本文將深入探討數據分析項目的本質，揭示數據在企業中的地位，以及如何突破數據分析項目的癥結，實現數據的真正價值。讓我們一起走進數據分析的世界，探索如何從“跑數機”到項目負責人的華麗轉身。

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。每天機械地跑數，完全不知道數據有啥用，這個狀態確實很不好。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：

● 什么是數據分析項目？

● 為啥我在公司里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：什么是數據分析項目。

01 什么是項目

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：每天都干，固定一群人，干完就行。

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里，大致也是如此。在企業里有些部門項目很多，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）。

02 什么是數據項目

靈魂拷問：數據在公司里的地位，更像      【單選題】

銷售

運營

品牌

供應鏈

一個殘酷的真相是：雖然老板們嘴上嚷嚷的“大數據”“人工智能”“數字化轉型”，但是在大部分企業里，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?？傻筋^來，一你不能為公司掙錢，二你是服務其他人的臟活累活。

這種尷尬處境，就注定了數據的地位高不到哪里去。地位稍微高一點的，是可以直接拿數據掙錢（比如出售數據、數據服務的咨詢公司、第三方服務公司、互聯網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能大數據公司）的少數企業。地位不高，自然分配的項目就少了。

03 什么是數據分析項目

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”七個字背后，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，更類似家里的老媽子：“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：畢其功于一役！在一個跟數據一點關系都沒有，但聽起來賊牛逼的名字（是滴，說的就是商業智能）的包裝下，把上邊這些臟活累活打包全干了。

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板歡心的。

當然，這種局面在這兩年有變化。阿爾法狗一聲汪汪，給無數老板們帶來了人工智能的希望。當面對解決不了的問題的時候，人們總寄希望于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，在現在是人工智能算法。于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。并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里噴薄而出。于是很多貿然趟進算法渾水的項目都悲劇收場。

不過沒有關系。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！于是重新的一輪眼見高樓起，眼見高樓塌又在2020年開始上演。

04 數據分析項目的癥結在哪里

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，像一個在班里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，最普通的翻斗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。
• 基于日常數據，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，最簡單模型解決戰斗。

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。