行业资讯

ue建模外包 甲乙方分工的18个原则,你知道几个?

2022-09-07 09:43:32

很多甲方数据人员有限,会找乙方完成相关工作。作为甲方,你经常发现乙方做得不好。一方面可能确实是乙方能力的问题,但另一方面也可能是你给乙方安排的工作有问题。对于不同类型的数据工作,甲方和乙方具有不同程度的专业知识。只有取长补短ue建模外包,才能创造更高的价值。今天我们来说说甲乙双方分工的18条原则。

原则一:

科斯说,决定一个企业边界的是交易成本和管理成本的比较。交易成本较低的东西应该外化;管理成本较低的东西应该内部化。数据管理者应遵循这一原则。挑战来自于如何比较这两种成本的大小。外包采矿工作显然低估了交易成本。

原则二:

康威定律说,组织结构决定了系统结构和产品形态。企业的数据组织大多以数据管理部、数据运营部、业务分析部等命名,从名称上可以推断是以管理为基础,以运营为主营业务,所以不要任意增加研发等相关岗位,比如算法,全部购买或外包,除非你有能力改变组织的职能。

原则三:

数字时代为 IT 人员带来了更多机会。遗憾的是,目前IT发展的趋势是剥离与业务无关的通用IT技术,企业IT人员将越来越面向业务,比如云计算。推动IaaS和PaaS的外包,云原生的发展史就是一个逐渐剥离代码中与业务无关的非功能性代码的过程,无论是容器、微服务、Severless、Service Mesh还是DevOps。

这些东西让企业的IT人员不再有机会从事高可用、容灾、安全、运维、测试、通信等通用技术研究。没有成为企业的核心竞争力。事实上,通用技术的交易成本和管理成本发生了巨大的变化,这也在改变企业数据团队核心竞争力的内涵,进而影响到甲乙双方的分工。

原则四:

大多数企业负担不起庞大的数据开发团队,因为从科斯定理来看,这样的团队的管理成本太高了。企业更需要的是少数能够利用更多乙方资源为甲方服务、不上当的数据技术经理。当然,数据技术经理并不是那么容易培养的。除了熟悉业务和管理外,至少要有开发经验,否则关键时刻站不起来

原则五:

在甲方智能化和自动化水平还不够的前提下,简单重复的工作需要外包,无论是抓取还是报告。事实上,这种模式对双方都有利。甲方解决了内需问题,乙方微利却获得了实践机会,培养了一大批高端数据人才

原则六:

越是面向业务和协同的数据工作,外包的越少,因为交易成本太高。一方面,乙方在业务上很难跟上甲方的步伐。世俗之道,显然乙方不合适

原则七:

大数据平台技术发展迅速。数据采集​​、数据处理等技术具有明显的通用性、开源性和多样性等特点。通过引入合适的乙方,不仅可以完成建设和运营工作,还可以实现弯道超车。项目外包平台ue4,甲方唯一要做的就是拥有自己的数据架构师,可以说服企业采用推荐的方案,防止被乙方愚弄

原则八:

数据应用(产品)开发工作可以外包,无论是UI/UE,前端,后端,数据处理等。甲方不应该尝试搭建那么多技术栈,这些技术,比如大数据平台,有足够的乙方数量可选,交易成本可控

原则九:

如果您的企业渴望成为数字化企业,则不应将数据仓库建模外包。首先,数据已成为生产要素。既然你的企业需要成立自己的财务部门来管理自己的货币和固定资产,那么这个原则也适用于数据资产。其次,数据作为一种生产资料,不等同于货币。它具有很强的商业性,只有自己的员工才能与时俱进。乙方可以帮​​助你一时,但不能帮助你一辈子。第三unity场景外包,模型需要迭代。从长远来看,将数据仓库模型外包给乙方的交易成本很高

原则十:

如果企业希望数据挖掘真的能产生一些收益,那么数据挖掘工作就不应该外包,因为数据挖掘中业务理解、模型迭代、业务操作等所占的比例太高了,这就是显然不适合乙方长期做

原则十一:

不要外包数据分析工作。道理和数据挖掘一样,但是数据分析咨询可以外包,因为乙方高端的数据分析咨询专家可以给甲方提供方法论指导,给出不同的观点,可以帮助甲方跳出业务,看生意

原则十二:

只要甲方能明确业务问题,明确输入输出,算法工作就可以外包。乙方可以临时派遣人员提供本地服务,也可以采取远程支持的形式。甲方也很难支持一个算法。团队,有这么1-2个算法人员成不了气候,最后大部分转职还是离开

原则十三:

数据治理涉及企业的组织、机制和流程,需要过多的协调,所以不要尝试外包。如果你自己不了解情况,显然乙方会比你更糊涂。当然,这里的数据治理是狭义的,并不是指建设一个大数据平台的概念才算数据治理

原则十四:

数据产品经理不能外包。从业务、创新、协调、体验、迭代、个性等角度来看ue建模外包,乙方这样做会非常难受。很多时候,他们成为开发经理。当然ue建模外包,乙方做项目经理也可以。是的,毕竟有很多规范和流程要遵循

原则十五:

狭义的数据中心是指数据模型和数据服务。显然,数据中心不能外包。当有人说可以帮你建数据中心的时候,一定要先问问他们定义和理解,不要像鸡鸭一样说话

原则十六:

任何为之前所有数据工作提供支持的工具,如元数据工具、开发工具等,是直接购买产品还是定制更好,取决于外包此类工作的可行性ue建模外包,工作量越少不能外包,也就是说标准化程度越低,越需要定制化实现

原则十七:

在数据领域的任何专业,甲方都需要乙方顶尖数据专家的支持,无论是平台、算法、开发、挖掘、分析、治理等,因为甲方始终有5-10%问题本身无解,顶级专家无所不能

原则十八:

对于数据驱动的业务,甲方要为乙方的创意、乙方的人脉买单,即使这种工作在工时上很难评估,否则乙方的高端人才跑路了出去

当然,没有什么是绝对的。如果甲方很多工作没有相关的组织和人事保障,那么交给乙方是唯一的办法,但如果有选择,尽量遵循这些原则。

标签: ue建模外包