Noll
Förra året lämnade vi en Star Trek-metaforer som beskriver SAS utveckling som vi tittade VD och grundare Dr Jim Goodnight visat hur man använder Alexa för att fråga SAS. Ett år senare, vi såg en liknande demo med Siri med en iPhone, vilket ger oss en uppfattning om tunga lyft som är fortfarande som krävs för att göra konversera gränssnitt verkligheten.
Ledtråd: Du fortfarande har att formulera dina frågor just för att, som nu, taligenkänningssystem har inte fångats upp i autokorrigering funktioner som vi tar för givet när man skriver Google-sökningar.
Men vi avvika. Med anledning av Dr Oliver Schabenberger från chefen för forskning, produktutveckling, och de flesta nyligen, CTO, till posten som COO (rapportering endast till Dr Godnatt), SAS har genomfört ett byte av vakt som började för tre år sedan. Med Dr Schabenberger, SAS har främjat en produkt forskare med djupa akademisk bakgrund (som Dr. Godnatt) till chef för produktutveckling, försäljning och verksamhet. SAS kännetecknar den nyskapade COO slot som en plan för att “expandera” ledningsgruppen. Titta på detta utrymme.
Utmaningen för SAS är att det finns en marknad där det hade stor dominans för lejonparten av de senaste 40 åren har nu börjat bli riktigt trångt. Med the cloud, du behöver inte investera i hög-prestanda beräkna infrastruktur, och med öppen källkod, behöver du inte betala en massa för detta ljuddämpare (om att ljuddämparen var programvara). Inte förvånande-ett ekosystem av verktyg för automatisering, samarbete, planering och utbyggnad för data vetenskap livscykeln har växt.
Med framväxten av Viya under de senaste par åren, SAS smart slutsatsen att dess värde lägg inte i SAS programmering språk, men i bredden och djupet av analytics i sin portfölj och hur man hanterar dem. Med Viya, SAS valde att samexistera med open source-miljö. Utveckla i R eller Python, använd en Jupyter anteckningsbok för att skriva och dela dina modeller, men vid körning, skicka dem till Viya där modellerna kör i SAS Moln Analytiska Tjänster (CAS) i minnet motor. Eller dela dina algoritmer med SAS verktyg som Visual Analytics eller Visuella Utredare.
Så SAS har öppnat dörren, men de största hoten är inte nödvändigtvis öppen källkod, men en enkel tillgång till avancerade analyser och lärande (ML) genom dussintals fit-for-purpose tjänster från var och en av de stora moln leverantörer. Vill bygga en ML modell i en mycket organiserad miljö? Gå till Amazon Sagemaker eller Azure ML Studio. Vill bygga upp någon bild erkännande eller tal till text-program? Gå till Amazon Rekognition eller Google Cloud Naturligt Språk. Vill köra lite Gnista jobb? Gå till Amazon EMR eller Databricks. SAS erbjuder sina väl avrundad miljö, dessa moln-tjänster erbjuder snabb onramps på de typer av analyser som har varit SAS: s bröd och smör; om du redan har din data i molnet lagring (som redan är din data sjön), bara ge ett kreditkortsnummer.
På årets analytikermöte, vi borde inte ha blivit förvånad att fokus förskjutits till artificiell intelligens (AI) och ML, eftersom de har ganska mycket beslagtagna dagordningen i analytics världen. SAS kände behovet att hävda att ML och dess föregångare har alltid varit ingrodd i analytics. Låt oss bara säga att SAS kom för sent till ML hype.
SAS genomgår en rite of passage som är oundvikligt med första anläggningsmaskiner, så det är en utmaning att fortsätta att visa sin relevans i en marknadsplats har historiskt dominerats och nu delar med många uppkomlingar.
SAS har ett fast grepp om den Globala 2000 företag bas, som inte går bort när som helst snart. Men det är en utmaning att tävla för hjärtan och sinnen av nästa generation av data forskare, data ingenjörer, och analytiker som har blivit bemyndigad av självbetjäning och dras in av öppen källkod.
