بیایید به عنوان مثال به یک گروه کاهش تقلب در یک ارائه دهنده مزایا نگاه کنیم. چگونه در مورد مزایای Acme. می‌توانیم انتظار پاسخ‌های زیر را برای سؤالات داشته باشیم:
-
داده ها آشفته است. سیستم هایی برای پرداخت مطالبات و گزارش به مشتریان راه اندازی شد. تحلیل هرگز مورد توجه قرار نگرفت.
-
توسعه تجزیه و تحلیل برای کاهش تقلب در صورت موفقیت یک مزیت رقابتی بزرگ خواهد بود. الگوریتم های دقیق نباید از طریق جمع سپاری به اشتراک گذاشته شوند.
-
تجزیه و تحلیل تقلب یکی از با ارزش ترین کاربردهای یادگیری ماشینی است. ده ها یا حتی صدها میلیون دلار روی میز است و هزینه در مقایسه با آن کمرنگ است.
-
Acme نسبت به تجزیه و تحلیل ها بدبین است و می خواهد نتایج واقعی را در سه ماهه اول ببیند.
با نگاه کردن به نتایج Acme، آنها باید برای کمک به بیرون نگاه کنند. زمان پاکسازی داده ها و نشان دادن ارزش، مانع از ساختن آنها از ابتدا می شود. اما برون سپاری نیز مشکل ساز است. برای سال‌های آینده کار مداومی وجود خواهد داشت و پرداخت یک مشاور برای همه این‌ها چندان منطقی نیست.
خوشبختانه، انتخاب صرفاً اجاره یا خرید نیست. در این مقاله چهار مورد را بررسی خواهیم کرد: برون سپاری، برون سپاری، هم منبع سپاری و جمع سپاری.
توجه داشته باشید که دسته بندی اتوماسیون وجود ندارد. هیچ نرم افزاری وجود ندارد که به طور جادویی شما را قادر به تجزیه و تحلیل کند. اگر یک فروشنده نرم افزار این را به شما گفت، در را به آنها نشان دهید.
بسیاری از سازمان ها قابلیت های تحلیلی را به روش سنتی ایجاد می کنند. آنها داده های زیادی با بینش های آشکار پنهان در آن دارند. آنها می توانند سرمایه گذاری را به عنوان یک ارزش توجیه کنند، اما فشار زمانی زیادی برای انجام این کار وجود ندارد. به همین دلیل آنها یک تیم استخدام می کنند. بیایید این را صدا کنیم تامین منابع.
در حالت ایده‌آل، آنها با استخدام یک گاوچران علم داده شروع می‌کنند که می‌تواند کمی از همه کارها را انجام دهد. سپس Cowboy تیم خود را از مهندسان داده، طراحان اطلاعات و تحلیلگران استخدام می کند.
در موفق‌ترین سازمان‌ها، گروه تجزیه و تحلیل دارای پنج نقش است، رهبر آنها روی میز اجرایی می‌نشیند، و تیم دارای وظایف متقابل است. آنها می توانند به درخواست های بخش های دیگر پاسخ دهند یا ایده های خود را دنبال کنند. آنها به داده های کل سازمان دسترسی دارند و در بالاترین سطوح تصمیم گیری نفوذ دارند.
این الگو اغلب an نامیده می شود مرکز تحلیلی تعالی و به عنوان یک گروه مشاوره داخلی کار می کند که به طور بلندمدت به سازمان مشاوره می دهد. اعضای تیم تخصص خاص شرکت را توسعه می دهند و اعتماد سازمان را به دست می آورند. خطوط هوایی، شهرها و تیم های ورزشی این مفهوم را با نتایج خیره کننده پذیرفته اند. در بهترین حالت، آنها به تغییر فرهنگ کل سازمان کمک می کنند تا مبتنی بر شواهد باشد.
پس چه چیز منفی است؟ اولا، هیچ تضمینی وجود ندارد که تیم شما صلاحیت داشته باشد. هر کسی می‌تواند روی یک رزومه «دانشمند داده» بنویسد، و تفاوت زیادی بین شایستگی تحصیلی و شایستگی در دنیای واقعی وجود دارد. اکثر سازمان ها نمی توانند تفاوت بین یک تحلیلگر با تجربه و یک شارلاتان را تشخیص دهند.
همچنین، شروع به نمایش نتایج این گروه زمان می برد. آنها باید در مورد کسب و کار شما بیاموزند، داده های شما را تمیز کنند و اعتماد ایجاد کنند.
در نهایت، هنگامی که گروه شما راه اندازی شد، مانند هر بخش یا بخش دیگری می شود. لازم نیست برای ماندن در تجارت رقابت کند، بنابراین می تواند از خود راضی و بوروکراتیک شود.
گزینه واضح بعدی برون سپاری است. همه شرکت‌های مشاوره سنتی دارای قابلیت‌های تحلیلی هستند – یا حداقل می‌گویند که دارند. (نگهداری دانشمندان داده کارآمد سخت است و اغلب در مدل مشاوره سنتی به خوبی عمل نمی کنند). همچنین تعدادی شرکت جدید وجود دارند که در مشاوره تحلیلی تخصص دارند.
برخی از شرکت ها متخصصان عملکردی با تخصص خاص در تجزیه و تحلیل بازاریابی یا تجزیه و تحلیل منابع انسانی هستند. برخی از آنها حول یک صنعت خاص مانند خدمات مالی یا خطوط لوله ساخته شده اند. برخی دیگر حول یک قابلیت خاص مانند یادگیری ماشینی یا تجسم داده ها ساخته شده اند. مانند هر فروشنده دیگری، دقت نظر یک ضرورت است.
