京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据技术:内包还是外包
对于零售商来说,大数据是一把双刃剑。这些公司正在努力探索全方位的市场竞争,因为他们试图抵御像亚马逊公司这样的行业巨头,一些公司正在将大量资源部署到开发自己的大数据解决方案中,以试图与零售巨头进行竞争。
对于零售商来说,大数据是一把双刃剑。这些公司正在努力探索全方位的市场竞争,因为他们试图抵御像亚马逊公司这样的行业巨头,一些公司正在将大量资源部署到开发自己的大数据解决方案中,以试图与零售巨头进行竞争。
零售商面临的一个问题是他们需要内部构建还是应该将其外包给供应商。
随着软件即服务(SaaS)模式的普及,在企业环境中部署新的解决方案变得越来越简单和快速。这自然会导致行业不断增长的创新,因为传统的解决方案在短短几个星期内就容易被更新颖,更有效的解决方案所替代。
同时,大型零售商希望在公司内部开发解决方案的愿望,就像亚马逊在内部技术上投入大量资金,自己开发很多产品。然而,重要的是要意识到,并不是所有的产品和解决方案都可以或应该在内部建设。零售商应将基础设施视为数据平台,供应商以同样的方式进行创新,MAC和Android平台允许个别开发人员通过应用程序进行创新。
人们相信,云计算算法将在未来几年成为最常见的SaaS应用程序。把算法作为“核心竞争力”并将其发展局限于内部团队的零售商,只会扼杀技术创新,从长远来后将会落后。在这里列出其原因。
成本
伟大的算法解决方案需要核心人才。这些人才的竞争是十分激烈的,特别是数据科学。数据科学家通常具有计算机科学,统计学或数学方面的博士学位,其薪资超过15万美元。
由于市场上优秀的工程师和数据科学家的供应有限,这些工程师更多的是应聘初创公司或亚马逊,Google和Facebook等技术巨头的职位。不幸的是,大多数实体和在线零售商并不会成为顶尖工程师的目的地。因此,零售商必须通过支付更高薪金来弥补。
通过简单的数学计算表明,一个由20位数据科学家和工程师的团队可以将会让零售商每年花费400万美元的费用。而这只是招聘人才的费用,并没有包括来支持解决方案开发的任何基础设施的投资。相比之下,典型的SaaS解决方案每年的价格将低于100万美元(这可能是绝对的上限,传统的费用将低于50万美元)。通过与供应商合作,零售商可以节省大量的成本。
快速上市和灵活性
对于任何技术初创企业来说,快速推出市场是确定整体成功的关键。这包括内部技术的发展。从项目开始到启动,成功创建一个大数据解决方案可能需要2-3年的时间。虽然需要立即获得解决方案是一个亟待解决的问题,但技术的生命周期并不能绕过。两年的等待时间可能会造成一两个问题:公司新开发的解决方案在启动时几乎已经过时,或者试图领先于快速发展的技术环境,陷入无休止的重新设计周期中。
同时,随着基于云计算的SaaS模式的广泛应用,第三方解决方案的集成和部署速度从未如此快速。有些可以在短短的20天内集成和部署,这意味着尖端技术不断改进(算法在世界上最大的零售商不断优化和调整),快速满足即时需求。更重要的是,第三方供应商还提供了内部构建系统不具备的灵活性。删除和替换第三方SaaS解决方案非常简单,而不用担心昂贵的成本和内部斗争。
创新
技术和算法的进步非常快。纵观历史,竞争在创新中起着至关重要的作用。SaaS模型使其既易于部署又易于更换解决方案。因此,供应商正在不断创新,并面临改进的压力。当拥有内部团队,这个选择已经做出,因此没有竞争。一旦构建和部署解决方案,团队的目标就是维护和改进解决方案。但人们绝对不会知道内部团队的解决方案是否具有市场竞争力。
通过与第三方SaaS供应商合作,零售商能够在短时间内评估和部署许多尖端解决方案,同时投资更少。许多其他零售商都在使用这些解决方案,供应商经过不断的审查,得到客户的创新和改进。试图在内部构建这些解决方案不仅成本高昂而且进度缓慢,而且最重要的是限制创新,从而使企业的业务从长远来看并不那么灵活。
这并不意味着零售商应该将所有技术完全外包给供应商。当人们在大数据的背景下谈论技术时,它们指的是存储和处理数据的基础设施,以及解释数据和做出预测的算法。基础架构包括以安全,隐私保护的方式存储全方位的客户数据,如购买的优惠券,并使支持应用程序可访问该数据。
算法是基础设施之上的有效应用,利用数据来进行需求预测,流失预测,动态定价或产品个性化和定位。它们建立在数据基础之上,与操作系统之上的应用程序相同。因此,零售商必须投入内部资源和大量时间来建立安全,高效和可扩展的基础架构。
具有外部API和安全性(敏感数据加密)的正确基础设施将使企业能够利用供应商的尖端技术,不断创新。这将使企业将注意力和专业知识集中在核心业务功能上,而不是试图成为无关领域的专家。对于任何企业来说,资金,时间和研发能力都是有限的。成功的企业知道如何将这些资源放在正确的地方来获得成功。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 多表进阶与 DDL/DML 连接 · 子查询 · 合并 · 建表与书写规范 ” 三、DQL 多表进阶:连 ...
2026-11-20 前面讲了怎么搭指标体系,但很多团队卡在最后一步:高层定了一个漂亮的目标,往下一层层写进周报,最后却落不到任何人的具体 ...
2026-11-20 很多团队做数据分析的现状是:老板要一个数就拉一个数,周报里堆满了 GMV、DAU、转化率,却没人说得清这些数之间是什么关系 ...
2026-11-20这周你大概又经历过一次:报表自己跑了,SQL 让 AI 写了,连周报初稿都不用自己动手。你一边松口气,一边心里发慌——那我还剩什 ...
2026-11-20 做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12