軟件項目都存在著這樣那樣的風險，這是由軟件項目的創(chuàng)造性本質決定的。在積累了較豐富的信息化經驗和數據后，面向決策層的各種數據分析系統越來越受到重視。數據分析項目都具有較大風險，國內國際許多決策分析系統、客戶關系管理系統的失敗都證明了這一點。由于數據分析項目的需求在開始常常是模糊的，而數據分析技術又是非常復雜的，這就需要組織層和項目經理在實施數據分析項目時更加注重風險管理。
數據分析項目的建設不僅需要克服一般軟件項目的常見風險，數據分析項目由于以下兩個原因，相對一般面向操作層、管理層的信息系統而言具有更大的風險：
1. 數據分析系統通常是面向決策層為主，受核心領導的個人習慣、工作作風、知識背景影響較大，在系統范圍和系統性能方面存在著很多不確定性因素。
2. 數據分析系統，特別是各種數據挖掘系統，需要依靠數學模型。而對數據模型的應用需要系統分析，設計人員應具有較好的數學背景知識，同時對所分析的行業(yè)業(yè)務非常了解。而這些往往又是以數據倉庫為基礎，對計算機軟硬件技術要求很高。
在本文中，作者將根據數據分析項目的特性，結合自身的工作實踐，重點討論數據分析項目的風險識別、風險分析和風險應對。
一、風險識別
在項目的啟動，也就是策劃階段注重進行項目風險分析，做好風險管理計劃。采用相關的分析工具和分析手段，根據項目的本身特點、范圍估計、技術條件、歷史數據做好風險值的分析。在項目實施過程中，不斷地、持續(xù)地監(jiān)控風險的變化，努力規(guī)避、消除風險。
在具體的風險識別過程中，我們要重點注意以下風險：
1. 需求不確定性的風險;2. 決策層溝通障礙的風險;3. 分析技術路線的風險;4. 其他風險。
二、風險分析
前述數據分析項目的三大風險對項目的影響都是非常大的，如果按定性的風險分析方法，影響都是“高”級。如果按第一項計算影響性，分值都在0.8以上。
需求不確定性風險還會導致項目進度、成本、質量、資源、合同等相關風險，使項目處于失控狀態(tài)。在實際工作中，我們多次遇到項目都快要收尾了，依然出現客戶領導對系統提出“在客戶分析方面需要拔高”、“在經營指標分析要加強體現X部長講話精神”之類模糊不清的需求。
決策層溝通障礙風險容易使最終決策領導對項目期望保留在項目競標階段，理想而抽象，項目組不能真正理解領導的需求，甚至無所適從，大量工作“跑題”浪費，使時間和成本的投入成倍增長。
技術路線風險可以直接導致項目失敗。項目的目標、范圍超過了項目組所選技術。所選產品號稱擁有而實際并不成功的分析模型，項目組自身對產品并不熟悉，無疑會使項目處于毀滅性的風險中。像某國家級銀行采用SAS和Cognos實現的全國性信貸分析系統幾乎無法使用就是典型案例。
三、風險規(guī)避
風險分析活動分析的目的在于建立處理風險的策略。一個有效的策略最好能規(guī)避風險。而風險規(guī)避的最好方式是把風險控制在項目啟動階段，把項目損失減小到最小程度。根據本人長期負責數據分析的項目經驗，以上三大數據分析項目風險可以采用以下措施規(guī)避或減?。?/span>
1. 項目經理同客戶最高決策層擁有暢通的溝通渠道;
2. 項目開發(fā)模型采用迭代模型;
3. 審慎運用尚處于研究階段的分析技術與模型;
4. 層次較高、結構合理的項目組織結構;
5. 多參考專家意見。
一個項目組的技術力量畢竟有限，所以數據分析項目的開發(fā)一定要多進行專家評審，多參考專家意見。對專家意見進行匯總，及時地通
知客戶及其它干系人，采用“光環(huán)效應”影響客戶，增強客戶對項目方案、項目技術的認可程度并保證項目的成功。由于數據分析項目中數據建模、數據重組、樣本設置等對技術要求比較高，而聚類分析、神經網絡、決策樹、數理統計、時間序列分析等又是開發(fā)性的計算機或數學問題。所以數據分析的結論、綜合解釋、評價數據、知識探索、模型調優(yōu)等，還是要依賴行業(yè)專家。