在商品同质化越来越严重的时代，想要让客户青睐自己的产品或者开发更多适应市场的产品和服务都需要依赖数据。这些数据对于企业的意义并不仅仅是销售业绩或客户满意度，通过对它们的分析与挖掘，能够帮助企业提高整体竞争力，具备高级数据分析能力的企业更容易在市场上立于不败之地。有些企业在企业内部组织了专业数据分析团队，然而更应该看到，多数的企业并不具备数据分析方面的人才，因此，专业提供数据分析的服务外包企业也就应运而生了。

（一）数据分析服务外包的概念

数据分析行业的整个产业链主要包括数据采集、数据存储、数据处理（含数据清洗）、数据分析直到数据分析结果呈现、商业决策（图4-1）。

图4-1　大数据产业链

根据广义的数据分析行业定义，可以按照产业链上下游延伸，而我们这里所谈到的数据分析服务是指其狭义的定义，是指借助大数据技术，在对不同类型数据充分挖掘的基础上提供企业生产、营销、研发等各个环节的支撑服务。主要业务类型包括数据分析、数据挖掘两个业务类型。重点应用于制造业，电力、热力、燃气及水生产和供应业，批发和零售业，交通运输、仓储和邮政业等四个国民经济行业。

（二）数据分析服务的发展

随着全球一体化趋势的加强以及电信业的蓬勃发展，越来越多的公司开始加入商业流程外包的行列。为了进一步降低成本，世界500强公司开始将呼叫中心转移到印度和菲律宾等地，开展离岸外包，主要负责客户服务以及远程的销售。而大数据时代的到来，则为其中作为典型代表的印度带来了新的商机，印度迅速成为数据分析服务外包业务的集中营。其中，多数从事数据分析的离岸业务流程公司都是跨国公司的分部。随后，这些公司有了新的发展方向，一部分依旧作为总公司的分部进行运作（例如“戴尔全球分析”就是戴尔在印度负责数据分析的分部），而另一部分则分离出来，或被其他公司收购，开始从事专业数据分析业务，并向第三方提供数据分析的服务。发展至今，数据分析服务外包已经成了一个独立的行业，多数知名企业都至少将一部分的数据分析公司外包了。

作为高附加值业务环节的数据分析服务企业在我国发展迅速，2017年我国全年承接数据分析服务执行额比前一年增长了51.9%。

（三）数据分析服务的分类

1.数据分析

包括提供借助描述性统计及交叉分析等手段，了解客户业务发展过去、现状及存在问题，为客户营销做基本支撑的数据分析服务。

2.数据挖掘

提供商务数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取关键性数据，为客户商业决策提供支持的数据挖掘服务。

（四）数据分析与挖掘的方法(www.daowen.com)

1.分类

分类是找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽车零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册直接邮寄到有这种喜好的客户手中，从而大大增加了商业机会。

2.回归分析

回归分析方法反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。它可以应用到市场营销的各个方面，如客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及有针对性的促销活动等。

3.聚类分析

聚类分析是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能小。它可以应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。

4.关联规则

关联规则是描述数据库中数据项之间所存在关系的规则。根据一个事务中某些项的出现可导出另一些项在同一事务中也出现，隐藏在数据间的关联或相互关系。在客户关系管理中，通过对企业的客户数据库里的大量数据进行挖掘，可以从大量的记录中发现有趣的关联，找出影响市场营销效果的关键因素，为产品定位、定价与定制客户群，客户寻求、细分与保持，市场营销与推销，营销风险评估和诈骗预测等决策支持提供参考依据。

5.特征分析

特征分析是从数据库中的一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征。如营销人员通过对客户流失因素的特征提取，可以得到导致客户流失的一系列原因和主要特征，利用这些特征可以有效地预防客户的流失。

6.变化和偏差分析

偏差包括很大一类潜在有趣的知识，如分类中的反常实例、模式的例外、观察结果对期望的偏差等，其目的是寻找观察结果与参照量之间有意义的差别。在企业危机管理及其预警中，管理者更感兴趣的是那些意外规则。意外规则的挖掘可以应用到各种异常信息的发现、分析、识别、评价和预警等方面。

7.Web页挖掘

随着Internet的迅速发展及Web的全球普及，使得Web上的信息量无比丰富，通过对Web的挖掘，可以利用Web的海量数据进行分析，收集政治、经济、政策、科技、金融、各种市场、竞争对手、供求信息、客户等有关的信息，集中精力分析和处理那些对企业有重大或潜在重大影响的外部环境信息和内部经营信息，并根据分析结果找出企业管理过程中出现的各种问题和可能引起危机的先兆，对这些信息进行分析和处理，以便识别、分析、评价和管理危机。