Nul
Vorig jaar hebben we voorzien van een Star Trek-metafoor het beschrijven van SAS evolutie zoals we zagen CEO en mede-oprichter Dr. Jim Goodnight aangetoond hoe te gebruiken Alexa query SAS. Een jaar later, keken we een vergelijkbare demo met behulp van Siri op een iPhone, geven ons een idee van de heavy lift dat is nog steeds nodig om die conversatie interfaces werkelijkheid.
Hint: Je moet nog steeds zin uw vragen, juist omdat, zoals nu, spraakherkenning systemen zijn niet opgenomen in de autocorrectie-functies die we voor lief nemen bij het intikken van zoekopdrachten op Google.
Maar we dwaal af. Met de toetreding van Dr. Oliver Schabenberger van de chef van het onderzoek, product ontwikkeling, en het meest recent, CTO, om de functie van COO (rapportage Dr. Goodnight), SAS voltooid heeft een wisseling van de wacht, die begon drie jaar geleden. Met Dr. Schabenberger, SAS heeft bevorderd een product onderzoeker met diepe academische achtergrond (zoals Dr. Goodnight) aan het hoofd product ontwikkeling, sales en operations. SAS is kenmerkend voor de nieuw opgerichte COO slot als een plan om “uit te breiden” het management team. Bekijk deze ruimte.
De uitdaging voor SAS is dat een markt waar het onbetwiste dominantie voor het leeuwendeel van de laatste 40 jaar is het nu even heel druk. Met de cloud, u hoeft niet te investeren in high-performance berekenen van de infrastructuur, en met open source, je hoeft niet om veel te betalen voor deze uitlaat (als die uitlaat waren van de software). Niet verrassend, een ecosysteem van tools voor de automatisering, samenwerking, samenspel en inzet voor de data science levenscyclus is ontsproten.
Met de opkomst van Viya de afgelopen paar jaar, SAS slim geconcludeerd dat de meerwaarde niet in het SAS programming language, maar in de breedte en diepgang van de analyses in haar portefeuille en de manier waarop die het beheert. Met Viya, SAS koos ervoor om samen met de open source omgeving. Ontwikkelen in R of Python, een Jupyter notebook op te stellen en uw modellen delen, maar tijdens runtime, stuur ze naar Viya waar de modellen uitgevoerd in SAS ‘ s Cloud-Analytic Services (CAS) in-memory engine. Of deel uw algoritmen met SAS tools zoals Visual Analytics of Visual Onderzoeker.
Dus SAS heeft de deur geopend, maar de grootste bedreigingen zijn niet noodzakelijkerwijs open source, maar het gemak van toegang tot geavanceerde analytics en machine learning (ML) door de tientallen fit-for-purpose ‘ – diensten van elk van de grote cloud-providers. Wilt bouwen van een ML-model in een zeer samengesteld omgeving? Ga naar Amazon Sagemaker of Azure ML Studio. Wilt bouwen sommige image recognition of spraak-naar-tekst applicaties? Ga naar Amazon Rekognition of Google Cloud Natuurlijke Taal. Wilt lopen sommige Vonk banen? Ga naar Amazon EMR of Databricks. Als SAS touts zijn goed afgerond omgeving, deze cloud-diensten bieden een snelle toegangswegen tot de soorten analyses die zijn SAS brood en boter; als u al uw gegevens in de cloud storage (dat al uw gegevens meer), alleen een credit card nummer.
Dit jaar is de analist conferentie, moeten we niet verbaasd hebben dat de spot dreef om kunstmatige intelligentie (AI) en ML, omdat ze vrij veel in beslag genomen van de agenda in de analytics wereld. SAS voelde de behoefte om te beweren dat ML en haar voorlopers hebben altijd al ingebakken in de analyse. Laten we gewoon zeggen dat SAS kwam te laat om de ML-hype.
SAS is het ondergaan van de rite de passage dat is onvermijdelijk met first-movers, als hij wordt uitgedaagd om verder te gaan demonstreren van zijn belang in een markt in het verleden heeft gedomineerd en nu aandelen met tal van upstarts.
SAS heeft een stevige greep op de Global 2000 enterprise basis, die is niet van de baan op elk moment snel. Maar het wordt uitgedaagd om te strijden om de harten en geesten van de volgende generatie van de gegevens wetenschappers, data engineers en business analisten die worden bekrachtigd door het self-service en getrokken door open source.
