前段时间我们和一位客户沟通商业智能BI项目合作的时候，他们提到了他们所在的省会城市头两年做了一个有关智慧城市、智慧大脑的项目，正好他也是项目参与人之一。项目投入很大，一期项目都是几千万起步，但最后并没有真正搞起来，没有达到当初的总体预期。虽然对外没有明说这个项目做失败了，但实际上内部的结论就是失败的。
也因为这个项目的负面影响，他们后面再碰到类似项目时上下各层都会比较谨慎，有好几个已经规划的同类项目都被叫停了。这个事情他们也很困惑，到底是规划的问题、技术的问题还是供应商能力的问题。因为很多内容都跟数据有关，所以在商业智能BI项目合作的时候我们就一起探讨了下这件事情。
从我的角度来看，这些跟技术、供应商没有太大的关系，换了技术和供应商问题仍然是存在的，并不是换个泳道你就会游泳了。因为经常接触商业智能BI项目，会涉及很多行业、很多公司，所以根据我的看法，主要原因还是没有看清楚真正制约这类项目成功的关键，两个点：一个是大的需求层面、用户层面、项目立项动机层面没有做好。第二个也是最核心的问题，就是数据问题。先从需求角度来看这个问题。
一、需求问题怎么分析
这类项目没有做好，我听到的普遍有一种反馈就是客户方始终觉得，是不是供应商没有这方面的经验，技术能力不足、团队经验有问题，前期也缺乏有效的论证，所以造成了这类项目的失败。
但也有一些比较清醒的客户能够比较准确的指出因为在数据层面无法做到真正有效的打通导致项目的失败，数据的获取受限、数据质量不够好影响了整体项目，最终认为还是要通过什么技术手段来解决。
综合来看，第一种是属于踩过坑还不知道原因的，第二种是属于踩过坑总结过一些原因，但还是没有看到更深层次的、本质的问题。
第一，决定这类项目成败的不是技术性因素，现在的很多技术都非常成熟，即使有一些技术点存在问题，但也不应该是主要问题。所以把问题归结到供应商的技术原因，这个理由是不成立的。
第二，这类项目的立项者跟最终使用用户大多数情况下不是同一批人，所以整个立项的动机，要解决的痛点问题在这两者之间并没有真正达成一致。这里面的原因很复杂，是为了搞项目而去搞项目，还是要真正解决问题，这个方向如果一开始就不对，后面整个项目就是歪的。如果能做到为了搞项目顺便把问题给解决了也是可以的，但问题就是这种项目一上去，用户还是会有期望的，这种期望能不能满足也是一个问题。
所以，回到一个最基本的项目本质，一定要明白一个问题，就是：我们的最终用户到底是谁？需求到底是什么？如果这个问题没有搞明白，后续所有的努力基本上都是白费的。
二、需求问题如何解决
有的人会说，这类项目是属于规划类的项目、引导式的项目，用户本身就提不出需求，我们要引领用户的需求。这个问题我之前讲到过，信息化的建设先要做到追随、再逐步做到协同、再才是引领。追随都没有做好，直接跳到引领，这个跨度太大，要解决的问题和面临的风险和挑战更大，不是那么容易的。
即使说要做到引领，基本的逻辑还是要回到用户层面，即使是假设也要假设出明确的用户对象，基于这些用户对象再去假设一些业务场景，最后规划这些场景并进行需求的验证。
但很多项目不是这样做的，都是通过一种技术手段或者方案先假设一些业务场景，然后再来看下这些业务场景适合哪类用户，再来包装出一个高大上的方案来，这个是一个典型的拿着锤子找钉子的过程。用这种方式来推进项目必定会失败，原因其实很简单，真正要锤下去的钉子一个都没有砸到，不该锤下去的钉子全锤下去了。
只有把真正的用户给确定了，才能了解他们真正的诉求，即使用户提不出来我们也是要站在用户的角度去引导他们内心里更深层次的想法，到底有什么诉求？不同的用户层次诉求的差异点在哪里？为什么会有这样的差异？所有的需求规划要基于这些问题来进行摸排、抽象化，最后才是在这些基础上做优化提升。
当然有的时候也要去做一些减法，减掉一些当前状态下不合理的、过于天真的、不切实际的想法。最怕的就是一批敢提出各种想法的人跟不批不懂的人碰到一起，一个什么都敢提，一个什么都敢应，应下来的后果就是落不了地。
所以，确定用户、明确初步需求、优化提升、做加法的同时再做减法，这种才是正确的推进方式。把这些问题都落实后，再来看看要实现这些想法，哪些是在现有资金、资源投入上技术满足不了的，哪些是数据来源不支持的，从上往下推，再做一轮减法，基本上才能形成一个初步的可落地的规划。
项目立项的动机、用户的不明确造成需求方向的不准确，最终项目落地很难达到预期的效果。另外还有一个非常重要的原因，就是数据方面的问题，对于这类项目也是一个非常大的挑战。
