近年来数字化转型已经成为市场讨论热点，政府、企业、研究机构均在该领域不断投入资源，为探索企业数字化转型做铺垫。企业数字化转型趋势的到来离不开目前中国经济转型的大背景、互联网及相关技术（物联网、大数据、云计算、人工智能等）的应用和普及的影响，更深层次的驱动力在于企业对于提升效率和降低成本的不懈追求。那么，在大趋势面前，如何才能拥抱数字化转型，以求立于潮头？

   大数据可以帮助企业制定切实可行的战略规划，获取客户洞察，支持客户购买行为，并构建新的业务模式，进而赢得竞争优势。成功的企业数字化案例显然有自己的共同点：重视数据质量、重视数据上下文、以及建立有效的数据管理体制。而失败的企业则各有各的问题。

今天我们就来一起看企业数字化转型中普遍存在的问题。

    数据整合是当今数据分析面临的最大挑战。实际上，许多公司只是简单地将数据堆积在一起，并未对不同来源的数据进行整合。
    数据整合并不等于将数据集中到一起，对于研究对象，要将不同来源的数据相互关联，以便获取更准确的信息定位。并且数据科学家会通过数据来寻找并分析竞争优势和可能的企业新突破点等等，因此，数据整合也变得越发重要。

   整合的集成数据技术对于一个成功的分析程序是至关重要的，必须要意识到不同业务部门对数据的需求是不同的，数据的形式不能千篇一律。相反，还需要考虑数据供给，IT 部门需要将业务类型与数据形式相匹配。并不是所有的业务都需要整合过后的数据。

    近十年来，随着数据存储成本不断降低，IT 部门可以将大量数据存储起来，并保存很长的时间。对于不断增长的数据量和数据分析需求来说，这是个好消息。
   公司都希望拥有大量数据，但许多企业都将数据留存的过久。这不仅仅是存储成本的问题，超过十年的数据基本没有时效性了。

   数据要被赋予生命周期。数据留存期限要根据不同部门、不同组织来确定。这需要 IT 部门根据不同部门的需求，制定一套明确的数据时效标准，从而确保数据的有效性。

    数据分析师总喜欢用最容易获得的数据进行建模与分析，而不是最相关的。这是目前公司或组织普遍存在的一个误区。或许，在寻找更多的数据集之前，应该先想想数据是否相关，而不是询问我们是否有正确的数据。

    数据分析存在一个普遍又显著的问题，是数据偏见。偏向性的数据会造成分析结果偏差，从而影响到正确的业务决策与结果。IT 有义务搞清楚数据的来源在哪里，以及来源的相关情况。在投资数据管理的同时，也要制定一套源数据管理解决方案。

    如今，行业内不少人打着「数据统计和分析」的旗号来做大数据，让很多人陷入了误区：数据统计并非等于大数据。无论数据统计也好，大数据也罢，其实都是为了使我们的工作变得更为有效，让决策更为理性而准确。重视数据，本身就是一个企业成熟的标志。随着数据的进一步丰富和完善，随着不同渠道数据的打通和交叉利用，有关大数据的想象一定会更加广阔。