來源：接地氣的陳老師
不當跑數機
我要做項目
很多做資料的同學都有這個強烈的心聲。每天機械地跑數，完全不知道資料有啥用的狀态确實很不好。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：
● 什麼是資料分析項目？
● 為啥我在公司裡沒見過資料分析項目？
● 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：什麼是資料分析項目。
01什麼是項目
項目本身的含義是：在特定時間期限内，将人力、物力組織起來，達成特定産出目标。這一句話雖然簡單，卻帶出了項目三大關鍵次元：時間、成本、産出品質。這三個次元，就是俗稱的“項目鐵三角”（如下圖所示）。
之是以叫項目，是和正常工作對應的。
● 項目：特定時間，特定人群，特定産出。
● 正常工作：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；但是建立一條線路，必定是張燈結彩，鑼鼓喧天，鞭炮齊鳴。我們都喜歡做項目，不愛沉溺在正常工作裡，大緻也是如此。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，就隻能忍氣吞聲了（如下圖）。
02什麼是資料項目
靈魂拷問：資料在公司裡的地位，更像 【單選題】
- 銷售
- 營運
- 品牌
- 供應鍊
一個殘酷的真相是：雖然老闆們嘴上嚷嚷的“大資料”“人工智能”“數字化轉型”，但是在大部分企業裡，資料更像供應鍊。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。
這種尴尬處境，就注定了資料的地位高不到哪裡去。地位稍微高一點的，是可以直接拿資料掙錢（比如出售資料、資料服務的咨詢公司、第三方服務公司、網際網路toB産品）或者等着資料圈錢（招一堆程式猿，向VC爸爸證明自己是人工智能大資料公司）的少數企業。地位不高，自然配置設定的項目就少了。
03什麼是資料分析項目
配置設定項目少的核心表現是：資料的工作一但拆開，就通通變成日常工作。
是滴，寫代碼的又不是他們，他們完全了解不了“接一下那個資料”七個字背後，你到底得付出多少努力。這一點還比不上供應鍊呢，至少大家看到堆積如山的物料，會覺得他們辛苦。大家看資料的眼光，更類似家裡的老媽子：“你一天天對着電腦在弄啥呢”。
是以，資料類工作想要立項，就隻剩一種辦法：畢其功于一役！在一個跟資料一點關系都沒有，但聽起來賊牛逼的名字（是滴，說的就是商業智能）的包裝下，把上邊這些髒活累活打包全幹了。
其中最為合法、公開，有存在感的，莫過：帶資料大屏的BI項目。無數傳統企業的資料部門，就是靠着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、别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，比如通過算法識别違約風險，提高外呼成功率，提升使用者點選率，預測用電數/話務量，等等等。
但這些應用有着非常嚴苛資料品質和非常明确的應用場景。并不是說随便撈幾條資料丢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，隻要代碼一運作鈔票就從螢幕裡噴薄而出。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、别人口中很神奇的力量：資料中台！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資料分析項目的症結在哪裡
站在項目鐵三角的角度，對比資料和其他項目，症結非常容易看到：
即使是數字本身，也很難展現價值。比如原因分析，即使不看資料，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資料驗證一個，那就跟叼飛盤的汪子沒啥差別。雖然自己跑得辛苦，人家還認為你就是個打雜的。
以上，才是資料分析項目立項少，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（特别是研究所學生剛畢業，寫了幾篇名字高深的論文的）。他們炫耀着自己的圖表、模型、代碼，像一個在班裡炫耀新買的變形金剛的國小生。内心滿滿的：“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：
時間
1、平時建立監控體系，把勞動力從臨時取數解放出來。
2、基于日常資料，積累經驗，捕捉戰機！
3、在關鍵時機引發業務危機感，承接獨立負責的項目。
成本
1、平時盡一切可能推動資料品質改善。
2、在時機合适時推動資料基礎建設前進。
3、每次項目考慮最少資料，最簡單模型解決戰鬥。
品質
1、基建類：多做從0到1的工作，填補空白，彰顯成績。
2、方法類：建立推理邏輯，帶着業務的思路走，做教練、不做老師。
3、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了解，品質部分得結合具體的案例，才更容易懂。