“今年新上的AI項目沒效果！”

“陳老師快來幫幫忙，想想辦法”

“能不能設計一個評估體系，證明它管用！”

從6月份開始，我就在十幾個客戶之間奔走處理類似需求，邊做邊調侃：“還說啥AI取代數據分析，現在都指望數據分析來救場子的” 為什么會出現如此奇觀？以及如何避免AI項目踩坑，剛好在8月底做個小結。

一、回歸商業本質

先別管它是AI、BI、CI還是DI，站在商業視角，所有的產品分三類：交易型產品、內容型產品、工具型產品。

AI產品也是工具型產品一種，厲害的工具它還是工具，只要是工具型產品，那么就得滿足以下條件：

1、有具體場景

2、有使用對象

3、滿足特定需求

4、可用指標衡量價值

媒體聽到一個新概念，就會大呼：“震驚！顛覆！代替！” 但是，真到了企業里做項目的時候，必須得數據說話：

• 缺少場景or對象，叫偽需求
• 有真實需求，但工具不能滿足，叫：沒做好
• 自己說“做得好”，無法量化考核，領導就不認賬

這就叫商業本質，而今年草草上馬的AI，各有各的死法。

二、偽需求的陷阱

很多公司上了Chat BI，口號都是：“只要隨口說一句，立馬自動生成SQL輸出數據圖表”……結果復盤的時候，老板要的是SQL、數字、圖表嗎？都不是！

某企業，老板就當著一眾領導面問：

1、能不能發現業務沒有發現問題？

2、能不能給出可落地的具體辦法？

3、跑數不是月薪8K的職員干的嗎？

4、所以你們部門裁員了幾個人？

5、所以上項目的效益就是倆人的工資？

項目負責人被問得抓耳撓腮團團轉……蒸汽火車取代馬車，不是因為蒸汽火車能節約草料，而是它能支持一種全新生產力。想不明白這點，項目就很容易做成偽需求。

回頭看看，會發現：“人人都是數據分析師”本身就是扯淡。

• 相當多公司，業務流程沒有數字化
• 數據基建稀爛，口徑不統一
• 業務“用數據說話”能力都沒普及

這時候指望：“隨口說一句話自動生成數據”就是自己找死。

三、解決真實的痛點

于是，拯救這些爛項目的思路，就是：

1、重新梳理業務場景

2、先找到有價值的數據

3、再看如何用AI提供這個數據

比如，我在幫一個企業梳理場景時發現，銷售部門權力很大但是很少看數據。他們經常走下沉市場，迎來送往很多，我陪他們出差3天喝了4頓……這種狀態下，誰看數據！

然而，他們確實有真實需求：

• 如果經銷商利潤很低，需主動幫經銷商想辦法
• 如果經銷商庫存很高，要檢查庫存預防竄貨
• 新品/活動普及不夠，就得推著經銷商做
• ……

于是，我/IT部門/銷售部門一起，梳理出八個“走市場核心指標”，并且對應到“八大市場提升關鍵行動”，經銷售部老大首肯，先作為行動標準推廣到所有一線執行。

然后大家問：數據支撐怎么實現呢？上Chat BI！此時IT部門領導紅光滿面的開推廣會：“諸位看，這個Chat BI真的好用，直接對話就能拿到八大指標！”于是半死的項目就這么盤活了。

四、透過現象看本質

有同學會說：陳老師，你這跟AI關系不大呀，做個普通的移動端報表也行呀。

這就要透過現象看本質了。再好的技術，最后也是工具。想讓工具發揮作用，最后還是要回到場景/對象/需求/指標，認真梳理才有出路。

數據分析，從來不是SQL/Python/PowerBI等工具的堆砌，而是結結實實的解決問題。現在AI輔助生成SQL越來越好用，釋放出的時間，更多花在提升分析方法，解決業務問題，才能產生更大價值。

五、更容易突圍的項目

當然，有些項目沒那么難突圍，稍作修改即可，比如：某集團準備建立“從財務指標穿透到業務過程的智能化經營分析體系”，結果上門一看：主數據稀爛，相當多業務流程還在走紙質單，業財數據從來對比上……那就老老實實回來從上系統，數據治理做起，領導那里先做個好看的看板，交個半年工作總結差。

比如：AI智能提煉優秀客服話術。結果提煉完長達5000字，一線坐席念都念不過來。這種就不要貪多，比如先篩選10個最難回答問題（比如“為什么你們賣那么貴”）讓AI先輸出再說。