1. Отсутствие процесса контроля качества данных. В компании много систем, они все имеют какую-то свою логику учета, между ними настроены потоки данных, куча скриптов, таблиц, дашбордов. Все это обязательно разойдется, не будет биться между собой, часть данных вообще потеряется.

Если у вас нет автоматизированной системы, которая контролирует полноту данных и сравнивает данные в разных системах, то скорее всего у вас уже есть серьезные расхождения и нет единой точки правды, тогда о каком data driven может идти речь?

2. Отсутствие методологии работы с данными и анализа Начнем с того, что далеко не все знают, что такое пресловутый EDA, а просто верят данным, которые им поставляют системы, у которых нет контроля качества данных.

Другой вопрос это когда в компании есть какой-то регулярный аналитический процесс типа анализ трафика, анализ АБ тестов, анализ управленческой отчетности, но почему нигде нет описанной методологии как это должно делаться и каждый сотрудник может это делать своим уникальным образом.

По итогу одни и те же метрики в разных типовых анализах могут выглядеть по разному и не сходиться друг с другом.

3. Корпоративная культура Питер Друкер сказал "корпоративная культура ест стратегию на завтрак", тоже самое можно сказать про data driven. "Корпоративная культура ест data driven на завтрак".

Если в компании декларируют, что у них data driven, а потом по результатам АБ теста "самый большой босс" может отправить результат красного АБ тест в продакшн, только потому что он его считает лучше, то этот культурный код будет считываться всеми в компании и data-driven будет  только имитацией, а не культурным кодом компании.