Leo Yeh's Blog

SAS 營運分析 (1)

教學目標

初步了解如何透過 SAS Viya 分析平台落實營運分析的基本概念。

重點概念

首先企業組織每天都會做出許多影響業務的決策,並且以分析驅動的決策通常為更好的決策,因此將分析整合到決策過程中,即使每天要做出成千上萬的決策選擇,也能夠讓企業組織每次都能做出最佳決策,此時就會需要大規模進行營運分析。此外目前許多企業組織建立了強大的分析模型,但是企業組織卻難以將模型部署上線或需要花費三個多月以上的時間才能夠部署上線,這對於企業組織皆是時間、成本和資源的浪費。

接著當企業組織缺乏用於分析單位、資訊單位和業務單位之間協調資源的結構化流程,此時企業組織將難以進行營運分析,其中所面臨的挑戰主要有:

  1. 手動過程限制了可擴展性。
  2. 無法自動監控模型效能。
  3. 資料必須在正式環境中手動重新建立。
  4. 缺乏整合技術將會阻止探索與部署的關聯。
  5. 必須以其他語言手動重新編碼模型以進行部署。
  6. 模型太複雜導致無法大規模執行。
  7. 儘管模型成效不佳但是卻很少發生再訓練。
  8. 缺乏模型管理和治理將會導致資源浪費。

儘管企業組織多年來一直在為分析相關計劃投入資金,但是很少有人能看到回報,因為他們通常被困在最後一英里,也就是無法將分析模型投入正式環境中,為了實現以大規模數據來驅動決策,此時分析生命週期就必須高度可操作,並且與決策流程關聯整合,以利從任何分析的投資中獲得真正價值。

再來 SAS Viya 分析平台主要能夠在安全和隱私的情況下透過 SAS Data Preparation 管理任何信任來源的資料,並且透過習慣的 Python 或 R 等開放源始碼建立分析模型。透過 SAS Model Manager 進行快速和簡易的模型管理,以及達到模型治理確保符合企業內部稽核規範,更進一步持續監控模型成效。透過 SAS Intelligence Decisioning 進行決策管理、業務規則和分析模型執行。透過 SAS Event Stream Processing 進行高頻率的即時互動。透過 SAS Visual Analytics 產生最終的營運分析觀點報告。

最後為何要選擇 SAS 解決方案來落實營運分析,主要有四大優勢,分別為:

  1. 可擴展的企業等級:主要設計用於大規模穩定執行統一的高效能引擎來執行和管理任何分析模型,並且透過工作流自動執行流程更快地部署模型,以增加分析投資的回報,以及透過通過冠軍/挑戰者模型的方式測試確定最佳模型。
  2. 持續監控模型成效:主要建立模型效能的分析報告,並且持續監視模型執行的狀況,以利加速模型重新訓練,以利保持最佳效能。
  3. 集中分析資產治理:主要控制整個企業組織中使用者對於資料和模型的存取,並且追踪模型的歷史記錄,以利確保部署正確且適當的模型用於營運分析。
  4. 整合分析決策流程:主要能夠適應不斷變化的市場條件和業務目標,以最快的速度執行,並且立即做出最佳決策,更進一步透過邊緣運算進行以資料為主的分析驅動決策。

若以金融業情境應用為例,將能夠應用於信用卡購物即時推播、ATM 取款時信用風險評分、KYC 了解客戶用於申請貸款的評估、…等實務的情境應用,此外 SAS 解決方案更在 2019 年被 Gartner 研究組織評選為最佳資料科學和機器學習平台的領導者。

相關資源

SAS Viya (141)

教學目標

初步了解在 SAS Intelligent Decisioning 相關 API 整合應用的基本概念。

重點概念

重點概念

首先 SAS Intelligent Decisioning 主要將業務規則管理,決策處理,即時事件偵測,決策治理與 SAS 強大的進階分析功能進行整合,並且能夠提供在整個企業範圍內提供自動化和管理決策的功能。當然 SAS Intelligent Decisioning 將能夠讓企業組織進行即時客戶互動,並且自動執行大規模業務決策,以及支援各種與客戶相關的活動、服務和決策,像是個人化行銷活動、個人信貸服務、詐欺預防決策、… 等情境應用。

接著 SAS Intelligent Decisioning 主要提供 Decision API,其中透過連接統計模型與業務規則中的確定性邏輯相結合,將能夠讓企業客戶建立決策流程,並且將其整合至企業的工作流程中,以及達到持續整合和交付。此外使用者將能夠透過 Model Repository API 存取模型,透過 Business Rules API 存取規則集,透過 Treatment Definition API 存取處理群組和條件邏輯的能力,透過 Model Publish API 發佈模型至 SAS Micro Analytic Service (MAS) 微服務分析中,透過 SAS Micro Analytic Service API 存取已經發佈的 REST API,以及透過 SAS Model Management API 管理模型的生命週期。

