Als BI kwam terug in de jaren 1990, SAS was al een volwassen speler die de keuken naar een smalle elite van gegevens mijnwerkers en quants. U hebt gebruikt voor Business Objects of MicroStrategy voor het genereren van omzet per regio dashboards, maar toen het kwam tot het berekenen van een diepe analyse modellen, SAS had weinig rivalen. Voor SAS, het belangrijkste thema in de afgelopen jaren is de verbreding van de voetafdruk in een landschap waar de AI (meestal machine learning) is het omvormen van BI en het besturen van de te behandelen modelleren, niet als een one-off, maar als een levenscyclus, die geïntegreerd is met de operationele systemen, op zowel lokaal als in de publieke cloud. Beide ontwikkelingen maken het landschap waar SAS concurreert in toenemende mate druk, van de self-service visualisatie tools van business analisten, en de data science collaboration tools die afkomstig zijn van een uitbreiding van het aanbod van durfkapitaal startups.
Dan is er nog open source, de olifant in de kamer, die SAS niet meer behandelt als een dodelijke bedreiging maar een heterogeen systeem; SAS de bijdrage van het toepassen van proces en bestuur, die pikt waar open source bladeren uit. Wanneer het geïntroduceerd SAS Viya drie jaar geleden, SAS opende een weg voor gegevens wetenschappers schrijven modellen met behulp van Python, en later, Java, Python, Lua, en R, dan roepen SAS routines in Viya op de back-end. Maar tot voor kort, SAS had een perceptie probleem met Viya, zoals veel potentiële klanten hadden de indruk dat het was slechts een Tableau-stijl mooi gezicht in plaats van een nieuwe analytics-platform voor de aanpak van de volledige levenscyclus. Maar SAS eindelijk begint te krijgen van de Viya verhaal. Gezien het feit dat SAS groei van schommelde rond de 1 – en 2% voor de laatste vijf jaar, percepties zijn van cruciaal belang voor het bedrijf vonk hernieuwde groei.
2018 is waar Viya uiteindelijk, met een verkoop van ongeveer een verdubbeling. Ondertussen, SAS van de cloud business groeide in iets meer dan 30%, voornamelijk uit de Resultaten als een Service aanbieden waar u voeden van uw gegevens te SAS beheerd modellen.
Sinds de lancering, Viya heeft toegevoegd aan haar portfolio. Het hoogtepunt bij de lancering van SAS Visual Onderzoeker samengevoegd mogelijkheden van een verscheidenheid van afzonderlijke SAS tools, variërend van Visual Analytics Beslissing Manager, Enterprise Miner Visual Statistieken en anderen. De Viya portfolio is sindsdien aanzienlijk uitgebreid en omvat de data preparatie, econometrie, model lifecycle management, optimalisatie, data mining en machine learning, tekst analytics, computer vision en natuurlijke taal interactie.
Op korte termijn, SAS doelen zijn het betrekken van een breder publiek binnen haar klantenbestand. Een deel van het komt door meer flexibele user-based licensing zodat klanten niet voor het aanbrengen van harde toezeggingen voor een individuele producten of modules van de stapel of je zorgen te maken over het wijzigen van het berekenen van beelden of data volumes. De andere poot is door middel van end-to-end mogelijkheden ondersteunen van business analisten en gegevens wetenschappers gelijk, plus nieuwe meer-industrie-specifieke verticale oplossingen, zoals het credit-het opsporen van fraude. Het is ook de introductie van meer flexibele prijsstelling om het gemakkelijker te maken om een licentie te SAS zonder harde toezeggingen voor elke afzonderlijke module of een product uit het portfolio.
Om die in de peanut gallery die willen bijgewerkt te krijgen op wat we zagen in dit jaar SAS analist evenement, was de focus niet op de product roadmap per se, maar de end-to-end reis. De boodschap is dat, buiten de grote portefeuille van SAS analytics-functies, instrumenten zijn die ondersteuning van elke stap van de levenscyclus analyse waar het beroep wordt verbreed voorbij SAS gebruikelijke achterban en in enterprise operaties bij analyses wordt.
