但NewVantage Partners 1月份對數據和信息高管的調查顯示，只有25%的公司稱自己是數據驅動型的，且只有21%的公司表示他們的企業中有數據文化。

 雖然存在諸多關鍵因素來解釋這種脫節現象，但80%的受訪者認為，文化問題是阻礙他們從數據投資中獲得價值的最大因素，只有20%的受訪者認為關鍵因素是技術限制。根據專家的經驗，以下是成為數據驅動型公司的6大關鍵障礙。

1. 識別不良數據

如果底層數據不好，即使是最好的分析策略也可能無濟于事。但是解決數據質量問題需要對數據的含義和收集方式有深刻的理解。Data.org的首席數據和技術官Uyi Stewart認為，雖然解決重復數據是一個問題，但數據的準確性明顯是一個更難解決的問題。Data.org是由萬事達包容性增長中心(Mastercard Center for Inclusive Growth)和洛克菲勒基金會(Rockefeller Foundation)支持的非營利組織。 

他表示，“準確性的挑戰要困難得多，且需要花費更多時間。這就是你需要領域專業知識(domain expertise)來區分事實和虛構的原因。” 

單純的技術技能是遠遠不夠的。這是雷諾·馬里斯(Lenno Maris)在2017年加入跨國乳制品公司FrieslandCampina時明白的道理，當時該公司正著手實施一項戰略計劃，旨在成為一家數據驅動型公司。 

這是一個巨大的挑戰。因為該公司在31個國家擁有21000多名員工，客戶遍布100多個國家。很明顯，數據質量將成為一個巨大的障礙。 

該公司負責企業數據和授權的高級全球總監Maris稱，例如，庫存是根據托盤數量報告的，但訂單是根據單位數量報告的。這意味著人們必須進行手工轉換，以確保以合適的價格交付合適的數量。 

或者以商品代碼為例。每個工廠輸入最適合產品的商品代碼，不同的工廠使用不同的代碼，然后用于退還進出口稅。但稅務報告是在公司層面進行的，因此需要一致性。 

為了解決數據問題，FrieslandCampina公司必須改進其數據的組織方式。在項目開始時，團隊主要關注數據輸入的技術細節。但這種情況很快就改變了。 

Maris介紹稱，“我們已經能夠重新培訓我們的團隊，使其成為流程專家、數據質量專家和領域專家。這使我們能夠過渡到主動數據支持，并成為我們業務同行的顧問。” 

同樣地，幫助公司提高數據質量的技術平臺Syniti也必須適應。 

Maris表示，“這個平臺很好，但技術門檻很高。因此，我們在企業用戶采用方面遇到了一些挑戰。為了改變這種情況，我們要求Syniti提供與業務相關的用戶界面。” 

2018年，一級主數據對象已經到位：供應商、材料、客戶和財務。第二年，這擴展到了第二層數據對象，包括合同、材料清單、回扣和定價。到2022年底，該公司已經完成了邏輯業務流程的編排，項目完全部署。結果是，數據質量提高了95%，生產力提高了108%。 

Maris稱，“在實施基礎數據平臺之前，我們每年要對主數據進行超過10000小時的返工。如今，這一比例已降至幾乎為零。” 

Aflac的CIOShelia Anderson稱，數據質量也是Aflac公司面臨的一個問題。當Aflac計劃轉型為一家數據驅動型公司時，Aflac的各種業務部門都有不同的業務運營方式。 

她介紹稱，Aflac公司內有多個數據接收系統，導致數據質量不一致。這使得很難從數據中獲得有用的見解。為了解決這個問題，Aflac采取了以數字為先、以客戶為中心的方法。這需要跨各種生態系統整合數據，因此，客戶體驗得到了改善，公司也能夠提高其業務流程的自動化程度并降低錯誤率。其中，一個顯著的好處是，它為客戶服務人員騰出了精力，使他們能夠專注于需要更個性化處理的更復雜的索賠。 

2. 將數據整合視為一個技術問題 

蘭迪·賽克斯(Randy Sykes)的前任雇主花了八年時間建立了一個數據倉庫，但沒有成功。 對此，他表示，“這是因為我們試圖應用標準的系統開發技術，而沒有確保其與業務步調保持一致。” 

如今，Sykes已經成為黑斯廷斯互助保險公司(Hastings Mutual Insurance Co.)數據服務的IT總監。這一次，他采用了一種不同的方法來整合該公司的數據。 

十年前，該公司決定將所有東西整合到一個數據倉庫中。當時，報告需要45天才能生成，而且業務用戶沒有做出業務決策所需的信息。 

首先，數據將通過每晚從遺留系統批量導入在著陸區域收集。然后它將轉移到一個暫存區域，在這里將應用業務規則來合并和協調來自不同系統的數據。這需要深入了解公司的運作方式和數據的含義。但這一次，這個項目是成功的，因為團隊中有主題專家。 

