AI 数据项目是不是很难做？

难，而且难在 AI 之前的那几层。

客户一般会说：“我有 ABCDEF 这几张数据表，你给我 HIJKLMNOPQ 的数据洞察。”

听起来是一道对应题，实际要走三步。

首先，把 ABCDEF 的字段摸清楚，搞懂表与表之间的关联关系，包括主键、外键和关联条件。

然后，对齐客户对 HIJKLMNOPQ 的指标口径，包括指标定义、计算公式、统计范围和时间粒度。

最后，把这些口径放回 ABCDEF 里逐项验证，看字段能不能支撑。

大概率你会发现，很多指标实现不了，或者能支撑的指标层次很少。客户想要的 RSTUVWXYZ 那类下钻和多维交叉分析，往往根本做不出来。所以这一步要尽早做预期管理，把指标分成能直接支撑、补数据或补口径后能支撑、当前无法支撑三类。

这期间都是精细活，很考验项目团队之间的配合度，也考验对项目整体的把控。不然很容易陷入两个极端：过度追求某个指标的口径而忽略指标体系，或者过度追求指标体系而失去业务语义。

这个时候再引入 AI，还要多考虑一层：数据能不能被 AI 正确理解。过去靠分析师脑补的字段含义、指标口径、例外规则，现在都要白纸黑字写下来，形成数据字典和语义层文档。

需要脑子清楚的人。但是脑子清楚的人不多。