。

数据主导的组织必须在宏观和微观结合，即宏观层面，提供管理层采用的战略数据，在使组织整体进退不失去依据的微观层面，指导商业执行者的行动，使他们能够正确选择 宏观确实很重要，但微观更致命。 特别是对今天的电子商务组织来说。

因此，数据主导型组织能否实现取决于诉求者。 真正的诉求者是执行小组。 执行团队是依靠感觉和经验还是依靠数据是数据驱动组织能否实现的关键。。 如果执行小组渴望数据，利用数据，依赖数据，这个组织的数据驱动文化就很容易实现。 首席执行官和管理层应该做的是成立这样的执行小组。

迷局2 :数据中央集权过于理想化

如果我们的执行团队真的是享受数据的人，数据主导型组织实现了吗？

在封闭系统内，有指控不一定供给。 我很享受iphone5，但我不能自己做。 你渴望数据，但不一定能靠自己的力量获得。

所以，想建立数据驱动文化的组织最初将视线集中在建立能力上(当然，不是先建立能力，而是进行诉求)。 。

构建能力称为“启用”。 有多种方法可以让本组织提供数据，但最常见的方法是图1所示的处理方法。

数据部门是多端口转发器( hub )，这个小组处理了一个组织的大部分数据请求。 如果业务单元需要数据，他们会向数据单元提出申诉，数据单元开始提取、计算和分解，并将数据和结果反馈给业务单元。

老实说，这真是个愚蠢的方法，类似于全面的计划经济。

这种方法使ceo或管理层能够非常牢固地管理数据；数据部门节约了能够集中工作的人才，组织看起来计划很明确。 不需要在各地部署和分解数据的人确实可以节省大量的人才和管理价格。 简单的数据系统。 数据部门管理数据，例如权限等系统设计可能不那么重要，所以不管怎样，只要有人提供数据报告即可。 那些部门，那些部门，人手每次都明确划分即可。 数据的模型也没那么重要。 人拆开就行了。 不需要太多自动化或强大的业务智能( bi )。

但这确实是个愚蠢的方法。 这样计划数据部门的话，数据部门最有可能疯了吗？ 这并不令人吃惊。 数据部门需要多少人负责所有业务部门的数据？ 一定超过你的想象。

此外，业务部门不仅希望提供数据，而且希望数据及时、更及时。 手工作业在实时中太难了，追求速度意味着大量的人力和头脑的消耗。

好的。 即使数据部门可以提供实时数据，又怎么样呢？ 数据不是策略。 数据必须经过分析和解决。 数据部门不了解业务，他们能分解吗？ 如果业务部门亲自分析的话，不仅不能保证实时性，数据部门的价值发挥也与预想相差甚远。

那么，用bi系统替换图1的数据部门是更先进的方法吗？

bi系统的本质代替了人手和人脑。 这是个好做法。 使人摆脱机械事业，向业务部门提供自动化的报告，可以承担一定的思考事业。

所以，真正有数据驱动文化的企业确实需要容易使用的bi系统。 或者，在浅层次，需要自动化的报告系统。

但bi最大的问题是——机器毕竟是机器。

bi可以处理一点机器的工作，建立数据模型，帮助人马上得出一点结论。 但是与业务相关的详细分析有助于bi发现现象，但不能告诉原因。

另外，bi系统的效用本身也很大程度上取决于人。

首先，bi系统的设计必须适合一个企业自己的业务。 人可以完成使这个bi匹配商业诉求的工作。

其次，bi系统的建模和规则都是人来做的。

最后，bi不能给你答案。 所有的答案都需要人找，解答。

迷局3 :数据误读，比没有数据更可怕

以前零售的bi系统和分解团队往往经过了10多年的进化。 因为这已经形成了系统和具体的方法。 电子商务也是零售业，显然这些企业很年轻，让业务部门拿到数据后，很难自己做出分解和判断。

最大的风险是，事实上，数据观察很容易被粗暴、简单、“自以为是”的经验所妨碍。 而且，由于时间压力和缺乏数据观察经验，有时会误读数据，从而与事实背离。 更何况，业务部门如果背负着业绩的压力，从一开始就倾向于主观上不那么客观地对待自己。

图2和图3的数据实际上完全相同，但阅览者的心理感觉完全不同。

从图2得到的结论是利益最近急剧变动，图3的结论是利益最近维持在平稳的低位。 这两个结论不是简单证明它们是否正确，而是取决于实际的商业环境。 例如，如果你的生意平时一天盈利1000元以上，显然图4给你的结论更有参考价值。 应该探究为什么最近的生意几乎停滞了。

但是如果你的生意一天最多不超过100元的利润，图2就更有价值了。 你可能觉得利润数据还不错，但这几天有明显上升的趋势。 但是，你可能还不能早点高兴。 图4和图2利润上的数值完全相同，但另一个数据项即收入(蓝点)在增加。

可以看出，尽管利润上升，收入上升的趋势还是很明显的。 也就是说，利润的增加并不是收入增长迅速。 换句话说，我们的投资转化率( roi )下降了。 因为这个利润在上升，但我们完全不值得高兴，相反，应该探讨为什么效率下降了。

