企業會將各種IT和業務功能外包給服務提供商，這就包括一些非常具有戰略意義的功能。而數據分析也越來越多地成為技術領域更具競爭優勢的領域之一。

通過數據分析外包，企業雇傭服務提供商對他們提供給外包公司的數據進行分析。有行業研究表明，市場對這項服務的需求正在上升。

市場研究和咨詢公司Hexa Research的一份2017年報告稱，2016年至2024年間全球數據分析外包市場的復合年增長率(CAGR)將超過30%，在預測期末期年收入將超過60億美元。

[[233442]]

據Hexa的報告稱，對數據分析優勢的認識提高，也是一個關鍵的市場推動因素。報告稱，企業正在逐漸意識到數據分析在收入最大化和分析消費者選擇方面所扮演的重要作用，而且并非每個企業組織具備有效的數據分析所需的知識和資源。

另外，數據分析專業人員的稀缺，阻礙了數據分析的競爭發展，這進一步推動了對數據分析服務的需求。Hexa報告將數據分析分為這三個主要類型：預測型、說明型、描述型，并稱描述型分析在整個市場中占據主要份額。Hexa預測，隨著企業組織的廣泛采用，說明型分析將會呈現明顯增長趨勢。

在一般外包類別中，服務可以劃分為離岸外包和在岸外包

市場研究公司451 Research的云和IT服務研究總監Katy Ring表示：“云交付使得企業可以更容易地從勞動力成本較低的地區訪問數據，這也許可以降低持續管理算法的成本。但實際上，相比之下機器學習技術更有可能大幅降低這方面的成本。數據管理系統的工程設計本身可能比數據分析更適合于離岸的方式。“

安永咨詢服務全球分析合作伙伴負責人Beatriz Sanz Saiz表示，由于機器在數據處理中占主導，所以隨著時間的推移，離岸概念將逐漸被淡化，未來不是說離岸外包或在岸外包，而更多地是關于人與機器如何合作獲得最佳結果。”

數據分析外包可能并不適合與所有類型的組織或者各種類型的分析。顯然有潛在的好處，但也有風險。下面我們根據行業專家的見解，總結了數據分析外包的一些優缺點。

優點：獲得短缺技能

眾所周知，具有某些IT技能的人才供不應求，例如專門從事云計算、高級分析、大數據、數據湖和數據科學等領域的專業人才。外包公司通過提供這種專業技能可幫助縮小這一差距。

Ring說：“隨著數據量的不斷增加，想要在傳統數據中心內跟上數據增長的步伐是不太可能的。這促使人們利用AWS、微軟Azure和Google Cloud Platform上的大數據來管理云中的數據資產。”

Ring說，為此企業組織需要云管理平臺，這樣他們就能夠配置大數據湖，通過單一控制臺管理數據負載和數據傳輸。“然而，與不具備適當技能的IT團隊實施這種方法是充滿挑戰的，而通過外包的方式可以讓企業組織獲得這種技能。”

缺點：面向錯誤選擇提供商的風險

決定與哪個服務提供商合作，這對任何一種外包來說都是一項挑戰，數據分析也不例外。

Close表示：“選擇供應商可能是件很困難的事情，因為有那么多被吹捧為‘最佳的’技術。成本顯然是選擇供應商過程中一個主要因素，但團隊文化的適應和協調也同樣重要。”

他認為，如今企業期望建立更具有戰略意義的、高度互動的合作伙伴關系，在這種合作關系下，資源匯聚到日常運營中，溝通渠道是有效的，實現業務成果至關重要。她說：“這些都是除了降低成本之外可以取得的成果。”

優點：行業專長

雖然一些數據分析功能是普遍的，但也有一些數據分析功能是某些行業特定的，如醫療和金融服務。尋找到具有深厚行業專業知識的外包合作伙伴，這是一個體現競爭優勢的加分項。

“例如，具備零售領域專業技能的供應商，擁有特定的分析服務產品，如客戶終身價值分析、商店銷售分析、盈利能力分析或市場購物籃分析——所有這些都是零售行業特定的。” International金融和會計、Data BPaaS和分析服務研究經理Alison Close表示。

“這些供應商還可以提供基準數據/指標，以顯示與行業標準或行業其他參與者的對比點。這可以被視為競爭優勢。”

缺點：成本與價值的折中

Ring說，一旦外部服務供應商將預測模型打造和轉換為一款產品，那么就需要根據需求進行實施。這意味著要在算法中進行調整和重新部署規則，使其提供的洞察仍是有意義的。

Ring說：“數據不斷變化，所以模型不能降級。但是，持續不斷的更新是有代價的，而且價格要超過業務線用于BI(商業智能)報告所購買的內部IT服務。”

