「大数据项目管理」 什么是项目管理 爱问知识人

大数据项目管理： 什么是项目管理 爱问知识人

项目管理已经不是一个管理时尚，而是作为组织变革和运营的利器。 传统的项目管理需要复杂的协调工作，仅仅通过计划员是无法完成的，需要一个集中统一的项目门户和协作空间，把项目组融汇成为一个整体。不仅仅是计划的制定和下达，更重要是把项目工...展开全部

其他答案:项目管理定义：项目管理是基于被接受的管理原则的一套技术方法，这些技术或方法用于计划、评估、控制工作活动，以按时、按预算、依据规范达到理想的最终效果。 工作总是以两类不同的方式来进行的，一类是持续和重复性的，另一类是独特和一次性的。 任何工作均有许多共性，比如： （1）要由个人和组织机构来完成； （2）受制于有限的资源； （3）遵循某种工作程序； （4）要计划，执行，控制等； （5）受限于一定时间内； 项目管理具有以下属性： （1）一次性 一次性是项目与其他重复性运行或操作工作最大的区别。 项目有明确的起点和终点，没有可以完全照搬的先例，也不会有完全相同的复制。项目的其他属性也是从这一主要的特征衍生出来的。 （2）独特性 每个项目都是独特的。或者其提供的产品或服务有自身的特点；或者其提供的产品或服务与其他项目类似，然而其时间和地点，内部和外部的环境，自然和社会条件有别于其他项目，因此项目的过程总是独一无二的。 （3）目标的确定性 项目必需有确定的目标： （a）时间性目标，如在规定的时段内或规定的时点之前完成； （b）成果性目标，如提供某种规定的产品或服务； （c）约束性目标，如不超过规定的资源限制； （d） 其他需满足的要求，包括必须满足的要求和尽量满足的要求； 目标的确定性允许有一个变动的幅度，也就是可以修改。 不过一旦项目目标发生实质性变化，它就不再是原来的项目了，而将产生一个新的项目。 （4）活动的整体性 项目中的一切活动都是相关联的，构成一个整体。多余的活动是不必要的，缺少某些活动必将损害项目目标的实现。 （5）组织的临时性和开放性（组织类型请参考评论中的项目管理的组织） 项目班子在项目的全过程中，其人数，成员，职责是在不断变化的。 某些项目班子的成员是借调来的，项目终结时班子要解散，人员要转移。参与项目的组织往往有多个，多数为距阵组织。甚至几十个或更多。他们通过协议或合同以及其他的社会关系组织到一起，在项目的不同时段不同程度的介入项目活动。可以说，项目组织没有严格的边界，是临时性的开放性的。 这一点与一般企、事业单位和政府机构组织很不一样。 （6）成果的不可挽回性 项目的一次性属性决定了项目不同于其他事情可以试做，作坏了可以重来；也不同于生产批量产品，合格率达99。99% 是很好的了。项目在一定条件下启动，一旦失败就永远失去了重新进行原项目的机会。 项目相对于运作有较大的不确定性和风险。 （教材 清华大学出版社，本教材由世界银行和国家财政部委托编写） 项目管理是在项目活动中运用知识、技能、工具和技术，以满足和超过项目干系人对项目的需求和期望。 项目管理十大流程 只要流程界定清晰，项目经理就能保证项目的发展方向与最终目标相契合。 广义而言，要掌控各种类型项目的发展，首先要关注十个关键的流程。 一、生命周期与方法论 项目的生命周期与方法论，是项目的纪律，为项目开展划出了清晰的界限，以保证项目进程。生命周期主要是协调相关项目，而方法论为项目进程提供了持续稳定的方式方法。 生命周期通常由项目的阶段组成（包括：开始、规划、执行/控制、完成），或由工作的重复周期构成。项目生命周期的细节一般都会随具体业务、项目、客户要求而改变。因此即使在同一个项目中，周期也会有多种可能的变化。对工作细致度、文件管理、项目交付、项目沟通的要求体现在生命周期标准和考核的方方面面。 大项目的阶段一般更多更长，而小项目的阶段少，考核点也少。 与生命周期类似，项目方法也因项目而易，细节关注程度高。产品开发项目的方法经常涉及使用何种工具或系统，以及如何使用。信息技术项目的方法包括版本控制标准、技术文档管理、系统开发的各个方面。 项目方法往往不是由项目团队自行确定，而由公司为所有项目设定。采用与否，其实项目团队没有太多选择。公司管理层设定的方法本身代表权威，也是你作为项目领导获得项目控制权的一个途径。考虑项目方法某方面的作用时，始终要把握其对项目人员管理的效率，即在可能出现问题的地方争取正面效应。 二、项目定义 清晰的项目描述决定了你的项目控制能力，因为接下来所有工作都在描述范畴之内。不管你如何并为何要进行描述，你要对你的项目进行书面定义，让项目各方和项目组随时参考。 项目定义的形式和名称各式各样，包括：项目章程、提案、项目数据表、工作报告书、项目细则。 这些名称的共同点在于，项目主管方和其他相关各方面从上而下地传达了他们对项目的期待。清晰的项目定义还包括以下方面： ?项目目标陈述 （一小段文字，对项目交付成果、工期、预期成本或人力进行高层次的描述） ?项目回报（包括商业案例或投资分析的回报） ?使用中的信息或客户需求 ?对项目范围进行定义，列出所有预期的项目成果 ?成本和时间预算目标 ?重大困难和假设 ?描述该项目对其他项目的依赖 ?高风险、所需的新技术、项目中的重大问题 努力将尽可能多的具体信息，囊括在项目描述或章程中，并使其在项目主管方和相关方面获得认可，进而生效。 三、...

