本文針對數據分析項目的幾個問題：是什麼、癥結在哪裡，分別進行了詳細介紹，幫你解答疑問。
「不當跑數機，我要做項目。」
很多做數據的同學都有這個強烈的心聲。每天機械的跑數，完全不知道數據有啥用的狀態確實很不好，大家都想有個獨立負責項目的機會。
然而，很多同學心中充滿疑惑：什麼是數據分析項目？為啥我在公司裡沒見過數據分析項目？
我在網上百度了泰坦尼克、淘寶電商、美國信用卡的代碼，ctrl C+ctrl V一遍，算不算個項目？
今天就從第一個問題說起：什麼是數據分析項目。
一、什麼是項目？
項目本身的含義是：在特定時間期限內，將人力、物力組織起來，達成特定產出目標。這一句話雖然簡單，卻帶出了項目三大關鍵維度：時間、成本、產出質量。這三個維度，就是俗稱的「項目鐵三角」（如下圖所示）。
之所以叫項目，是和常規工作對應的。
項目：特定時間，特定人群，特定產出。常規工作：每天都幹，固定一群人，幹完就行。你看同樣是鐵路，做老鐵路的養護，兢兢業業一輩子也沒人知道；但是新建一條線路，必定是張燈結彩，鑼鼓喧天，鞭炮齊鳴。我們都喜歡做項目，不愛沉溺在常規工作裡，大致也是如此。在企業裡有些部門項目很多，經常動不動搞個大新聞，有些部門項目很少，就只能忍氣吞聲了（如下圖）。
二、什麼是數據項目？
靈魂拷問：數據在公司裡的地位，更像誰？【單選題】
銷售運營品牌供應鏈思
考
一
秒
鍾
一個殘酷的真相是：雖然老闆們嘴上嚷嚷的「大數據」「人工智慧」「數位化轉型」，但是在大部分企業裡，數據更像供應鏈。雖然大家嘴上都說這玩意很重要，是未來，是趨勢。可到頭來，一你不能為公司掙錢，二你是服務其他人的髒活累活。
這種尷尬處境，就註定了數據的地位高不到哪裡去。地位稍微高一點的，是可以直接拿數據掙錢（比如出售數據、數據服務的諮詢公司、第三方服務公司、網際網路toB產品）或者等著數據圈錢（招一堆程序猿，向VC爸爸證明自己是人工智慧大數據公司）的少數企業。地位不高，自然分配的項目就少了。
三、什麼是數據分析項目？
分配項目少的核心表現是：數據的工作一但拆開，就通通變成日常工作。
是滴，寫代碼的又不是他們，他們完全理解不了「接一下那個數據」七個字背後，你到底得付出多少努力。這一點還比不上供應鏈呢，至少大家看到堆積如山的物料，會覺得他們辛苦。大家看數據的眼光，更類似家裡的老媽子：「你一天天對著電腦在弄啥呢」。
因此，數據類工作想要立項，就只剩一種辦法：畢其功於一役！在一個跟數據一點關係的都沒有，但聽起來賊牛逼的名字（是滴，說的就是商業智能）的包裝下，把上邊這些髒活累活打包全乾了。
其中最為合法、公開，有存在感的，莫過：帶數據大屏的BI項目。無數傳統企業的數據部門，就是靠著做大屏項目博得老闆歡心的。
當然，這種局面在這兩年有變化。阿爾法狗一聲汪汪，給無數老闆們帶來了人工智慧的希望。當面對解決不了的問題的時候，人們總寄希望於某個自己耳朵聽不懂、別人口中很神奇的力量。在過去是《周易》銅錢八卦，在現在是人工智慧算法。於是很多算法項目紛紛上馬。
實際上，在自媒體大肆炒作之前，就已經有很多利用算法改進業務的成功案例，比如通過算法識別違約風險，提高外呼成功率，提升用戶點擊率，預測用電數/話務量，等等等。但這些應用有著非常嚴苛數據質量和非常明確的應用場景。並不是說隨便撈幾條數據丟進模型一弄就有效果的。更不是說脫離管理制度、資金投入、基礎建設、業務配合，只要代碼一運行鈔票就從屏幕裡噴薄而出。於是很多貿然趟進算法渾水的項目都悲劇收場。
不過沒有關係。很快，大家就找到了新的自己耳朵聽不懂、別人口中很神奇的力量：數據中臺！於是重新的一輪眼見高樓起，眼見高樓塌又在2019-2020年上演。
四、數據分析項目的癥結在哪裡？
站在項目鐵三角的角度，對比數據和其他項目，癥結非常容易看到：
即使是數字本身，也很難體現價值。比如原因分析，即使不看數據，業務自己也能猜到幾條原因。如果僅僅局限在業務提一個假設數據驗證一個，那就跟叼飛盤的汪子沒啥區別。雖然自己跑得辛苦，人家還認為你就是個打雜的。
以上，才是數據分析項目立項少，成功難的本質原因。當然，更要命的是，很多新人意識不到這一點（特別是研究生剛畢業，寫了幾篇名字高深的論文的）。他們炫耀著自己的圖表、模型、代碼，像一個在班裡炫耀新買的變形金剛的小學生。內心滿滿的：「我好厲害吧」。忽視了真要運貨，最普通的翻鬥車都比擎天柱大哥強。
想破局，還得緊緊抓住項目鐵三角：
1. 時間
平時建立監控體系，把勞動力從臨時取數解放出來。基於日常數據，積累經驗，捕捉戰機！在關鍵時機引發業務危機感，承接獨立負責的項目。
2. 成本
平時盡一切可能推動數據質量改善。在時機合適時推動數據基礎建設前進。每次項目考慮最少數據，最簡單模型解決戰鬥。
3. 質量基建類
多做從0到1的工作，填補空白，彰顯成績。方法類：建立推理邏輯，帶著業務的思路走，做教練、不做老師。建議類：提100個假設，撐爆業務的腦袋，掌握輸出成果的主動權。以上，時間和成本估計大家都好理解，質量部分得結合具體的案例，才更容易懂。如果大家感興趣，我們下一篇從基建類項目講起，就講常規的報表建設，如何延伸出一個項目來。
#專欄作家#
資深諮詢顧問，在網際網路，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。
本文原創發布於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議