调研发现，国内多数企业数字化转型仍存在许多困难和挑战。

困难点主要体现在如下5个方面：

1. 价值创造能力有限：大数据/人工智能虽然得到了一定程度的应用，但普遍以技术视角推动其应用，并未对企业的运营模式产生根本性的变革。

2. 组织模式不适应：虽然众多企业已经构建了数据团队，但其与业务团队的协作模式不清晰，更多还是立足传统IT视角，而非从变革驱动推动企业转型。

3. 数据基础较薄弱：在内、外部管理双重驱动下，企业开展重视数据治理工作，但是数据质量不高的现象依然较为普遍。

4. 人员能力不足：大数据/人工智能建设对企业的数据人才队伍提出了较高要求，尤其是需要具备业务+数据双重视角的人才，过去的数据统计等专业能力已经无法满足要求。

5. 技术平台需要完善：海量数据处理、实时计算、人工智能等，都对企业技术环境提出了更高的要求，大多数企业依然采用传统技术构建数据平台。

企业在进行分析场景梳理工作时通常面临的主要挑战体现在如下4个方面：

1. 缺少明确的数字化战略，难以有效指导分析场景规划

2. 缺乏专业积累和经验，业务部门难以提出明确的分析需求

3. 分析需求来源众多且分散，数据团队难以体系化开展分析工作

4. 需求责任方不明确，没有明确的应用场景实施方式和落地计划

基于上述困难和挑战，企业启动数据管理与应用规划工作迫在眉睫。

一、明确数据和IT在企业数字化转型中的定位：IT和数据是实现企业数字化转型的两大驱动力。

二、明确数据战略目标、构建数据治理蓝图，通过智能数据驱动数字化转型，引领业务创新、管理创新和技术创新。

一、从业务应用入手，对未来企业大数据应用内容进行全局性规划，形成完整的大数据分析场景视图

明确大数据应用场景，有效开展未来三年数据分析应用工作，随着行业快速发展，各业务领域都对应用大数据分析驱动业务模式转型升级、提升业务能力提出了更高的要求。因此，明确大数据应用工作的核心内容（场景+主题）是进一步提升大数据应用的广度和深度的先决条件。

大数据应用能力建设的工作思路如下：

二、对于分析主题的落地建议，总结了以下三种具体应用方以式，根据业务实际，每个分析主题可能适用于一种或多种应用方式。

1. 可视化展示：对于可视化展示的场景，未来可以在大数据门户展现，或在相关系统中增加功能模块。

2. 嵌入业务流程：对于嵌入业务流程的场景，未来主要通过“数据服务”的方式，对各类应用场景和IT系统提供模型输出。

3. 嵌入轻型数据产品：对于“嵌入轻型数据产品”的场景，未来可基于各类“轻型数据产品”进行展现。

三、“应用驱动”的方式构建大数据平台，导致效率低、创新能力不足，应转向“数据驱动为主、应用驱动为辅”的模式。

四、数据中台的核心是预定义数据服务，以多种形式的方式对外提供，加强数据体系对业务的支撑和服务能力

五、在企业内建立数据需求与服务的统一管理机制

推动企业级数据分析体系建设，需要数据团队既要成为数据价值创新的“引领者”，又要寻找数据分析应用的“消费者”。数据团队的定位建议如下：