京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据颠覆外包产业格局_数据分析师
大数据正在向金融、医疗、生活等各个领域渗透,且有愈演愈烈之势,各大IT和外包企业纷纷布局大数据。企业唯有跟上大数据和移动互联的趋势,大胆地进行转型升级才是出路。
“大数据,让各国的服务外包企业聚到了同一起跑线上,一下子拉近了彼此间的竞争差距。”博彦科技高级副总裁汪建兵在接受国际商报记者采访时如是说道。
汪建兵认为,传统的服务外包模式面临前所未有的挑战,外包企业唯有拥抱行业发展两大方向即大数据和移动互联,大胆地进行转型升级才是出路。
目前,大数据正在向金融、医疗、生活等各个领域渗透,且有愈演愈烈之势,各大IT和外包企业纷纷布局大数据。
政策层面也看到了这一发展趋势。在11月26日举办的国务院常务会议上,服务外包产业重点发展领域指导目录发布,并将软件和信息技术、研发等列为重点发展领域。
大数据时代,如何用信息技术带领企业转型,需要企业家们更前沿的发展思路。
转型须跟上大数据步伐
有分析认为,未来五年,大家公认的IBM、惠普的占有率将会下降30%,而亚马逊、谷歌等新兴产业则有很大增长空间,因为后者的出发点已经站到大、物、云、移上面。
一批具有远见卓识的IT公司早已完成了向大数据和云计算的战略转型,如微软就经历了从软件到软件+服务,再到设备+服务,最后到云优先的发展过程。阿里的云操作系统也使得数据实现了从PC端到互联网,再到移动互联,最后到云的华丽转身,从而最终构建了完整的生态系统。
事实上,不仅是微软和阿里,百度、腾讯也通过并购跑马圈地,努力构建自己的闭环生态系统。而作为微软和BAT(百度、阿里、腾讯)的服务提供商,博彦科技必须调整和适应这些客户的需求变化。
为此,在汪建兵看来,未来,外包企业一定要紧紧把握住大数据和移动互联,向新型外包企业转型。汪建兵表示,近年来,博彦科技除了自身在能力建设上紧紧围绕大数据和移动互联两大趋势,同时还充分发挥资本市场的力量,通过“关停并转买”等手段对自身业务实行跳跃式整合转型。一方面,卖掉与公司战略方向不相符的人均收益率低的业务,如将部分上海的低附加值业务卖给了想进入中国的外国服务企业;另一方面,买进未来发展方向的企业,如今年上半年在上海买进了一家能为金融机构提供解决方案的数据企业。此外,博彦还十分关注金融、健康两大极具发展潜力的市场,特别是金融外包市场,一直增长较快。
应用模式须创新
华院数据技术上海有限公司早在2002年就开始做大数据处理。该公司助理总裁魏峰表示,大数据的应用会在三个领域产生其价值。一是商业模式的变革,可能产生巨大的价值,如去年该公司就与海尔合作,涉及传统产业如何与大数据结合的问题;二是经营管理决策的升级和变革,如银行的精确决策就是围绕运营管理的改革;三是运营效率的提升。魏峰认为,大数据运用起来后可以形成一个正向循环,因此,要重运用,运用的过程中要选模式。
文思海辉副总裁修斯肯表示,文思海辉去年的定位是大数据、云计算,今年是智慧城市,明年则是商业数字化。以上三个定位一脉相承,都要借助大数据,并实现商业模式的转型。修斯肯举例说,文思海辉可利用大数据、云计算、传感器来帮助汽车保险公司转变商业模式,实现转型。这种模式是,在客户愿意的情况下,可在其汽车里安装一个软件,从而可随时跟踪到客户的开车速度、去向等开车习惯,形成大数据,保险公司可据此计算保险费用。而这种模式的变革未来可复制到银行、医院等机构。
中国服务外包研究中心主任骞芳莉表示,中国服务外包产业发展新趋势之一是新技术催生新业态。大数据、移动互联、3D打印技术等的发展,带来了基于大数据的服务外包,如O2O等营销模式。同时,大融合已经成为产业的新热点,融合有几种模式,业务模式的融合是线上线下的融合;同时还有产业跨界的融合;此外是超越产业的融合,即智慧城市。她预计,信息产业的规模正在扩大,到2015年将超过300亿万元。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10