對于那些招攬不到數據分析人才的企業來說,除了內部培養之外,能否考慮外包的方式呢,數據分析外包有何優點和缺點?從長遠看,企業應當采取何種數據分析戰略?
企業在這個人才匱乏的大數據時代, 利用已有的工具, 結合自身對行業的專業知識, 采取合適的策略, 同樣也可以從數據和數據分析中獲益。
但是對于電子商務、零售、能源、制造、通訊、消費品等數據密集型行業的企業來說,數據科學家(團隊)依然是企業打造大數據競爭力,向數據分析型企業轉型的催化劑和關鍵環節,對這些企業來說,可以暫時沒有設置“首席數據官”、“數據科學家”之類的職位,但是其工作必須有人來做。
除了在人才市場重金追逐數據科學家外,很多企業選擇將員工送回校園學習最新的數據管理和分析技術,但是這些方法是遠水不解近渴,根據Gartner的報告,全球大數據相關崗位的入職率只有三分之一。
如果說招聘和內部培養都難以滿足需要的話,企業是否可以考慮外包呢?
埃森哲分析師Narendra Mulani指出: 數據科學家人才極度稀缺,企業可以考慮外包一部分數據科學家的工作出去,但是將數據分析看作某種商品是一種危險的觀點。因為能夠指導企業策略的數據分析需要相關人員同時對行業和企業有深刻認識。
IBM大數據副總裁Anjul Bhambhri也贊同Mulani的觀點:"你永遠不可能把關鍵的數據分析工作全部外包出去。"
將數據分析工作外包給專業公司或數據分析顧問的最大好處是節省時間。企業無需在招聘數據科學家這個環節耗費大量時間,對于中小企業來說,如果數據分析并非核心業務,完全可以考慮外包。
數據分析外包的另外一個好處是,局外人往往能從全新的角度看待企業數據,而企業內部人士往往不能跳出業務和流程的窠臼。企業外部的專業數據服務團隊往往能對企業數據進行"探索式分析"。
此外,外包數據分析業務還能解決企業數據分析工作負載大幅變化的問題。例如在奧運會期間,很多企業的營銷活動數據分析工作大幅增長,依靠內部數據分析團隊往往無法應付這種時間緊任務急的情況。 最后,正如德勤信息管理總監David Steier所說: 對很多企業來說,數據分析外包是唯一選擇,因為內部建立一支數據分析團隊實在太難了。
首先外包意味著或多或少與第三方分享企業關鍵業務數據或者情報,雖然有合同條款約束,但外包獲得的數據分析能力畢竟是建立在合作伙伴的基礎之上。
IBM的Bhambhri認為:"企業不能把數據分析工作全部外包出去,這倒不是擔心外包合作伙伴的商業誠信,問題的關鍵是,數據科學家其實是企業向數據分析型企業轉型的催化劑,企業需要的不僅僅是數據分析,還包括與企業決策者的溝通,企業需要打通IT和業務,這些工作并不能外包。
Bhambhri還認為,很多企業將數據分析看作是一次性項目也是錯誤的,因為業務數據一直在變化,企業需要內部團隊跟蹤并分析這種變化。從長期看,企業不能以來數據分析外包服務商。
很多專家認為數據分析外包的最大問題在于,企業外部團隊很難充分了解一家企業并在數據分析中提出正確問題。這時候其實需要企業與外部數據科學家和分析團隊緊密合作,確保雙方對數據模型的前提達成一致。
業務流程管理公司Genpact的副總裁Pankaj Kulshreshtha認為,對于企業來說,最重要的是要意識到,必須讓數據分析進入企業的血液,成為企業文化的一部分。否則,數據分析外包的投資將很難獲得應有的回報。
對于大多數企業來說,外包是邁出大數據分析的第一步,但更重要的是,企業如何通過外包爭取時間,通過培訓和知識轉移打造自身的數據分析能力。這時候,企業需要的往往不僅僅是一個外包服務商,而是向數據分析轉型的戰略合作伙伴。
埃森哲的Mulanni透露:“很多客戶都尋求與我們達成戰略合作關系,這往往意味著需要建立新的知識產權或商務模式,因為客戶不希望競爭對手也能獲取自己的數據分析成果。”
與埃森哲類似,IBM強調其數據分析服務中包括培訓和知識轉移。Bhambhri表示:IBM向企業提供的不僅僅是大數據分析的工具和技術 ,更重要的是對企業的培訓,這樣當我們離開時,企業已經擁有自主分析所需的技術、工具和流程,培訓和知識轉移是IBM數據分析服務的重要價值主張。