互聯網繼續滲透到地球每個角落之際，數位化轉型成為企業必然的選擇，但同時為企業帶來的困惑也變得迫在眉睫。不少分析報告認為，踏入2020年，數碼轉型在各行業迅速擴展，但在許多企業內還是搞不懂CTO/CIO/CDO的責任和分別，管理層已經急不及待為年度的規劃加入數位化目標，希望盡快轉型成一家數據驅動的公司。當中最容易被忽略的是真實了解數據在治理上的困難、數據技術（DT）的架構如何與生產系統（IT）之間的銜接。
以下列舉一些過去典型要注意的問題：
第一、大數據將變得更「大」，現在我們有移動數據、感測器數據和語音數據等等，需要存儲的數據量每6個月翻一番，而且愈來愈多地採用非結構化格式，使得數據更難以集成為有意義的內容。構建新的技術從非結構性數據中洞察出對業務有幫助的能力將是重中之重，它關乎到企業未來的競爭力。如果沒有對數據進行適當的規劃和管理，可能會導致數據多而無用，最常見的問題是找不到想要的數據或數據品質不穩定。另一方面，過度保存數據會導致重大的隱私和合規性風險。
第二、AI（人工智能）的重要性突顯，一旦這麼多數據發生糾纏，AI絕對是唯一的方式作大規模理解這些數據的工具。事實上，AI將是通過數位化轉型實現業務成果的關鍵，機器學習演算法的速度及洞察力將遠遠超出人類分析師團隊的能力，這將為企業未來提供具有先行優勢。
再者，新的數位化轉型指標將會出現，現實是許多數位化轉型都失敗了，因為公司從一開始就不知道如何量化數位化過程中的成敗。如果制定更有條理的評估標準，肯定有助提高成功率。
最後，應從長遠角度看待數字洞察，不幸的是，許多早期的數碼轉型計劃都是對當前需求的反應。在這個時候，在新項目開始時「退後一步」（站在更高的格局看問題），以確保它們提供最大價值，更有意義。不僅注重解決當前需求，還注重長期潛力。通過有意構建數據收集能力，每個計劃都為整個企業的數位化能力提供改進機會。