必须祭上甲方看了沉默，乙方看了流泪的诗集：《项目五怕》
相当多的“大数据”“数据挖掘”“人工智能”项目，是因为甲方某部门老板迎合上意，追赶潮流才上线的。反正大老板喜欢，管他有什么业务场景，管他有什么商业价值先干起来。这种项目如果运气好，赶上公司业绩高涨，可能负责人可以平步青云，把屁股留给下一任擦。如果运气不好，赶上公司业绩下降，就会连负责人带项目一起扫进垃圾堆。
这就是所谓的吉祥物项目。作为乙方，如果脑子一热跟着当吉祥物，很有可能连尾款都收不回来。因为本质上讲，数据类项目很难直接产生价值，需要结合到某个业务场景。所以上项目之前，为项目找个出路是必须的功课。
过气网红变垃圾，没有实际应用场景，应用不够刚需，场景不够重要，最后项目下场都好不到哪去
一个搞笑的说法是：业务部门眼中excel透视表处理不了的问题都算大数据。加之这几年营销号猛烈鼓吹，造成了很多业务部门对“大数据”“数据挖掘”“人工智能”产生了不切实际的幻想。如果需求是业务部门提的，就得特别思考：他们提的到底是个什么需求？这个需求有没有条件去做？数据能帮到多大程度？
如何梳理需求，展开写一本书都够了，这里只提示一些常见问题：
- 心口不一，口头问题和实际数据是两码事。
- 好高骛远，期望值远超过IT实际能力，又不舍得投钱。
- 期望过高，指望数据能创造奇迹。来个“大数据”一搞，库存就不积压了，客户就接电话了，风险就没了，业绩就有啦。
这些问题，来自业务部门被各路营销号洗脑太深，自己又不懂技术。在谈需求的时候，业务部门写在纸上的一个标点符号都得确认一下。从一开始就控制期望值，找到合理的落地方式，才是跳坑正解。
提到数据清洗，有意思的是：相当多的脏数据是人为弄出来的。最典型的，比如在超市购物，收银员问句：“有会员卡吗？”你说：“没有”，他就不管了……这看似一点点疏忽，导致很多商超数据关联到顾客ID的不足10%，这么差的数据基础，除了订单分析以外还能整什么分析？丢掉90%数据建出来的响应模型又有啥用？
更不要说什么渠道操纵业绩，假卡、鬼卡、幽灵卡，羊毛客等等问题。我就遇到过某银行业务员教我：“这里您就填年薪10w不要多也不要少！”的事。实际上，数据化管理做得好的公司，本身管控力与执行力都很强。如果一个公司管控力不足，那做数据项目的同仁们，在许诺数据项目质量的时候，就得嘴下留情了。
最终，数据项目想推动业绩增长，是需要业务部门配合的。如果是营销类项目，需要产品、广告、促销费用；如果是生产类项目，需要操作手册、工作流程、作业培训、执行规范。这是个很浅显的道理：再好的狙击镜也得射手扣扳机才能打死敌人。
然而很多业务部，不是太过迷信数据，就是太过轻视数据。迷信数据的，诸如：“都有精准推送了为什么还要好产品？都有定向营销了为什么还要投促销？”轻视数据的，诸如：“总部懂个屁，我们自己干！”如此这般，空有数据，没有落地，数据的价值如何体现？
综上，启动项目前至少要落实五个问题。其实我个人并不是正儿八经的大数据开发，然而这些年太多项目都挂个“大数据”的头衔，以至于我也被拖下水了。所以处理具体需求时会格外谨慎。这两年大数据淡了，人工智能又开始喧嚣了，各位同仁继续打起精神警惕起来哇。
然而，现在大量的新人也在助长这种风气。做模型不考虑业务场景，找一个清洗过的数据包，不合适的数据直接丢掉，然后一味追求在测试集跑出来的准确率。似乎不需要了解业务给个数据包就能有95%了，于是就有了第五怕：
是滴，老兵们都知道做项目水很深。如果需求是IT部提的，那还相对靠谱，至少有懂技术的人帮我们过滤了一次。但如果是业务部门，就真的得打起12分精神。然鹅，新人们往往脑子一热就上了，还喜欢什么复杂上什么。结果吗， 要么被虐的服气，要么被虐的离职。正所谓：新鬼烦冤旧鬼哭。刚入行的同学们不被虐过几次，是很难体会到个中滋味的。
我常举得一个例子，即使通过简单的描述性统计，也能对所谓精准营销的前景进行初步估算。不要小看描述性统计哦，除了做个直方图算个频数，它是快速接近业务，发掘坑点的重要手段
吐槽归吐槽，说到底，还是想提醒大家做项目时贴近业务的重要性。因为本质上，数据工作是个专业人士服务业余人士的工种。正如同医生给病人看病，医生都是博士以上饱读诗书，可病人却是三教九流各式各色。大部分病人，就是进门只会哼哼：诶呦，诶呦，难受，难受。这时候就得耐心诊断病情，而不是说我有个阿尔法素，一针下去药到病除不是。
