外包数据分析的优势和劣势

   组织不断地利用服务提供商来收集从数据得出的洞察。下面就来看看分析外包的好处和风险。

   各种公司IT并将业务功能外包给服务提供商（包括一些非常战略性的服务提供商）。数据分析日益成为技术频谱中更具竞争力的组成部分之一。

   通过数据分析外包，企业可以聘请服务提供商分析其向外包公司提供的数据。行业研究表明，对服务的需求正在上升。

   例如，市场研究和咨询公司Hexa Research根据2017年公布的报告，截至预测期，2016年至2024年全球数据分析外包市场复合年增长率(CAGR)超过30%，年收入超过60亿美元。

   Hexa报告指出，人们越来越意识到数据分析的优势是市场推广的关键因素。报告称，企业逐渐意识到分析在最大化收入和识别消费者选择方面的重要性，并非每个组织都配备了有效的数据分析所需的知识和资源。

   此外，数据分析专业人员的稀缺性阻碍了竞争性数据分析的发展。这进一步 ** 人们对分析服务的需求。Hexa该报告将分析分为三种主要类型：预测性、解释性和描述性，并指出描述性分析在整个市场中占有主要份额。由于其在组织中被广泛使用，该公司的预测性和解释性分析将显著增长。

   在一般外包类别中，离岸外包和在岸外包可以区分服务。

   451 研究公司Research的云和IT服务研究总监Katy Ring云交付使世界各地劳动力成本较低的地区更容易获取数据，这可以降低持续算法管理的成本。但事实上，机器学习技术更有可能显著降低这一领域的成本。数据管理系统的工程设计本身可能对离岸采购（而不是分析）更有意义。

   由于机器在数据处理方面处于领先地位，咨询公司安永的咨询服务是全球分析合作伙伴的领导者Beatriz Sanz Saiz说:随着时间的推移，离岸的概念会逐渐淡化。它与离岸外包或[在岸外包]的关系越来越弱，更多的是关于如何与人和机器合作以获得最佳效果。

   外包数据分析并不一定对所有组织或分析都有意义。它有潜在的好处，但也有风险。以下是外包数据分析的一些优缺点。

   优势：获得短缺技能

   众所周知，它有一定的特性IT技能人才短缺，包括云计算、高级分析、大数据、数据湖、数据科学等领域的专业人员。外包公司可以通过提供这些专业知识来缩小差距。

   Ring事实证明，随着数据量的不断扩大，不可能保持传统数据中心的速度。这促使人们使用它A ** zon Web Services、Microsoft Azure和Google Cloud Platform云中的数据资产由大数据管理。

   Ring说，为此，组织需要云管理平台，以便他们能够配置大型的数据湖泊，并管理来自单个控制台的数据加载和传输。他说：“然而，这类方法与内部没有[合适]技能的IT团队很难一起实施。外包可以为组织提供这种技能。

   缺点：选择错误提供商的风险

   就外包活动而言，决定与哪家服务提供商合作并不容易，数据分析也不例外。

   Close供应商都吹嘘他们的技术是行业中最好的，这使得选择非常困难。虽然成本显然是选择过程中的主要因素，但团队的文化适应和协调也起着同样重要的作用。

   Close该公司预计将有更多的战略和高度人性化的合作关系。在这种关系中，资源在日常运营中根深蒂固，沟通渠道高效，实现业务成果至关重要。她说：这些结果不仅仅是为了降低成本。

   优点：行业专长

   虽然有些数据分析功能无处不在，但有些可能针对某些部门，如医疗和金融服务。找到具有深厚行业专业知识的外包合作伙伴可能是一个巨大的竞争优势。

   国际数据公司(International Data Corp)的BPaaS金融与会计研究经理和分析服务Alison Close例如，能够提高零售领域专业知识的供应商将拥有特定的分析服务产品，如终身价值分析、商店销售分析、盈利能力分析或市场购物篮分析——是该行业非常具体的技术。