再來我們將能夠透過 SAS Intelligent Decisioning 所提供 Decision API 逐步取得決策資源的 SAS DS2 程式碼,主要有三大步驟,第一步驟主要取得決策相關資源的連結列表和資源集合,第二步驟取得決策提供的相關內容,第三步驟取得決策所提供的 SAS DS2 程式碼,當然針對決策更有提供修訂版本的控管。當我們能夠取得至於決策所提供的 SAS DS2 程式碼,就能夠透過 Model Repository API 其建立為一個新模型,並且以模型為主落實企業組織的工作管理流程,以及透過 Model Publish API 發佈模型至 SAS Micro Analytic Service (MAS) 微服務分析進行決策分析的情境整合應用,至於上述所提到相關 Decision API 的說明,請參考下表。

Decision API 網址 方法 說明
https://www.sasserver.com/decisions GET 回傳決策資源的連結列表。
https://www.sasserver.com/decisions/flows GET 回傳決策資源所有資源集合。
https://www.sasserver.com/decisions/flows/{decisionId} GET 回傳決策資源的內容。
https://www.sasserver.com/decisions/flows/{decisionId}/code GET 回傳決策資源的 SAS DS2 程式碼。
https://www.sasserver.com/decisions/flows/{decisionId}/revisions GET 回傳決策資源的修訂版本列表。

最後我們將能夠透過 SAS Intelligent Decisioning 官方網站所提供快速開始的教學課程,主要能夠在最短時間內建立和發佈規則集和決策的基本任務。所謂規則集主要為一組業務規則,其能夠指定要評估的條件以及在滿足這些條件時應採取的措施,像是如果住宅貸款的申請人的債務收入比很高,並且其財產中的權益很少,則他們的貸款申請可能會被拒絕或標記為需要進一步審查。所謂決策主要為整合條件邏輯的規則集、分析模型、處理群組和程式碼檔案。而在快速開始的教學中我們將會以 HMEQ 資料集,主要會建立多個規則集,並且將這些規則集與條件邏輯一起組合成一個決策,以利進行決策評估住宅貸款申請,以及識別需要手動審查的貸款申請,根據某些條件批准或拒絕其它貸款申請。

相關資源

SAS Viya (140)

教學目標

初步了解在 SAS Viya 分析平台中有關選取資料之基本概念。

重點概念

首先 SAS Viya 網站應用程式主要是以 SAS Cloud Analytics Services (CAS) 伺服器中的記憶體資料進行存取,並且有些網站應用程式內建 Data Explorer 將能夠讓我們上傳和管理資料,像是我們能夠透過 SAS Environment Manager、SAS Visual Analytics、SAS Data Studio、SAS Model Studio 和 SAS Decision Manager 網站應用程式中直接選取需要進行分析的資料。

接著我們主要會透過網站應用程式中內建的 SAS Data Explorer 選取資料,其中有三個頁籤,分別為:

  1. 可用 (Available):主要能夠顯示有權限存取的所有已載入至 CAS 分散式伺服器之記憶體中的資料表。
  2. 資料來源 (Data Sources):主要能夠建立資料庫和檔案系統 CAS 資料館連接,並且當 CAS 資料館連接成功,則能夠查看有權限存取的資料表。
  3. 匯入 (Import):主要能夠將本地檔案和社群媒體內容匯入資料至 CAS 資料館中,以及將現有的資料匯入至 CAS 資料館中。

再來在預設情況下,所有透過身份驗證的使用者皆能夠點選「匯入」頁籤,而管理員可以透過設定將「匯入」頁籤不要顯示,其中主要是因為不希望所有使用者皆能夠隨意將本機檔案和社群媒體內容匯入資料至 CAS 資料館中,以及從像是 Google Analytics、Facebook、Youtube、… 等社群網站中匯入資料。

最後我們主要能夠點選 SAS Environment Manager 網站應用程式中的規則頁籤,搜尋「/casManagement_capabilities/importData」關鍵字,並且按下「編輯」鈕進行規則的編輯,以及設定「主體類型」和「規則類型」,以利設定僅有特定的使用者或群組才有權限使用匯入資料的功能,這對於企業組織來說是非常重要的角色權責設定功能。

相關資源

SAS 系統管理 (116)

教學目標

初步了解升級 SAS 9 平台的基本概念。

重點概念

首先我們應該針對升級 SAS 9 平台選擇最適合企業組織的升級方法,其中升級 SAS 9 平台主要有二種方式,分別為:

  1. 升遷 (Promote):安裝與設定 SAS 9 平台,並且升級部分的內容。
  2. 遷移 (Migrate):安裝與設定 SAS 9 平台,並且升級全部的內容。

其中升遷主要是透過匯出和匯入 SAS 套件精靈或批次工具升級部分的內容,而遷移主要是過 SAS 部署精靈升級全部的內容。

接著升遷和遷移彼此不是相互排斥,我們將能夠選擇遷移至 SAS 9 平台部署,並且與早期 SAS 9 平台同時執行,以及透過升遷定期更新部份的內容,以利我們在驗證遷移的內容時繼續使用正式環境中的 SAS 9 平台,至於升遷和遷移的比較,請參考下表。

