毫无疑问，我们正处在一个以大数据和分析为标志的数字时代剧变之中，在新技术的驱动下，企业能够轻松、快速地收集各种来源的大量数据集。而正是过量数据造成的实际困境才让结构化和非结构化数据变得有意义。

这正是“深度分析即服务（insights-as-a-service）”的用武之地。作为一种新趋势，人们以很多不同的方式定义它，但实际上，深度分析即服务是外部供应商帮助你理解数据的过程。在典型的“即服务”方式中，你可以只购买自己需要的深度分析，使用你自己的，或者补充数据，并分析这些数据来回答具体的业务问题。

根据MarketsandMarkets的一份报告，深度分析即服务市场的规模，预计将从2016年的11.6亿美元增长到2021年的33.3亿美元。而我认为，随着需要大量数据的人工智能渗透到各类企业的每一角落，这一市场只会变得更大。

如果人工智能是引擎，数据就是燃料。

人工智能离不开数据，而且需要大量数据，这正是深度分析即服务的用武之地，它使得供应商能够帮助企业从数据中获利——而企业被自己的数据所淹没，迫切需要解决很多难题。

从数据中获利

深度分析即服务不仅仅是从企业自己的数据中获取信息，还能够寻找其他数据源来帮助解答具体的业务问题。很多企业发现，虽然看起来有很多数据，但如果仔细观察，就会发现重复信息太多，关键信息太少，或者与业务问题无关。这就像人们在清扫房间后才知道自己想要找什么一样，企业也应评估自己的数据，以确定还需要哪些其他数据。

而这就是数据本身成为产品的地方。深度分析即服务合作伙伴可以为你提供源数据，为帮助解决业务问题提供支持。例如，已经汇集了电信购买趋势数据的企业可以把他们的数据送到自己的电信数据中，以全面了解客户流失情况，分析加售服务的可能性。

但是，在做出业务决策时会需要哪些类型的数据呢？这包括企业在CRM系统、数据库、门户网站和其他地方存储的企业数据；或者联合数据、第三方数据，这些数据可以集成到企业数据中以创建信息丰富的数据集。

因云而备受关注的深度分析即服务

Forrester清楚地看到了深度分析即服务的作用，发布了深度分析平台即服务（IPaaS）趋势报告，将其定义为“一套完整的数据管理、分析和深度分析应用开发和管理组件，以平台的方式提供给自己没有或者不能控制平台的企业。”

虽然在过去，企业可能不愿意放弃对他们自己的数据集和分析的控制，但云的普及正在改变这一切，他们看到了云模式的好处，使他们能够跟上创新的步伐，实现规模经济和灵活性。最终的结果是，企业现在已经习惯了订阅模式，并且在购买数据、分析和深度分析来推动业务发展时，更愿意按照需求来付费。

深度分析即服务不能做什么

像Forrester这样的行业领袖已经认可了这一市场，越来越多的企业转向服务公司，以帮助他们积累更多有用的数据，进而获得更好的深度分析，因此，市场只会继续增长。然而，企业在注册深度分析即服务时应控制一下热情，不应将其视为解决所有业务问题的方式。

事实上，虽然深度分析即服务是一种经济高效的方法来利用数据驱动的分析，而且不需要自己建立内部基础设施，但是，如果你还没有明确自己要解决哪些具体问题，那么在这方面投入仍然是浪费金钱。例如，一家保险公司可能想要知道出现客户流失的原因，而不是某一年盈利能力较低的原因是什么。在这种情况下，深度分析即服务提供商可以帮助你仔细地研究企业内部非常具体的数据，以及竞争对手进入市场、经济状况等外部数据。

此外，在进入深度分析即服务发展路线之前，企业应考虑自己是否已经具备了做出明智决策所需的条件。在与合作伙伴合作之前，企业最好先确定自己已经拥有哪些内部数据。通常，他们会很惊讶地发现自己的业务部门有多少数据。通过消除运行孤岛，并共享这些信息，企业通常可以完全靠自己来识别模式。

但对于那些仅靠内部数据自己却无法解决的复杂问题，好消息是，采用了深度分析即服务之后，可以一次只投资一个问题，这样就能够决定什么时候需要加大投入了。

如果数据是现在的王道，那么深度分析即服务正在迅速成为首席专家，在数据驱动的知识点、预测分析和深度分析的基础上，帮助企业做出业务决策。

责任编辑：周星如