AI落地，資料科學專案的規劃、執行與商業影響力1 - 規劃篇

專案規劃階段

定義問題

定義問題是資料科學專案的第一步，也可能是走偏開始。由於每個人的工作內容不同，工作習慣與思惟模式不同，因此，必須在反覆討論中明確的定義問題，而資料科學家像哆啦A夢，必須在定義問題後給出適合的解決方案。

舉例來說，如果你在18世紀末問任何一個人，他需要什麼樣的交通工具，所有人都會說，「給我一匹更快的馬」，卻幾乎沒有人會說「給我一部汽車」，因為當時大部份的人仍不知道汽車是什麼。資料科學家掌握了較多的科技新知與方法論，就能夠給出車子這個選項。

如果我們再往後一百年，到了19世紀末，有個人說他需要一部汽車，他需要的真的是汽車嗎？他可能是個商人，真實需求是獲得市場上的最新消息，比起汽車，他其實更需要一部電話。

資料科學家也有自己的盲點在，「如果你手上有把錘子，看什麼都像釘子」，這是資料科學家的處境。如果你掌握了機器學習與深度學習的技能，是不是就應該把這些能力應用到每一個專案上呢？即使只是一次性的專案，也需要大費周章的建置模型嗎？

在定義問題的階段，確實需要大量的溝通，有時候已經明確定義了問題，卻又覺得某個環節的邏輯怪怪的。這時，最好的方式是不停的詢問「你的行動方案是什麼？」，也就是下個步驟。

擬定行動方案

除非是研究型專案，否則絕大多數的專案都應該要能產生行動方案(Action Plan)，知識傳播並非最終目的，不能產生行動方案的專案幾乎等同一個沒有價值的專案，也可能是在定義問題階段就已經走錯方向，必須回到上一個步驟重新來過。

在大部份的專案中，做行動的人往往不會是資料科學家本人，這代表一百分的專案結果可能會因為執行率不良，最後只能創造四十分的商業價值。因此，在專案規劃階段，最好就可以預想所有可行的行動方案，是否需要進行跨團隊、跨部門溝通，當涉及的人越多，後續潛在的溝通成本也越高，尤其當資料科學家必須身兼PM的角色時，可能會分散資料科學家投入在技術面的時間。

以前面提到的簡訊行銷模型為例，這個專案的行動方案單純到不能再單純，和過去一樣發送簡訊即可，不會有任何的雜訊干擾，不需花費大量斡旋於溝通協調之中，以資料科學家的角度而言，這是個近乎完美的專案情境。

---

到ARON HACK網站看完整文章〈AI落地，資料科學專案的規劃、執行與商業影響力1 — 規劃篇〉