您所在企业的行业领域是？
制造业
金融业
零售/电商
信息技术/互联网
医疗健康
教育
物流/运输
其他
您在企业中的职位层级是？
基层员工
基层管理者
中层管理者
高层管理者/决策者
数据分析/技术专家
您所在部门/团队在多大程度上依赖大数据分析来支持日常或战略决策？
完全不依赖
较少依赖
一般依赖
比较依赖
高度依赖
企业主要将大数据分析应用于哪些业务环节？（可多选）
市场趋势与客户洞察
产品研发与创新
供应链与物流优化
风险评估与管控
营销活动与销售预测
运营效率提升
人力资源规划
财务分析与预测
其他
您认为企业当前用于决策的大数据质量（如完整性、准确性、及时性）如何？
在您看来，从数据采集到形成可供决策的洞察，整个流程的效率如何？
非常低效，严重滞后
比较低效，常有延迟
效率一般
比较高效
非常高效，近乎实时
请对数据分析团队或工具提供的报告/模型的【易理解性】进行评分（1分表示非常难懂，5分表示非常易懂）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
请对数据分析团队或工具提供的报告/模型的【可操作性】（即能直接指导行动）进行评分（1分表示完全无法操作，5分表示可直接执行）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
基于大数据分析做出的决策，其最终结果与预期的吻合度通常如何？
远低于预期
略低于预期
基本符合预期
略高于预期
远超预期
您认为影响大数据决策准确性的主要挑战有哪些？（可多选）
数据源质量差（脏数据、缺失）
数据整合困难（孤岛问题）
分析模型或算法不适用
分析人员业务理解不足
决策者不信任或忽视数据
分析结果呈现不清，难以理解
基础设施或工具落后
缺乏持续的数据治理
其他
当数据驱动的决策与高层管理者的直觉或经验相冲突时，通常如何处理？
完全听从管理者直觉
优先采纳数据结论
进行更深入的验证与沟通，寻求共识
视具体情况和风险而定
通常回避此类冲突
从0到10分，您有多大意愿向同行推荐您企业当前的大数据决策支持体系？（0分表示完全不愿推荐，10分表示非常愿意推荐）
企业是否有专门的团队或流程对过往数据决策的效果进行复盘与校准？
没有，从不复盘
偶尔进行非正式复盘
有定期但非强制性的复盘
有制度化、定期的复盘与校准流程
不仅有复盘，还形成了持续优化的知识库
为提升决策准确性，您认为未来一年企业最应优先投资于哪些方面？（可多选）
升级数据基础设施（存储、计算）
引入更先进的 analytics/AI 工具
提升数据质量与治理
招聘或培养复合型数据分析人才
加强数据文化建设与决策者培训
建立更敏捷的“数据-决策-反馈”闭环
其他
请分享一个由大数据驱动并取得显著成功（或遭遇重大挫折）的决策案例，并简要说明数据在其中扮演的角色。（选填）
展望未来三年，您对企业利用大数据提升决策准确性的信心如何？
对于提升企业大数据决策的准确性，您还有哪些具体的意见或建议？（选填）