升遷 遷移
主要物件 系統 內容
執行期間 部署時 部署後
執行次數 一次性 重複性
限制條件 部署架構相同 沒有任何限制

再來設計升級主要代表針對目前的 SAS 部署檢查硬體、軟體和升級的需求,並且製訂計劃以將資料和設定的內容整合至新的 SAS 9 平台中,其中針對 SAS 9 平台的升級計劃主要有五大步驟,分別為:

  1. 設計升級計劃。
  2. 執行升級前作業。
  3. 安裝 SAS 9 平台和升級內容。
  4. 執行後續升級作業。
  5. 驗證升級作業。

最後在升級的過程中,我們應該要先安排停機時間,以利確保在將目前 SAS 相關內容遷移至新的 SAS 9 平台時,所有中繼資料和資料內容皆能夠保持同步。以及必須確保已經進行目前 SAS 9 平台所有相關作業系統的完整備份。此外若是目前為 SAS Visual Analytics 7.x 版本,則能夠參考官方文件進行相關升級作業。

相關資源

SAS 商業智慧 (5)

教學目標

初步了解 SAS 9 智慧平台和 SAS Viya 分析平台商業分析報表升級專案之基本概念。

重點概念

首先提到商業智慧這個專有名詞通常第一個想到的就會是商業分析報表,而在今年我才剛完成有關金融業和製造業客戶端的在 SAS Viya 分析平台的商業分析報表升級專案,並且皆已經正式上線使用,至於不同產業能夠透過 SAS Viya 分析平台製作什麼商業分析報表呢?請先參考 SAS Visual Analytics on SAS Viya 的線上互動展示,透過過互動式視覺化和易於使用分析來探索不同產業的商業問題,更進一步採取適當的行動。此外當商業分析報表正式上線之後,當報表需求量越來越大時將會面臨分析報表的設計問題,要如何透過設計既美觀又易於理解的報告來建立引人入勝的資料故事,此時可以參考官方設計報表的最佳實務,以及當資料量越來越大時將會面臨報表讀取的效能問題,此時就會需要透過專業顧問服務和技術合作夥伴與企業客戶一起合作來解決此問題。

接著最近又再度被安排前往醫療業和零售業客戶端協助 SAS 9 智慧平台商業分析報表升級專案,在過程中發現企業客戶除了開發和設計報表非常多元化之外,並且提供商業分析報表給不同通路的使用者,以及企業客戶皆非常喜愛透過 SAS Enterprise Guide 工具設計資料轉換排程作業,將多個來源的資料匯整之後,上傳至 SAS 9 智慧平台中的 LASR 分析伺服器中,以利商業分析報表的呈現,然而 LASR 分析伺服器的下一代,則是 SAS Viya 分析平台中的 CAS 分析伺服器,其中不論是哪一個伺服器皆是在記憶體中處理報表資料,但是未來趨勢將會往 SAS Viya 分析平台中的 CAS 分析伺服器持續優化和改善,以利提供最佳的報表讀取效能,所以建議商業分析報表升級至 SAS Viya 分析平台為主。此外如果還沒有用過 SAS Viya 分析平台,則能夠免費線上註冊「SAS Visual Analytics on SAS Viya 」,並且免費試用 14 天透過 SAS Visual Analytics 來製作報表,至於要如何開始學習,則能夠參考官方教學文件官方教學影片

再來在升級專案過程中,面對不同產業的商業分析報表,將會由不同產業的領域知識所對應的資料匯整產生報表資料,所以 SAS Enterprise Guide 工具深受業務單位的使用者喜愛,當然 SAS Enterprise Guide 工具僅需要搭配 Office Analytics 解決方案,就能夠持續透過 SAS Enterprise Guide 工具整合資料至 SAS Viya 分析平台中進行報表設計和探索。但是對於企業客戶更建議使用 SAS Viya 分析平台內建的 SAS Data Studio 網站應用程式將 SAS Enterprise Guide 工具所開發的專案分別重新設計至 SAS Data Studio 網站應用程式的計劃,或者將 SAS Enterprise Guide 工具所開發的專案分別重新設計至 SAS Studio 網站應用程的批次程式,更進一步透過 SAS Job Execution Web Application 網站應用程式設計批次排程的程式。至於為何要如此建議和規劃呢?最重要的一點主要在於透過 SAS Viya 分析平台統一進行資料管理,但是現況會面臨許多挑戰,此時就會需要透過專業顧問服務和技術合作夥伴與企業客戶一起合作來解決此問題。

最後當升級專案完成之後,我們更能夠透過 SAS Visual Analytics 中的特定功能以資料科學的概念增強資料故事,請參考官方社群文件官方網路研討會。此外 SAS Visual Analytics on SAS Viya 更有提供自動化分析物件為特定的回應變數確定最重要的基礎因素,每個基礎因素都包含一個說明圖表,該說明圖表的內容取決於回應變數和基礎因素的變數類型呈現出不同的組合圖表,像是長條圖、堆疊圖、散佈圖、… 等,更多資料請參考官方文件官方影片,而基於人工智慧的自動化分析將會是商業智慧未來的發展趨勢,請參考官方網路研討會

相關資源

📖 more posts 📖