2019年至今伴隨着疫情的蔓延，人們工作及生活習慣改變，都加快對數字化需求的步伐。很多傳統機構急不及待努力追趕，另一方面有部分先進企業對數字轉型的成果還是覺得未如理想，甚至對執行方向抱着懷疑態度，裹足不前。
近年來隨着數字化轉型進入到中期階段，很多執行上要解決的問題開始浮現。當中不少挑戰來自一個核心問題：數據獲取變得愈來愈容易，但數據治理的難度也更大。
數據如果沒有適當的處理方法，僅會造成負累。其中有4個趨勢值得關注：
1. 企業為了能夠快速得到業務行動前的預測、施行中的調節及事後的反饋，更多企業會選擇組裝式數據分析架構，運用分析工具和智能系統，加快開發速度及部署靈活性的解決方案；
2. 數據來源日益複雜，多源異構的數據治理架構、治理平台及管理工具需求殷切，另一方面人工智能及機器學習對傳統商業分析架構存在差異，對於數據治理能力帶來了新的衝擊；
3. 數據作為未來經濟生產要素，首先必須保證其供應的可靠性，加強數據在集成過程中在設計、開發、部署、維護的效率，然後部分或全面實現自動化；
4. 企業中的決策分析不會是單一考量，而且絕大部分是多角度、延續的決策，再者決策之間也是互相關聯的，所以當企業的智能決策從局部演化到全面發展時，決策系統的複雜程度與使用者的互動方式也需要重新考量，並提高決策的準確性、可重複性和追溯性。
隨着中國數字化轉型正在全速前進之際，各地政府與企業都意識到決策能力的不足，領導者也了解到使用數據分析來加速數字化業務計劃的重要性，並且希望以大數據作為提升未來經營能力的基石。
數據轉型和分析不再只是由個別獨立團隊負責完成的項目，而是一場核心的變革，如在戰場上行軍，必須萬眾一心。
企業明白到沒有一個完善的數據戰略，容易過度聚焦在短期業績上，儘管具備了數據驅動的能力，也很容易導致一個局部勝而全局敗的結果。當面對愈複雜的問題時，筆者認為回歸到本質的思想很重要，試問沒有遠景規劃的企業又怎麼說數碼化轉型呢！
車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員