No1. 缺少頂層規劃，主要領導重視度不足。

數字化完全由單點的業務需求驅動，不同部門和團隊的數字化活動需要形成合力，企業的跨專業、跨層級、跨職能（業務、技術）單元資源無法有效整合，無法形成工作合力與協同。

No2. 誤以爲數字化就是信息化，把業務線上化作爲目標。

忽視IT架構設計過程中對數據價值的考慮，沒有形成“數據驅動”的新型IT項目研發理念，數據資源沒有被有效利用，導致數字化工作僅僅追求“面子”不同，換湯不換藥。

No3. 數據治理工作缺少長效機制考量，哪兒漏哪兒堵，沒有統籌規劃。

數據治理本質上屬於決策層的數據活動，具有十分明確的目標導向，如果治理程度、治理邊界、治理源頭、治理階段、治理維度、治理責任都不清晰，數據治理的效果一定是失敗的。

No4. 誤以爲數字化轉型交付的是技術，或是系統。

數字化是一套以“數據價值”爲中心的解決方案，建設系統、開發數據均不是目標，也不是必選項，而僅僅只是手段，一個項目是否歸屬爲數字化轉型的範疇，只取決於方法、模式、機制是否改變。

No5. 僅僅靠“情懷”推動數字化轉型工作。

數字化轉型的初始驅動力不應該只是基於某個願景、情懷，亦或者是某個新鮮的概念和理念，而是需要抱着比較現實的需求開始的。如果企業不是面臨着某個相對剛性的需求或發展危機，數字化一定無法很好地被“領導層”重視並認真地推進。

No6. 數字化項目由技術部門來牽頭。

很多企業都有數據部、互聯網部，或數字化部的設置，名稱相近不代表這些部門必須牽頭每一項數字化工作。數據相關部門往往負責制定數據標準、規範，並提供相應的監督與考覈；而不少數字化應用改良或創新，甚至業務系統的數據治理工作，都更適合由貼近場景的業務部門來牽頭。

No7. 過度依賴於外部諮詢或技術團隊。

外部團隊會給企業帶來新鮮的理念、方法、工具，以及技術資源，然而在數字化轉型工作中，外部團隊始終只是輔助角色。真正需要理解真實業務需求，並做出相應重大決策的一方，必須是接收轉型的企業自身才行。

No8. 因爲“沒錢”就不轉型了。

數字化轉型十分依賴於投資，因此往往給企業帶來比較高的決策門檻。有時候，企業因爲沒錢而錯失轉型良機，轉不轉型本質是方向問題，是需求驅動的，成本問題應該考慮，但不應該是最大的變量。

No9. 認爲“機器”是萬能的，可以完全替代人。

人工智能的發展給了人們很多關於數字化能力的幻想，有時候希望機器可以替代人完成所有事情。機器並不是萬能的，機器要做的業務不是替代人，而是要讓人更好地發揮核心的優勢，“人-機結合”纔是最好的搭配。

No10. 爲了保證業務連貫性，讓“邊緣”員工負責轉型工作。

數字化必須由有經驗的業務人員深度參與，很多企業把數字化的工作“本能地”排除在主線任務之外，爲了不影響核心員工完成日常業務指標，僅安排邊緣員工（比如新人，或非核心部門人員）參與數字化工作，導致數字化效果“大打折扣”。

No11. 以IT建設成果來衡量轉型效果。

這種方式曲解了轉型的目標和意義，如果轉型好壞只是看有多少個大屏，可視化界面是否漂亮，是不是有機器人在巡檢，那麼轉型就變味了。真正應該思考、審視的是，公司的核心業務指標到底有沒有因爲“轉型”而提升？

No12. 把數字化當作階段性的大工程，力求一蹴而就。

很多企業意識到不得不轉型時，又會顯得過於操之過急，力求通過大投資、大動作，一蹴而就。殊不知，業務是有慣性的，難以短期內撼動，同時，轉型的方向也很難一次做對，需要不斷嘗試調整，循序漸進。

No13. 認爲數字化必須“建中臺”。

數據中臺可以起到資源整合效果，因此數字化經常和“中臺”被劃等號。很多企業無法支付中臺建設的高昂成本，因此天然排斥數字化轉型的叫法以及相應的戰略舉措，從而錯失轉型機遇。

No14. 忽略了基層人員的素質基礎。

數字化轉型工作蘊含了大量前沿的數據科學思想、方法、技術以及工具的使用，企業推動數字化工作很容易給基層帶來額外的負擔，同時，如果忽略了基層人員的基本素質（尤其是一些勞動密集、服務密集企業），不少先進的轉型方案都無法落地，亦或者不能“保質保量”地實施。

No15. 希望僅僅靠“說教”來達成一致。

數字化工作需要統一宣貫，這本毋庸置疑，但這件事不會因爲僅僅靠說教就能達到理想效果。數字化難以形成合理並非大家認識不到其重要性，只是對於其實際能帶來的效果心存質疑。因此，必須要用真實的成績或案例來說話，特定業務試點的成功比“長篇大論”或許更有說服力。

No16. 缺少配套的考覈激勵。

數字化轉型落地必須配套相應的考覈機制，負責無法有效監督和評價，和其他任何工作一樣，如果沒有有效的激勵或懲罰反饋，都相當於沒有被安排。

No17. 盲目認爲數據越多越好。

數字化依賴於數據，但不是意味着數據越多越好。數據求質不求量，儘管大數據的方法越來越受推崇，但是如果一味追求多，那麼可能會帶來過高的數據處置（備份、存儲、定期清理）成本和數據管理成本。與此同時，從過多冗雜的數據中找到有價值的部分，也會更加困難。

No18. 沒有做到各層級“激勵相容”。

對於大型企業來說，組織結構複雜，不同層級單位對於數字化的理解和意義都是存在差異的，在推行數據化時，容易上傳下不達，或上傳下不解。因此，在制定數字化轉型戰略時，需要結合組織層級把任務分解的足夠“接地氣”。

No19. 追求新技術，拿着錘子找釘子。

數字化的目的是爲了解決問題，而不是“炫”技術，一切技術應用需求必須圍繞着業務流程來設計，否則就會本末倒置，這也是很多技術部門牽頭數字化容易導致的結果。

No20. “自下而上”推動轉型。

數字化轉型是企業級的大事，必須對組織中的資源進行有效協同與整合，任何轉型工作都不是單純業務方或技術方可以獨立完成的，因此自下而上推動轉型難度極大。無論怎樣，必須能夠有效“說服”高層領導者，解決資源貫通的問題痛點，“自上而下”推動轉型工作。

本文來自微信公衆號“大話數字化轉型”（ID：dataminingxmz），作者：點子超多的小劉老師，36氪經授權發佈。