Sykes補充道，“此外，我們的團隊中還有幾個業務人員，他們在公司工作了很長時間，對公司非常了解。因此，要想成功，你需要一個跨職能的團隊。” 

例如，不同的保險政策系統可能有不同的條款、不同的保險范圍和風險。為了整合所有這些信息，數據團隊需要很好地理解將原始數據轉換為通用格式所需的業務語言和規則。 

Sykes表示，“這是企業遇到的最大挑戰。他們試圖獲得數據，并在技術上把它們整合在一起，但卻忘記了信息背后的業務背景。很多時候，這類項目都以失敗告終。” 

他補充道，如今，一份過去需要45天才能完成的報告可以在24小時內完成。之后，隨著數據庫的不斷現代化和事件驅動，信息將變得實時可用。 

3. 沒有短期的業務收益 

從Hastings公司著手收集數據，這個數據項目就在一年內開始為公司創造價值，盡管數據倉庫項目始于2014年，直到2017年才交付。 

這是因為著陸和集結區域已經在收集和處理數據方面提供了價值。 

Sykes稱，“數據項目必須在整個過程中提供業務價值。沒有人愿意永遠等下去。” 

NTT Americas的首席顧問Denise Allec在一家大公司擔任企業IT主管時，也曾利用類似的“速勝”策略成功完成了一個大型數據項目。 

她表示，為期六周的概念驗證項目表明，該項目具有價值，并幫助克服了業務部門不愿放棄自己的數據孤島等挑戰。 

她認為，“放棄對數據的所有權對許多人來說意味著失去控制，因為信息就是力量。” 

不過，這種囤積數據的行為并不僅限于高管。員工往往也不相信別人的數據。他們想要驗證和清理他們自己的資源，并創建他們自己的報告工具，以滿足他們獨特的需求。 

她表示，“我們都見過一家公司存在大量重復的數據庫，也見過這種情況帶來的挑戰。” 

Genpact的首席數字策略Sanjay Srivastava證實，選擇不能立即產生效益的數據項目是成功的數據計劃的主要障礙。另一方面，選擇沒有任何擴展能力的項目是另一個主要障礙。如果沒有擴展能力，數據項目將不會產生有意義的長期影響，而只是將資源用于小型或特殊的用例。 

4. 沒有給終端用戶提供他們需要的自助服務工具 

把業務用戶放在第一位意味著以他們需要的形式向人們提供他們需要的數據。有時，這意味著Excel電子表格。例如，在Hastings公司，員工通常會將數據復制粘貼到Excel中，以便使用它。 

Hastings的Sykes稱，“每個人都用Excel。那么為什么我們不直接給你數據，這樣你就不用再復制粘貼了。” 

但該公司也一直在制作儀表板。如今，該公司420名員工中約有25%在使用儀表板和外部機構。對此，Sykes表示，“他們現在可以幫助代理商交叉銷售我們的產品。這種情況是前所未見的。” 

但是為用戶提供他們需要的自助式分析工具仍然是一個挑戰。Sykes稱，“我們仍然有點落后。但隨著200個以業務為重點的儀表板部署到位，這個過程正在順利進行。” 

另一個最近開始數據獲取民主化進程的組織是俄亥俄州代頓市的代頓兒童醫院(Dayton Children’s Hospital)。 

代頓兒童醫院CIO J.D. Whitlock表示，“五年前我們做得并不好。當時，我們還主要依賴電子表格。但現在我們正在使用微軟的數據棧，如此一來，只要有人對如何使用PowerBI略知一二，我們就會以適當的格式提供適當的數據，并提供適當的安全性。” 

此外，數據分析師也已經去中心化，所以人們不必帶著數據問題去找一個團隊。 

Whitlock稱，“假設你想知道某醫生去年做了多少次手術。這是一個相對簡單的問題。但如果你不給人們提供工具讓他們自己去做，那么你就會有成千上萬的請求。” 

他補充道，使用自助式數據工具幫助公司向數據驅動型組織轉變。但需要提醒的是，這是一個持續性的過程，永遠沒有所謂的“終點”。 

5. 在開發過程中不包含終端用戶 

忽略用戶需求幾乎總會導致災難。例如，全球咨詢公司SSA & Company應用解決方案的領導者尼克·克雷默(Nick Kramer)最近與一家全國性餐飲服務公司合作，該公司在美國46個州設有辦事處，年收入高達5億美元。這家餐飲服務公司發展迅速，但服務水平卻在下降。 

Kramer介紹稱，“該公司的每個人都在互相指責。但CIO沒有儀表盤或報告，只有毫無根據的軼事和觀點。” 

其中一個問題是中央安裝系統被廣泛忽視。這個制度是強加給員工的，很難落實。 

Kramer解釋稱，“訂單部門、銷售部門、法務部門和安裝部門的人——每個辦公室都有自己的電子表格，他們在上面運行日程安排。沒有任何通信發生，數據也沒有流動。所以你必須一個辦公室一個辦公室地去了解誰在做什么，做得怎么樣，哪些延誤是無法解決的，哪些是可以解決的。” 

