京公网安备 11010802034615号
经营许可证编号:京B2-20210330
是否应该外包数据分析?应当考虑的六个问题
人们对大数据兴趣激增,数据分析团队也显得供不应求。大数据能让企业变得更有效率,提升整体的竞争力。具备高级数据分析能力的公司已经找到了构建长期优势的方法。例如联邦快递在过去几年里就已经靠内部的专业数据分析团队强化了收入、减少了成本,从而创造并保持了竞争优势。沃尔玛能成为全球最大、最成功的零售商,也和它强大的数据分析能力密不可分。
不过,组建数据分析团队并非易事。首先,许多公司内部缺乏相关的知识与经验,无法组建数据分析团队。另外,数据分析专业人士的市场需求也日益增加。《财富》杂志最近报道,“根据对人才市场的统计,网上征求数据分析专家的广告自 2011 年 4 月以来增长了 46%,自 2009 年 4 月以来增长了 246%,目前有超过 31000 个职位空缺。”分析师的短缺──尤其是有能力组建世界级团队并带领他们通过数据分析为企业打造竞争优势的──令企业开始考虑将数据分析业务外包。不过,要选择数据分析供应商并与之构建有效的工作关系,从而为企业传递价值,需要管理者对于自己的需求以及潜在风险有清晰了解。
企业一直在将商业流程外包,数据分析是最新的一块业务。随着电信业在 1990 年代末开始勃兴,新兴市场的通讯开始改善。于是,财富 500 强公司开始将呼叫中心转移到印度和菲律宾等地,以利用当地的廉价劳动力。其中,印度由于英语普及程度和劳动人口的受教育程度较高而受到欢迎。负责客服与远程销售的呼叫中心在海外建立后,企业开始寻找其它可以外包的业务:IT 服务、电脑编程、法律研究、应用处理与会计等。
数据分析在商业流程外包中可谓姗姗来迟。印度是一个天然的选择,因为他们具备数学与统计方面的优势。许多做数据分析的离岸商业流程公司最初都是跨国公司的分部,这些跨国公司原本已经在新兴市场拥有基础设施了。有些分部一直没有脱离总公司(例如“戴尔全球分析”就是戴尔在印度负责数据分析的分部),但也有的分离了出来,或是被其它公司收购,开始向第三方提供服务。到了 21 世纪初,从事数据分析的商业流程公司已经构成了一个既成类别。部分知名财富 500 强公司都会把至少一部分数据分析工作外包。

虽然有关 IT 外包和其它商业流程外包的研究汗牛充栋,但关于企业外包数据分析的研究却十分有限。关于 IT 外包的早期研究表明,在快速变化的市场里,外包可以通过打散固定开支来增加企业的灵活性,从而促进其它和成功相关的元素。研究员也指出,企业与外包公司的关系取决于两者间的距离、是否有足够的基础设施与联系、语言与技术能力是否过关、是否有适当的应急预案等等。潜在顾客在项目开始前需要进行适当而彻底的调研,管理层要和所有相关人等全面沟通重要的决策。(注四)顾客还必须注意保护其专业知识与核心知识产权。这意味着企业首先应该弄清楚哪些属于核心业务,哪些则是外包出去更好。
虽然以上研究结果主要适用于 IT 外包,但数据分析业务与之有明显的近似之处,例如在涉及知识产权归属时做决策要格外小心。不过,数据分析外包也有一些和 IT 外包不一样的特性。举例来说,企业通过数据分析可以创造长期的竞争优势。(注六)那么,数据分析外包对于创建和维持这种优势能起到什么作用?另外,有的公司内部就有世界级的数据分析需求,但也有的公司是第一次思考数据分析的问题。这两种公司应该用不同的思维看待数据分析外包吗?