数据误读多是经验而不是故意的。 这些经验有两点。 第一，数据的运算和掌握。 例如，合理建模、合理数据可视化、合理应用于工具二是对业务的正确把握，看着说，与实际业务没有太大偏差。 二是基于一些眼睛。 如果发生了一些问题，没有技能或没有经验，第二个就会遭受灾害，即使业务有好的感觉和敏捷的头脑，也会对数据感到疲惫。

让我们看看另一个真正的例子。

johnny刊登了google adwords的广告以销售美国的商品。 这个商品利润额每年各月的表现如图5所示。

很明显这件商品的生意有问题，需要找出原因。

利润下降是收入减少，还是支出增加，两者都发生了。 从支出方面来看，每个月的支出变化不大，实际上在利润下降的每个月，支出反而略有下降。 很明显，收入下降是利润下降的主要原因。 为什么收入会下降呢？

很快，他们找到了相当有说服力的数据关系。 sem关键词的平均排名下降后，销售额也明显下降。 如图6所示。 假设一个场景，没有经验的初级sem专家认为收入减少是因为关键词排名下降了。 这是因为越来越多的收入需要提高关键词排名来提高利润。

当然，我相信这个结论简单粗暴，并不反映事实。 实际上，关键词排名会上升，当然点击次数会增加，销售额也会增加，但价格也会上升。 因此，更有经验的sem专家如图7所示，坐下来继续寻找下一段关系。

这张图简直是图6的仿制品，只是一个是收入，一个是利润，数据的比例尺不同。 利益和关键词平均排名的关系和收入和关键词排名的关系看起来也非常一致。 现在我们可以大胆地得出结论。 提高排名，可以获得越来越多的利益。

但是，结果——不仅利润没有上升，反而下降了——虽然有一天是负面的，但是关键词的排名再次回到了第三位左右。

以前的数据反映了清晰可见的关系，但即使按照这样的关系行动，也没有取得预期的效果。 sem投入是许多复杂的战略过程，同时必须承认，由于瞬息万变的外部环境(竞争对手的报价)，优化的报价方法总是动态的。

在上面的例子中，johnny认为原因很简单。 这个商品的关键词投入可能已经成为瓶颈了。 因为外部环境在变化。 johnny检查了其他数据，如点击广告( cpc )数据。 johnny发现在这12个月里，cpc的一些变化不大。 cpc没有明显的变化，排名逐渐下降，证明竞争对手在增加报价。 这样，在同样的投入状况下，排名下降，收入减少，利润减少。

但是，增加报价增加了收入，价格也上涨了。 由于竞争环境的影响，要达到以前的排名，价格是以前价格的3、4倍，利润空之间被非常压缩。

所以，我们认为这个商品本身的市场环境发生了变化，高roi的好日子过去了。 现在的战略是在微薄的利益下生存，尽量细分更实时地优化，避免损失，开发新商品。

因为，即使数据误读，根本数据是数据，也没有转换成有价值的新闻，意味着相反的效果，反而不是说根本没有数据。

反思:数据民主化

凯文·凯利在“失控”中告诉我，上帝建立了世界，从未让世界以“中央控制”模式运行。 如果需要健康的数据主导型企业组织，则需要“数据民主化”而不是数据集中化。

一个组织的数据类似于人的神经系统。 大脑负责核心运行(关键执行)和高级思维(战术)，各系统(消化系统、循环系统……各经营部门)根据机体的内在和外部环境的变化自主运行，形成反应敏锐、步伐协调的统一组织。 因此，数据驱动组织不仅依赖于中央思考部门(数据和战略部门)，还依赖于各运营部门自身的神经单位。

基于这种思想，理想的数据主导组织分为中央控制的战术层、具有自己“神经”的运营层、以及实现它的基础设施层三个层次。

与此模型相反的模型是集中化的模型。 也就是说，高层(例如集中化的数据部门)拥有数据，指导运营层的执行。 这个模式难度太高了。

如迷宫3中所述，数据民主化后，中层(运营层)如果没有正确解读数据的能力，可能比数据的误读更可怕。 因此，为了实现数据驱动型组织结构，数据民主化不仅是“数据本身”民主化，而且是使数据能力更民主化，即数据资源和数据观察资源的共同民主化。

因此，让数据观察者回归数据部门是为了让乌龟回归商业部门，而不是缩小到数据部门。

我们需要拆除数据部门的集中结构，让数据观察者分布在各业务部门。 他们帮助业务部门利用数据系统、获取数据、解决数据、与业务人员一起(结合实际业务)更直接、更迅速地解密数据，并将结果直接应用于业务。

这样，数据部门只负责三角形结构的顶层(竞争环境研究、全球跨部门战略研究、战术研究、性能跟踪)和底层(数据仓库、报告、bi和它们的维护)两个块。 中间的运营水平应该由数据观察者和业务部门共同进行。

这可能是与人体组织最相似的“民主化形式”。 我们的大脑不是神经系统唯一的器官，而是可以“思考”的器官，不仅仅是大脑。