与大公司的同行一样，中小型企业（SMB）的管理人员也意识到数据驱动的决策对于增长和成功至关重要。
但是，许多中小企业缺乏利用高技能数据分析专业人员来收集，调查和分析目前企业可用数据量惊人数据的方法。该解决方案一直是将这一至关重要的数据科学功能外包给第三方数据分析公司和自由职业者。
$config[code] not found根据Gartner的报告，大约70％的营销人员预计他们的大部分营销决策将由明年的数据提供支持。
报告指出：“分析预算中的一个显着份额 - 不仅仅是技术，而且几乎和内部人才一样 - 都归外部专家所有。” “大多数成熟的数据驱动营销人员预计未来两年外部采购将增长，其中30％的人希望减少内部团队规模，从而更好地利用服务提供商的效率，规模和专业知识。”
鉴于数据分析对企业成功的重要性，人们担心这样一个至关重要的职能几乎都是经常外包的。但是，当您考虑所涉及的成本和所需的专业技能短缺时，这是一个合乎逻辑的解决方案。至少，直到最近。
形成当今数据分析市场的误解是，大数据是企业的领域，而中小企业根本就缺乏有效操纵和分析复杂数据的手段。这些误解现在正受到新兴自助分析解决方案的挑战，现在的问题是中小企业是否能够负担得起 不 利用这些新解决方案并在内部移动数据分析。
数据对中小企业来说同样重要
数据已成为任何有效业务的命脉，无论其规模如何。 Deloitte最近发布了一份名为“The Analytics Advantage”的报告，该报告是该咨询公司进行的一项广泛调查的结果。
德勤报告中的众多见解之一是，所调查公司的高级管理人员已经意识到“如果及时有效地获取，分析，沟通和采取行动，良好的数据可以产生良好的决策。”这就是与大型企业相关的中小型企业。
根据报告中引用的一位匿名高管的说法，“基本上，分析就是做出良好的商业决策。仅提供带有数字的报告并没有帮助。我们必须以最适合我们决策者的方式提供信息。“
然而，规模较小的公司通常不像大公司那样专注于绩效指标和方法跟踪。他们通常拥有更少的员工，更少的现金流，更少的库存和更少的产品线，这意味着经理们常常为自己了解一切而感到自豪。因此，与数据分析相关的中小企业面临的挑战，不仅仅是改变思维模式和文化，而是要获得所需的技能和技术。
在他对Deloitte报告的介绍中，领先的分析思想领袖和学者Thomas H. Davenport指出，“从多年来的观察，分析进展是不可否认的：对分析的需求更大，资源更多可用，并且执行理解增加“。
中小企业似乎越来越意识到需要积极利用数据分析来有效竞争。但他们怎么能以商业上可行的方式这样做呢？什么阻碍了中小企业培养内部数据分析能力的方式？
经济实惠的数据分析工具的兴起
更强大的台式PC和自助数据科学工具的组合代表了中小企业的方向转变。得益于Alteryx，Databox和IBM Watson Analytics等解决方案，几乎所有员工都可以成为数据科学家，提取相关数据集，使用先进的可视化工具进行分析并做出明智的实时决策。
正如商业智能平台Sisense首席执行官Amir Orad所说，“传统上，自助服务分析的主要障碍是数据准备。现代分析技术可以简化这一过程，使当今的业务用户可以独立地覆盖整个数据分析范围 - 准备，报告和可视化，而无需专门的IT或DBA资源。“
中小企业不需要外包数据分析
平衡招聘数据专家的成本和分析的好处的需求是一个真正的挑战，这就是为什么这么多的中小企业认为外包是答案的原因。
“这条路线通常更可取，因为没有人了解业务以及现有的高管和员工，”Sisense的Orad表示。 “他们知道哪些关键绩效指标很重要，以及如何从业务角度将数据转化为有意义的结果。”
基于云的SaaS数据解决方案满足了对某些数据分析流程所需的强大基础架构的需求，以及维护该基础架构的需求。现代自助服务数据分析解决方案使SMB团队能够整理来自多个来源的大量数据，并使用简单的拖放界面对其进行全面分析。
重新思考数据分析外包
这些解决方案使复杂的数据分析民主化，并从大型企业的唯一领域中删除这一关键功能。内部数据分析的直接好处是能够显着减少传统上与复杂商业智能活动相关的延迟。
减少这种延迟意味着企业能够根据数据得出的洞察力，通常在收集信息的几分钟内。管理层可以在其他人做之前利用积极趋势，并在造成任何损害之前规避负面趋势。通过任何时间点的业务生态系统快照，可以有效地缩短滞后时间，从而更快地制定决策，使用可操作的商业智能。
由于访问针对中小型企业的高影响力数据分析解决方案的成本和基础设施障碍崩溃，这些企业开始意识到他们对访问这些重要业务功能的假设不再有效。对于有兴趣处理自己数据的SMB领导者来说，外包数据分析的需求正在迅速成为过去。
这意味着中小型企业现在可以做出更好的业务决策，这些决策由大型复杂数据集提供信息，并且能够更有效，更迅速地响应不断变化的市场动态。这听起来像是一个强大的竞争优势。
分析照片通过Shutterstock
4评论▼
