Chapter 3: Barriers to Implementation (2)

除了人才、技術、流程一般系統導入常見的問題以外，作者還提到實施大數據分析的另外三個障礙：

分析的停滯 (analysis paralysis):
雖然企業了解導入大數據分析的優點，但是對於如何使用、如何導入並不完全了解。因此無法真的透過大數據分析來改善它們供應鏈的運作，也就造成運用上的停滯，也就是沒有收到效益。作者把常見的狀況分成四大類。

大海撈針：沒有整體規劃，隨意選擇主題運用「分析」，希望能夠獲得效益。
孤島式的優化：針對單一問題進行優化，只考慮單點問題，而非整體供應鏈系統優化
過度衡量細節：希望衡量所有細節，制定太多的衡量指標，而無法透過專注的主要績效指標來衡量分析的效益
動作停滯：企業無法決定導入分析的行動，淪為紙上談兵而終究一事無成。

過多的資料 (drowning  in data):
供應鏈上有太多的資料收集進來：由POS、網站、內部交易系統....等，而企業無法透過分析工具有效將資料轉化為資訊。高階主管無法主導轉型為「分析導向」的企業、沒有適當的人才、流程無法配合等因素，所以企業空有大量資料卻無法有效利用。


失焦的衡量指標 (misaligned metrics):
企業透過績效指標來衡量其運作績效，但是績效指標的設計與架構是否有效的與企業策略、客戶服務的目標相連接卻是很多企業遇到的問題。在供應鏈運作上，我也看過公司過度注重庫存水位，而對於準時交貨這個部分失去了競爭力。成功運用大數據分析前，必須確認整體績效的衡量架構，著重於流程改善的績效指標 (如訂單滿足率) 而非功能組織的績效指標 (如庫存水準、採購成本)。如此才能透過大數據分析來驅動流程效率改善。

這些障礙都是作者在這本書裡面嘗試要去回答的問題，不過總而言之，她認為還要要有總體的概念，將供應鏈視為一個「系統」，尋求整體的解決方案才能得到大數據分析的效益。