眼下，數字化轉型十分火熱，越來越多的企業、機構認識到了挖掘數據價值的重要性，一些走的比較前面的行業，幾年前就開始布局大數據應用了，比如，對數據強依賴的商業銀行。但是，就目前來看，包括商業銀行在內的傳統行業整體數據應用的效果并不盡如人意，數據價值并沒有得到很好的挖掘，歸根到底是陷入了一些致命的認知誤區。思想指引行動，思想上沒有認識到位，行動上就必然會有偏頗。

誤區一：將數據應用和傳統IT開發混為一談。很多傳統企業管理層和業務部門對數據應用了解不足，搞不清楚數據應用和IT開發有什么區別，往往以為是類似的，所以，很多時候，管理層和業務部門只是把數據當成和IT一樣的執行工具，你只要按照我說的ABCD執行就好了。事實上，數據是幫助業務尋找最佳的解決方案的，IT開發是負責實現解決方案的，兩者有著本質的區別，如果你所在的機構不能盡快走出這個誤區，數據基本不太可能發揮出應有的價值。

誤區二：數據條線以“軟件開發工程師”思維做數據應用。近幾年，很多傳統機構都新設立了獨立的數據部門，然而，數據部門的負責人大多是做傳統IT出身的，員工也很多是傳統的軟件開發工程師轉過來的，做慣了軟件開發的人，形成的思維定式就是你要做開發，你就要把需求講清楚，要把1、2、3、4講的清清楚楚，這是典型的IT思維，以這個思維為指導，這個數據部門做好的可能性很低。這里面有兩個方面的原因，一方面，以IT思維做數據說明你自己就沒有搞明白數據應用是怎么回事，事實上，數據應用是具有很強的業務屬性的，更多的時候需要的是業務思維，而且數據應用本身就具有很強的研究、探索性質，你讓業務部門提出十分具體的需求本身就是強人所難，其實，你更應該向業務部門提的要求是讓他們提出業務痛點，然后，你再利用數據幫助業務部門找到解決方案。另一方面，很多傳統機構業務人員本身都還沒有找到數據應用的門，你對他們提出過多的要求，只會適得其反。

誤區三：將算法工程師、數據產品經理等數據人員和軟件開發人員等同。很多傳統機構往往容易將數據分析人員、算法工程師、數據產品經理和傳統軟件開發人員等同，這點在傳統的IT條線中更為普遍，突出表現在幾點，一是很多人簡單的認為數據人員也是會寫代碼的，所以，和軟件開發人員是一樣的，也往往要求數據人員寫的代碼能夠滿足生產的效率要求，而事實上，很多數據人員尤其是算法工程師雖然會寫代碼，但是，他們更多的是寫算法，建模，調參，保證模型的效果，至于模型代碼本身的運行效率并不是他們的長項，用專業軟件開發人員來要求數據人員無疑是不合適的。二是很多機構沒有為數據人員量身定制相應的激勵機制。更多的還是按照傳統軟件開發的模式來考核和激勵，而事實上，數據產品經理、算法工程師、數據分析師從事的是更富有挑戰性，更具有創造性的工作，很多時候需要探索、研究很長的時間，最終也不一定保證能成功。如果你按照傳統的軟件開發項目去考核、管理，明顯也是無法適用的。另一方面，很多工程師的興趣只在算法上，如果你讓他干算法以外的臟活、累活，他們很有可能會撂挑子。

誤區四：認為數據治理不重要。一些傳統機構對于數據治理的重要性認識不足，以為大數據容許混雜，數據質量就不重要了，只要有數據，就能應用好數據。關鍵是如果大量數據的源頭或者上游就是錯的，當你在為自己上線了一堆的模型而自豪的時候，風險正在向你靠近，數字時代，數據作為關鍵生產要素，如果數據質量不能保證，就會使得企業做出錯誤的決策，甚至影響企業的生死存亡，對于金融機構更是如此，如果你輸入給智能風控模型的數據都是錯的，審批結果也一定是有問題的，最終一定會危機信貸資產質量。

誤區五：認為數據安全核心是管理。數據安全的確非常重要，要不然，國家也不會頒布好幾部法律來規范，但是，數據安全的目標應該是保障數據的合規應用，而不是限制數據的應用。說白了，就是要為數據應用保駕護航。一些傳統機構對于數據安全的認識過于教條主義，一刀切管控，這也不能做，那也不能做，導致數據無法得到合理、有效的利用。的確，當你什么都不做的時候，你就是最安全的，但是，這對企業的長期發展絕對會產生嚴重的負面影響，數字時代，數據應用能力必然是企業的核心競爭力的重要組成部分，考驗的也是企業的數據安全的保障能力。一刀切固然簡單，但絕對是“懶政”，終將自食其果。

數字化浪潮洶涌而至，我們正在大踏步邁入全面的數字時代，企業的經營邏輯也隨之發生巨大的改變，這當中，數據作為關鍵生產要素就是數字時代的顯著特征，就是企業要適應的新經營邏輯。無論你過去對數據有多么不重視，現在，都應該全面、深刻的重新認識數據的價值，走出認知誤區，真正的擁抱數據，打造具有自身特色的數據應用新優勢。