事實上，整個外包服務成本問題可能是一個挑戰，特別是對于那些運營著模式更復雜的大型組織而言。

得到企業高管的認可和資金支持，這“可能是個挑戰，尤其是如果你試圖集中各種孤島式的數據源，以及集中那些參與決策或者資金流程的不同業務線”。

優點：輕松可擴展，數據分析快速成熟的一個途徑

除了獲得數據分析能力之外，外包服務還可以幫助企業快速建立一個分析基礎架構，這一點并不容易，甚至不太可能企業自己在內部做到。

數據分析“已成為開展業務過程中一個自然而然的部分，而且現在不僅僅涉及數據倉庫和商業智能，還需要一定程度的可擴展性和復雜性，這在企業內部并不容易發現。企業組織尋求外部[分析]支持的最常見原因之一，是因為他們缺乏[內部資源]來滿足這種不斷增長的需求，”Gartner數據和分析研究總監Jorgen Heizenberg這樣表示。

Heizenberg說，另外也要考慮在獲得數據分析能力的同時還可以降低成本，因為這些供應商通常會利用起各種分析資產，如框架和加速器。

Close表示，利用供應商的技術專長，不管是實施數據倉庫、還是引入機器人流程自動化、或者是基于云計算的工具來提高運營效率都是一大優勢。“將數據分析外包給第三方供應商還有助于推出企業目前可能不會想到的、更具有創新性的解決方案。”

優點：失去對數據存儲和分析模型的控制

任何外包通常意味著放開某些東西例如控制權，在某些情況下甚至包括員工。分析外包要犧牲的最大資源之一就是分析模型。

Ring說：“對于作為洞察即服務來說，客戶通常會提供數據給服務提供商，讓服務提供商給客戶提供答案。在這種模式下，客戶從來也不是邏輯或算法的擁有者。因此，當客戶退出時，他們擁有的只是數據和建議，而不是模型、方法、框架或配置。”

Close表示，那些把數據分析外包的企業可能會擔心他們數據實際存儲在哪里，以及這個存儲位置是否是他們的最佳選擇。她說：“數據是否保存在提供商數據中心的一個專有環境中，僅面向你的企業?或者保存在提供商數據中心的一個托管‘共享’公有云環境中?”

優點：確保持續的數據保護合規

隨著數據量的增長，對數據的管理和分析可能會使企業組織面臨更大的違規風險。

Ring說，跨不同數據源系統的治理和安全策略之間的差異，給企業審計數據湖中的數據帶來了挑戰。

“特別各種圍繞個人身份信息的要求，以及通用數據保護條例(GDPR)的生效，需要更容易地審計數據，這將成為尋求外部外包合作伙伴的一個催化劑，”Ring說。

缺點：需要自己制定數據管理策略

要支持企業組織內部的數據民主化，就需要一位首席數據官(CDO)來負責制定企業范圍內數據的獲取、管理和共享策略。

Ring說，需要正確設計自助服務式分析和治理層，才能隨著時間的推移支持支持一系列場景，這就是首席數據官這個角色如此重要的原因。

Ring說：“首席數據官最終負責圍繞數據管理的業務和IT協調。如果[外包的部門]沒有這種內部角色，那么外包方式所能取得的成功就會是有限的。”

優點：利用數據價值發揮更大潛力

有人說數據是​​企業的新型貨幣，利用分析獲得業務收益肯定是有很大潛力的。

Saiz說：“機器在數據處理中占據主導，因此數據和分析的價值鏈將從根本上發生改變。正如在每個數字化業務中都會發生‘脫媒’，這樣價值將停留在業務兩端，無論是在數據端還是在決策支持/業務洞察端。”

在這種情況下，外包可能帶來的好處就是，有機會利用數據市場并建立替代性的業務模式，“由獨立的第三方運行多個組織的數據保管，并推廣匿名和安全的數據交換概念平臺”。

缺點：潛在的沖突

達成外包協議的雙方，都希望合作能順利進行。但是問題可能會突然出現，打破關系的和諧。如果企業在簽署合同的過程中不夠徹底的話，更是如此。

當外包數據分析的時候，“企業組織經常忘記包括終止、數據治理、IP[知識產權]所有權、責任、指標和SLA、定價模式、額外容量和更新成本等重要合同條款，”Heizenberg說。這可能會導致在合作期間或結束時發生潛在的沖突。