大数据项目管理： 如何利用大数据进行精细化管理

市场变化对购物中心运营提出了更高的要求 1、时代是过剩、洗礼、死亡与蜕变的时代，数据成为核心能力已成共识。 2、消费者选择的多样化，市场分割的加剧，线上线下的渠道融合合，都将对购物中心运营产生巨大压力。 客群是购物中心的价值源泉 Mal...

其他答案:项目精细化管理之“细”是指细分对象、细分职能、细化具体工作、落实要细。 首先是要做到细分对象，这里实际上包罗万象。在工作上要细分起重、电焊、钢筋等不同的施工环节，不能混为一谈。其实和精通一个道理，只有把这些细化后，才能进行有的放矢的管理；在人的管理上要细分为业主、监理、员工、合作单位、竞争单位等，尤其是在倡导以人为本、合作双赢的今天，项目管理日趋复杂，每一个关系上的疏忽都可能给管理带来不利因素。所以要求管理者要有清晰的思路，就是要在对象细化上做到胸有成竹； 其次是细分职能，要求对口管理，明确各项工作的具体负责人，哪怕是扫地、端茶都需要落实到具体的人，只有这样才能忙而不乱、忙而不慌。当然，细分职能不是完全的分工，管理中最切忌的是各行其事，应该做到是分工不分家，齐心协力、团结一致。一个团队，职能细分，但管理是一个整体。没有完美的个人，只有完美的团队。再优秀的个人，离开集体、脱离团队，他都将一事无成；最后说细化到具体工作。实际上就是落实程序的问题，作为工程项目管理单位，具体工作不计其数，每一项管理都必须有一个程序。比如，项目年度计划要求在*月*日前浇筑混凝土，这个指令传到工程部，工程部在下达至施工项目部，项目部再将指令下达至下面的施工班组长，班组长则要不折不扣将指令传达到起重、测量、钢筋、电焊、模板等一系列人员中，并积极组织完成，而安全、后勤、技术则相应作好准备，整个工程项目相关的人员自然就会围绕一个共同目标行动起来。这样项目经理就可以有时间来对“精品”进行思考，对全局进行把握。不然，项目经理也纠缠在这些程序中，其管理显然不可能细化和程序化； 最后精细化管理中的“细”的落脚点是落实，也就是强调执行力。不管决策、指令多么正确，没有最终落实，只能是纸上谈兵、镜花水月。尤其是筹建处作为这种一线工程管理单位，落实显得尤为重要，每一项工作，安排布置后是否落实是关键。没有落实，自然就没有进展，更谈不上成绩了。所以，精细化中的“细”，细到如何落实，落实各项工作要细，是项目管理的一个重点。