   Close他们还可以提供基准数据/指标来显示与行业标准或行业其他参与者的比较点，这可以作为供应商的竞争优势。

   缺点：权衡成本和价值

   Ring据说，一旦外部服务提供商创建了预测模型并将其转换为产品，它将在需要的时间内实施。这意味着调整和重新部署算法中的规则，以便其提供的洞察力仍然很重要。

   Ring说:数据不断变化，模型不能降级。但是，不断更新是有成本的，这个成本将超过业务线BI内部报告(商业智能)IT服务所支付的价格。

   事实上，整个外包服务的成本可能非常困难，特别是对于运营模式更复杂的大型组织。

   Close在整个企业和资金方面得到高管的支持可能是一个难题，特别是如果你试图集中岛上存在的数据源，并在决策或资金流程中涉及不同的业务线。

   优点：易于扩展的特点和分析成熟法的特点

   除了获得数据分析技能外，外包服务还可以帮助企业快速创建内部难以创建或根本无法创建的分析基础设施。

   Gartner数据和分析研究总监Jorgen Heizenberg说：数据分析已经成为业务的组成部分，它现在不仅仅是‘只是’数据仓库和商业智能。这需要一定程度的可扩展性和复杂性，通常是内部所没有的。组织寻求外部[分析]支持的最常见原因之一是缺乏[内部资源]来满足这种不断增长的需求。

   Heizenberg另一个需要考虑的因素是，在获得这些分析功能的同时降低成本的可能性，因为这些提供商经常使用框架和加速器来分析资产( ** ytical asset)。

   Close他说，无论是实施数据仓库、引入机器人过程自动化还是基于云计算的工具，利用供应商的技术专业知识来提高运营效率，这些都是奖励项目。她说：将数据分析外包给第三方提供商也可能有助于推出更创新的解决方案，这些解决方案可能不会被企业考虑。

   缺点：失去对数据存储和分析模型的控制

   所有的外包安排都意味着放弃一些东西，比如控制，甚至在某些情况下放弃员工。通过分析外包，分析模型已成为最大的牺牲资源之一。

   Ring就洞察力而言，即服务而言，客户通常向服务提供商提供数据，以便后者为客户提供答案。在这种模式下，客户从未控制过逻辑或算法。因此，当客户退出时，他们只有数据和推荐，而不是模型、方法、框架或配置。

   Close外包数据分析公司也可能担心数据的实际存储位置和存储位置是否是最佳选择。她说：它是否存储在一个特殊的环境中，仅供您的供应商数据中心的组织？还是在供应商数据中心托管的共享公共云环境中？

   优点：确保持续数据保护的合规性

   管理和分析数据的过程可能会使组织面临更大的违规风险。

   Ring在审计数据湖中的数据时，数据源系统中治理与安全策略的差异给公司带来了问题。

   Ring说：“特别是，随着对个人身份信息和通用数据保护条例(GDPR)对更容易审计的数据的要求可能是寻求外包合作伙伴的催化剂。

   缺点：需要数据管理策略

   Ring我们需要首席数据官(CDO)为支持组织内部数据的民主化，支持公司内部数据的收集、管理和共享策略。

   Ring首席数据官的职责是，自助服务分析和治理层应该设计得当，使用一系列例子。

   Ring首席数据官最终负责数据管理业务和IT协调。如果外包组织没有这样的内部角色，外包方法的成功将非常有限。

   优点：利用数据价值的巨大潜力

   据说数据是企业的新货币，利用分析获得业务收益肯定有很大的潜力。

   Saiz说：“随着机器在数据处理方面处于领先地位，数据和分析的价值链将从根本上发生改变。如同在所有数字化业务中一样，非中介化(disintermediation)因此，价值将存在于业务的两端，无论是在数据端还是在决策支持/业务洞察端。

   在这种情况下，外包的好处是有机会利用数据市场建立其他商业模式，匿名和安全的数据交换概念平台由独立的第三方运广匿名和安全的数据交换概念平台，Saiz这样说道。

   缺点：冲突的可能性

   所有签订外包协议的人都希望双方关系顺利进行。但是，会突然出现危及合理安排的问题。如果公司没有完全签订合同，尤其是这种情况。

   Heizenberg在外包数据分析中，组织经常忘记包括终止、数据治理IP [知识产权]所有权、责任、指标和服务水平协议、定价模式、额外容量和更新成本等重要合同条款，可能导致就业期间或结束时的潜在冲突。