當今信息化建設程度不斷深入，企業在優化整合各種IT能力，使IT成為企業的前進驅動力與核心競爭力的同時，將視角關注于更深層次的數據治理與分析，預示著以數據、流量、知識為主的數字經濟時代到來，此背景下，數字化轉型正在各行業快速萌生并發展。

隨著各行業逐漸走向多元化、服務化、個性化發展，行業競爭趨勢愈演愈烈，這時收集、利用數據資產，以支撐戰略決策、風險規避、業務創新的需求急劇上升，而數據價值對于企業的作用不言而喻，因此許多數據治理、數據治理分析、大數據平臺構建項目正如火如荼的進行.

常見問題
在數據治理分析項目調研階段及項目實施過程中會發現，很多企業在數據治理分析項目中無論是信息化基礎設施環境，還是對項目本身的意識和認知，或多或少都存在多樣的問題，具體問題如下：

1 缺乏數據思維
數據思維與信息化意識略有不同，具備信息化意識的管理者未必具備數據思維，數據思維是一種量化的思維模式，即理性的運用數據去分析處理事物。很多管理者已經習慣依靠自身經驗的慣性思維或根據某件事情的規律去判斷、解讀事物的本質，沒有做到用數字說話。一種為沒有意識到數據思維的重要性，另一種為有意忽略數據思維，因為即使個人判斷有誤權威上也不會受到損害，而這些現象都會造成數據重要性被弱化，數據架構出現斷層，無法更好建設數據分析平臺。

2 概念理解偏差
大數據的宣傳和噱頭導致很多企業對數據分析工具或成果過于神化、期待，認為只要進行了數據分析平臺的構建，就可以解決企業內部存在的一切數據問題，例如：提高內部數據質量、有效利用數據價值；節省員工對業務處理時間、提高工作效率；幫助解決數據集成共享問題，屏蔽數據信息孤島等。事實上，上述問題僅依靠大數據分析工具是無法做到的，一味偏信過度的宣傳，盲目建設只會增加信息化成本，而不能帶來真切收益。

3 數據資產混亂
數據治理分析對于有些企業來說，僅是停留在概念層面，建設原因多為追趕當前信息化形勢、信息部為凸顯功績等，他們并不知道當前內部到底有多少數據、哪些數據是核心數據、哪些是重復數據、哪些數據是需要做為數據分析源頭、數據都是以什么形式存在。造成認為只要是數據，皆為重要資源，在系統沒有建設到位或沒有數據治理的情況下就展開項目，甚至不惜花費大量時間精力去收集內外部一切數據，認為收集數量越大，分析效果越好，殊不知在這個過程中為企業數據中心添加大量的垃圾數據，事實上對于企業內部系統中的現有數據價值密度更高，如果企業內部數據都沒有梳理、治理好情況下，盲目追求大數據只是緣木求魚。

4 數據質量不高
數據治理分析項目的重要前提是有數據且有正確的數據可以提供分析，但很多企業并沒有注意到或者真正重視起來，反而將數據可視化部分作為建設重點，注重構建炫酷的分析界面，看起來美觀且高大上，實際上只起到了花瓶的作用。事實上，數據可視化只是數據治理分析的一部分，更重要的是對數據質量的把控、數據的挖掘、預測、數據分析算法的合理應用、多維查詢、即席分析等。數據質量不高表現為數據以多種格式，雜亂無序的存在于企業內外部的各個業務應用系統中，無統一數據源，數據分析可用的準確數據無法識別，展示信息不準，很難有效支持領導決策。

5 分析偏離業務
數據分析成果如何讓領導真實看到企業數據資產情況、有效輔助企業戰略決策，避免分析結果出現偏離業務現象，也是項目中需要注意產生的問題之一。各個業務部門配合差、業務梳理進展慢、領導不夠重視、沒有提出針對性需求、企業信息化團隊業務理解掌控能力弱都會導致分析成果業務偏離。除此之外，存在一些實施廠商對客戶行業不了解，套用通用業務分析模型，不能滿足企業自己的實際業務情況，造成數據分析模式、分析結果不能真實體現業務價值。

6 資源保障薄弱
基礎資源薄弱包括做項目必備的資源保障，即企業具備充足的資金、信息化團隊及涉及業務員工的配合等，數據治理分析項目建設是一項周期長、投資大的工程，需要長時間資金投入去運維，在實施過程中經常會出現企業內部不夠重視項目的建設，對項目期望值不高，不肯投入足夠的資金或選擇較為便宜的平臺產品進行構建，最終做成爛尾。同樣的，數據治理分析與應用集成、門戶集成等項目不同，需要企業信息部及各部門人員的配合才能做好，很多企業信息部推動不利，員工不愿配合業務的梳理等情況都會導致項目進展緩慢。

對應方案
面對上述問題，根據企業信息化現狀及真實業務需求，將數據治理套件進行拆分重組，構建成適合企業當下業務場景的解決方案，通常來說不同階段的方案是由簡單逐漸向高階進行的，方案之間是一脈相承的。

第一步解決企業內部應用、信息、數據的整合問題，同時構建數據門戶，以實現企業內部運營數據的簡單統計分析；第二步實施基礎數據治理，保證企業內部質量，為后續數據分析奠定基礎；第三步利用企業的BI決策分析與ETL工具進行數倉構建；第四步加深數據治理，結合數倉建設數據分析平臺，實現企業內外部數據決策分析；最后構建數據中臺，全面實現大數據分析，走向數字化、云計算、智能企業階段，