企業內最常見的兩大數據分析專案類型是什麼？
這次這個主題要來聊聊企業內數據分析專案的兩大類型。
為什麼會想要談這個主題呢？其實在多數的專案規劃情境中，很少人會特別提到說：『OK，我們今天要做A類型的數據專案。』、或是『我們今天要發起一個B類型的數據專案』，這比較會像是一個大家內化在心中的一個問題，但又因為這兩個類型的差異性其實挺大的，有時候在剛開始規劃的時候，並不會很清楚地去界定要處理哪一種的問題。
倘若沒有在專案最一開始的時候就先界定好問題的種類，很容易在專案進行的過程中使得目標越來越發散，產生專案範疇越來越大、案子越來越不容易結案的狀況，所以在這邊特別寫一篇這樣的主題，跟大家分享一下這兩大不同的類型是什麼。
多數的數據分析專案大致上可以分成這兩個類型：
一次性的數據分析專案
建構一個數據分析的功能、系統、或產品
這兩種類型在實作上有許多不一樣面相的差異，這邊跟大家聊聊常見的五大差異點：
兩種類型的專案『目標』通常不一樣
一次性的數據分析專案，顧名思義就是這個專案的成果為一次性的產出，針對特定的時空背景或是需求所做的客製化專案，總結過去的歷史資訊，並提出商業洞見。
後續有很大的機會不會持續使用這個專案中的產出或成果，這類型常見的分析目標會是：『針對某一特定檔期，我想知道有哪些客群可能會對這次的促銷活動有興趣。』、『我想知道某單位的成本怎麼忽然提高了？』、『幫我找找看Ａ產品產量下降的原因是什麼？』、『為什麼Ｂ產品最近客訴的數量變多了？』...這類型的分析是為了後續的策略或行動規劃，所進行的數據分析專案。
而建構一個數據分析的系統或產品，其目標通常是為了建構一個分析的功能或工具，幫助其他同仁們可以將現有的業務做得更好，並改善業務內容，像是建構一個分析的數據儀表板、例行性的分析報表、開發一個機器學習或AI的模型...等等，幫助同仁們提升作業效率、決策品質、降低作業成本...等目標。
一次性的數據分析專案在目標上，更加著重於對過去的總結，以及未來的預測；而建構一個數據分析系統的專案目標，通常在於輔助決策、建構自動化的系統、減少人力、提升商品的附加價值等等面向。
兩種類型的最終『產出物』不一樣
一次性的數據分析專案，通常會是為了後續的行動所做的分析，其專案產出物通常會是這些：
一份或多份整理好的數據報表。
一份或多份在分析過歷史數據後，所總結的分析報告。
各種數據的說明與商業洞見。
一份或多份對利害關係人說明的簡報。
對未來趨勢的評估報告。
在分析過歷史數據後所產出的行動建議...等等。
而建構數據分析系統或功能的最終產出通常會是：
一份或多份例行性由系統產出的報表。
一個或多個分析平台，像是儀表板，或一個線上可以瀏覽報表的地方。
一個或多個機器學習/AI的模型。
一個或多個可提供其他系統對接的API。
定期從內外部搜集各種數據並彙整起來做分析...等等。
一次性的分析案的產出會以報告為主，而建構數據分析系統功能則是以產出穩定且容易使用的系統為主。
兩種類型的『時程』規劃不一樣
通常一次性的分析專案，時程通常『短又急』，需要盡可能快速的產出分析結果，提供相關的單位進行決策與安排後續的行動；
而開發一個分析的系統或功能，通常時程會比分析案長很多，需要考量到系統的建置、規劃、整合、測試...等等，專案的範疇會比純粹的分析案再更大一些，甚至是會涉及到多次的討論與確認，整題時程會比產出分析結果與行動建議再更長上許多。
兩種類型所需的『資源』不一樣
在一次性的數據分析專案當中，專案需要投入的資源通常是較單純的人力，這部分會有特定領域的專家提供專業建議、資料科學家或商業分析師進行分析、視情況由資料工程師協助整合數據、或是搜集與購買外部數據輔助分析等等，倘若資料數量較為龐大，則會需要較好一點的伺服器作為運算資源，或多台伺服器做分散式運算等。
在建構一個分析性的功能或產品上面，則通常需要更多元化的團隊成員。在人力方面，可能會需要機器學習工程師建置與部署數據模型、或是負責處理儀表板的工程師協助將報表功能化、資料工程師協助建置資料的存取、傳輸、或轉換，前端的工程師處理分析介面、ios或android的應用開發工程師協助處理相關的介面與功能等等...；
在硬體方面，需要考量多元化的系統應用，可能需要多台伺服器做應用服務，同時也需要運算伺服器作為開發，倘若運算資源較大的AI應用，則伺服器裡面還需要具備GPU卡；在軟體方面，可能還會涉及更多的系統維運工具、附載平衡、Cache、Queue等不一樣的軟體工具做部署。
一次性分析的數據專案所需要的資源通常較少一點，而建構一個分析系統或功能所需要的考量的層面更多，涉及的人力與資源更廣泛一些。
兩種類型的『限制』也不太一樣
一次性的分析專案最大的限制，通常是時間，倒不是說另一個類型的時間是無限大...在這類型的分析專案中，最常需要面對的是必須在短時間內提出商業洞見；此類型的案子通常會需要面對的是在特定時間點，通常一定得採取某些行動（或是必須得給老闆與利害關係人一個計畫），並在某一個特定時間段中爭取更多的客戶、提升營收，或是盡快擬訂計畫，減少隨著時間流逝所產生的損失等；另一方面也可能是想分析的數據，目前企業內沒有搜集到這種資料，沒辦法在短時間內進行分析等等。
而在建構分析功能與系統上，除了上述的限制之外，通常還會多了更多系統層面的限制，比方說像是系統處理時間的要求、資料一定要存放多長時間、對系統服務中斷的忍受程度等等，考量的範疇會更加的多元化。
最後
雖然常見的分析專案通常可以分成上面兩個類型，但專案隨著時間的推進，有時候一次性的分析專案會慢慢走向建構成一個分析系統或產品；視不同專案的內容，若一次性的分析逐漸變成多次常態性的分析，那這樣子的分析專案就會變成系統開發專案的前導作業，或是從一次性分析專案中取得靈感，發想出其他數據系統的需求。
在勾勒數據分析專案的情境與釐清需求的階段，倘若可以清楚的在此時間點，釐清當下最在意的目標或產出會是什麼，並區分要進行哪一類型的數據專案，可以有助於快速釐清達成目標的手段，以及規劃相對應的資源，加速專案進行的時間。
希望透過這一篇文章，可以與大家分享，在實際企業環境中的兩大數據專案分類，幫助大家在專案最一開始的時候做出更好的規劃，也分享給大家實際在勾勒數據分析專案中的一些想法。
