夜雨聆风
AI辅助项目字段标准化。
这周写了项目组合管理的数据标准化。文章发出去之后，私信收到一条留言，来自一位PMO负责人：
“我们公司跑着四十多个项目。每个PM填的‘项目状态’都不一样。有人写‘进行中’，有人写‘执行中’，有人写‘开发中’。优先级更是灾难——A项目叫P0，B项目叫‘紧急’，C项目叫‘最高’。每次做组合汇报，光统一说法就要半天。”
这条留言指向一个被严重低估的问题：项目组合管理的第一道坎，不是资源优化模型，不是战略对齐矩阵，不是投资回报分析。是让所有项目的数据能被放在一起比较，统一语言，堪比统一思想。
数据标准化这件事，原理不复杂，但执行极重。几十个项目、十几个字段、每个字段多种写法、每个写法背后还有不同的定义。手工清洗，费时费力易遗漏。AI恰好擅长这个——识别语义等价、发现异常值、基于规则补全缺失字段。
今天用AI，三步把项目数据“洗”干净。
一、项目数据标准化的三个典型痛点
在给出具体方法之前，先定义问题。做过组合管理的PMO或PM，面对几十个项目的汇总数据时，通常会遇到三种情况。
痛点一：字段值不统一。
同一个含义，多种写法。项目状态一栏，“进行中”“执行中”“开发中”“实施中”，表达的是同一件事。进度一栏，有人填百分比，有人填阶段名，有人填模糊描述。这些差异是天然形成的——每个PM有自己的表达习惯，项目之初也没有统一的字段值标准。但当数据汇总到组合层时，无法对“进行中”和“执行中”做聚合统计，也无法按进度筛选出所有“滞后”的项目。
痛点二：字段定义不清晰。
写法统一只是表象，定义统一才是根因。一个字段叫“优先级”A项目经理理解为“老板重视程度”，B项目经理理解为“交付截止时间的紧迫程度”，C项目经理理解为“出了问题对业务的影响程度”。三个人填的是同一个字段，但评价的是三个维度。汇总之后，一个“高优先级”的项目和一个“中优先级”的项目，实际上可能同等重要——但数据告诉你的，是前者应该优先处理。
痛点三：字段缺失。
有的项目填了部分字段，有的项目干脆空了。缺失的原因可能是PM不知道这个字段应该填什么，可能是填表时信息还不明朗，可能是纯粹忘了。汇总时，缺失字段让某些维度的分析无法进行——比如有三个项目没填预算数据，整个组合的成本分析就有缺口。
三个痛点，三种根因：值不统一的根因是缺标准，定义不清晰的根因是缺共识，字段缺失的根因是缺约束。
传统做法是一套组合拳：制定字段标准手册、开宣贯会、逐个项目检查、手工清洗、反复沟通。周期以周计。
现在有了AI，一切变得简单，清晰，丝滑。
二、AI辅助标准化的三步工作流
第一步：语义等价识别——让AI找出“同一个意思的不同写法”
将汇总的项目数据表格直接投喂给AI，让它自动识别每个字段中语义相同但表述不同的值，并生成映射表。
这一步解决的是痛点一。AI在自然语言理解上的优势，恰好适用于“进行中/执行中/开发中”这类语义等价的识别。人类看到这三个词能自动归类，但需要一行一行看；AI遍历全部数据，批量输出映射关系。
第二步：字段值标准化与异常检测——让AI统一写法并标注异常
基于第一步的映射表，让AI将原始数据转换为标准化值。同时，让它标注无法归类的异常值，供PM人工判断。
这一步是在第一步映射表的基础上，做批量替换，并标记出标准映射表覆盖不到的值——例如某个项目状态填了“快完了”，既不是“进行中”的同义词，也不符合任何标准分类。这类异常值是人工检查的重点对象。
第三步：缺失字段推断与填写标准生成——让AI补全空白并输出一份可执行的字段标准
对于缺失的字段，基于已有的项目信息（如项目阶段、规模、交付物），让AI推断可能的值并给出推断依据。同时，基于已对齐的数据，生成一份全团队可统一执行的字段填写标准。
这一步同时解决痛点二和痛点三。缺失字段的推断不是让AI“猜”，而是基于已有的模式来推导。PM审核AI的推断结果，而非自己逐条补全。字段填写标准则是把这次清洗的结果固化为规则，让下一个项目启动时，PM有据可依，不再回到混乱状态。
简单三步，清晰明了，项目经理不再为这些dirty work而痛苦。
三、完整提示词（可复制）
第一步提示词：语义等价识别
以下是一份多项目汇总数据表格。请针对每个字段，完成语义等价识别。
识别规则：将表述不同但含义相同的值归为一组，映射到一个标准值。例如：字段“项目状态”中，将“进行中”“执行中”“开发中”“实施中”归为一组，映射为标准值“执行中”。
输出格式：以表格呈现。列为“字段名”“原始值”“标准值”。
注意：不要修改原始数据含义。不确定是否等价的，单独标注“待人工确认”，不要强制归类。
[粘贴项目汇总数据表格]
第二步提示词：字段值标准化与异常检测
基于上一步生成的“原始值→标准值”映射表，对原始项目数据进行批量替换，将原始值替换为标准值。
同时，检查是否存在以下情况，并单独列出：