正確的解決方案應該能夠接近業務用戶，了解數據是如何使用的。 

科爾尼(Kearney)合伙人Joshua Swartz最近也有過類似的經歷，當時他正在為一家年收入達數十億美元的美國食品公司做咨詢項目。 

該公司希望使生產經理能夠根據真實數據做出更好的生產決策。 

Swartz稱，“例如，在某個生產基地有一條生產線，它可以生產玉米片或皮塔餅。如果發生切換，你必須停下來清洗并更換成分。由于食品容易腐爛，生產失誤意味著一些產品將不得不被扔掉。但當公司最初設計解決方案時，生產工人并沒有參與。因為他們忙于生產糧食，沒有時間停下來參加會議。” 

因為公司的文化是等級分明的，所以這個問題并沒有得到重視。他說，“當首席執行官說了什么，并把拳頭放在桌子上時，每個人都必須效仿。” 

但是新系統只在試驗點使用了幾個星期，然后員工們發現這個系統并不適合他們，于是又回到了老方法。此外，該公司的數據主管位于公司技術部門的下幾層，無緣靠近最高管理層或業務部門，因此也無法提供任何幫助。 

解決這個問題需要將真正的員工帶到設計套件中，即使它需要增加生產線的產能以釋放工人。 

Swartz稱，“利潤微薄的食品公司不愿意進行這樣的投資。但當他們成為過程的一部分時，他們能夠為解決方案做出貢獻，今天三分之一到一半的設施正在使用這項新技術。” 

Swartz還建議，首席數據官(CDO)的位置應該離公司最有價值的數據更近。 

他表示，“如果數據是企業的一項戰略資產，我會把CDO安排在更接近擁有數據所有權的業務部門的位置。如果企業專注于利用數據提高運營效率，那么首席運營官可能是合適的人選。” 

不過，他說，以銷售為導向的公司可能希望將CDO置于銷售官之下，而產品公司可能希望將CDO置于營銷官之下。他工作過的一家包裝消費品公司實際上讓CDO直接向CEO匯報。 

Swartz認為，“如果你認為數據是一個技術問題，你就會在從數據和分析中獲得價值方面不斷遭遇挑戰。” 

6. 缺乏信任 

負責任地使用數據對于數據計劃的成功至關重要，在金融領域更是如此。 

星展銀行(DBS Bank)的首席分析官Sameer Gupta表示，“信任在銀行業至關重要。負責任地使用數據和模型至關重要，在使用數據時必須堅持道德考慮。” 

他說，數據的使用應該是有目的的、可解釋的，而且不應該讓人感到意外。通過專注于信任，DBS銀行已經能夠在整個企業(最新統計為260個)部署人工智能和數據用例，從消費者和中小企業銀行等面向客戶的業務，到合規、營銷和人力資源等支持功能。 

他說，“2022年，我們的人工智能和機器學習計劃帶來的收入增長約為1.5億新元(約合1.12億美元)，是前一年的兩倍多。我們希望在未來五年內實現10億新元的目標。” 

贏得信任需要時間和承諾。沒有它，成為一家數據驅動型公司幾乎是不可能的。一旦獲得信任，就會開始一個良性循環。根據凱捷(CapGemini)今年1月發布的一份變革管理研究報告，在擁有強大數據分析能力的企業中，員工信任公司的可能性要高出18%。當這些公司需要進一步發展時，成功變革的可能性比其他企業高23%到27%。 

麻省理工學院(MIT)前人工智能研究科學家Eugenio Zuccarelli表示，“包括數據專家在內的許多人都認為，在向數據驅動型公司轉型的過程中，大多數問題都與技術有關。” 

但他表示，真正的障礙在于個人，因為人們必須學會理解基于數據做出決策的價值。 

他解釋稱，“在麻省理工學院做研究時，我經常看到專家和組織領導人在向數據驅動型組織轉型的過程中遇到困難。主要問題通常是文化上的，比如相信技術會取代他們的決策，而不是賦予他們權力，以及根據經驗和直覺做出決定的普遍傾向。” 

他補充道，人們需要明白，他們的專業知識仍然至關重要，數據可以提供額外的輸入。 

企業需要停止將成為一家數據驅動型公司視為一個技術問題。 

Lotis Blue Consulting收入增長實踐合伙人、數據科學團隊負責人Donncha Carroll表示，“我們所有的客戶都致力于成為數據驅動型企業，但他們都不知道這意味著什么。他們關注的是自己的技術能力，而不是人們能夠用他們獲得的數據做什么。他們沒有把解決方案的用戶放在框架內。而且，許多數據分析團隊提供的數據儀表板提供的信息既沒有用也不具備可操作性。這都注定他們的計劃將胎死腹中。”