浅谈数据和人工智能项目的管理

近几年来，随着数据和人工智能技术的发展，数据智能类的软件项目也渐渐多起来，为了让新技术更好应用于项目，也为了让具备新技术使用能力的各种专家角色能够更好的协作，达成项目目标，给业务方甚至整个组织带来价值，数据和智能项目的项目管理变得越来越重要。

在过去的几年里，我作为数据服务项目的提供方，管理过多个规模不同的数据智能项目，此文是对自己管理经验的总结。

数据智能项目有多种分类，每种类型的管理方式各不一样，基于经验，按照不同的维度，可以把数据项目分为四类，这几种维度是，验证想法还是落地执行，专注智能技术还是专注组织赋能。

接下来会从这四类项目的项目特点、挑战以及管理方法三个方面谈谈数据智能类项目的项目管理。

数据战略咨询与规划项目

这类项目的特点是，始于一个想法或多个想法，是否具有可行性还未知，项目开展的过程也是验证可行性的过程，所以项目中会有很多试错、调整、优化、探索的过程，所以这类项目的本质是咨询。

由于不确定性的存在，开展这类项目需要很多信息和上下文输入，既需要来自技术部门的输入，也需要来自业务部门的输入，所以数据战略咨询与规划类的项目是企业内部多个部门不同角色、输入不同的背景和能力、开展协作的过程。

协作的过程中，参与者对于初始的想法进行深入的分析和讨论，过程中不同角色的人一起脑洞，发散出各种可能，对每种可能进行评估，结合现实的流程、能力、数据、业务特征等对想法进行深入探索和验证，有的想法在探索的过程中被验证不可行，所以会从重点中移除，有的想法则可能因为注入了更多的信息而成了创新点，成了组织接下来要大力投入进行孵化和培育的项目或者机会。因此，数据战略咨询与规划项目也是一种创新的尝试。

在项目开展的过程中，由于会引入一些新的工具、方法、技术，甚至是第三方咨询师，项目的参与者在这个过程中也是学习、实践和吸收的过程，所以这类项目也同时承载着组织赋能的诉求。

项目的产出结果，不是一个可用的软件，也不仅是一份报告，而是对于初始想法进行充分验证的思路和可行性分析，是基于组织战略、目标、业务流程、现有系统、数据、痛点等的分析和验证，对于验证过的、服务于战略目标的、具有现实可行性的、高优先级的想法还会进行