在搜索引擎、综合门户、社交网络、即时通讯及电子商务等以互联网长尾经济模式运作的企业中，数据分析一直备受关注。这些企业走在数据分析技术和应用的前沿，不断革新基础数据架构，积累了海量的数据，拥有庞大的数据团队，在其相对精准定位的业务领域内不断深化数据分析相关应用实践。
可是在传统行业的企业里，虽然对在管理与经营决策中应用数据分析手段越来越受到重视，但是与互联网公司相比，传统企业数据分析应用的深度和效果还远远不够。那么在传统企业里开展数据分析到底缺少什么呢？以下根据在传统企业长期实践的经验，罗列一些个人感受。
首先，企业里最不缺少的是数据分析工具。近几年来，我们惊奇的发现在接触的很多案例里，企业往往已经拥有一个甚至多个数据分析工具，比如早已购买了主流的商业智能套件或数据分析与数据可视化工具。这说明企业已经意识到数据分析的重要性，可是错误以为购买一套先进的商业智能或数据分析工具，有一个在运行数据分析平台就跨入了数据分析时代。
其次，传统行业里缺乏对数据分析的普遍重视。除了少数精细化管理的企业，很多传统企业以人治为主，认为日常业务已经了然于胸而不需要数据分析。还有一些企业认为数据分析仅面向高层管理，花费大量预算上马的商业智能/经营决策系统，却仅定位为面向高层管理人员提供少量高度汇总的数据（体现为KPI看板等），不能起到辅助管理决策的效果，更不能跟踪管理决策的落实并促进经营决策的开展。而高层管理者往往并不使用专门为他构建的系统。
再次，与互联网公司相比，传统企业缺少专业的数据分析人员，缺乏数据获取与分析技能。在大多数传统企业里没有专门的数据部门、岗位或角色，管理与运营决策的数据需求往往由IT部门承担，而很多企业的IT部门也是建构不完整，技能以IT体系规划运维为主。因此企业数据缺乏足够的能力规划与落实数据分析工作。
然后，传统企业往往缺乏确立数据分析工作的重点。与互联网公司相比，除了在用户量和数据量方面无法与互联网公司之外，在传统企业中普遍存在着经营范围广、组织机构庞大、管理层级多、业务逻辑复杂等特点，在集团化经营的企业更是存在多个业务板块及复杂的控股关系等问题，这些复杂情况是短小精悍、精准定位的互联网公司所远远不能比拟的。试图在传统企业里全方位开展数据分析工作的挑战是非常巨大的，即使在同一企业里也不存在单一有效的分析对象、分析模式和分析手段，因此传统企业开展数据分析工作必须根据一段时期所面临的管理及经营问题有效识别核心的数据分析需求，缺乏重点的数据分析工作既不现实也缺乏效用。
再后，我们发现在传统企业里往往缺乏有效获取数据的手段。传统企业里核心业务系统一般超过一二十个，数据库系统类型各异，数据库实例数量多，同时还拥有大量的手工维护数据文件。在一个中等规模的业务系统里往往超过1000张表，更别说有些核心业务系统还是封闭的系统，从业务数据库中直接提取业务数据的难度非常大，几乎等同于恢复完整的业务逻辑。因此很难以较低的成本在短时间内有效集成数据，很多企业即使建立了数据仓库，也无法完全满足数据获取的需求。
最后，传统企业缺少对数据资产的全面掌握。因股权、历史、业务等原因，很多集团化经营或拥有庞大营销网络的企业未采取集中式系统，业务系统和数据库还分别部署在异地的、独立的下属组织机构或终端店面，而管理和经营决策、产品和市场战略的职能却在集团总部、营销总部和业务板块子集团、区域管理机构等。不掌握核心数据资产的事实与管理和经营决策的职能需求之间存在的矛盾，是数据分析工作的首要障碍，很多该类型的企业为获得管理和经营分析所需数据，只能通过手工收集下属提交的数据填报报表来实现，数据分析工作的范围、深度和效率极其不足。
因此，因此在传统企业的管理及经营决策中全面普及数据分析的技术和应用，尚且任重而道远，而互联网公司津津乐道的大数据等领域的应用，当前阶段在传统企业里更是遥不可及。
原文发布时间为：2013-09-28
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