هنگامی که به نتایج سریع نیاز دارید، اما به صورت دوره ای – شاید یک پروژه چهار ماهه در هر سال، می خواهید برون سپاری کنید. یک گروه مشاوره با صلاحیت، نوار بالایی برای تجزیه و تحلیل تعیین می کند، اما آموزش، پذیرش، و دشواری حرکت به سمت فرهنگ مبتنی بر شواهد را نیز درک خواهد کرد. تامین کننده تیمی را پیشنهاد می کند، محدوده پروژه را تعریف می کند و سپس به مجموعه خاصی از محصولات قابل تحویل دست می یابد.
برای موفقیت این نوع پروژه ها، به مشاوران مجرب با تجربه عمیق در حوزه یا صنعت نیاز دارید. شما نمی توانید برای یادگیری در پرواز به آنها پول پرداخت کنید. هنگامی که به خوبی کار می کند، به سرعت نتایج با کیفیت بالا به دست می آورید و از پرداخت هزینه ها خوشحال می شوید زیرا ارزش آن بسیار بیشتر است.
جنبه منفی برون سپاری مانند هر ترتیب مشاوره ای است: انگیزه های نادرست، خزش دامنه، اعضای تیم بی تجربه و هزینه های بالا. شما باید اطمینان داشته باشید که آنها به جزئیات فکر کرده اند و مهارت های جدید خود را به یکی از رقبای شما نمی فروشند. ارزش در نظر گرفتن رویکردهای افزایشی یا تکراری و بررسی ترتیبات قراردادی جایگزین (قیمت ثابت، مزایای مشترک، پاداش و غیره) را دارد.
در نهایت، سازمان شما احتمالاً پس از خروج مشاوران نمی داند چگونه ماهیگیری کند.
Co-Sourcing یک رویکرد ترکیبی است که سعی می کند کیک خود را داشته باشد و آن را نیز بخورد. در نهایت، این یک مدل داخلی است، اما با بهره‌گیری از تخصص یک شریک مشاور، سریع‌تر به آن می‌رسد.
ایده این است که با یک تیم مشاوره برون سپاری شروع کنید، اما در یک رابطه طولانی مدت. آنها فقط نتیجه یک پروژه را ارائه نمی دهند. در عوض، آنها با تعریف یک استراتژی، اولویت بندی مجموعه ای از پروژه ها و شروع به آموزش سازمان شروع می کنند. با پیشرفت تعامل، تیم مشاوره به سازمان کمک می کند تا جایگزین هایی را برای خود استخدام کند. با گذشت زمان، اندازه تیم تقریباً ثابت می ماند، اما تعداد کمتری از آنها مشاور هستند، تا اینکه در نهایت یک تیم داخلی است.
اکثر مشاوران با این رویکرد معاشقه می کنند، اما در بسیاری از موارد با استراتژی آنها همسو نیست. اگر مدل کسب و کار شما فروش ماهی است، پس وقتی به دیگران یاد می دهید چگونه این کار را انجام دهند، به پای خود شلیک می کنید. گاهی اوقات تعامل با دانشگاه می تواند کارساز باشد: اساتید و دانشجویان به عنوان مشاور عمل می کنند و به مرور زمان برخی از آنها تیم اصلی شما را تشکیل می دهند. اما مراقب باشید. اهداف آکادمیک با اهداف سازمان شما همسو نیست.
مزیت cosourcing سرعت آن است. نتایج سریعی در مورد مسائل تحلیلی به دست می آورید و در پایان تعامل، یک تیم آماده دریافت می کنید. مشاوران بسیاری از کارهای دشوار مدیریت تغییر و زیرساخت را در حین ارائه نتایج به عهده می گیرند. کل فرآیند ممکن است یک سال یا بیشتر طول بکشد، اما در پایان کار، مشتری یک تیم، یک زیرساخت داده، برخی محصولات داده و یک سازمان متعهد دارد که ارزش تجزیه و تحلیل را ثابت کرده است.
نقطه ضعف این روش گران بودن آن است. شما به شخص دیگری برای انجام کارهای تحلیلی همراه با منابع انسانی (استخدام و آموزش)، مدیریت تغییر و ارتقاء زیرساخت داده ها پول می دهید.
بیایید یک تور سریع از مزایای Acme در اینجا داشته باشیم. به نظر می رسد که هم منبعی به بهترین وجه نیازهای آنها را برآورده می کند. این کار نتایج سریعی را برای آنها در یک محیط پیچیده به همراه خواهد داشت. اما همچنین ظرفیت مستمر مورد نیاز آنها را ایجاد خواهد کرد. به عنوان یک امتیاز اضافی، Acme در محیطی عمل می کند که سود بالقوه از تجزیه و تحلیل بسیار زیاد است. یک شریک مشترک احتمالاً در چند ماه اول ارزش کافی برای پرداخت هزینه کل گروه در سال‌های آینده پیدا خواهد کرد.
جمع سپاری حیوانی کاملاً متفاوت است. این در مورد ایجاد ظرفیت تحلیلی عمومی نیست، بلکه در عوض دسترسی به ظرفیت عمیق برای مشکلات خاص است. جمع سپاری معمولاً به عنوان یک مسابقه با “جایزه” برای هر کسی که بهترین امتیاز را کسب کند سازماندهی می شود. نتفلیکس به هر کسی که بتواند الگوریتم رتبه بندی فیلم خود را تا 10 درصد بهبود بخشد، جایزه میلیون دلاری ارائه می دهد. بیش از 40000 تیم درگیر شدند و سه سال آینده را صرف آزمایش رویکردهای مختلف کردند.