大数据项目管理： 大数据系统体系建设规划包括哪些内容？-百度知道

(1)内部控制组织组织是体系运行的基本保障。其中，是否设置专职的内控部门是企业界关注的焦点，通常的设置方式包括三种：方式一：单独设置内控部门。方式二：由内部审计部门牵头负责内控工作。方式三：在内部控制建设集中期设立内部控制建设办公室...展开全部

其他答案:最近有不少同学向老师咨询有关大数据分析职业发展的问题，由此可见，随着大数据分析的飞速发展，大数据分析职业也成为很多同学关注的目标。不要急，老师这就给大家介绍大数据分析的职业发展。 一、为什么要做大数据分析师 在通信、互联网、金融等这些行业每天产生巨大的数据量（长期更是积累了大量丰富的数据，比如客户交易数据等等），据说到2020年，全球每年产生的数据量达到3500万亿GB；海量的历史数据是否有价值，是否可以利用为领导决策提供参考依据？随着软件工具、数据库技术、各种硬件设备的飞快发展，使得我们分析海量数据成为可能。 而大数据分析也越来越受到领导层的重视，借助报表告诉用户什么已经发生了，借助OLAP和可视化工具等分析工具告诉用户为什么发生了，通过dashboard监控告诉用户现在在发生什么，通过预报告诉用户什么可能会发生。大数据分析会从海量数据中提取、挖掘对业务发展有价值的、潜在的知识，找出趋势，为决策层的提供有力依据，为产品或服务发展方向起到积极作用，有力推动企业内部的科学化、信息化管理。 二、入门和职业规划应该从两个角度考虑：领域和路线 领域是不少新人常忽略的要素，其实大数据分析不会脱离业务存在。你进入哪个行业，很大程度会决定你初期的技能树和技能点。譬如金融领域的风控模型、营销领域的生命周期、广告领域的点击率预估等，各有各的特色。 如果是一位应届生，不妨多了解自己感兴趣的领域，和专业相关是最好的，并且积累相关的经验，为面试做准备。 如果已经有一定行业履历，只是想要转岗大数据分析师，那么跨岗不跨行，避免跳到一个陌生的领域。 领域经验太宽泛，我给不了太多的指点，主要也就三点：1.自己感兴趣的，2.自己擅长的，3.有钱途的。从职场生涯看，成为某领域的数据专家，会是一个更好的筹码。 三、职业规划 对于大数据分析，有一句话说的非常好：spss/sql之类的软件、决策树、时间序列之类的方法，这些仅仅就都是个工具而已，最重要的是对业务的把握。没有正确的业务理解，再牛的理论，再牛的工具，都是白搭。做一名合格的大数据分析师，除了对数据需要有良好的敏感性之外，对相关业务的背景的深入了解，对客户或业务部门的需求的清晰认识。根据实际的业务发展情况识别哪些数据可用，哪些不适用，而不是孤立地在“真空环境”下进行分析。 而大数据分析路线大致可以划分成四大方向：数据分析，数据挖掘，数据产品，数据工程。 数据分析/数据运营/商业分析 这是业务方向的数据分析师。绝大部分人，都是从这个岗位开始自己的数据之路，也是基数最大的岗位。因为基数大，所以这类岗位通常鱼龙混杂。有些虽然叫数据分析师，但是每天只需要和Excel打交道，完成leader布置的表格整理工作就行。混个几年，成为一位数据分析主管，给下面的新人继续布置Excel任务。 又有一种大数据分析师，岗位职责要求你掌握常用的机器学习算法，面试首先推导一个决策树或者逻辑回归。入职后也是各类代码，和分析打交道的情况不多。都叫大数据分析师，其实天差地别。这里更多指互联网行业，偏业务的数据分析师，一般属于运营部门。不少公司也称数据运营或者商业分析。 这类岗位的职位描述一般是： 1）负责和支撑各部门相关的报表； 2）建立和优化指标体系； 3）监控数据的波动和异常，找出问题； 4）优化和驱动业务，推动数据化运营； 5）找出可增长的市场或产品优化空间； 6）输出专题分析报告； 实际情况是，不少业务端的大数据分析师，主要工作只做第一点。别管它用汇总、分析、数据支持什么修饰词，基本是跑SQL，做报表。硬生生活成了业务端的表哥。这是很常见的情况，也是入门新人的第一个坑。因为从头到尾，这类分析师，都没有解决问题。业务部门往往更关心，某个指标为什么下跌或者上升。产品的用户是什么样的？怎么能更好的完成自己的KPI。 以活跃指标的下跌举例： 活跃指标下跌了多少？是属于合理的数据波动，还是突发式？ 什么时候开始的下跌？ 是整体的活跃用户下跌，还是部分用户？ 为什么下跌？是产品版本，还是运营失误？ 怎么解决下跌的问题 这是一套标准的解决思维。分别对应what、when、who、why、how，每一部分都不是三言两语可以解释清楚。不要看它简单，例如你通过多维分析，发现某个地区的活跃下跌了，不要急着把它作为分析的结论，这是不合格的数据分析。某地区的活跃下跌，只是现象，不是原因，把它作为结论提交，肯定会被骂的。 你要解决的是，为什么这个地区的活跃下跌了。是该地渠道，是该地竞争对手，是该地市场环境？这些问题都是细化深入的范畴。并且，它们要能以量化解释，而不是我认为。做好了这点，才是一个真正的业务端的数据分析师。 当然，这一点看的是leader。leader能否带你进入业务分析的大门，决定你将来是不是成为一个表哥。新人切记切记。 解决问题是一方面工作，另外一方面，大数据分析师的职责是将业务数据体系化，建立一套指标框架。活跃下跌的问题，本质上也是指标问题。什么时候开始下跌，哪部分下跌，...

