⑴ 傳統企業要實現數字化轉型，需要從那些方面入手
數字化這個概念經歷了三個發展階段：
1. 數碼化（Digitization）：不改變事物本身，而是改變事物的存在或存儲形式、使之能夠被計算機處理，如：將紙質文件掃描為電子文件、將相片存儲為電子格式；
2. 數字化（Digitalization）：強調的是數字技術對商業的重塑，信息技術能力/數字技術能力不再只是單純的解決企業的降本增效問題，而應該成為賦能企業商業模式創新和突破的核心力量；
3. 數字化轉型（Digital Transformation）：利用數字化技術（如大數據、雲計算、人工智慧等）來推動企業組織轉變業務模式，組織架構，企業文化等的變革措施，如衍生出的智能製造、智慧城市等概念。
諸如企業的財務、銷售、市場等業務自身就帶有強烈的數據分析需求，領導也厭倦了查看一沓沓報表，更希望看到結論化的數據。如果說運用到個人或是某一個問題的叫數據分析，那麼投入到企業的業務層面用於輔助管理產生效益的則可稱為數字/數據化管理。
數字/數據化就是要通過收集企業日常運營的數據，客戶使用產品服務的數據，市場行業，趨勢等等數據，形成企業日常運營的全景圖，反映到產品研發、服務流程改善、精準營銷、銷售模式升級、優化庫存等業務的改進上來。
為什麼要數字化轉型？
（1）數字化讓企業中非創新的活動更加簡單
換句話說，因為有了數字化手段，企業中那些創新成分低的諸如體力勞動，簡單重復的腦力勞動，都可以被自動化，從而，相應的，企業中真正體現創造性的活動的比重才會增加。
（2）數字化讓企業獲得了一種新的資產——數據
數據資產的特殊性在於，它的價值是最容易受「判斷」的影響，而很難和其他資產那樣，有一個市場價格。
（3）數字化為企業的創新活動提供了更友好的環境
數字化的手段，讓很多原本需要大量投入做實驗的創新活動，有了更加簡單易用低成本的虛擬化的實驗環境，原本來自復雜的實驗搭建、製作工作，現在只要動動滑鼠，最多寫幾行代碼就可以實現。
數字化轉型是發展數字經濟的一環，其目標是提高企業運行效率、實現產業高質量發展、優化現有經濟結構、構建數字經濟體系。
不管是在被動亦或是利益的驅動下，很多傳統企業都開始走上數字化轉型之路，但往往理想很豐滿，現實卻很骨感，不少傳統企業帶著希望來，卻帶著失望離開。
數字化轉型難在哪裡？
難點一
數據治理難，數據存在孤島
盡管數據治理對於企業而言是如此重要，但大多數公司的數據治理行動至今尚未完成甚至仍在計劃階段。整體上的滯後，是因為數據治理不僅是一個技術問題，也是一個管理問題。無論是在跨組織的協調溝通中，還是在決策或持續推進環節，企業數據治理往往需要面對數據孤島、數據質量差、數據不透明等障礙。
信息存儲庫仍然由單個團隊或部門控制，並且對整個組織不可見。當某些派系將其數據與公司其他部門隔離開來時，員工無法從數據可能包含的答案和見解中受益。大多數公司表示他們在數據孤島方面遇到了中等或高難度。
數據治理要求企業實現數據透明，而部分資料庫難以直接調取內部數據，只能通過對外介面進行訪問，在進行諸如數據分析、血緣分析、數據建模等上層應用時，被大大限制了靈活性，一些需要使用原始數據的場景無法實現，數據的價值也就無法發揮出來。
難點二
外包開發的系統，跟不上業務變化
系統的開發過程中，經常無法適應日新月異的業務變化需求，需要開發人員在原有的軟體基礎上進行修改，一是要等排期，也許排期到了需求又有變化；二是因為是外包開發，許多代碼需要重新梳理，一個小小的改動都要浪費開發人員的時間，如果牽涉到溝通和人員流動，情況將會變得更加復雜。
難點三
自研團隊成本高，周期長
傳統開發軟體開發流程，一般要經歷需求調研、原型、UI設計、數據模型設計、前端開發、後端開發、集成測試、用戶測試、生產上線、運維。流程周期長，需要的技術種類多。導致開發時間過長，人員招聘培訓成本也大。
