据CIO网站发布的《2020年CIO调查报告》显示，数据和分析仍然是数字时代企业的首要任务，37%的信息技术领导者表示，数据分析将推动今年最大的信息技术投资，领先于安全和风险管理。 

随着IT支出重点转向数据分析，数据分析项目交付成果的压力也随之而来。然而，数据专家表示，CIO和他们的高管同事们都有所欠缺。毕马威合伙人、美国数据和分析领导者布拉德·费希尔(Brad Fisher)表示:“大多数数据分析项目很难达到或超过预期的目标线”。 

以下是阻碍数据分析项目成功的四个挑战:
 

1、糟糕的数据基础

研究和咨询公司高德纳(Gartner)的统计数据表明，大多数企业认为，数据至关重要，在2019年的一项调查中，近80%的高管表示，如果他们不能有效利用数据，公司将失去竞争优势。然而，Gartner还发现，超过一半的企业没有正式的数据治理框架和专门的预算。

缺乏这些基本要素，会阻碍企业发展数据分析业务的雄心壮志。

贝恩公司合伙人、公司高级分析和企业技术实践成员罗伊·辛格表示：“企业需要非常用心，否则，可能看不到数据分析的价值”。 

如果没有一个完全可落地的数据治理计划，企业就不能期望会有良好的数据分析实践和效果。比如，企业无法访问或集成他们所拥有的数据，因为这些数据仍然被锁在各部门的数据孤岛上。他们甚至不知道他们需要什么数据，才能获得有效的价值。

波士顿大学大都会学院的讲师、合作伙伴医疗保健公司的高级信息技术安全工程师爱德华·马修斯(Edward Matthews)表示：“数据分析没有达到目标，是因为他们有无效的数据，或者抓取了错误的数据集，或者错误地将数据输入到他们的仪表盘 “。一些公司认为他们有不错的数据分析软件，直到他们看到数据治理框架后才意识到，他们并没有。”

此外，马修斯表示，许多企业没有合适的基础技术来实现他们的目标，他们想要的分析工具可能会带来丰厚的回报，但并不适合他们自己的业务需求。或者，相反地，他们坚持使用那些不能促进业务增长的分析工具，因为他们从一开始就没有设计出一个坚实的数据战略。 

通过为数据项目制定战略，或者说，创建一个卓越中心，IT领导者可以解决一个成功的数据分析项目所需要的基础保障问题，包括数据治理、问责制、各种数据计划组件的所有权、所需的基础架构、培训要求、战略目标和领导力。 

马修斯指出，他曾经为之工作的慈善机构所采取的方法是一个很好的例子。该企业承诺为其数据分析项目提供适当的资金，创建了一个分析团队，并指派了一名高级副总裁来领导该团队。 

“他们走在了前沿，不断研究现有的数据分析能力，为公司提供信息，证明了他们的价值。该团队逐渐成长“，马修斯说，“他们没有锁定特定的数据集，也没有忽略其他数据，而是一直在思考检查数据的新方法，而且他们一直在考虑引入新技术。“

该首席信息官具有远见卓识，能够创建数据团队并雇佣合适的人来领导团队。  

2、错误的策略

企业应该将数据分析视为一项单一的任务。经验丰富的分析专家表示，他们经常看到首席信息官们“一夜暴富“式地推进项目，比如例如，建立数据湖和花高价钱实施基础设施，以启动分析项目。项目交付完毕，才发现分析技术没有得到充分利用。 

像任何其他技术驱动的项目一样，CIO们最好实施那些能够向用户展示价值的有针对性的解决方案。塔塔咨询服务公司副总裁兼业务流程服务和分析部门全球负责人迪南纳斯(迪娜)霍尔卡说:“确保你在解决业务问题”。 

霍尔卡是这样开始自己公司的数据之旅的：他先瞄准一个数据分析项目能够提供价值的重点领域，然后着手实施。这种方法使团队能够清楚地定义目标，并确定满足目标所需的数据和工具。换句话说，这种方法创造了可管理的、可实现的目标，能够产生可衡量的价值。“这可以成为公司其他部门的展示橱窗，”霍尔卡说。

“业务部门希望看到结果。他们没有耐心等待大型转型项目，”他补充道，“他们不会得到100%的结果。如果他们开始获得60%到70%的结果，他们就满意了，然后他们就可以从那里获得渐进的改进。因为当你交付成果时，就更容易获得下一轮投资。记住这一点非常重要。”