1.无法匹配到任何标准值的原始值（标注为“异常值”）
2.同一个字段在替换后仍存在两个以上标准值的情况（可能存在更深层的定义不一致）
3.明显不符合字段含义的值，例如日期字段里填了文字
输出：标准化后的完整数据表格 + 异常值清单。
第三步提示词：缺失推断与填写标准生成
基于上一步标准化后的数据，完成以下两项任务。
任务一：缺失字段推断检查所有项目的所有字段，标注出字段值为空的项目。对每个缺失字段，基于该项目已有的其他字段信息，推断可能的值，并给出推断依据。例如：一个项目缺失“项目阶段”字段，但其交付物列表中有“测试用例”和“上线方案”，可推断该项目处于测试或交付阶段。输出格式：表格，列为“项目名称”“缺失字段名”“推断值”“推断依据”“是否需要PM确认”。
任务二：字段填写标准生成基于标准化后的数据，为每个字段生成一份填写标准。包含：字段名称、字段定义（一句话说明该字段衡量什么）、填写格式（如日期格式、百分比范围等）、可选值（如为枚举字段，列出所有标准值及含义）、填写时机（该字段在项目哪个阶段填写、由谁填写）。
输出：一份可直接下发给全项目团队的《项目字段填写标准V1.0》。
这个输出的价值在于，可以把这次AI辅助产生的优质结果，变成可复制的、组织能够履行的协作经验。
四、实测案例：10个项目的数据清洗
用一个模拟场景跑了一遍这套流程。
场景设定： 一个PMO汇总了10个在行项目的核心数据，包含项目名称、项目状态、优先级、进度、预算、项目经理六个字段。数据由各PM自行填写，未做统一规范。
清洗前：
项目状态：出现了“进行中”“执行中”“开发中”“实施中”“正在推进”“进行ing”六种写法
优先级：出现了“P0”“P1”“高”“最高”“紧急”“重要”“T0”“A”8种写法
进度：有的填百分比（85%），有的填阶段名（“测试中”），有的填模糊描述（“收尾”），还有两个项目空白
预算：三个项目空白
第一步输出： AI遍历六个字段，生成语义等价映射表。其中，“进行中”“执行中”“开发中”“实施中”“正在推进”映射为“执行中”。“进行ing”被标注为“待人工确认”——AI识别这是非正式表达，但不确定是否和“执行中”等价。
第二步输出： AI批量替换后，10个项目的状态字段全部统一为“执行中”“已完成”“启动中”三种标准值。优先级统一为P0-P3四级。标注了两个异常值：一个项目预算字段填了“待定”，一个项目经理字段填了“未分配”。
第三步输出： 两个进度缺失的项目，AI基于其交付物列表推断出当前阶段。三个预算缺失的项目，AI基于项目规模和类型给出了预算范围建议，并标注“需项目经理确认实际金额”。最后生成了一份完整的字段填写标准，包含六个字段的定义、格式、可选值和填写时机。
清洗前，这10个项目的数据无法直接汇总分析。清洗后，数据口径统一，异常值和缺失值已标注或补全，字段填写标准可直接下发给团队。
一个PMO手动完成这些工作，需要逐个项目沟通、手工对齐、反复确认。10个项目，大约需要一到两天。用AI三步法，从投喂数据到拿到标准化的汇总表和填写标准，大约需要15分钟。剩下的时间，留给人工审核异常值和确认推断结果——这部分AI做不了，但AI已经把最耗时的清洗工作做完了。
五、总结
回到本周在更的系列主题：项目组合管理。
很多人对AI辅助组合管理的想象，停留在“AI自动分析资源冲突”“AI智能推荐优先级排序”。这些场景确实有价值，但它们有一个共同的前置条件：输入数据是干净的、统一的、可比较的。
如果项目状态的定义都不统一，“自动识别所有延期的项目”就是一句空话。如果优先级的判定标准都不一致，“AI推荐优先级排序”就是在混乱的基础上做看似精确的运算。
数据标准化不是组合管理中最显眼的环节：没有甘特图那样的可视化冲击，没有优先级博弈那样的戏剧张力。但它是一切后续分析的基础，夯实地基，默默无闻，低调踏实。
AI在组合管理中的真正价值，不是从“已经标准化”的数据开始，而是从“还没有标准化”的数据就开始介入。先把混乱的数据洗干净，再谈分析、优化、决策。
酱缸笔记
组合管理的地基是数据标准化。标准化这件事，原理不复杂，执行极重。AI不是替代PMO定标准，是把清洗数据的体力活接过去，纯纯的dirty work。
PMO真正该花时间的，不是逐行检查哪个项目状态填错了，而是定义标准本身的逻辑——什么算“高优先级”，什么算“延期”，什么算“资源冲突”。规则由人来定，清洗由AI来做。分工清晰，效率才清晰。
项目组合管理的篇幅刚刚展开，还会继续填坑。想跟上节奏的，可以下方订阅【项目组合管理】的合集。
一口酱缸，三种发酵。酱+做加法，酱×做乘法，酱∞探无穷。工作日加料造物，周末沉下来想清楚。
如果这篇对你有用，点个「在看」，让更多PM一起入缸，这口缸里还会酿出更多东西。