| 挑战 | 适用性级别 | |
| 企业 | 供应链 | |
| 道德和管理：分析管理风格，避免“冷”数据驱动的过度依赖信息；挑战从复杂的报告(描述性报告与预测分析)中提炼出可行的正确决策并避免滥用 | √ | √ |
| 转型变革：完善当前的组织结构(动态流程，结构，报告，技能)以充分利用大数据的潜力 | √ | √ |
| 文化变革：在决策过程中建立以数据为导向的思维模式，并从信息中挑战“新的真相”，建立对信任数据的开放性(不仅用于测试，还用于生产) | √ | √ |
| 业务战略和目标：通过商业案例确定大数据的明确需求；明确通过大数据要实现的目标(诸如应对新竞争对手进入的威胁等目的) | √ | √ |
| IT能力和基础设施：缺乏强大的基础设施(技术、流程和人员)来处理实时信息是一个挑战 | √ | √ |
| 财务影响：所需的高投资(技术、流程和人员)以及缩短IT基础设施投资周期 | √ | √ |
| 信息管理：信息复杂性(完整性、质量、数量)的管理；识别和了解相关信息，避免不准确的信息 | √ | √ |
| 信息和网络安全：信息泄露的威胁；尊重客户的个人数据隐私；私有和公共数据之间的区别越来越具有挑战性 | √ | √ |
| 人才管理和人力资源：缺乏技术资源(分析、数据驱动、技术理解)；不重视人才管理(大数据员工的角色描述不明确) | √ | √ |
| 整合与协作：跨职能协作，跨企业边界的整合以及大数据所需客户的不合作 |
| √ |
| 治理与合规：需要CXO(首席数据官)高效地协调和控制供应链中的大数据工作，并制定相应的协作规则(目标、标准化、激励) |
| √ |