難點四
數據安全令人擔憂
對於很多行業來說，數據安全的重要性不言而喻，而資料庫是保證數據安全最重要的城牆。所有數據都是數字化的，並且數量巨大，黑客始終可以在惡意內部人員的幫助下找到進入入侵的方式。如果他們以某種方式可以訪問你的關鍵數據，他們可以根據自己的目的進行修改，甚至刪除其中的一些數據。
⑵ 物聯網深入發展 將如何改變大數據分析
物聯網深入發展 將如何改變大數據分析
數據一直在業務中發揮關鍵作用，但大數據分析的興起，大量存儲的信息可以在計算上挖掘出來，揭示有價值的見解、模式和趨勢，使其在現代商業領域幾乎不可或缺。收集和分析這些數據並將其轉化為可行的結果的能力是成功的關鍵。
隨著物聯網的發展，這一過程變得越來越復雜，在日常生活中，從車輛到商店展示，到智能家居自動化技術，如恆溫器和水位顯示器，都能產生大量的數據。物聯網帶來了各種新的分析挑戰，而更快適應這一新現實的企業將獲得明顯的優勢。
改變基礎設施的需求
物聯網產生的數據面臨的主要問題之一就是它的規模。英特爾公司估計，到2020年，多達2000億台智能設備將在線運行，以及約54億個具有物聯網功能的B2B設備。這意味著任何尋求利用物聯網數據的企業必須首先投資於處理數據量驚人所需的基礎架構，其中大部分將是原始的和未標准化的。數據湖和分布式伺服器集群可能成為存儲此數據所必需的，控制數據流對於管理帶寬和網路成本是必不可少的。
新的分析挑戰
除了物聯網產生的大量數據之外，數據本身也提出了一個問題。大多數感測器產生的數據是相對嘈雜和非標准化的，大部分數據是實時數據流的形式。這些事實需要一種新的分析方法，軟體堆棧能夠快速分類，處理和分析大量的數據。在數據被正確處理之後，下一個挑戰是挖掘這些不同的信息源以產生可操作的數據。
技能分析師日益增長的需求
隨著更復雜分析的需要，需要更多和更熟練的數據分析師。從物聯網數據流中吸取有用的見解需要高超的技能，不僅要管理數據本身，還要確定最有效的焦點區域。大數據框架(如hadoop和Spark)以及R數據編程語言的專長正在迅速成為管理物聯網生成數據的關鍵，業務分析越來越依賴於復雜的技能集，其中包括機器學習，復雜演算法，深度學習，復雜事件處理等。
從數量提取質量
調查顯示，96%的企業遇到通過其接收的數據量進行過濾的問題，而這個問題只會因為大量新數據的湧入而加劇。大數據本身沒有什麼用途。其它真正的價值在於從這個數量中提取質量並產生有意義的見解。消除噪音的一個重要方法是使用過濾器來消除多餘的數據。物聯網數據通常是高度粒度的，大多數企業不需要這樣的詳細信息。使用演算法驅動的過濾器將這些數據壓縮成更實際的時間間隔中，顯著地減少了要分析的數據量，而不會影響其質量，從而使其更有價值。此外，由於物聯網感測器已經廣泛存在，而且很快就會普及，將有用的數據源從那些不需要的地方進行排序將是最重要的。
新的安全範式
由於物聯網由廣泛的設備，通信協議和數據類型組成，為了保護其產生的數據，這要求企業必須准備迎接新挑戰。許多數據安全專業人員在處理物聯網數據方面根本沒有太多經驗，而且新的來源和技術卻快速到來，隨著安全威脅的增加，需要企業提高警覺性和靈活性。妥善保護物聯網數據將需要所有新的安全措施和協議專門設計來滿足這一新的現實。
物聯網已經經歷了快速增長，似乎有望成為業務分析未來的浪潮，但它仍然是一個新興的技術。它產生的大量數據將只會增長，並變得更加復雜，現在投資於基礎設施和需要處理的技術人員將在未來得到回報。負擔得起的，可擴展的，持久的存儲將是至關重要的，數據分析師也將具備適應大數據快速變化現實的技能和經驗。未來即將到來，必須進行適當的規劃和准備。