数据科学家可以外包吗？

对于那些招揽不到数据科学家人才的企业来说，除了内部培养之外，能否考虑外包的方式呢，数据分析外包有何优点和缺点？从长远看，企业应当采取何种数据分析战略？

在IT经理网之前的"没有数据科学家大数据就玩不转了吗？“一文中，介绍了企业在请不到“诸葛亮”的情况下如何借大数据的东风：

企业在这个人才匮乏的大数据时代， 利用已有的工具， 结合自身对行业的专业知识， 采取合适的策略， 同样也可以从数据和数据分析中获益。

但是对于电子商务、零售、能源、制造、通讯、消费品等数据密集型行业的企业来说，数据科学家（团队）依然是企业打造大数据竞争力，向数据分析型企业转型的催化剂和关键环节，对这些企业来说，可以暂时没有设置“首席数据官”、“数据科学家”之类的职位，但是其工作必须有人来做。

除了在人才市场重金追逐数据科学家外，很多企业选择将员工送回校园学习最新的数据管理和分析技术，但是这些方法远水不解近渴，根据Gartner的报告，全球大数据相关岗位的入职率只有三分之一。

如果说招聘和内部培养都难以满足需要的话，企业是否可以考虑外包呢？

埃森哲分析师Narendra Mulani指出：

数据科学家人才极度稀缺，企业可以考虑外包一部分数据科学家的工作出去，但是将数据分析看作某种商品是一种危险的观点。因为能够指导企业策略的数据分析需要相关人员同时对行业和企业有深刻认识。

IBM大数据副总裁Anjul Bhambhri也赞同Mulani的观点："你永远不可能把关键的数据分析工作全部外包出去。"

外包的优点

将数据分析工作外包给专业公司或者数据分析顾问的最大好处就是节省时间。企业无需在招聘数据科学家这个环节耗费大量时间，对于中小企业来说，如果数据分析并非核心业务，完全可以考虑外包。

数据分析外包的另外一个好处是，局外人往往能从全新的角度看待企业数据，而企业内部人士往往不能跳出业务和流程的窠臼。企业外部的专业数据服务团队往往能对企业数据进行"探索式分析"。

此外，外包数据分析业务还能解决企业数据分析工作负载大幅变化的问题。例如在奥运会期间，很多企业的营销活动数据分析工作大幅增长，依靠内部数据分析团队往往无法应付这种时间紧任务急的情况。 最后，正如德勤信息管理总监David Steier所说：

对很多企业来说，数据分析外包是唯一选择，因为内部建立一支数据科学家团队实在太难了。

外包的缺点

首先外包意味着或多或少与第三方分享企业关键业务数据或者情报，虽然有合同条款约束，但外包获得的数据分析能力毕竟是建立在合作伙伴的基础之上。

IBM的Bhambhri认为："企业不能把数据分析工作全部外包出去，这倒不是担心外包合作伙伴的商业诚信，问题的关键是，数据科学家其实是企业向数据分析型企业转型的催化剂，企业需要的不仅仅是数据分析，还包括与企业决策者的沟通，企业需要打通IT和业务，这些工作并不能外包。

Bhambhri还认为，很多企业将数据分析看作是一次性项目也是错误的，因为业务数据一直在变化，企业需要内部团队跟踪并分析这种变化。从长期看，企业不能以来数据分析外包服务商。

很多专家认为数据分析外包的最大问题在于，企业外部团队很难充分了解一家企业并在数据分析中提出正确问题。这时候其实需要企业与外部数据科学家和分析团队紧密合作，确保双方对数据模型的前提达成一致。

业务流程管理公司Genpact的副总裁Pankaj Kulshreshtha认为，对于企业来说，最重要的是要意识到，必须让数据分析进入企业的血液，成为企业文化的一部分。否则，数据分析外包的投资将很难获得应有的回报。

由外而内的战略合作

对于大多数企业来说，外包是迈出大数据分析的第一步，但更重要的是，企业如何通过外包争取时间，通过培训和知识转移打造自身的数据分析能力。这时候，企业需要的往往不仅仅是一个外包服务商，而是向数据分析转型的战略合作伙伴。

埃森哲的Mulanni透露："很多客户都寻求与我们达成战略合作关系，这往往意味着需要建立新的知识产权或商务模式，因为客户不希望竞争对手也能获取自己的数据分析成果。“

与埃森哲类似，IBM强调其数据分析服务中包括培训和知识转移。Bhambhri表示：IBM向企业提供的不仅仅是大数据分析的工具和技术 ，更重要的是对企业的培训，这样当我们离开时，企业已经拥有自主分析所需的技术、工具和流程，培训和知识转移是IBM数据分析服务的重要价值主张。