「資料分析專案」或是「數據服務平台」專案的規劃方式，和一般的應用系統專案的規劃方法有些不同，主要會著重在「資料模型」和「分析應用」之上，所以，我們在本篇文章簡單說明一下資料分析專案應該注重的項目有哪些。

「資料科學」是目前企業在數位轉型之上很重要的一個項目，除了要解決目前企業環境中的大數據處理的問題之外，也希望能夠從資料科學中得到歷史的經驗值，獲取企業營運上的知識，取得產品或服務的相關資訊，協助企業未來的營運輔助或決策建議。在資料科學的應用之中，很重要的三件事情分別是：

• 1. 先清楚你有什麼資料 (Input)：一切的開始就是來源的部分，先盤點你有什麼資料，有沒有用，怎麼整理，如何存放，安全性，機密性等，都是需要先搞清楚你的資料範圍和內容。
• 2. 充分了解你想要做什麼 (Output)：最重要的是目標的部分，確認企業想要的資料分析目的是什麼，充分溝通，了解需求，設計應用，最後完成的資料服務平台才會真正達成企業所需要的目標。
• 3. 設計規劃資料處理作業和應用服務架構 (Process)：有了清楚的資料來源，也有了應用服務的目標，我們就可以設計規劃整個資料服務平台的作業流程，功能規劃，以及架構設計，全面的，完整的搭建起企業所需要的資料服務平台。

有關資料分析專案管理的規劃，可以參考「The Kimball Business Dimensional Lifecycle」，這一份文件說明的很明確，把資料分析專案該計畫、該注意、該釐清的步驟都裂得非常清楚，在 Kimball 所提出來的資料分析專案管理生命週期之中，前半段和後半段跟一般的資訊系統開發專案流程一樣，但是，Kimball 提到，從資料分析專案的需求分析開始，就需要分三條路同步進行，從需求的訪談和確認就必須要從三方面開始進行，包括：技術層面，資料層面，商業分析應用層面，這三個層面分別由不同的資訊專業人員，以及不同的客戶領域專家共同來進行。

• 1. 技術層面 (Technology Track) : 不論是企業的 IT 或是 MIS，在規劃資料分析或是數據平台相關的架構時，必須要了解資料相關產品及服務，適當的挑選軟體，配合使用者需求面，設計良好的資料架構，不論是資料處理作業，數據分析功能，計算能力，儲存容量，擴充整合，維運操作等，都必須要好好的規劃資料平台架構，建置一個符合企業環境使用的資料分析數據服務平台。
• 2. 資料層面 (Data Track) : 資料分析專案是一個由「資料」為主動驅動角色的應用，企業的資料必須經過重重的關卡才能到達可以完成資料分析的目標，在設計資料結構或是資料模型的時候，不單單是只把資料照顧好就好，也需要一併考量使用者應用需求，兩者同步綜合需求，規劃良好的資料架構，建置適合的資料處理作業，設計出最佳的資料分析所需要的資料結構數據模型。
• 3. 商業分析應用層面 (BI Application Track) : 在使用者商業分析應用層面必須考量到資料分析服務的應用方法，顯示方法 UI/UX，操作方式，其他應用的整合等，才能夠建構符合使用者資料分析應用需求的系統服務。

專案的進行不外乎幾大步驟：「規劃」-->「設計」-->「建置」-->「維運」-->「檢討」，我們在規劃資料分析專案的各項作業計畫內容時，都需要一併的考量這三個層面，從這三大方向的需求一起綜合分析，這三大方向就是上面所提到的三個層面，包括：技術架構，資料模型，商業應用。
所以，不論我們在專案的哪一個階段，或是我們在規劃資料分析專案的整個計畫內容時，每一個階段的規劃與考量都必須要從「需求出發」，依照三大方向的需求來規劃設計每一個階段的作業內容與工作說明，這樣才能完整的，全盤的考量，做出最佳的「資料分析」專案管理計畫內容。

PS : 「資料分析」專案，不同於一般的資訊系統專案的規劃方式，必須要跳脫傳統的系統分析設計邏輯，一步一步漸進的發展，敏捷式 (Agile) 專案開發方法就非常的適合使用在資料分析數據平台開發專案之上，而且，資料分析是長期性的需求與規劃，並不是專案開發完畢，系統上線之後就結束了，「資料分析」專案必須要有專人長期持續的發展與維護，因為，企業的資料隨時隨地的在增加，隨著技術演變的在擴張增長，因此，資料分析應用和數據平台架構也需要因應著改變來做規劃，才能發揮資料數據平台真正的功效。