传统企业数字化转型的痛点

数据根基建设方面
1、企业内各系统/平台的数据并没有打通
这个问题可以被分成两类，“打通难”和“不愿打通”。前者是客观因素导致的，后者则是来源于主观意志上的分歧。
打通难–传统老牌企业经过历史沉淀，形成了自己的一套经营体系。他们的业务种类繁多且各自为政。不同的业务线有自己独立的一组或多套系统，这也就导致用户数据无法在多条业务线/系统间打通-明明是同一个用户，在不同的系统里会被赋予不同的用户id，从而被割裂成多个用户。
不愿打通–一些传统的老牌企业内部存在争抢资源、争权夺势、甚至“办公室政治”的情况，各部门只顾自己的利益、力不能往一处使，打通数据、规范数据的采集和使用自然也就成为了难以推动的事情。
2、没有统一的数据口径
不同的部门/业务线对数据的感知不同，导致数据口径不一致。举个简单的例子，不同的公司对“活跃”的定义是不同的，因为每个公司的运营模式或多或少是不同的，根据实际情况选择合适的“活跃”口径能够帮助监测企业的实际运营情况。而在传统企业中，由于部门/业务线较多，每个部门/业务线的“活动”口径不同，很难从企业层面统一建立数据标准和监控业务绩效。
3、对数据整个流转流程认知不清晰，导致无法从整体流程上管控
数据流程包括“采集-存储-管理-使用”。目前来看，许多传统企业对这一流程认识不清，也没有统一管理的意识，导致没有核心管理者对流程进行协调，也没有相应的负责人对每个数据源负责，难以跟踪和解决问题，由于没有流程的协调人和负责人，各部门互相配合，最终问题没有得到合理解决。
4、数据质量差
这个问题主要表现在3个方面，数据问题无法主动监测和响应、无法量化数据问题的严重程度、数据问题无法从源头根治。
数据问题无法主动监测和响应–企业没有一个系统或机制来主动监控和预警数据问题，只有在企业使用数据时发现问题，才能被动地解决问题，被动等待问题的损失一定比主动发现问题的损失要大得多。
无法量化数据问题的严重程度–同时，企业的数据问题很可能是并发的，但用于修复数据问题的人力和精力有限，这就要求企业有自己的数据问题分类机制，区分数据问题的紧迫性，按优先级和顺序解决问题，真正紧急的高优先级数据问题无法及时解决。
数据问题无法从源头根治–很多传统企业目前还做不到从源头管控数据的质量，等到后续数据有所积累后才发现问题已经非常严重，投入大量人力去修补，收效甚微且不具有可持续性。
数据应用方面
1、“拍脑袋”解决问题的作风盛行，无法做到“用数据说话”
现在越来越多的企业参与到了数字化的浪潮中，很多传统企业也在喊着数据驱动的口号。但受历史商业模式和传统思维的制约，“拍脑袋决策”的思想依然盛行，“用数据说话”的思想在企业内部仍然无法很好地实施，许多传统企业也在努力解决这个问题，他们会花钱请各种供应商(我们通常称他们为“外包公司”)做数据项目，帮助他们进行数字化转型。但事实上，很多时候，企业决策者很少采纳供应商经过数据分析后提供的建议，仍然按照自己固有的思维行事。
2、对于如何分析和应用数据没有思路，眉毛胡子一把抓
如果上述问题是由于主观拒绝跳出传统思维的“舒适区”，那么这个问题是由于缺乏客观的“数字化”能力。在工作中，最害怕听到“我什么都要”这句话，这种需求方往往没有想法，只想先得到数据，放在那里，然后如何分析和应用这些数据，然而，数据收集和存储也需要成本。如果这些数据在未来没有得到合理的分析和应用，这些数据就不会给企业带来价值，是一种资源的浪费;关键指标遇到问题时，没有结构化的分析思维，找不到问题的根源，更无法解决问题。