面对海量的数据源、高速变化的业务需求、陈旧的遗留系统架构，企业利用数据时存在如图2-1所示的六大挑战。
图2-1 企业利用数据的6大挑战
1. 缺乏数据思维
数据思维就是使用数据来发现问题和解决问题的能力。面对纷繁复杂的业务问题，数据思维决定工作人员能否对数据进行分析，并给出建议来解决业务问题。
数据思维由3个部分组成：数据认知，数据敏感度，数据处理方法和经验。
数据认知指对数价值的认识。客观认识数据的价值是养成数据思维的根基，它决定我们能否在面对问题时使用正确的数据和方法。
有些人在分析问题和决策的过程中，推崇经验主义，只凭感性认知，无视数据。这是典型的数据认知不足。在这样的认知基础上，他们不可能关注和留心搜集数据，也就无法利用好数据。有些人正相反，把数据作为分析问题和决策的唯一绝对方法，一切唯数据论，而忽视了数据背后的业务客观现状以及数据建模的过程和方法。
正确的数据认知指能够清晰地理解数据的价值和局限，能够客观地看待数据在解决问题过程中的作用，既不夸大也不贬低数据的影响。建立正确的数据认知首先要清晰地知道数据是什么，来自哪里，有什么特性，能够解决什么问题。特别在如今以数据为生产要素的时代，要建立起“数据是核心资产”的意识，留心采集数据，关注数据的存储，重视数据的安全和隐私。
数据敏感度指结合对业务的深刻理解，洞察数据背后的业务规律，将看上去碎片化、没有关联的数据拼成一幅全局图景，从表面纷繁芜杂的数据中发现业务价值。军队的很多高级指战员都有一个习惯，身上就有个小本子，记载战场的很多数据：每支部队歼敌多少、俘虏多少；缴获的火炮多少、车辆多少、枪支多少、物资多少……再通过这些数据来分析和判断敌我军情的情况从而指导和制定后续战斗的打法。数据敏感度高的人，看到数字会两眼放光，脑海中迅速形成关联图，快速观察数据线索，寻找数据背后的问题或者机会。数据敏感低的人，看到数字往往没有反应，不知道这些数据能说明什么问题。数据处理的方法和经验。光有认知和敏感度还不够，想要利用数据还需要理解和掌握一些通用的数据处理方法，积累一些数据分析经验。大部分情况下，我们所能看到和采集到的数据都是最表层的。如果希望利用这些数据，往往需要对其进行转换、切片、填充、映射、计算等加工处理，基础、常用的数据处理方法包括Excel里的数据透视表、统计分析等。
企业工作人员，不论是决策层还是执行层，都要建立全面的数据思维。这是发挥数据价值、做好数字化转型的基础。如果企业人员没有建立数据思维，就无法利用数据去提升业务，就像一个人站在金矿上却不自知。建立数据思维是企业利用好数据的第一个门槛。
2.缺少价值场景
数据要与业务价值结合，否则就是沉睡的资源。
所有数据都是为了业务服务的，能够将数据应用到正确的业务场景是利用数据的核心抓手。一个好的价值场景能够解决特定的问题，让用户有获得感同时，好的场景能够让问题的相关方都贡献自己的数据，从而解决数据打通的问题。
例如，在美国诊疗数据、保险数据和患者数据分别由不同的机构掌握，过去很多年虽然颁布了很多的规章制度，但是都很难以一次性打通，直到新冠病毒检测场景的出现。因为新冠病毒检测是一个刚性需求，所以这个杀手级应用一出现就很快解决了多年解决不了的问题。但是如何发现好的价值场景呢，这是一个很挑战的问题。业务人员身在问题之中，缺少技术与数据的专业知识，无法跳出惯性思维找到问题的数字化解决方案；而技术和数据人员则缺少业务思维。构建价值场景需要一套体系化的方法论，引导企业一步步探索和发现有价值的业务场景。3.缺少高质量的数据
很多企业说他们没有数据可用。实际上，数据无时无刻不在产生，在这些企业昂贵的数据存储器里往往有大量的数据正在沉睡，但是这些数据都是孤岛，口径不一致，数据质量不高。
