在搜索引擎、綜合門戶、社交網絡、即時通訊及電子商務等以互聯網長尾經濟模式運作的企業中，數據分析一直備受關注。這些企業走在數據分析技術和應用的前沿，不斷革新基礎數據架構，積累了海量的數據，擁有龐大的數據團隊，在其相對精準定位的業務領域內不斷深化數據分析相關應用實踐。

　　可是在傳統行業的企業里，雖然對在管理與經營決策中應用數據分析手段越來越受到重視，但是與互聯網公司相比，傳統企業數據分析應用的深度和效果還遠遠不夠。那么在傳統企業里開展數據分析到底缺少什么呢？以下根據在傳統企業長期實踐的經驗，羅列一些個人感受。

　　首先，企業里最不缺少的是數據分析工具。近幾年來，我們驚奇的發現在接觸的很多案例里，企業往往已經擁有一個甚至多個數據分析工具，比如早已購買了主流的商業智能套件或數據分析與數據可視化工具。這說明企業已經意識到數據分析的重要性，可是錯誤以為購買一套先進的商業智能或數據分析工具，有一個在運行數據分析平臺就跨入了數據分析時代。

　　其次，傳統行業里缺乏對數據分析的普遍重視。除了少數精細化管理的企業，很多傳統企業以人治為主，認為日常業務已經了然于胸而不需要數據分析。還有一些企業認為數據分析僅面向高層管理，花費大量預算上馬的商業智能/經營決策系統，卻僅定位為面向高層管理人員提供少量高度匯總的數據（體現為KPI看板等），不能起到輔助管理決策的效果，更不能跟蹤管理決策的落實并促進經營決策的開展。而高層管理者往往并不使用專門為他構建的系統。

　　再次，與互聯網公司相比，傳統企業缺少專業的數據分析人員，缺乏數據獲取與分析技能。在大多數傳統企業里沒有專門的數據部門、崗位或角色，管理與運營決策的數據需求往往由IT部門承擔，而很多企業的IT部門也是建構不完整，技能以IT體系規劃運維為主。因此企業數據缺乏足夠的能力規劃與落實數據分析工作。

　　然后，傳統企業往往缺乏確立數據分析工作的重點。與互聯網公司相比，除了在用戶量和數據量方面無法與互聯網公司之外，在傳統企業中普遍存在著經營范圍廣、組織機構龐大、管理層級多、業務邏輯復雜等特點，在集團化經營的企業更是存在多個業務板塊及復雜的控股關系等問題，這些復雜情況是短小精悍、精準定位的互聯網公司所遠遠不能比擬的。試圖在傳統企業里全方位開展數據分析工作的挑戰是非常巨大的，即使在同一企業里也不存在單一有效的分析對象、分析模式和分析手段，因此傳統企業開展數據分析工作必須根據一段時期所面臨的管理及經營問題有效識別核心的數據分析需求，缺乏重點的數據分析工作既不現實也缺乏效用。

　　再后，我們發現在傳統企業里往往缺乏有效獲取數據的手段。傳統企業里核心業務系統一般超過一二十個，數據庫系統類型各異，數據庫實例數量多，同時還擁有大量的手工維護數據文件。在一個中等規模的業務系統里往往超過1000張表，更別說有些核心業務系統還是封閉的系統，從業務數據庫中直接提取業務數據的難度非常大，幾乎等同于恢復完整的業務邏輯。因此很難以較低的成本在短時間內有效集成數據，很多企業即使建立了數據倉庫，也無法完全滿足數據獲取的需求。

　　最后，傳統企業缺少對數據資產的全面掌握。因股權、歷史、業務等原因，很多集團化經營或擁有龐大營銷網絡的企業未采取集中式系統，業務系統和數據庫還分別部署在異地的、獨立的下屬組織機構或終端店面，而管理和經營決策、產品和市場戰略的職能卻在集團總部、營銷總部和業務板塊子集團、區域管理機構等。不掌握核心數據資產的事實與管理和經營決策的職能需求之間存在的矛盾，是數據分析工作的首要障礙，很多該類型的企業為獲得管理和經營分析所需數據，只能通過手工收集下屬提交的數據填報報表來實現，數據分析工作的范圍、深度和效率極其不足。

　　因此，因此在傳統企業的管理及經營決策中全面普及數據分析的技術和應用，尚且任重而道遠，而互聯網公司津津樂道的大數據等領域的應用，當前階段在傳統企業里更是遙不可及。

　　【JBean CIO之家】