De reis overspannen van data management model management, data discovery en implementatie met diepe duiken in geselecteerde use cases. Voorbeelden opgenomen waaruit blijkt hoe SAS ESP slikt en transformeert real-time streaming data in een data-pijpleiding, die ook verrijkt met data in rust, ter ondersteuning van het onderzoek naar kanker. Uit de pijplijn, kunt u gebruik maken van SAS-of derde-party analytische tools. Er was de fase van de gegevens ontdekking, met behulp van een voorbeeld met een creditcard fraude preventie die GUI-gedreven omgevingen voor de zakelijke gebruiker en modelbouw, competitie, en de trainingen voor de data scientist. Dan was er de focus op de implementatie, het verstrekken van de gegevens op de implementatie en het geslacht (van data en het model), en de laatste kilometers toepassingen zoals SAS Intelligente Besluitvorming wordt toegepast aan de klant de volgende beste aanbieding scenario ‘ s.
Duidelijk, SAS heeft veel van de vennootschap in verschillende delen van de analytics lifecycle, van het modelleren en het model voor beheer van levenscyclus analyses, rapportage, en self-service. SAS is grote trekken is altijd de breedte en diepte van de analytics-functies. Als een klant zet, open source frameworks of bibliotheken zal doorgaans de 80/20-regel, bijvoorbeeld in de indeling of regressie-analyse, terwijl SAS zal het wagen dan met de meer esoterische dingen of analytische functies die worden gevormd voor specifieke sectoren van de industrie.
Maar de functionele golf tussen SAS en de open source-wereld is een strijd voor de tijd die een generatie-spin. In 40 jaar, SAS heeft de mogelijkheid om te ontwikkelen een diepe en brede portfolio van analytische functies. Met het enthousiasme voor open source, in het bijzonder onder de binnenkomende data scientists en data-ingenieurs, er is een sterke duw in de gemeenschap uitbreiden van de portfolio in de open source wild. We hebben ook gezien hoe de sectoren die traditioneel gehouden ontwikkeling zich steeds meer omarmen van open source, hetzij door middel van open source-eerste strategieën (open-source-technologie waar het haalbaar is) of aan de bouw van hun eigen open source-projecten. Een decennium geleden, tech ontmoetingen waren vrijwel non-existent in New York. Vandaag, een week zelden gaat door zonder dat iemand van Wall Street of de media wereld demonstreren van de nieuwe open-source bijdragen.
Zoals hierboven opgemerkt, SAS heeft de eerste stappen genomen door de vergadering van de open source gemeenschap halverwege door het maken van SAS analytics op Viya toegankelijk voor niet-SAS talen. We zijn vertrokken op de plaat eerder dat SAS neem de volgende stap en begin bij te dragen aan open source. Aan het einde van de dag, SAS de kern van toegevoegde waarde zal niet alleen de rijke analytics functionaliteit, maar ook hoe het u helpt bij het beheren en implementeren van analytics, en hoe SAS levert.
Bedenk wat voor SAS heeft al geleverd met de Viya portfolio voor het verpakken, en de Resultaten als een Service voor de levering, stel je Nu eens SAS containerizes haar portefeuille in de cloud-het oorspronkelijke formaat; dat zou kunnen helpen SAS versnellen van de refactoring de google analytics portfolio van cloud-diensten. Voeg vervolgens een brede externe partner ecosysteem (een discipline die is nieuw voor SAS) en SAS kunnen concurreren als de google analytics-bestemming.
Wat over innovatie? Hoewel het misschien een kwestie van tijd voordat de open source wereld wordt binnen de afstand van de rijkdom van SAS de analytische functie portefeuille, er is nog steeds volop gelegenheid voor SAS te onderscheiden door innovatie. Vorig jaar, Dr. Jim Goodnight van SAS CEO, riep explainability als het ontbrekende ingrediënt met AI-modellen. Dit jaar zagen we SAS blijk van haar huidige en toekomstige mogelijkheden in het model explainability bevat natuurlijke taal functie in Viya model management en over de rest van de Viya Portfolio. SAS kan ook het document van de lijn van het model en data, en de opzet van het model. SAS is niet de enige speler die de aanpak van dit probleem. Een paar weken terug zagen we H2O aantonen dat de benadering van het model explainability. Maar neem van ons aan. Op deze ronde, SAS de machine learning model verklaringen waren veel makkelijker te begrijpen.
Verwante Onderwerpen:
Cloud
Digitale Transformatie
Robotica
Het Internet van Dingen
Innovatie
Enterprise Software