数据质量不高的根本原因是过去都是应用数据一体化架构，数据是服务于业务应用的，所以开发人员重点关注的是业务应用的功能，生成什么存储什么，需要什么就生成什么。而企业的业务应用目前还是按职能划分并建设的，所以在数据生产的环节就缺少整体的规划，生来就是数据孤岛。精益数据方法认为，数据是业务的数字化模型，而应用是计算处理数据的工具，数据的生命周期要长于应用的生命周期。要改善数据质量问题，企业需要从根本上改变数据服务于应用的观念。对此，精益数据方法为企业提供了构建数据资产蓝图以及使用数据资产蓝图来探索价值场景的方法。在设计业务应用之前就要把全局业务映射的数据全貌规划出来，这就是企业数据资产蓝图。数据资产蓝图是企业业务在数字化世界里的投射，与数据的存储形式、建模方式无关。有了数据资产蓝图后，企业进行业务系统的规划设计就像拼图有了参照物，能够在数据资产的整体规划下设计业务系统的数据架构，从根本上规避数据孤岛和重复建设。4. 缺少数据平台和工具
在很多企业中，甚至包括一些信息化发展比较成熟的企业，有一些“表哥”“表姐”。他们大部分的工作就是与Excel打交道，每天从各个系统里导出数据表格，根据领导的要求和业务的需要，对这些表格做各种处理加工，很多业务是根据这些N次加工后的离线数据来决策的。
通过Excel表格的方式加工数据，是现在很多企业的数据利用现状，但是，这样的方式有众多弊端，如版本无法管理，协作低效，无法处理大量数据，容易出错，数据安全隐患很大等。
这体现了企业利用数据的一个挑战，那就是缺少统一的数据平台和多样化的数据加工工具供用户使用。这样的数据平台应该具备唯一性、安全性、多样化、健壮性的特点，能够与企业的业务系统、决策支持系统等紧密集成。企业面临着“数据太多、太乱、质量不高，不知道如何利用数据发挥价值”的挑战，是因为底层的数据处理能力不够，缺少先进的数据处理技术、平台和工具。很多企业在当今仍基于20世纪的架构、技术和工具来处理数据。构建一个与时俱进的企业数据架构和技术平台，优化数据处理手段和技术，是这些企业迫在眉睫的工作。在这种情况下，精益数据方法认为企业需要从业务和管理两个维度来建设统一的企业级数据中台，第7章将详细介绍如何打造精益数据中台。5. 缺少数据人才和能力
现在互联网技术盛行，各种框架、脚手架、自动化工具层出不穷。在众多工具的加持下，开发业务系统的程序员能够很容易地套用一些可复用的代码，写出业务逻辑，实现业务功能。技术似乎真的没有门槛了。
但是在数据开发层面却是另一种景象。对同样的数据源，不同团队开发出来的数据结果不一样；历史ETL、数据模型越积越多，已经无人能看懂，但是谁也不敢动；建模数据质量不高、数据重复存储，造成数据冗余，工作人员无法及时获取最准确、最全面的数据；数据仓库里历史报表成百上千，但是业务部门总是在提新的报表需求，数据团队永远疲于奔命赶进度。
这些现象充分体现了企业数据团队的现状，缺少专业的数据人才，且数据相关的技术人员缺少能够满足新时代数据处理需求的能力。为了突破现状瓶颈，第8章会根据精益数据方法提供一个标准数据团队的人员构成及关键角色的蓝图。
6. 缺少数据驱动的企业文化
很多企业在分析为什么无法有效利用数据这个问题的时候，往往强调两点：一是没有高质量数据，二是技术能力不行。但很少有企业提到一个最重要的基础问题，那就是企业是否建立了数据驱动的文化。这是企业最容易忽视的方面。
阿里巴巴公司内部有一句话，“有数据讲数据，没数据不说话”；字节跳动倡导员工在解决所有问题时都尽可能采用A/B 测试，先得到量化的结果再决策。这就是数据驱动的企业文化的体现。
数据驱动的文化是利用数据的基础。如果没有人把数据当做核心资产，那就没有人在意数据的质量，如果大家在日常生产经营中没有利用数据做分析决策的意识，那再多数据都只是摆设，如果企业不能够建立起以数据为驱动的决策、沟通、协同机制，那么企业的数据处理资源无法真正发挥作用。
