随着企业业务的不断拓展和数据量的急剧增长，传统的数据处理和分析方式意境难以满足企业的需求，主要体现如下：
1、企业存在众多异构系统，流程与数据整合难
企业信息化应用早、范围大，产品、技术相对稳定，但也导致其技术相对落后，从而带来数据获取渠道的多样化，从纸质文件、电子文件库到各业务数据，从财务数据到业务数据、、生产数据、质量数据、设备数据等，企业积累了大量的数据，从企业内部到外部，需要整合来自不同渠道的、不同组织和不同格式的多种数据。
2、实时采集处理难、数据共享存在安全顾虑
一方面各类数据源实时产生大量数据，另一方面越来越多的业务要能够对数据做出快速的反馈，如指标预警，针对实时数据的采集和处理变得愈发重要，但传统的数据处理流程不能很好地解决时效性问题；另外企业进行数字化转型，应当首先满足数据合规、安全管控的相关要求。当前的数据驱动高度依赖客户信息的采集和使用，建立有效的数据安全管理机制，尤其重要。
3、业务与技术、决策与执行落地没有形成闭环，存在差异
从流程驱动到数据驱动，需要业务部门和技术部门的高度配合，实际应用中，技术部门主导会因对业务场景的理解有限，造成落地应用不及预期，不断返工，业务部门主导则会对技术考虑不周全，但不到预期，落地难；企业管理者当前没有充分利用积累的各种数据，来支撑企业的有效决策，战略的规划，自上而下地推行，在执行过程中通常会各种问题、执行情况反馈不及时、不准确，存在失真。