当前位置:CIO技术探讨 → 正文

外包数据分析的优势和劣势

责任编辑:cres 作者:Bob Violino |来源:企业网D1Net  2018-06-22 11:07:07 原创文章 企业网D1Net

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。
 
公司将各种IT和业务功能外包给服务提供商(包括一些非常具有战略性的服务提供商)。数据分析日渐成为技术频谱中更具竞争优势的部分之一。
 
有了数据分析外包,企业就可以聘请服务提供商对他们提供给外包公司的数据进行分析。行业研究表明,对该服务的需求正在上升。
 
例如,市场研究和咨询公司Hexa Research于2017年公布的报告称,截至到预测期,全球数据分析外包市场将在2016年至2024年间的复合年增长率(CAGR)超过30%,年收入超过60亿美元。
 
Hexa的报告指出,人们越发认识到,数据分析所带来的优势是一个关键的市场推动因素。该报告称,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。
 
另外,数据分析专业人员的稀缺阻碍了竞争性数据分析的发展。这进一步刺激了人们对分析服务的需求。Hexa的报告将分析分为三种主要类型——预测性,说明性和描述性——并指出描述性分析在整个市场中占有主要份额。该公司预测说明性分析会有显著的增长,因其在组织中得到了广泛的采用。
 
在一般的外包类别中,服务可以通过离岸外包和在岸外包进行区分。
 
研究公司451 Research的云和IT服务研究总监Katy Ring表示:“云交付使获取世界各地劳动力成本较低的地区的数据变得更容易,这可以降低持续算法管理的成本。但实际上,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(而非分析)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全球分析合作伙伴领导者Beatriz Sanz Saiz说:“随着时间的推移,离岸概念将逐渐遭到淡化。它与离岸外包或[在岸外包]的关系变淡了,更多的是关于人与机器如何共同合作,以获得最佳成果。”
 
外包数据分析不一定对所有的组织或分析都有意义。它有潜在的好处,但也有风险。以下是根据行业专家的洞察给出的外包数据分析的一些优势和劣势。
 
优势:获得短缺技能
 
众所周知,具有一定IT技能的人才供不应求,其中包括专门从事云计算、高级分析、大数据、数据湖泊和数据科学等领域的专业人员。外包公司可以通过提供这种专业知识来缩小差距。
 
Ring说:“事实证明,随着数据量的不断扩大,保持传统数据中心的速度是不可能的。这促使人们通过使用Amazon Web Services、Microsoft Azure和Google Cloud Platform上的大数据来管理云中的数据资产。”
 
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团队一起实施是很难的。外包可以为组织提供这种技能。”
 
劣势:选错提供者的风险
 
就外包活动而言,要决定与哪个服务提供商合作,这不是一件容易的事情,数据分析也不例外。
 
Close说:“供应商无不在吹捧自己的技术为行业最佳,这使选择变得很困难。虽然成本显然是选择过程中的一个主要因素,但团队的文化适应和协调也起着同样重要的作用。”
 
Close表示,如今公司期望有更多战略性的,高度人性化的合作关系,在这种关系中,资源在日常运营中是根深蒂固的,沟通渠道是高效的,并且实现业务成果至关重要。她说:“这些成果不仅仅是降低成本。”
 
优势:行业专长
 
虽然有些数据分析功能无处不在,另一些则可能特定于某些部门,如医疗和金融服务。找到具有深厚行业专长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和分析服务的金融和会计研究经理Alison Close表示:“例如,能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,如客户终身价值分析、店面销售分析、盈利能力分析或市场购物篮分析——都是针对该行业的非常具体的技术。”
 
Close说:“他们还可以提供基准数据/指标,以显示与行业标准或行业其他参与者的比较点,这可以作为提供商的竞争优势。”
 
劣势:成本与价值的权衡
 
Ring说,一旦外部服务提供商创建了预测模型并将其转换成产品,就要在需要使用的时限内实施。这意味着要在算法中调整和重新部署规则,以便它提供的洞察力仍然具有重要性。
 
Ring说:“数据不断发生变化,所以不能任由模型降级。然而,不断的更新是有代价的,而且这个代价将超过业务线用于BI(商业智能)报告的内部IT服务所支付的价格。”
 
