高级数据科学技术的人才方面的短缺，已经使得企业尽力去寻找相关人才，否则就会在竞争中面临失败。

　　有些公司的解决方法是试图从现有的、规模小的、稀缺的人才库中去聘请数据科学家。其他公司是将现有的员工重新派回到学校，去学习这些和大学水平相当的数据管理以及先进的分析技术方面的课程，该课程非常适合于已经在IT这个行业工作的专业人士。

　　不幸的是，这两种方法都不可能满足用户的需求。正如Gartner最近所估计的那样，全球只有约三分之一的大数据相关的工作需求将得到满足。

　　但有第三条道路：外包。

　　AccentureAnalytics的全球管理主任NarendraMulani在接受电话采访时说道：“你看，数据科学家是个非常稀缺的资源。理想情况下，我们应该在公司内部解决这个问题，可是这可行么？”

　　另一方面，Mulani和其他一些专家，在外包数据数据科学家的利弊这件事情上面，意见有着惊人的相似性。虽然说，有些方面的工作可以外包，但他们同时提出警告，把这些服务作为一种商品是一个错误的想法，行业和公司的具体情况，需要从复杂的数据模型，推导出可操作的见解。

　　此外，每一个专家都强调进行知识转移的必要性。IBM的副总裁AnjulBhambhri在接受电话采访时说：“你不能永远依靠外包。”

　　外包的好处

　　一些人表示，到目前为止，与外部组织联合工作的最大好处就是速度。

　　分析和数据挖掘的顾问以及KDnuggets的编辑GregoryPiatetsky-Shapiro在一封电子邮件中说：“外包的利弊是明确的，你可以很快得到想要的结果，而且不用去花大力气去寻找昂贵的数据科学家。”外包可能比较适合于规模较小的公司，以及那些没有把数据作为他们的主打产品或者数据没有为他们提供优势的公司。

　　JCPenney客户关系营销的副总裁BrookeNiemiec在接受电话采访时说：“使用一个局外人有一个微妙的优点，就是可以用新的眼光而不是旧的假设或者不良的习惯来检查数据。”公司内部的人会以相同的方式来看待数据，有时是很难往回看的，去跳出历史的处理方式等等。

　　不像公司内部的群体，可能会陷入与特权相关的争夺中。一个局外人只会为“探索性分析”花时间。Niemiec的内部团队约有20人的数据分析师，其中有一名是博士，她是一名统计学方面的博士。“我觉得处在一个幸运的位置”，Niemiec说道。

　　Neimiec说：“即便如此，JCPENNEY在优化数据科学以及在组织中运行这些数据的时候，倾向于外包这些数据分析的工作。我们的目标是花更少的时间来做报告，花更多的时间来解释、探索、交流数据所带给我们的洞察力。”

　　Niemiec承认在组织内部存在政治现实。她在大数据方面的远见卓识是：“你应该拥有自己的重大战略举措。另外，你可能还需要第三方的验证。”

　　商务咨询公司德勤的信息管理主任DavidSteier在接受电话采访时说：“一些外包是不可避免的，因为一个团队内部完成组装是完全不切实际的。坦率地说，很多公司没有选择，数据科学是一个团队合作的结果。”

　　这些团队需要功能性的、工业上的和水平上的技能以及技术和界面设计方面的专业知识，他还补充说，结合使用外部的帮助，每个团队都应该注意发掘内部“隐藏的人才”，尤其是那些有着定量分析能力的人。

　　Accenture公司的Mulani说道：“外包的另一个好处就是可以根据独特的条件，估算出分析工作的量。很多公司在奥运会期间都有一定的活动。我们公司把一些大型的、复杂的以及对时间敏感的分析项目都外包给其他公司了。不过，这些项目都是一次性的。因为我们看重的是时间。”

　　外包的缺点

　　客户情报公司Aginity的合伙人兼首席顾客情报员ChuckDensinger在电话采访里面表示：“外包给合作伙伴的东西涉及到深层的商业情报，就相当于你把大脑放在你的身体以外的地方。”不过，即使有合同和服务安排，他说，“但你不是在进行一个能力建设使其制度化。所以你应该感激你的合作伙伴。”

　　IBM的Bhambhri有点赞同这个说法。

　　她说：“从根本上说，我们相信，你不可能仅仅关注你所做外包的工作。但是，她的理由与其说是担心伙伴关系将会变坏，不如说是担心数据科学家正在成为组织变革的推动者。她说：“这些人不仅有着敏锐的见解，能够提出尖锐的数据密集型相关的问题，他们一定还会与他们的老板谈论这些想法，随后这些老板将会采取实际行动。你不能把整个业务外包，因为你需要在IT和业务线之间架一个桥梁。”

　　假设业务相关的数据总是在不断变化，然后把数据科学家所做的看做是一次性的，这个观点不被Bhambhri和其他人认同。她说：“对于获得新见解而言，它只是一个组成部分。”出于同样的原因，她不相信长期依靠外包是有道理的。

　　每一个专家说，外包的真正的缺点是，外人可能不具备必要的领域知识去正确解决问题。有时，这问题可以简单到不同的分类，比如定义“新客户”。出于这个原因，所有的专家强调，有必要同外部数据科学家或分析合作伙伴紧密合作，确保双方理解并同意模型中使用的有关假设。

　　价格优化解决方案公司Zillant的高级副总裁以及主要传播者EricHills表示：“这些模型不是静态的，也不是一个黑匣子。该模型的参数需要被合作伙伴理解。我们给他们提速了，并且在那些模型上面训练他们。”Recognizeyourorganization’scultureandunderstandthatanalyticsanddatamanagementneedstobeanintegralpartofanorganization’sculture

　　“对组织文化有一定的认识和理解，并懂得分析和数据管理需要成为组织文化的一个组成部分。”业务流程管理公司Genpact公司的高级副总裁兼商业智能决策服务的领导者PankajKulshreshtha说道。他后来还在一封电子邮件采访里面补充道：“没有它，很多计划和投资可能无法获得预期的结果。”

　　合作更好

　　Accenture的Mulani说：“”我们的许多客户正在寻找一个战略合作方式。这项工作通常会导致新的商业模式或知识产权的产生。因为你不会想让他们被你的竞争对手所使用。”

　　就像Accenture，IBM强调它的服务包括培训和知识转让。就像Bhambhri说的：“我们说IBM可以帮助企业加快大数据的进程，这并不仅仅指工具和技术。很大一部分是使他们在我们离开的时候，能够拥有正确的工具、技术以及流程去自己独立处理大数据相关的问题。我们价值主张的重要组成部分是训练。”

　　Genpact的Kulshreshtha说：“寻找拥有相关领域专业知识的合作伙伴，并不仅仅是指那些拥有大数据或统计相关的经验的人。确保您的分析供应商拥有丰富的经验，能够为客户提供量身定制的解决方案。在大多数情况下，公司开发的标准的工具和技术来解决分析问题。”