Er zijn manieren voor SAS te krijgen koel weer. Herinneren We ons enkele jaren terug, die naar een conferentie (eigenlijk was het SAS), waar zitten we naast een high school senior die op weg was naar UT Austin om hun data science programma. Autodidact, hij was al bedreven in R en Python, maar de voorkeur SAS vanwege de full-featured analytics omgeving. Dat is het scenario dat SAS wil repliceren.
Naar dat doel, SAS heeft lang geïnvesteerd in het hoger onderwijs programma ‘ s voor het trainen van de volgende generaties van SAS programmeurs. Maar het moet nu meer doen: het moet voldoen aan jonge beoefenaars waar ze wonen: in de wolk en in de open source community. Voor hen is de cloud maakt de onramp makkelijk, terwijl open source is synoniem met de plaats die de gemeenschap innoveert. En door de manier, open source biedt carrière draagbaarheid. Leren een eigen tool, en je kan alleen naar de bedrijven die gebruik maken van dat hulpmiddel; leren open source, en u kunt bijna overal komen.
Laten we beginnen met de cloud. Het is nog te vroeg voor SAS op SaaS. Een beperkte groep van SAS klanten gebruik van cloud-diensten vanuit haar eigen datacenters (in de buurt van Cary, NC-hoofdkwartier en Frankfurt) of diensten, te SAS hosts in publieke clouds. Het biedt ook een beheerd SAS analytics diensten op AWS Marketplace, maar strikt voor het hoger onderwijs. Viya, die “cloud-vriendelijke” omdat het draait op elastische CAS-infrastructuur, is nog niet aangeboden als een managed cloud analytics platform-as-a-service. Vandaag de dag, gaat naar de cloud, u zou hebben voor het implementeren van het zelf door middel van infrastructure-as-a-service.
Dat gaat veranderen. SAS is nu in het proces van re-architectuur, haar analytische tools in containers en microservices die zijn veel meer cloud-vriendelijk; we verwachten dat de eerste container-SAS analytic services zal debuut op de Viya platform. De re-architectuur is belangrijk, omdat containers en microservices bieden twee belangrijke voordelen.
Ten eerste, ze maken gebruik van cloud resources veel efficiënter, wat betekent dat dienstverleners zoals SAS kunt de prijs van haar SaaS-meer concurrerend.
Ten tweede, door refactoring monolithische applicaties en tools in containers en microservices, SAS kan gemakkelijker maken nieuwe cloud-gebaseerde diensten, zoals SAS Visual Onderzoeker die in de puree tot functies in de SAS-portfolio van Visual Statistieken, Gegevens Prep, Enterprise Miner, en andere hulpmiddelen. Dat betekent dat SAS kan beter inspelen op de behoeften van de klant in de cloud door een versnelde introductie van nieuwe diensten. Door de manier mashing up past goed bij SAS stappenplan Viya, dat is om het grootste deel van de vermogens van de core portefeuille onder een meer moderne web-gebaseerde interface.
Voor open source is, zoals hierboven vermeld, SAS werkt samen met het, voornamelijk door het Viya. Echter, het omgaan met het gebrek van de perceptie over SAS en ML, SAS moet beginnen bij te dragen aan open source.
De logische plek voor SAS om proactief met open source ML en AI voor een paar redenen. Ten eerste, het leeuwendeel van AI/ML innovatie is al gebeurt in de open source gemeenschap. In de diepe leren, opinieleiders, Google en Amazon hebben gegooid in TensorFlow en MXNet, respectievelijk; voor ML kant, er is een Vonk MlLib, Scikit-Leren in de Python van de gemeenschap, en de CRAN bibliotheken van R, onder anderen. En ten tweede, open source is een goede plek om gegevens wetenschappers verslaafd, want het is gewist toetredingsdrempels.
Dit betekent niet dat SAS moet een open source bedrijf. De kern differentiator is het onderliggende platform beheert de google analytics lifecycle, en niet te vergeten de diepe bank van analytische tools en mogelijkheden; dat is niet logisch voor open source. Maar voor het “gateway drugs,” als ML, biedt de logische plek voor SAS te gaan met haar (toekomstige) klanten waar ze al zijn.
Verwante Onderwerpen:
Cloud
Digitale Transformatie
Robotica
Het Internet van Dingen
Innovatie
Enterprise Software
0