當前數據科學的進步開啟了許多新的機會。公司學習利用數據來改善業務流程和產品。它改變了競爭格局。因此，每個具有創新思維的人都在尋找利用這項技術獲利的方法。但事實證明，短期利益常常會阻礙數據科學帶來的好處。我最近遇到了一些有趣的案例，這些案例說明了可能會出現什麼樣的問題。
“數據科學？不是我們的任務”
我最近在一次會議上遇到了一位資產經理。她負責一家大型機構的建築和基礎設施。她打算透過分析來提高資產管理的整體效率。她希望將所有資產資料收集到中央資料儲存中，然後對其進行分析以找到效率提升。
然而，她的公司已將資產管理的營運部分外包給各個供應商。這些承包商對分享資訊持謹慎態度，因為這會讓資產管理者對其績效有令人不安的詳細了解。
而且，這位資產經理的同事也不感興趣。他們表示，他們的工作是透過與承包商談判達成最佳協議來優化資產管理。這個想法是承包商將優化自己的工作以提供最好的報價。資產管理者不應該打擾承包商的工作方式。
中央儲存庫確實會與外包原
則相衝突嗎？我認為不是：從更大的角度來看，供應商和合約經理都對盡可能最佳的資產管理有共同的興趣。
不想最大限度提高效率的供應
商遲早會被效率更高的競爭對手擠出去。不想了解整個流 車主資料庫 程的合約經理將永遠無法利用協同效應。他們的資產管理總是比必要的更昂貴。
“所有的利潤都應該是我的”
我在一家製造機器的公司遇到了一位經理。他告訴我，他希望從提供機器轉向提供機器所提供的服務：「服務化」。這個想法是，使用者並不是對擁有機器感興趣，而是對機器做什麼：它提供的服務感興趣。用戶願意為有保證的服務水準付費。供應商不僅可以出售機器，還可以出售保證的服務水平，然後使用大數據分析來組織自己的流程，以便以最低的成本達到該服務水平。
有一次這位經理向他的
位客戶提供了這些機器作為服務。這是一個很有吸引力的報價：客戶總共只需支付他現在每年購買機器費用的 50%。令人驚訝的是，客戶斷然拒絕了他。
原因是客戶認為供應商會
從基於服務的合約中受益太多。協議的一部分是合約將持續相對較長的時間。這將使供應商有時間透過預測性維護來從資料科學中受益。但客戶辯稱，無論如何，這可能會成功，而且從長遠來看，他付出的代價太大了。
就像前面的例子一樣
無疑問數據科學可以造福所有人。這裡的問題是誰將受益最大。在這種情況下，供應商可能無論如何都必須 如何將電話號碼轉移到沒有 SIM 卡的新手機 利用數據科學進行創新。否則，他的競爭對手很可能會超越他。因此，客戶做出了合理的假設，即最好在幾年後新技術的影響明顯時再進行談判。
然而如果玩得太過激烈
客戶也可能會讓供應商難以為這項創新提供資金。如果客戶也能在這裡看到更大的圖景，那將會很有用。