活数据的重要性：传统企业数字化转型的瓶颈与解决方案

随着大数据技术的发展，金融等行业的数据分析能力得到了显著提升。与传统行业相比，金融等行业拥有更多的活数据，这是其应用大数据技术的重要因素之一。

在金融和运维等行业中，活数据的产生往往是由系统自动采集或白领日常工作而产生的。这些数据质量高，数据量大，非常适合基于历史数据的预测和分析。

相比之下，传统行业的数据来源通常是工人的经验数据，这造成了数据采集的困难和数据质量的不稳定。这种情况在数据源层面就阻碍了数据分析和挖掘的开展，对数字化改造产生了严重的影响。

对于这个问题，阿里在ToB领域的案例中，采用了人工智能技术进行强制代替的方案。然而，这种方案并不适用于一般的传统企业数字化改造，因为其实施成本较高。

根据市场调查公司Gartner的数据，过去几年，全球企业中有约60％面临数据源困境，无法有效收集和使用数据，这表明数据源的问题在传统企业中非常普遍。因此，传统企业应该优先考虑解决数据源问题，建立高质量的数据流，以支持数字化转型的发展。