（一）数据处理服务的优点

1.获得短缺技能

专门从事云计算、高级分析、大数据、数据湖和数据科学等领域的专业人才供不应求。外包公司通过提供这种专业技能可帮助缩小这一差距。随着数据量的不断增加，想要在传统数据中心内跟上数据增长的步伐是不太可能的。这促使人们利用AWS、微软和Google Cloud Platform上的大数据来管理云中的数据资产。为此企业组织需要云管理平台，这样他们就能够配置大数据湖，通过单一控制台管理数据负载和数据传输。然而，与不具备适当技能的团队实施这种方法是充满挑战的，而通过外包的方式可以让企业组织获得这种技能。

2.行业专长

虽然一些数据分析功能是普遍的，但也有一些数据分析功能是某些行业特定的，如医疗和金融服务。寻找到具有深厚行业专业知识的外包合作伙伴，这是一个体现竞争优势的加分项，具备专业技能的供应商拥有特定的分析服务产品，如客户终身价值分析、商店销售分析、盈利能力分析或市场分析。

3.分析基础架构

数据外包服务可以帮助企业快速建立一个分析基础架构，这一点并不容易，甚至不太可能企业自己在内部做到。数据分析已成为开展业务过程中一个自然而然的部分，而且现在不仅仅涉及数据仓库和商业智能，还需要一定程度的可扩展性和复杂性，这在企业内部并不容易发现。企业组织寻求外部支持的最常见原因之一，是因为他们缺乏内部资源来满足这种不断增长的需求。

4.确保持续的数据保护合规

随着数据量的增长，对数据的管理和分析可能会使企业组织面临更大的违规风险。跨不同数据源系统的治理和安全策略之间的差异，给企业审计数据湖中的数据带来了挑战。数据处理服务可以确保持续的数据保护合规。

5.利用数据价值发挥更大潜力

有人说数据是企业的新型货币，利用分析获得业务收益是很大潜力的。机器在数据处理中占据主导，因此数据和分析的价值链将从根本上发生改变。正如在每个数字化业务中都会发生“脱媒”，这样价值将停留在业务两端，无论是在数据端还是在决策支持／业务洞察端。在这种情况下，外包可能带来的好处就是，有机会利用数据市场并建立替代性的业务模式，由独立的第三方运行多个组织的数据保管，并推广匿名和安全的数据交换概念平台。

（二）数据处理服务的缺点(www.daowen.com)

1.面向错误选择供应商的风险

决定与哪个服务供应商合作，这对任何一种外包来说都是一项挑战，数据分析也不例外。选择供应商可能是件很困难的事情，因为有那么多被吹捧为“最佳的”技术。成本显然是选择供应商过程中一个主要因素，但团队文化的适应和协调也同样重要。如今企业期望建立更具有战略意义的、高度互动的合作伙伴关系，在这种合作关系下，资源汇聚到日常运营中，沟通渠道是有效的，实现业务成果至关重要。

2.成本与价值的折中

一旦外部服务供应商将预测模型打造和转换为一款产品，那么就需要根据需求实施。这意味着要在算法中进行调整和重新部署规则，使其提供的洞察仍是有意义的。数据不断变化，所以模型不能降级。但是，持续不断的更新是有代价的，而且价格要超过业务线用于商业智能报告所购买的内部IT服务。

事实上，整个外包服务成本问题可能是一个挑战，特别是对于那些运营模式更复杂的大型组织而言。

3.需要自己制定数据管理策略

要支持企业组织内部的数据民主化，就需要一位首席数据官来负责制定企业范围内数据的获取、管理和共享策略。需要正确设计自助服务式的分析和治理层，才能随着时间的推移支持一系列场景，这就是首席数据官这个角色如此重要的原因。首席数据官最终负责围绕数据管理的业务和IT协调。如果外包的部门没有这种内部角色，那么外包方式所能取得的成功就会是有限的。

4.失去对数据存储和分析模型的控制

任何外包通常都意味着放开某些东西，例如控制权。分析外包要牺牲的最大资源之一就是分析模型。

对于作为洞察即服务来说，客户通常会提供数据给服务提供商，让服务提供商给客户提供答案。在这种模式下，客户从来也不是逻辑或算法的拥有者。因此，当客户退出时，他们拥有的只是数据和建议，而不是模型、方法、框架或配置。