SAS 解決方案 (4)

教學目標

初步了解有關 SAS 解決方案在於人工智慧的全面性應用。

重點概念

首先最近越來越多企業談論人工智慧,但是 SAS 最近針對歐洲地區調查發現許多企業採用人工智慧的考量還在初期與計畫階段。人工智慧最早在 1956 年被提出,但因大數據、進階分析和雲端運算與儲存能力的改進,使得人工智慧現今越來越流行。目前眾所皆知的人工智慧原生應用情境,主要有自駕車、智慧助理、自動執行重複性的工作、聊天機器人、自動決策、…等。同時組織中有關人工智慧企劃案的成立主要是因為需要提供成長潛力、跟上競爭對手、透過效率來節少成本、…等理由進行推動,其中追求新的產品、新的市場和新的營收成長是最主要的驅動因素,此時重視進階分析和機器學習將能夠提供出色的客戶體驗。 因此 SAS 解決方案則持續在 Viya 分析平台上持續強化人工智慧的功能,尤其是進階分析和機器學習的功能。

接著企業若要導入人工智慧平台則會考慮採用雲端服務,SAS Viya 平台中的核心服務 CAS 全名為 Cloud Analytics Services ,也就是雲端分析服務,我們透過雲端分析服務能夠為企業進行可被信任的進階分析。然而像是 Microsoft Azure、Amazon Web Service 和 Google Cloud Platform 皆有提供可被信任的進階分析雲端服務,此時 SAS 平台的優勢為何呢?雖然現在有幾個主要的金融組織避免使用雲端服務,但是認知到未來可能有必要使用,尤其是若即時分析成為必備功能時,此時可能會採用混合內部自有的雲端策略,同時規劃雲端解決方案的模式將能夠提高彈性和可擴充性,但是針對資料科學的技能則需要雇用專業分析顧問來協助。此外建立用於支援人工智慧的架構,需要建立「進階分析應用」的現代化平台,以及能夠推動「分析生命週期」所有步驟的方法,除了技術功能之外,支援分析相關流程的運作也很重要。

再來企業若要部署人工智慧時將會遇到許多挑戰,分別為企業對於人工智慧缺乏信任將會面臨文化挑戰、人工智慧的深入解析資訊整合至業務決策流程、進行資料整合以支援人工智慧模式,以利取得更理想的解析資訊、… 等,其中資料整合和管理將對於進階分析的投資是否能夠實現價值至關重要。此時 SAS 解決方案能夠讓組織引用資料做出值得信任的決策,並且在資料品質管理流程的每一個階段,我們皆為組織提供支援,讓組織能夠輕鬆探索和找出問題、預覽資料,同時制定可重複的流程,以利維持高水準的資料品質。此外企業不斷發展結構化、非結構化和半結構化資料的整合策略,此時需要選擇能夠快速整合多方資料來源的解決方案,此時 SAS 解決方案能夠確保輕鬆快速地探索所需要的資料,因為它在中繼資料策略和整合資料品質方面具備扎實的基礎,以利自助式資料準備和將己器學習融入資料整合和資料發現等領域持續創新,同時加速運作可信任的資料。

最後企業對於人工智慧的定義將會影響界定其業務應用範圍的方式,以及決定投資金額和導入速度。一般來說,人工智慧是以機器來模擬人類思考的過程,運用了自我學習系統,也就是資料探探勘、模式辨識和自然語言處理,來模擬人腦運作的方式。然而許多人還是會定義人工智慧為機器學習與深度學習、自動化商業交易、預測性分析、自我學習系統、模式辨識、…等,並且了解若沒有進階分析的工具,人工智慧將無法運作,但很可惜的是人們對於人工智慧的應用主要在於智慧家庭和自駕車,像是 Amazon 的 Alexa 或 Apple 的的 Siri 應用。然而目前 SAS 解決方案已經採用神經網路和機器學習的功能進行詐欺偵測的金融案例應用,此外金融業者有越來越多的需求,尤其是信用評分和降低風險的應用,將有機會透過人工智慧協助帶來更大的成長潛力。

總結 SAS 解決方案主要提供全面性進階分析和機器學習的整合應用,其中包括資料品質、資料整合和資料科學,以利持續強化人工智慧的功能應用。但是在面臨 Microsoft Azure、Amazon Web Service 和 Google Cloud Platform 提供可被信任的進階分析雲端服務時,SAS 的競爭優勢不僅有專業的分析顧問針對企業提供資料科學建議之外,更提供全面性進階分析和機器學習的整合應用,同時 SAS 解決方案在於金融產業詐欺偵測或反洗錢的案例應用,我認為將可能是 SAS 解決方案相較於其它雲端服務在人工智慧的關鍵應用。

相關資源