事实上,整个外包服务的成本问题都可能很棘手,特别是对于运营模式更复杂的大型组织而言。
 
Close说:“在整个企业中,以及在资金方面获得高管的支持”可能是一个难题,特别是,如果你试图将存在于孤岛中的数据源集中化,并且在决策制定或资金流程中涉及到不同的业务线。”
 
优势:易于扩展的特性和分析成熟的快速途径
 
外包服务除了可以获得数据分析技能之外,还可以帮企业快速创建一个在内部很难创建或根本不可能创建的分析基础架构。
 
Gartner数据和分析研究总监Jorgen Heizenberg说:数据分析“已成为开展业务的浑然一体的组成部分,它现在不仅仅‘只是’数据仓库和商业智能。这需要有一定程度的,往往是内部所不具备的可扩展性和复杂性。组织寻求外部[分析]支持的最常见原因之一就是它们缺乏[内部资源]来满足这种不断增长的需求。”
 
Heizenberg说,另一个要考虑的因素是这样一种可能性——在获得这些分析功能的同时降低成本,因为这些提供商常常利用框架和加速器等分析资产(analytical asset)。
 
Close表示,利用供应商的技术专长,无论是实施数据仓库还是引入机器人过程自动化或基于云计算的工具来提高运营效率,这些都是加分项。她说:“将数据分析外包给第三方提供商还可能有助于推出企业目前可能不会考虑的更具创新性的解决方案。”
 
劣势:失去对数据存储和分析模型的控制
 
所有外包安排都意味着要放弃某些东西,如控制权,在某些情况下甚至包括放弃员工。在有了分析外包的情况下,分析模型成了最大的牺牲资源之一。
 
Ring说:“就洞察即服务而言,客户通常会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,客户对逻辑或算法从来就没有控制器。因此,当客户退出时,他们所拥有的只是数据和推荐,而不是模型、方法、框架或配置。”
 
Close表示,外包数据分析的公司可能也会担心数据实际存储的位置以及存储位置是否是最佳选择。她说:“它是否内部存储在专门的环境中,仅供你的供应商数据中心里的组织使用?或者在提供商数据中心托管的‘共享的’公共云环境中?”
 
优势:确保持续的数据保护合规性
 
随着数据量的增长,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说,数据源系统中的治理和安全策略之间的差异为公司在审计数据湖中的数据时带来了难题。
 
Ring说:“特别是,随着对个人身份信息和通用数据保护条例(GDPR)的要求的生效,对更容易审计的数据的需求可能会成为寻求外部外包合作伙伴的催化剂。”
 
劣势:拥有数据管理策略的需求
 
Ring说,我们需要首席数据官(CDO)来支持公司范围内采集、管理和共享数据的策略,以支持组织内部数据的民主化。
 
Ring说,自助式服务分析和治理层要设计得当,以启用一系列的用例,这就是首席数据官的职责很重要的原因。
 
Ring说:“首席数据官最终负责数据管理方面的业务和IT协调。如果[外包组织]不具备这种内部角色,那么外包方法所能取得的成功将十分有限。”
 
优势: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)将会发生,因此价值将存在于业务的两端,要么在数据端,要么在决策支持/业务洞察端。”
 
在这种情况下,外包可能带来的好处就是有机会利用数据市场并建立其它业务模式,“由一个独立的第三方运行多个组织的数据保管并推广匿名和安全的数据交换概念平台”,Saiz这样说道。
 
劣势:发生冲突的可能性
 
所有订立外包协议的人都希望双方的关系进展顺利。但是会危及到合理安排的问题会突然出现。如果公司在合同订立方面还不彻底的话,这种情况尤甚。
 
Heizenberg说,组织在外包数据分析时“经常忘记要包含终止、数据治理、IP [知识产权]所有权、责任、指标和服务水平协议、定价模式以及额外的容量和更新成本等重要合同条款”,这可能会导致在雇佣期间或结束时发生潜在的冲突。

