为什么并非每家企业都能从数据分析中获利或者实现影响力？
每个人都在寻找数据分析的“点金术”，目前，它的衍生产品是人工智能和机器学习。能够完成相应功能的工具和平台是强大的，越来越多的项目都在提供数据科学和分析技能方面的培训。
那么，阻碍因素在哪里呢？本质上，正是企业自身阻碍了它的发展。在一份最近的分析报告中，麦肯锡分析师Niko Mohr和Holger Hürtgen观察到：尽管将数据分析视为通往成功之路，但很多企业决策层仍然会这样问：“技术部分通常是比较容易解决的，然而，为什么并非每家企业都能从中获利或者实现影响力呢？”虽然技术已获得很好的开发并已准备就绪，但大多数企业“在涉及结构化部分（例如，在技术和业务之间取得连接或转化，或者对文化观念的变化进行管理，从而由依赖直觉的决策向数据驱动的决策发生转变）时，仍处于明显落后状态。”以下是麦肯锡的分析师针对这个议题的分析。
数据和业务处于彼此分离的世界
在太多的企业中，数据团队和业务团队是各自独立的部门，Mohr和Hürtgen就此指出：“这导致业务部门对于方案提供的可能性缺乏了解，并可能造成开发出的数据解决方案不符合业务部门的实际需要。”
在洞察力和影响力之间存在鸿沟
很多企业并未根据他们获得的洞察力采取最后一步行动。企业可能已经引入数据分析，甚至可能组织了不止一次的概念验证。Mohr和Hürtgen指出：“然而，这些概念验证彼此之间是分开进行的，很难转化为成功的应用场景，更不用说成规模的转化了。”
管理层不能做出足够的承诺
只有“在整个企业范围内，数据分析工作得以深入和持续进行”的情况下，才会产生正面的结果，“这需要领导者的承诺和方向指引，同时，要推动开展此类基于洞察力的转型活动，但很多企业并未做出这种级别的承诺。”
对于已经进入数据分析领域的企业，Mohr和Hürtgen提出以下建议：1
1. 按“业务回溯”而不是“数据回溯”的方式工作
首先确定你信任的应用场景，然后思考业务模型，以及你需要保持模型运转的数据。
2. 将IT部门保持在决策圈中
最初，你可能需要绕开企业的IT部门以迅速启动并尽早进行概念验证。但为了实现规模化，你终究需要及时纳入IT部门，并赋予他们重要的职责。
3. 敏捷地生存
冒较小的风险，取得较大的胜利，采取试错式的学习方法，保持试验的心态——这些理念应该植入到企业的组织结构中。
4. 让用户在洞察力分析方面发挥作用
麦肯锡的分析师认为：变更管理至关重要，业务用户要信任分析结果，并且在这方面发挥作用。