大数据项目管理： 大数据所从事什么工作

以大数据产品经理为例，主要从事一下工作：1.负责门户端、APP端数据统计产品开发及推荐算法迭代等相关工作，独立负责产品线的日常迭代工作，以数据为导向对运营结果负责。 2.监管全部产品核心KPI数据，可对运营团队及时输出价值数据。3.负责产品上...展开全部

其他答案:任何行业都有大数据，譬如电信行业，互联网行业，电力，交通，教育，医疗等等。 随着业务的增长和新业务的更新，并且数据的来源越来越多，数据量的增加和数据管理的需求，都促使各个行业有大数据分析的需要。 针对大数据分析，目前免费的开源的可以使用hadoop等开源项目，对于中小企业可以使用国内一些大数据分析产品，如永洪科技等，如果预算充足，也可以考虑ibm,oracle,sap等国外企业的大数据产品。 具体大数据工作还是要结合自身行业知识，建立好合适的数据模型，针对性的进行分析。

大数据项目管理：系统工程与工程管理和大数据有关吗？有什么关系？

多谢提问。我的理解是，系统工程是传统的工科专业叫法，目前已经上升到一种概念或思维，比如领导人惯讲的XX是一个系统工程，要全局考虑，等等，并不单纯与信息系统或互联网有关……另一方面，大数据是信息技术的重要组成部分，是随着互联网发展而单独拿出来的一个分支。目前来看，各大院校都有一些类似的专业与大数据有关，比如计算机应用、信息管理等，有些地方还新设了数据分析等听上去比较高大上的专业。其实，万变不离其宗，这些新名词的底层技术还是计算机原理（比如，二进制等）。所以，专业名称并不能决定就业方向，只要学会应用，坚持学以致用，懂得举一反三，适当触类旁通，一切疑问都将不是问题。最后，祝未来可期，心想事成，加油！

