Leo Yeh's Blog

SAS 人工智慧 (3)

教學目標

初步了解 SAS 平台如何實現企業分析策略。(此篇主要為線上課程心得分享)

重點概念

首先為了實現企業分析策略,我們將會需要一個能夠適合的方式來平衡選擇和控制的分析平台,此時 SAS 平台就能夠透過提供選擇和控制的完美平衡協調分析過程,以確保我們在資料,人才和分析技術方面的投資獲得最佳的投資報酬率,所謂選擇和控制的概念請參考官方影片。此外對於資訊單位導入 SAS 平台將能夠整合和管理數據、模型部署和不同的開源技術,並且平衡資料和模型的治理、安全性和敏捷性,以及在企業組織基礎架構中建立和整合分析,同時擴展以適應不斷變化的工作負載和技術,同時對於分析單位導入 SAS 平台將能夠加速分析生命週期,簡化資料準備,並且使用各種分析技術和程式語言,以及在需要的時間進行自動化擴展和部署分析,以利多元化的分析專家發揮所長。

接著無論企業目前在分析過程中的哪個階段, SAS 分析生命週期的產品組合主要能夠加速從資料到發現再到部署的整個分析生命週期,以利實現企業的分析策略,其中產品組合主要有以下五種類型,分別為:

  1. SAS Business Analytics:主要提供存取,收集和瀏覽所有資料的功能,並且能夠讓業務使用者能夠檢查和了解資料中的模式,趨勢和關係,同時易於使用的分析和可視化將能夠幫助我們從資料中獲得洞察力,更進一步解決複雜的業務問題。
  2. SAS Data Science:主要提供強大的程式開發介面,以利存取整個分析生命週期,並且企業更能夠落實分析文化,並且從以資料驅動為基礎的日常作業中獲得更高的分析價值。
  3. SAS Unified Insights:主要提供可支援分析生命週期的資料和發現方面之功能,以利輕鬆準備和探索資料,並且建立和調整機器學習模型,以及使用評分程式碼將見解進行實踐。
  4. SAS Unified Insights MM:主要提供可支援分析生命週期的資料、發現和部署方面之功能,以利輕鬆快速地透過分析平台部署模型,更進一步推動更好的洞察力和更快的決策。
  5. SAS Unified Insights Plus:主要提供可支援分析生命週期的資料、發現和部署方面之功能,其主要在於簡化各種資料來源上的資料整合,以利滿足具有不同分析需求的使用者角色,並且透過程式開發或視覺化操作畫面,在任何地方部署分析,為企業提供更智慧的操作和結果。

再來 SAS 平台主要提供一個有凝聚力的分析生態系統,以平衡快速自助服務強大治理的功能,以及強大的企業分散式處理分析,並且整合開源技術提供集中開放、治理、擴展和協同合作的混合平台。同時透過 REST API 的整合允許客戶端的開放源始碼以彈性和手動的方式呼叫 SAS 平台的分析行為,以利開放源始碼能夠進行分散式運算,並且整合模型管理完整生命週期的部署,同時 SAS 平台更提供機器學習、自然語言、電腦視覺、預測優化、資料準備和視覺報表等完整功能,更能夠增強開放源始碼所帶給企業的分析價值,以利實現企業的分析策略。

最後我們需要為所有 AI 專案建立一個清晰的所有者和利益關係人的治理體系,主要定義將使用 AI 自動執行哪些決策以及哪些決策需要人工輸入,為過程的所有部分分配責任,並且對 AI 錯誤負責,以及 AI 系統開發設定明確的界限,其中包括定期監控演算法,以利確保模型仍按預期運行,同時為了有效治理 AI 道德,則建立了一個 FATE 框架,其中四個要素的縮寫分別代表:

  1. 公平 (Fair):消除偏見和歧視,系統必須有助於消除人為偏見。
  2. 責任 (Accountability):企業必須考慮決策的所有權和承擔責任的意願,這通常歸結為文化。
  3. 透明度 (Transparency):清楚地理解整個分析過程,以利信任系統所做出的決策。
  4. 可解釋性 (Explainability):解釋和理解決策的能力,其中模型的可解釋性是所有模型的核心,並且與透明度密切相關,因為透明的過程很可能產生可以解釋的模型,此外在準確性和可解釋性之間取得平衡,通常更複雜的模型可能更準確,但也更難理解和解釋。

總結為了實現企業分析策略,我們將會需要一個能夠適合的方式來平衡選擇和控制的分析平台,此時 SAS 平台不僅提供統一管理的分析平台、完整分析生命週期和整合開放源始碼之外,更能夠為所有 AI 專案建立一個清晰的所有者和利益關係人的治理體系。

相關資源

⬅️ Go back