三、数据问题怎么分析
像数据来源的问题、数据质量的问题是不是最大的问题，在前面的整体需求框架没有明确之前讨论数据的议题为时尚早，因为都不知道有哪些需求会用到哪类数据。只有进入到这个数据论证这个阶段之后，再来说说数据的问题。
前面从用户需求的角度阐述了一下这类项目失败的主要原因，比如通常提到的智慧城市使用数字孪生技术要实现城市数字空间，全面打通城市的商业、交通、政务、治安、警务、能源、消防等等数据，全面实现数据的集成，通过各种场景化的业务来支撑城市的运营管理实现智慧城市、智慧大脑。
这个想法非常美好，也非常理想，这也一定是未来数字化城市建设的趋势和方向，但大家可以想象一下落地的难度有多大。搞过数据类项目的都知道，就算在一家集团型企业里面要解决数据孤岛的挑战是不是就非常大，何况涉及到政府层面这么大的领域跨度，在现阶段基本上是无解的。
几年前我参与过某个二线城市公安大数据项目的前期咨询规划和调研工作，调研完了之后我的结论是现阶段的整体规划是不可行的，需要做重新调整。但是另外的咨询团队、咨询方信心满满，说没有问题，最后相当于给交付方的供应商给挖了一个大坑。
我的判断逻辑在哪里呢？比如涉及到城市各个交通、警务的大数据，包括像路上卡口信息、报警、治安等数据，这些数据分散在几十个业务系统中，并且这些系统在过去的十来年间背后是多个不同的供应商参与规划建设的，有些供应商现在根本就找不到了，底层系统数据库数据表的基本字段长时间缺乏维护，很多二开的业务表、字段没有人能够说得清是什么，光是这些数据怎么用都是一个非常大的问题。还有一些数据比如像学校作为重点保护对象，又涉及到了教育系统的数据，每个区的教育系统都没有完全打通，也都不一样。
就上面提到的这几个点，哪一个问题能够很好的解决？哪一个环节不是需要从政府层面、上级主管单位来协调来对接，光靠供应商自己哪一个可以拱的动。
四、数据问题的看法
我看到的一个供应商为了进到这个体系里面来，在那边已经拱了快两年了，这些基本的数据都没有梳理出来，投入很大。因为没有实际的成果出来，这个项目都没有办法立项，只能从其它项目上匀一些钱过来。但即使是这样也补不了亏空，对于甲方也是有很大的审计风险的。
在企业里面要解决企业的数据孤岛，在政府层面要解决社会性的数据孤岛问题，后者比前者的挑战更大。
他们有一个项目是怎么做的呢？前端的可视化做的很炫、很酷，数据怎么来的，大部分数据通过手工填报维护报送的数据，全部硬件、软件、展示大厅装修再加上开发整个项目两千多万。
从乙方的视角来看，技术架构、技术解决方案体现出来的还是比较空洞的，但从商业的角度我认为是非常成功的，以这种方式交付掉一个项目，谁碰到都很开心。并且领导参观一下看看，很开心。但这种项目基本上是不可持续的，从实际业务应用角度来看，价值度还是比较低的。
像这种通过填报去解决数据维护、取数来源的方式我相信也是一种非常无奈的方式，这个就是很多项目的现状。
所以，像智慧城市、城市大脑这种项目它需要有一个非常宽的数据支撑面，这个支撑面需要涉及到社会层面、政府企事业单位的各种数据资源。这种数据资源的获取和整合别说是普通的供应商了，就算是城市政府高层出面都很难协调打通，数据得不到整合、拉通不了，你的分析如何落地，你的呈现怎么来呈现。最终就又变成了为了支撑这种呈现不得已就弄成了手工填报数据，这种数据的及时性、准确性都存在问题，数据的深度和广度又不够，所谓的智慧城市、城市大脑上层应用根本就支撑不起来。
所以，对于这类项目我个人不是很看好，因为底层的核心数据层面的问题根本就解决不了。
智慧城市、城市大脑一定是未来城市数字化管理的发展方向，但它只是一个上层的应用，它的底层是链接，业务的链接、数据的连接。只有先解决底层数据的问题，再来解决应用的问题，之后等应用出来了还会涉及到城市管理组织的联动、决策联动、资源调配更加深层次的问题。
没有底层的数据基础，就支撑不了中层的智慧城市、城市大脑应用，就更加应用不到实际的智慧城市管理，这是一个基本的路径和方向，也是一个客观规律，这个规律没有抓住，项目自然是失败的。
所以，在现阶段条件下，从交通、公安、医疗等垂直领域进行独立的数字化城市的建设，这个思路才是对的。用户面范围小了，需求才能真正聚焦；数据打通的范围小了，项目落地的难度自然也就小了。整体思路也是从搞定数据开始，再规划应用，再逐步深入到业务来支撑业务的运营管理和决策。
好的，今天的分享就到这里，喜欢我们内容的话，欢迎关注点赞收藏，非常感谢各位对我们的支持。