大数据项目管理：在大数据时代，如何做元数据管理、数据整合、数据治理和数据质量管控？

随着时代的发展，企业的不断壮大，在数据量井喷、各个应用口渐深入的背景下，越来越多的领域开始应用大数据来创造价值，为了合理有效的挖掘数据所带来的价值，首先需要进行全面的数据治理，具体内容包括：元数据管理、数据整合、数据治理和数据质量管控等一系列手段，从而保证数据的一致性，完整性，准确性。

从数据治理定义角度来看，为对数据资产管理行使权力和控制的活动集合，是从元数据、主数据、数据标准、数据质量再到数据处理、数据交换和数据权限，为企业提供一站式解决方案，打通数据治理全流程。其中元数据管理、数据整合、质量管控占有重要的作用。

1.元数据管理主要为元数据的整合、控制以及提供元数据，通过采集汇总企业系统数据属性的信息，帮助各行各业用户获得更好的数据洞察力，通过元数据之间的关系和影响挖掘隐藏在资源中的价值。

2.数据整合是将企业各个业务系统的数据进行统一整合，企业数据来源是各个业务系统或手工数据，这些数据的格式、内容等都有可能不同，通过ESB数据服务总线进行数据抽取转换，数据集成对接和同步分发等操作，屏蔽系统间的数据异构性，保证各个业务系统之间数据的有效传输。

3.数据质量管理是进行定义、监控和提高数据质量。通常会使用MDM主数据管理平台进行数据清洗，数据巡检，数据监控等手段来进行数据质量的把控与提升，帮助企业获得统一的、规范的高质量数据，以便于后续在此基础上进行数据挖掘、数据分析等建设。

综上，企业内的数据种类繁多、形式各异，如何集中管理，如何提供便捷的使用方式，成为发挥企业信息资产价值的关键，也是目前大多数企业提升核心价值的必要手段，而过程中一定会需要元数据管理、数据整合、数据质量管理等手段帮助企业治理、展现繁杂的数据信息，有效挖掘企业信息的潜在价值。

大数据项目管理：以OA为基础的工程项目数据管理平台有什么作用？

没有什么作用。OA的核心优势在于流程审批，单据是有的，但基于单据的业务流、精细化管理、数据统计分析、控制就不是优势了。我见过很多公司在OA基础上开发项目管理系统，用了几年，最后都用不下去了。为什么？项目管理系统的核心是项目进度与成本，是以计划为龙头的运筹协同，OA的基因不是项目管理的基因，按照第一性原理，最后肯定玩不转。项目管理系统不是简单的表单+审批+统计分析。项目管理系统是基于系统工程、目标管理、控制论、还有运筹学。大部分企业都是oa系统、主数据系统、erp或财务系统、bi系统，与项目管理系统是并列的，尤其是项目型企业，项目管理系统更加是其核心业务系统，也就是erp系统。工程项目数据管理平台包含进度数据、成本数据、合同数据、质量安全数据，包含设计数据、招采数据、施工数据等，是需要数据模型的，包含数据的采集、处理、加工、利用。首先要的是数据模型，这些数据模型不是OA这些简单的表单+审批型软件可以承载的，比如进度数据模型、成本数据模型，包含了项目wbs结构、cbs结构，用oa软件去搞，最后就发现力不从心。还有现在与bim的集成，这些oa都比较难搞定。总结一下，术业有专攻，一款软件不可能打天下，一个软件号称什么都能做，最后的结局就是什么都做不好。企业要上OA，但不要以为OA什么都可以做。工程数据管理平台专业性很强，尤其积累数据后要做大数据分析，做ai，要做到项目管理看得见、管得住、留得下，要做到项目沟通、项目协作、项目控制，要做到内部协同、外部协作，做到数字化建造、可视化交付、智能化管理，就需要聚米云这样的一站式项目管理服务平台。