同样，专家建议首席信息官将迭代方法引入他们的分析项目，而不是实施一个非常庞大的技术项目。

辛格表示:“这需要一个互动和实验性地练习，在这个练习中，信息技术、业务和数据都以敏捷的方式协同工作，这三个群体之间有高速的互动，他们能够进行实验和测试假设”。 

Forrester Research副总裁兼首席分析师布莱恩·霍普金斯(Brian Hopkins)指出，一家零售商创建了一个为期三年的数据战略，该战略建立在每年增加投资的基础上，而不是只投入一笔前期投资就进入该计划。这种方法，让企业认识到不断增加和改进项目的必要性。 

“这家公司发现，就像数字一样，一旦你开始一个分析程序，你就不应该停下来”，霍普金斯补充道，“CIO每年都要投资推进您的数据战略。 

此外，这些迭代投资需要由不断发展的业务需求驱动，而不是在新技术进入市场时由它们驱动。企业应逐个业务案例地构建分析能力，通过采用更高级的工具逐步扩展其数据计划，并使更多用户能够解决日益复杂的问题。 

首席信息官需要将其视为一次迭代，事实上，是多次迭代。马修斯表示:“他们将不得不不断对照市场和他们公司试图实现的目标来检查数据程序，尝试与他们正在使用的工具并行的新工具来测试它们，如果新工具能够提供新的信息，他们就可以使用它“。

3、未能有效平衡“集中管控”和“自由分散”

尽管对数据分析项目进行了大量投资，但高管们表示，他们仍未能获得收益。在《2020年大数据和人工智能高管调查》中，NewVantage Partners发现，在接受调查的70家公司中，74%的公司认为企业大数据分析是一场持续的战斗。

辛格表示，未能认识到并尊重不同的用户需求是导致这个数字较高的一个因素。他认为，一些数据领导者允许其企业内的每个业务部门在不建立企业数据标准的情况下推行自己的数据战略——这种方法会造成效率低下，并让许多用户在没有任何支持的情况下苦苦挣扎。 

辛格说，其他企业则走向相反的极端，将一切集中起来，这阻碍了精明的商业用户快速扩大规模，也阻碍了整个企业发挥项目的全部潜力。 

辛格解释说，那些认识到需要在这两个极端之间建立一个平衡的数据分析程序，并且能够适应用户不同需求的CIO才是最成功的。 

“企业需要一个融合了集中模式和分散模式的混合体，两种模式之间的平衡会随着时间的推移而改变”，他补充道。 

辛格介绍了一家能源交易集团所采取的方法。随着其领导者对数据分析能力的投资，他们认识到集团在数据科学方面拥有丰富的经验，因此他们构建了一个符合企业的数据治理标准和技术要求的自助服务平台。但认识到其安全部门在分析方面缺乏经验，所以他们为那些提供集中支持的安全部门用户单独设计了一个策略。 

4、推动文化变革

高管们不仅仅需要设计一个符合战略目标的整体数据分析计划，还需要改变企业文化，以便用户能够快速利用实时数据进行洞察分析，并真正把“与数据的互动”视为常态。

“这是整个商业模式的转变，企业需要为这种转变做好计划，”塔塔咨询公司的霍尔卡说。 

大多数企业不会这么做。根据NewVantage Partners的调查报告显示，只有38%的被调查公司创建了一个数据驱动的企业，只有27%的公司相信他们已经在公司内部建立了数据文化。此外，91%的人表示，人员和流程挑战是他们成为数据驱动型企业的最大障碍。 

托马斯·杰弗逊大学和费城杰弗逊健康中心的执行副总裁兼首席信息官纳赛尔·尼扎米一直在解决技术需求，如标准化数据和分析工具、管理数据仓库，以及使数据计划的优先事项与企业的总体战略保持一致，来完善公司的数据分析计划。 

而且他的探索更进一步，通过创建一个名为杰弗逊分析社区(JAC)的培训项目，推动了企业文化的转变。它的口号是，“获取数据有困难吗？你不了解JAC。” 

“在创建JAC的过程中，我们的愿景是创建一个由所有运营者驱动的自助治理分析的联合模型，”尼扎米说。目标是增加用户对分析工具的采用，从“数据丰富”的企业过渡到数据驱动的企业，并促进自助数据——目标是提高生产率和减少周转时间。 

费希尔表示，其他首席信息官也需要效仿，将他们的数据分析程序从“一项伟大的、独立的、能产生洞察力的工作”转移到“集成在流程中”，这样用户就能像往常一样使用它、离不开它。 

“用户不知道、也不关心所有的数据源是什么，或者数据科学有多酷” ，费舍尔说。“他们需要走进自己的办公室，或者把它敲进自己的手机，获取完成工作所需的信息。所以它需要看起来和感觉上像一个应用程序”。