Leo Yeh's Blog

SAS Viya (60)

教學目標

初步了解 SAS Viya 平台分析應用的基本概念。

重點概念

首先商業分析現今已經從商業智慧 (Buiness Intelligence, BI) 到人工智慧 (Artificial Intelligence, AI),而我個人認為 SAS 9 是商業智慧平台,而 SAS Viya 則是人工智慧平台,SAS 9 平台和 SAS Viya 平台目前是能夠整合應用,統一稱為 SAS 平台,然而不論採用哪一種類型的平台分析皆主要有四個階段,分別為:

  1. 描述 (Describe):發生了什麼事,為什麼?已知流程和指標。
  2. 預測 (Predict):接下來會發生什麼事?自動化洞察力。
  3. 指示 (Prescribe):做什麼事,選取哪一個?新的流程和角色。
  4. 感知 (Perceive):從經驗中學習,回應新的輸入和直接自動增強參與。

其中當關鍵指標高於或低於預期時,通常我們會要求某人解釋原因,而在儀表板和報告顯示發生了什麼,什麼是高於或低於預期,但卻不是為什麼。而現今有大量的資料,即使有許多組織有在訓練數據科學家,但要必要此技能的人和找到推動這些意外結果所需時間皆是缺乏的。此時自動化預測建模以及建模結果的呈現和解釋將有助於任何組織中的絕大多數人理解他們的指標過高或過低的最佳方式,同時通過自動分析,更多人可以識別正確的變化,從而在最短的時間地改善結果為企業提高獲利或降低成本。

接著 SAS Viya 人工智慧平台就有自動分析的情境應用,能夠讓我們只花費一小部分時間就能夠帶來以下好處,分別為:

  1. 高階主管將變得更加獨立和洞察力驅動。
  2. 業務分析師將使用自動化提高工作效率。
  3. 專家數據科學家將有更多時間創建高價值模型來解決更複雜的問題。

然而資料和預測分析許多企業很早就有導入,像是資料倉儲和商業智慧,那麼現在是什麼使得現在正確的時間考慮預測分析的自動化,主要包括以下因素,推動了自動化分析的需求,可行性和可用性,分別為:

  1. 全新的資料來源,以及自然語言處理使對話分析成為現實。
  2. 預測分析能力的價值意識已經提升,同時數據科學家的供應有限。
  3. 雲端基礎架構和技術大大降低了成本和部署時間,並且針對能夠進行互動式建模。

再來許多企業早已經導入 SAS 9 商業智慧平台,則能夠透過升級至 SAS Viya 人工智慧平台針對既有的資料市集進行自動化分析,同時除了能夠讓 SAS 的客戶持續使用 SAS Enterprise Guide 撰寫 SAS 程式碼搭配 SQL 語句進行資料整合之外,更能夠透過 Jupyter Notebook 撰寫 Python 進行更進階的資料整合。請注意資料整合管理非常重要,因為唯有持續完善的資料品質才能夠提供可被信任的自動化分析結果,以利企業進行有效的決策分析。

最後大多數企業針對完整分析生命週期的需求經常會遇到許多挑戰,我們主要可以將分析的生命週期視為具有三個主要階段,分別為:

  1. 資料階段 (Data)
  2. 發現階段 (Discovery)
  3. 部署階段 (Deployment)

在資料階段中業務運營資料將被轉換並加載以用於目標業務分析,在發現階段,開發了進階報告,統計和機器學習模型,以深入了解影響業務的模式和趨勢,在部署階段,這些模型用於在關鍵業務流程中進行預測,從而推動運營決策。而三個階段中最困難的挑戰主要在於部署階段要如何在符合資安政策的情況下與企業內部系統整合管理,像是單一登入、授權存取、稽核軌稽、開發過版、平台維運、模型管理、… 等關鍵因素,因此若企業需要導入單一平台以利滿足完整分析生命週期,則選擇導入 SAS Viya 人工智慧平台就會是最合適的選擇,至於相較於其它解決方案的優缺點,則可參考 2019 年 Gartner Magic Quadrant 數據科學與機器學習平台分析報告

相關資源

⬅️ Go back