|
企业数字化转型从运营角度来说其核心是一把手工程，从业务角度来说其核心是数据，如果说石油是一个国家的战略资源，那么数据就是企业的战略资产，但目前大部分的传统企业虽说数字化建设进行时，但对数据管理却存在以下问题：
数据的及时性、准确性、完整性是其价值三要素，企业领导不关注数据的质量，有即可以，是否按时上报无人管，数据正确与否不关心，是否完整没关系，无人对以上问题负责，由于企业领导对数据的重视程度不足，才导致在数据的管理上缺乏体系化、制度化的管理手段。
当前大部分企业都在做数字化建设，OA、ERP、HR等各种管理系统都做了引进，每天都在产生大量的数据，但传统企业经验使然的管理思想造就了数据敏感性的缺乏，部门墙的林立造成了数据孤岛，缺乏数据的多维度分析能力，而对数据日常管理的缺乏，造成了大量脏乱差数据，即使某天想进行数据分析，却也只能摇头无奈。数据唯有流通才能产生价值，唯有共享才能升值。
由于传统企业先天对数据敏感度差，在造成意识不足的同时，对于数据的管理能力也先天不足。具体体现在缺乏相关制度约束，缺乏对数据质量的管控，缺乏对数据的标准管理。
当前很多传统企业经过多年的数字化建设，可以说在系统应用种类上、功能模块上、已出具规模，也产生了一定的数据量，但由于在建设初期缺乏规划意识，数据都是以孤岛的形式存在于各个应用系统内，有人会说，做数据打通不就OK了吗？但在企业里现实的情况是系统打通需要费用、需要成本支出，但数据打通的成本与应用价值是否匹配，是企业必须考虑的问题，杂乱的数据打通只会让数据更加杂乱，所以打通需要做数据标准统一，需要时间，更需要业务部门的全力配合，同时还要面临核心业务部门之间对于数据标准的话语权争夺，例如以市场部门制定为标准还是以财务部门为标准，当两个部门为此难以达成共识、吵得不可开交时，数据打通工作也可能就此搁置。
导致数据采集难的因素有如下：设备因素、技术因素、场景因素、人的因素。我们生活在一个万物互联的时代，工作场景中也不乏各种物联设备产生的各种数据，很多情况下无法读取与获得设备数据不是不想做而是做不了，设备老旧、接口协议种类繁多是导致数据采集难的拦路虎，老杨层经历一个项目，仅一个人脸识别设备，开发部门就做了几十个接口，有的设备只支持识别不支持拍照留存，这就导致无法获取人员进场数据；还有很多设备过于老旧甚至连厂家都无法提供接口了；面对如此繁杂的设备现状，一个技术薄弱的信息团队根本无法完成此艰巨的数据采集任务，因此团队的技术能力决定了数据采集成功与否，一个连网络信号都没有的工作场景，怎么能够做到数据及时上传？如果系统的易用性设计欠佳，复杂又难用，必然会导致终端用户的集体吐槽及抵制，系统都没有人来用，数据从何处来？
造成数据流通难的原因有如下：第一，由于传统企业内部部门墙林立，管理上缺乏协同，造成数据被孤立在以部门为单位的“墙内”；第二，数据标准不统一，系统打通难，自然数据也无法实现跨系统流转，又被隔离在系统“墙内”，数据的采集难直接导致的后果就是流通难。
数据如血液只有通过流动才能产生价值，即使企业解决了流通难的问题，面临的还有“三多”问题，即：垃圾数据多 、 脏数据多 、无效数据多 ；一个充斥大量脏、乱的环境里怎能提炼出“数据黄金”。
在企业数字化转型过程中，任何问题都是系统问题，不是孤立存在的，数字文化的缺失，数据意识的缺乏导致其在战略规划上的不足，数字化野蛮建设的同时，数据也在各个系统内野蛮生长，造成的直接后果就是后期数字化做的越庞大，数据越混乱，这个时候专业的数据管理指导显得格外重要，引进专业数据顾问或专家指导企业数据规划建设不失为一种快捷路径，但企业同样不能忽视自身数据团队的建设，利用各种技术手段打通系统孤岛，但数据的打通仅仅是开始，如何利用数据提炼价值“黄金”，仍需要技术部门与业务部门达成共识，明确方向与路径，共建数据地图，唯有如此数据才能为企业经营提供正确的决策保障。但目前大部分传统企业在数据建设方面：缺文化、缺战略 、缺指导、缺人才、缺技术 、缺共识。
大部分企业做数字化建设都是在摸索中前行，一个项目的失败极有可能导致整个数字化转型踌躇不前，怕麻烦、怕失败、怕担责的心态制约数据建设，所以出现以下四不现象：
这是企业数字化转型期间的典型场景，在侥幸心理的驱使下，在成本的制约下，数据安全总是被忽略的那个，主要体现在：
综上所述，由于传统企业经验使然的工作模式，导致其在意识形态上对数据缺乏敏感性，而数字化系统内部割裂的流程、零散的应用加剧了数据孤岛的产生，使数据在企业内难以流通，又由于企业在数据应用管理上的缺失，导致数据及时性 、完整性 、正确性难以保障，系统数据的价值感又进一步降低，如此形成恶性循环，使整个企业数字化建设成果体现难、转换难，数据唯有流通才能产生价值，唯有共享才能升值，所以企业在数据管理上应做到“三统三提两通”：
|
京公网安备 11010502050959号