关键字:CIO数据分析

原创文章 企业网D1Net

x 外包数据分析的优势和劣势 扫一扫
分享本文到朋友圈
当前位置:CIO技术探讨 → 正文

外包数据分析的优势和劣势

责任编辑:cres 作者:Bob Violino |来源:企业网D1Net  2018-06-22 11:07:07 原创文章 企业网D1Net

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。
 
公司将各种IT和业务功能外包给服务提供商(包括一些非常具有战略性的服务提供商)。数据分析日渐成为技术频谱中更具竞争优势的部分之一。
 
有了数据分析外包,企业就可以聘请服务提供商对他们提供给外包公司的数据进行分析。行业研究表明,对该服务的需求正在上升。
 
例如,市场研究和咨询公司Hexa Research于2017年公布的报告称,截至到预测期,全球数据分析外包市场将在2016年至2024年间的复合年增长率(CAGR)超过30%,年收入超过60亿美元。
 
Hexa的报告指出,人们越发认识到,数据分析所带来的优势是一个关键的市场推动因素。该报告称,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。
 
另外,数据分析专业人员的稀缺阻碍了竞争性数据分析的发展。这进一步刺激了人们对分析服务的需求。Hexa的报告将分析分为三种主要类型——预测性,说明性和描述性——并指出描述性分析在整个市场中占有主要份额。该公司预测说明性分析会有显著的增长,因其在组织中得到了广泛的采用。
 
在一般的外包类别中,服务可以通过离岸外包和在岸外包进行区分。
 
研究公司451 Research的云和IT服务研究总监Katy Ring表示:“云交付使获取世界各地劳动力成本较低的地区的数据变得更容易,这可以降低持续算法管理的成本。但实际上,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(而非分析)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全球分析合作伙伴领导者Beatriz Sanz Saiz说:“随着时间的推移,离岸概念将逐渐遭到淡化。它与离岸外包或[在岸外包]的关系变淡了,更多的是关于人与机器如何共同合作,以获得最佳成果。”
 
外包数据分析不一定对所有的组织或分析都有意义。它有潜在的好处,但也有风险。以下是根据行业专家的洞察给出的外包数据分析的一些优势和劣势。
 
优势:获得短缺技能
 
众所周知,具有一定IT技能的人才供不应求,其中包括专门从事云计算、高级分析、大数据、数据湖泊和数据科学等领域的专业人员。外包公司可以通过提供这种专业知识来缩小差距。
 
Ring说:“事实证明,随着数据量的不断扩大,保持传统数据中心的速度是不可能的。这促使人们通过使用Amazon Web Services、Microsoft Azure和Google Cloud Platform上的大数据来管理云中的数据资产。”
 
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团队一起实施是很难的。外包可以为组织提供这种技能。”
 
劣势:选错提供者的风险
 
就外包活动而言,要决定与哪个服务提供商合作,这不是一件容易的事情,数据分析也不例外。
 
Close说:“供应商无不在吹捧自己的技术为行业最佳,这使选择变得很困难。虽然成本显然是选择过程中的一个主要因素,但团队的文化适应和协调也起着同样重要的作用。”
 
Close表示,如今公司期望有更多战略性的,高度人性化的合作关系,在这种关系中,资源在日常运营中是根深蒂固的,沟通渠道是高效的,并且实现业务成果至关重要。她说:“这些成果不仅仅是降低成本。”
 
优势:行业专长
 
虽然有些数据分析功能无处不在,另一些则可能特定于某些部门,如医疗和金融服务。找到具有深厚行业专长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和分析服务的金融和会计研究经理Alison Close表示:“例如,能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,如客户终身价值分析、店面销售分析、盈利能力分析或市场购物篮分析——都是针对该行业的非常具体的技术。”
 
Close说:“他们还可以提供基准数据/指标,以显示与行业标准或行业其他参与者的比较点,这可以作为提供商的竞争优势。”
 
劣势:成本与价值的权衡
 
Ring说,一旦外部服务提供商创建了预测模型并将其转换成产品,就要在需要使用的时限内实施。这意味着要在算法中调整和重新部署规则,以便它提供的洞察力仍然具有重要性。
 
