暑假看了幾本數位轉型與數據轉型的書，覺得這兩者之間可能有層次與因果的關係。一間企業如果成功的「數據轉型」，必然會有良好的數位轉型。但如果只是數位轉型，有可能並沒有數據轉型。
前 P&G 的數位服務 VP Tony Saldanha 談數位轉型的著作《 Why Digital Transformations Fail: The Surprising Disciplines of How to Take Off and Stay Ahead》 （數位轉型為什麼會失敗：從起飛到領先的驚奇原則）提到了數位轉型的5個階段，每個階段都是從部門到跨部門到全公司的改善，其中數位轉型的5個階段分別為：
- Foundation：公司開始使用外部的SaaS等方案來改善流程
- Siloed：部分部門開始利用數位工具來產生新的商業模式
- Partially Synchronized：公司間有些部門的數位 / 數據工具可以對接
- Fully Synchronized：全公司的內部系統都已經數位化並且在同一個系統上
- Living DNA：變成一家純數位公司，這並不是說傳統業務並不要做，例如一間物流公司，純數位化之後，就是一間有貨車的數位公司。
這5個階段既是數位轉型的階段，從下面的例子可以看到，也必然需要數據分析作為基礎。
在台灣以《輕鬆搞懂數字爆的料》走紅的 Thomas H. Davenport，2017年也出版了 Competing on Analytics 更新版，雖然書本不是談數位轉型，但其中提到的企業數據轉型的5個階段，其實也與數位轉型息息相關。Davenport認為企業在數據轉型的5個階段分別是：
- Analytically impaired: 前數據階段的公司，公司當然有數據、公司當然有分析，但都是只在基本「商業計算」的層次，沒有任何分析策略。我認識很多中小企業主，幾億身家的這種，都在這個階段，開心就好。
- Localized analytics: 與上面的數位轉型5的階段1與2有點類似，已經開始導入數位分析工具，但分析的層次以描述型分析為主。數據儲存在部門當中（數據孤島），沒有跨部門的數據倉儲或者現在流行的數據中台概念。
- Analytical aspirations: 高階主管開始關心數據分析，公司可能會有個數據長或者分析長 (Chief Data & Analytics Officer) 之類的角色，公司已經有大量的預測型分析的能力，也有資料倉儲，不過許多資料庫還是沒有完全整合、沒有標準化，無法跨部門使用，自然也無法跨部門分析，與前述數位轉型的 Partially Synchronized 非常類似。
- Analytical companies: 全公司已經完全數位轉型也數據轉型，公司具有成熟的預測型分析、指示型分析能力，也導入了即時自動分析的能力，數據分析是公司的主要任務，資料儲存完全整合，數據分析可以跨部門。
- Analytical competitors: 到這個階段，公司不但已經轉型成數位公司，也是數據公司，公司的流程已經在數據的基礎上大量自動化，數據分析能力變成公司的主要競爭力。
數位轉型並不是在生產、物流、財務、人資等管道導入數位工具就好，否則這樣數位轉型也太簡單了。如果數位轉型沒有搭配數據轉型，數位工具可能很快就淪為數位化的閒置資產。一間公司要數位轉型到具備 Digital Living DNA，前提必然是先成為 Analytical company。
Why Digital Transformations Fail: The Surprising Disciplines of How to Take Off and Stay Ahead 與 Competing on Analytics 兩書在數位轉型與數據轉型的5個階段如此相像，也能彼此對照驗證，相當有趣，非常推薦同時閱讀。