如何面对数据项目开发和管理中的挑战

近几年，随着数据和人工智能越来越受关注，数据与人工智能项目（统称数据项目）也遍地开花，和传统应用类项目相比，数据项目有其自身的特点和挑战，本文就来盘一下这些挑战。

01 数据质量，横亘在理想与现实之间那道坎

企业想从数据里面发掘价值，首先需要有数据，大部分企业面临的问题不是无数据可用，而是无可用数据。

多年的业务经营，许多企业已经积累了大规模的数据，看上去是一笔巨大的财富，这就会造成一种假象，会让企业的管理者和高层过高估计数据给他们带来的价值，相应的也会对数据项目产生过高的预期。

理想状态下，数据是能够带来价值的重要的生产要素，但现实是，真正打开之后，才会发现可以直接拿来使用的数据并不多，比如数据存在各个系统孤岛里，获取不到；比如，数据的标准不统一，口径不一致；比如，数据中出现大量的错误，许多关键数据是缺失的，矛盾的，等等，这些都是数据质量问题。

举个典型的例子，服务过的某家车企，想做一些老客深挖、通过老客引入购车机会的事情，这个工作需要基于数据分析老客的特点和行为特征，从而预测老客带来新客户的可能性，但当真正基于数据做客户分析和模型开发时，发现只有不到40%的数据可用，可想而知，模型结果也就不具备很高的参考性，这和企业的期望是相背的。

所以数据项目从立项那一刻起往往就背上了一个不切实际的预期，项目被认为是炼丹炉，数据进去，丹药出来，包治百病，很少会有人考虑炼丹成功的几率问题。

要提高胜算的几