如何处理能力鸿沟
我们研究了四家跨国公司,它们都和一家或多家外包公司有合作。另外,我们也研究了四家位于印度的商业流程外包公司。在四家跨国公司里,两家的数据分析技能可谓“高超” ,另外两家则属于“有待提高”。数据分析技能有待提高的两家公司将外包公司视为获取资源和培训的管道,希望通过这些资源来管理与执行数据分析业务,快速获得深入的见解。这两家公司的一位管理者对我们说,“设立内部数据分析团队总是不错的选择,但会很贵,在无法完全预计未来能得到什么好处的前提下,很难说服管理层进行这样的投入。外包则相对简单,可以低成本地迅速获得各种能力。”
数据分析技能有待提高的两家公司在难以找到具有熟练量化分析技巧的员工的地区设有事业部。他们知道自己在数据分析方面的不足,也知道设立内部数据分析团队的难度:设立这样的团队的成本很高,若投入不足,则失败的风险很大。因此,设立专门的离岸数据分析团队也显得过于冒险。最后,他们请商业流程外包公司为他们的员工进行了数据分析方面的培训。将数据分析外包则被视为实现竞争优势的一种方式。在某些案例中,他们会根据规模、特定的技巧以及领域知识来选择外包公司。一家发包公司的管理者说:
某些规模较大的外包数据分析公司只是请了一群廉价劳动力提供一些低级分析服务,没有什么创新。不过有些小公司,创始人来自特定行业的,他们反倒有一些别人没有的技巧和知识。那些东西可以给我们带来价值。另外他们也更有竞争意识,想做我们的生意,和大的公司竞争,所以会非常努力地提供更好的服务。
不太具备数据分析能力的公司一般不需要担心内部分析团队与外包团队之竞争的问题。他们本身几乎就没有内部分析师,涉及数据分析的员工似乎很欢迎外包公司的专业人士。“我们工作很忙,分析师不够多,因此很欢迎我们在印度的离岸合作方,”一家发包公司的员工说。

原本我们以为关于知识产权的归属问题会在发包方和外包方之间形成冲突,但事实并非如此。做数据分析的外包公司一旦为甲方开发了软件,就会希望将自己的知识与经验推广给其它潜在客户──即便它是原甲方的竞争对手。对于销售人员可以拿提成的外包公司更是如此。不过,缺乏数据分析能力的甲方管理者说他们不具备处理知识产权归属的专业技能。我们研究的两家这样的甲方公司都说他们愿意将知识产权分享给外包公司。
精通数据分析的公司如何看待外包
缺乏数据分析能力的公司通常很愿意将这部分业务外包,而精通数据分析的公司则希望扩充自己内部的分析技能。大部分情况下,这些公司只会将低端分析工作(例如对追踪维护程序等自动化任务进行报告)外包给离岸公司,而不会把全部数据分析工作外包。我们采访的一位管理者解释说:
> 我们开发了自主知识产权的分析工具,因为我们的竞争对手也在这么干。在这一行里,拥有最佳分析能力的公司才能获得市场份额并让公司更高效地运转。我们不会把这些外包给数据分析供应商,因为这是和我们的竞争力息息相关的东西。
> 不过,把重复性的分析和报告工作外包给离岸公司,可以让我们内部的分析师专注于更加高级的技巧。这能让我们在竞争中保持领先。
许多专注于数据分析的外包公司(包括我们这次研究的)都分离自大企业。因此,它们保留了原企业文化的特点,同时也有更为创新的商业实践。举例来说,为了以一种更加高效的方式服务客户,某家离岸外包公司把本地分析师和全球业务代表结成了小组。某擅长数据分析的甲方公司的一位管理者说,在和某家外包公司合作的过程中,他和其他管理者找到了某些最佳实践方法,并可以在公司内部更广泛地应用。这家公司当时正在试图将其国际业务整合到两个由美国与国际子公司构成的新事业部中,以提高整个公司的全球化程度。管理者们将外包公司视作思维领袖,希望他们可以帮助自己完成这次转型。一位管理者告诉我们:“在全球化这件事上我们有很多要(向该外包公司)学习的。”
