浅谈传统企业数字化转型的痛点与困难

00

导语

在和一些传统行业的企业（包括但不限于一些老牌的大型企业）合作的过程中，笔者发现，这些企业共同的特点就是历史悠久，资金预算相对雄厚，但是由于各类原因在数字化转型的过程中困难重重，相对于一些互联网氛围浓厚的企业，这些传统企业的数字化进程更为缓慢和艰难。下面笔者就一一列举这些痛点和困难，希望能引发大家的思考。

需要注意的是，本文提到的所有问题或者例子，均不针对某一个特定的企业，仅是对整个传统行业数字化转型现状的主观描述，如有冒犯，还请理解～

01

数据根基建设方面

（1）企业内各系统/平台的数据并没有打通

这个问题可以被分成两类，“打通难”和“不愿打通”。前者是客观因素导致的，后者则是来源于主观意志上的分歧。

“打通难”- 传统的老牌企业经过历史沉淀，已经形成了自己的一套经营体系，业务线冗杂且各自为战，不同的业务线下又有自己独立的一套或多套系统，这也就导致用户数据无法在多条业务线/系统间打通（也就是我们常说的id-mapping）- 明明是同一个用户，在不同的系统里会被赋予不同的用户id，从而被割裂成多个用户。举个简单的例子，笔者在线上app下单了某个品牌的快餐店的餐食，然后过了一段时间又去这个品牌的线下店直接就餐，假如这个品牌并没有做到线上线下系统数据的打通，那么笔者这个人就会被两套系统割裂成两个用户。又或者像一些传统车企，数据来源广且体量大，同时拥有自建平台、外部渠道和内部系统的行为和业务数据，其中自建平台包括企业自建的app、小程序等，外部渠道包括汽车之家、懂车帝、抖音、快手等，内部系统包括CRM、DMP、车机等，这些数据如果不作统一规范和打通的话，就会导致用户在不同平台上的行为无法串联，无法从完整的用户行为链路中获得洞察。

“不愿打通”- 一些传统的老牌企业内部存在争抢资源、争权夺势、甚至“办公室政治”的情况，各部门只顾自己的利益、力不能往一处使，打通数据、规范数据的采集和使用自然也就成为了难以推动的事情。

（2）没有统一的数据口径

各部门/业务线对于数据的认知不同，导致数据口径不一致。再举一个简单的例子，“活跃”这个指标，在不同公司的定义是不同的，因为每个公司的运营模式多多少少会有些差异，根据实际情况选择合适的“活跃”口径能够帮助监测企业的实际运营情况。但是在传统企业中，由于部门/业务线较多，每个部门/业务线也会出现“活跃”口径不同的情况，这就导致如果想从企业层面统一构建数据标准并监测经营表现会非常困难。

（3）对数据整个流转流程认知不清晰，导致无法从整体流程上管控

数据流转流程包括“采集-存储-管理-使用”。目前来看，很多传统企业并没有清晰认知这一流程，也没有统一管理的意识，这也就导致没有核心的管理者去统筹协调流程，各个数据来源也没有对应的owner负责，出了问题难溯源和解决。笔者之前就遇到过这个情况，数据出了问题，由于没有一个流程的统筹者和负责人，部门之间互相踢皮球，最终问题也没有得到合理解决。

（4）数据质量差

这个问题主要表现在3个方面，数据问题无法主动监测和响应、无法量化数据问题的严重程度、数据问题无法从源头根治。

数据问题无法主动监测和响应 - 企业没有系统或机制对于数据问题进行主动监测和预警，只能等业务在使用数据时发现了问题才能被动解决。被动等待问题带来的损失必定比主动发现问题大得多。

无法量化数据问题的严重程度 - 在同一时间内，企业内的数据问题极有可能并发，但是用于修复数据问题的人力、精力是有限的，这就要求企业需要有一套自己的数据问题分级机制，区分数据问题的紧急程度，分优先级、有先后地解决问题，而不是如灭火队员一般哪里有问题就往哪里扑，导致真正紧急的高优先数据问题得不到及时解决。

数据问题无法从源头根治 - 很多传统企业目前还做不到从源头管控数据的质量，等到后续数据有所积累后才发现问题已经非常严重，投入大量人力去修补，收效甚微且不具有可持续性。

02

数据应用方面

（1）“拍脑袋”解决问题的作风盛行，无法做到“用数据说话”

现在有越来越多的企业卷入数字化的浪潮，很多传统企业也喊着“数据驱动”的口号。但是受到历史经营模式和传统思维的束缚，“拍脑袋决策”仍然占据上风，“用数据说话”这一思想在企业内部仍然不能得到很好的贯彻。很多传统企业也在想办法解决这个问题，他们会花钱请各类供应商（我们常说的“外包公司”）去做数据方面的项目，帮助他们进行数字化转型，但事实上很多时候，企业决策者很少采纳供应商在对数据分析后提供的建议，仍然按照自己的固有思维行事。

（2）对于如何分析和应用数据没有思路，眉毛胡子一把抓

如果上面说的问题，是由于主观意识上对于跳出传统思维“舒适圈”的拒绝，那么这个问题，就是由于客观上“数字化”能力的不足。在笔者的工作中，最怕听到的一句话就是，“我什么都要”，这类需求方往往没有什么思路，只想着先把数据拿到，放在那里，怎么分析和应用这些数据后续再说。殊不知数据的收集和存储也是需要成本的，如果这些数据后续得不到合理的分析和应用，那这些数据也无法为企业带来价值，纯属浪费资源；在关键指标遇到问题的时候，也没有结构化的分析思维，找不到问题的源头，更谈不上解决问题。

03

总结

上述这些问题，可能对很多互联网从业者来说，早就已经被解决，像id-mapping这种技术，在一些互联网大厂不知道被迭代了多少次，已经非常成熟。但是对于很多传统企业，这些问题仍然亟待解决，道阻且长～