Ring说:“数据不断发生变化,所以不能任由模型降级。然而,不断的更新是有代价的,而且这个代价将超过业务线用于BI(商业智能)报告的内部IT服务所支付的价格。”
 
事实上,整个外包服务的成本问题都可能很棘手,特别是对于运营模式更复杂的大型组织而言。
 
Close说:“在整个企业中,以及在资金方面获得高管的支持”可能是一个难题,特别是,如果你试图将存在于孤岛中的数据源集中化,并且在决策制定或资金流程中涉及到不同的业务线。”
 
优势:易于扩展的特性和分析成熟的快速途径
 
外包服务除了可以获得数据分析技能之外,还可以帮企业快速创建一个在内部很难创建或根本不可能创建的分析基础架构。
 
Gartner数据和分析研究总监Jorgen Heizenberg说:数据分析“已成为开展业务的浑然一体的组成部分,它现在不仅仅‘只是’数据仓库和商业智能。这需要有一定程度的,往往是内部所不具备的可扩展性和复杂性。组织寻求外部[分析]支持的最常见原因之一就是它们缺乏[内部资源]来满足这种不断增长的需求。”
 
Heizenberg说,另一个要考虑的因素是这样一种可能性——在获得这些分析功能的同时降低成本,因为这些提供商常常利用框架和加速器等分析资产(analytical asset)。
 
Close表示,利用供应商的技术专长,无论是实施数据仓库还是引入机器人过程自动化或基于云计算的工具来提高运营效率,这些都是加分项。她说:“将数据分析外包给第三方提供商还可能有助于推出企业目前可能不会考虑的更具创新性的解决方案。”
 
劣势:失去对数据存储和分析模型的控制
 
所有外包安排都意味着要放弃某些东西,如控制权,在某些情况下甚至包括放弃员工。在有了分析外包的情况下,分析模型成了最大的牺牲资源之一。
 
Ring说:“就洞察即服务而言,客户通常会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,客户对逻辑或算法从来就没有控制器。因此,当客户退出时,他们所拥有的只是数据和推荐,而不是模型、方法、框架或配置。”
 
Close表示,外包数据分析的公司可能也会担心数据实际存储的位置以及存储位置是否是最佳选择。她说:“它是否内部存储在专门的环境中,仅供你的供应商数据中心里的组织使用?或者在提供商数据中心托管的‘共享的’公共云环境中?”
 
优势:确保持续的数据保护合规性
 
随着数据量的增长,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说,数据源系统中的治理和安全策略之间的差异为公司在审计数据湖中的数据时带来了难题。
 
Ring说:“特别是,随着对个人身份信息和通用数据保护条例(GDPR)的要求的生效,对更容易审计的数据的需求可能会成为寻求外部外包合作伙伴的催化剂。”
 
劣势:拥有数据管理策略的需求
 
Ring说,我们需要首席数据官(CDO)来支持公司范围内采集、管理和共享数据的策略,以支持组织内部数据的民主化。
 
Ring说,自助式服务分析和治理层要设计得当,以启用一系列的用例,这就是首席数据官的职责很重要的原因。
 
Ring说:“首席数据官最终负责数据管理方面的业务和IT协调。如果[外包组织]不具备这种内部角色,那么外包方法所能取得的成功将十分有限。”
 
优势: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)将会发生,因此价值将存在于业务的两端,要么在数据端,要么在决策支持/业务洞察端。”
 
在这种情况下,外包可能带来的好处就是有机会利用数据市场并建立其它业务模式,“由一个独立的第三方运行多个组织的数据保管并推广匿名和安全的数据交换概念平台”,Saiz这样说道。
 
劣势:发生冲突的可能性
 
所有订立外包协议的人都希望双方的关系进展顺利。但是会危及到合理安排的问题会突然出现。如果公司在合同订立方面还不彻底的话,这种情况尤甚。
 
Heizenberg说,组织在外包数据分析时“经常忘记要包含终止、数据治理、IP [知识产权]所有权、责任、指标和服务水平协议、定价模式以及额外的容量和更新成本等重要合同条款”,这可能会导致在雇佣期间或结束时发生潜在的冲突。

关键字:CIO数据分析

原创文章 企业网D1Net

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^