Det finns sätt för SAS att få svalna igen. Vi minns för flera år tillbaka, flyger till en konferens (faktiskt, det var SAS), där vi befann oss sitter bredvid en high school senior som var på väg UT till Austin för att kolla in deras uppgifter science program. Självlärd, han var redan behärskar R och Python, men föredrog SAS på grund av den fullfjädrade analytics miljön. Det är det scenario som SAS vill replikera.
För detta ändamål, SAS har länge investerat i högre utbildning program för att utbilda kommande generationer av SAS-programmerare. Men nu måste det göra mer: den måste möta unga utövare där de bor: i molnet och i öppen källkod. För dem, cloud gör upp lätt, även om öppen källkod är synonymt med att samhället utvecklas innovativt. Och förresten, öppen källkod ger karriär bärbarhet. Lära sig ett egenutvecklade verktyg, och du kan bara gå till företag som använder verktyg, lära sig öppen källkod, kan du gå nästan var som helst.
Låt oss börja med molnet. Det är fortfarande tidigt dagar för SAS på SaaS. En begränsad grupp av SAS kunder använder cloud-tjänster från sina egna datacenter (nära Cary, NC huvudkontor och Frankfurt) eller tjänster som SAS värdar i den offentliga moln. Det erbjuder också en hanterad SAS analytics-tjänster på AWS Marketplace, men endast för den högre utbildningen. Viya, som är “moln-vänlig”, eftersom det körs på elastisk CAS-infrastruktur, är ännu inte erbjuds som en managed cloud analytics-platform-as-a-service. Idag, kommer till molnet, du skulle ha för att distribuera det själv genom infrastruktur-som-en-tjänst.
Som kommer att förändras. SAS är nu i färd med att re-utformning av sin analytiska verktyg i behållare och microservices som är långt mer moln-vänlig; vi räknar med att de första containrar SAS analytiska tjänster som kommer att göra debut på Viya-plattformen. Re-utformning är betydelsefull, eftersom behållare och microservices har två viktiga fördelar.
Först, de använder molnet resurser betydligt mer effektivt, vilket betyder att managed service providers som kan SAS pris SaaS-erbjudanden mer konkurrenskraftigt.
För det andra, genom refactoring monolitisk program och verktyg till behållare och microservices, SAS lättare kan skapa nya moln-baserade tjänster, som SAS Visual Utredare som mosar upp funktioner över SAS portfölj från Visuell Statistik, Data Prep, Enterprise Miner, och andra verktyg. Det innebär att SAS kan bli mer lyhörd för kundernas behov i molnet genom att påskynda införandet av nya tjänster. Förresten, så mosa upp stämmer väl med SAS: s färdplan för Viya, som är att visa upp den största delen av resurser från den kärnverksamhet portfölj under ett mer modernt, webbaserat gränssnitt.
Som för öppen källkod, som nämnts ovan, SAS interoperates med det, mestadels genom Viya. Men, som handlar om bristen på uppfattningen om SAS och ML, SAS ska börja bidra till öppen källkod.
Den logiska platsen för SAS att få proaktiva med öppen källkod är ML och AI för ett par skäl. För det första, lejonparten av AI/ML innovation är något som redan sker i öppen källkod. I djupt lärande, tänkte ledare Google och Amazon har kastat i TensorFlow och MXNet, respektive, för ML sidan, det finns Gnista MlLib, Scikit-Lära sig i Python gemenskapen, och CRAN bibliotek av R, bland andra. Och för det andra, öppen källkod är ett bra ställe att få uppgifter forskare fast eftersom den är raderad inträdeshinder.
Detta betyder inte att SAS bör bli en öppen källkods-företag. Dess kärna konkurrensfördel är den underliggande plattform som hanterar analytics livscykel, för att inte nämna dess djup bänk av analytiska verktyg och förmåga, som inte är vettigt för öppen källkod. Men för att “gateway droger,” som ML, det ger den logiska platsen för SAS att engagera sina framtida kunder där de redan är.
Relaterade Ämnen:
Cloud
Digital Omvandling
Robotteknik
Sakernas Internet
Innovation
Affärssystem
0