外包数据分析的优势和劣势

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。”

 3/4   首页 上一页 1 2 3 4 下一页 尾页

BPO网版权及免责声明

1、凡本网注明：“BPO网”或者“原创”的所有作品，版权均属于BPO网所有，其他媒体、网站或个人转载使用时必须注明：“文章来源：BPO网”。违反上述声明者，本网将追究其法律责任。

2、凡本网注明“来源：XXX（非BPO网）”的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其产生的任何结果负责。