我们和那几家给擅长数据分析的跨国公司提供外包服务的公司进行了访谈,发现其中有些潜在的矛盾。某些外包公司的管理者感到他们的知识并没有被充分利用。他们说,要是甲方内部掌握了更好的数据分析技能,他们就可以向其提供更复杂的服务。显然,他们忽视了这样一种可能性:甲方将自己的分析技能视为知识财产,不愿意与外部公司分享。的确,在知识转移这件事上,甲方和外包公司可能会有严重的矛盾。外包公司将其跨行业的工作经验视为优势,这种优势可以深化他们的知识的价值。但付了钱的甲方并不总乐于看到自己的经验(以及洞见)被其它公司廉价地分享。一位外包公司的管理者说:
> 如果客户用更战略性的角度对待外包,我们就能给他们的数据分析带去更多价值。所谓战略性的角度是指我们也能参与他们的某些和竞争力相关的数据分析项目当中,对于这些项目,我们具备更强的能力。但客户在听到这样的建议时往往会感觉受到了威胁,这会令我们的关系受损。
离岸外包公司的管理者们都认同一点:若他们和甲方的关系更加开放透明,他们的服务质量也会提高。甲方通常把外包公司当成供应商,和他们之间在数据分析上的合作也往往是跟着项目走,而不是当成整体战略规划中的一个组成部分。一位外包公司的管理者说:
> 虽然我们的数据分析能力比竞争对手要强,但通常起到决定性作用的仍然是谁能以最低的价格提供常规性服务。离岸数据分析服务的商品化妨碍了更深入的合作,我们原本可以和甲方从战略性的角度一起构建更好的数据分析竞争力。
这些评语很有意思,也令我们意外,因此我们又对那两个擅长数据分析的跨国公司进行了一轮回访。我们特地问了他们:如果能和外包公司结成战略性合作关系,对方是否可以帮助他们改进业务?一位管理者回答说:
> 这些外包公司都说他们希望能更加创新,但我觉得在实际中不可行。他们雇佣的统计分析师通常都是刚刚毕业,没有什么经验。这些人的统计技能很好,但对我们的业务就是不够了解,没法做出战略性贡献。大多数情况下,我们都得自己培训外包公司的分析师……不过,一旦告诉他们应该怎么做了之后,他们都能在现有的环境中很好地创新。但是如果说要让他们一来就产生关于数据分析的突破性点子,我觉得不太可能。
在这个案例中,外包公司的管理者对于自己能够做出的贡献的认知与甲方的认知不符。的确,跨国公司或许已经想好了外包公司是否能在更高层次上提供服务──事实上他们或许已经将自己的这种构想变成了现实。
除此之外,外包公司之间可能发生的收购与并购也会令人担忧。并购可能令双方悉心构建的战略关系毁于一旦,导致客户的“战略分析”落到他人手中。
创建成功的数据分析合作关系
我们发现,不擅长数据分析、但意识到需要在这方面加强的公司可以利用离岸外包公司获得优势。一旦选择了适合自己的文化和业务需要的外包公司,这些公司就能发展出竞争力与独一无二的分析技能,从而获得竞争优势。不过要做到这点,企业必须悉心设计与外包公司的合作关系。他们要做的事情包括对外包公司的营销维持一定程度的控制权,防止外包公司将双方共同的工作过分地据为己有。
对于擅长数据分析的公司则是另一回事。对于它们而言,与外包公司合作的好处不仅仅在于低成本与低税率。我们通过研究发现了有趣的一点:即便对于擅长数据分析的公司而言,这些外包公司都能够教给他们新的东西。不过,我们采访的甲方要么已经有了内部的数据分析团队,要么打算建立这样的团队。他们不准备把全部数据分析业务都外包出去。当然,在内部做分析的好处之一是可以保护知识产权。
对于任何考虑外包数据分析业务的公司而言,若想获得外包公司较高阶的技能,就需要仔细构建与它们的关系。你需要了解双方各自的动机,以及对方被并购的可能性。在协商时,需要明确双方权责、产权归属以及各方使用信息的权限、以及一旦外包公司被并购,应该如何处理既成的工作成果、信息与知识。随着企业越来越倚赖于数据分析,这些与知识产权归属相关的问题对双方都至关重要──他们必须达成一套对双方都有益的解决方案。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16