АНАЛИЗ БИЗНЕС ДАННЫХ SAS. Анализ бизнес данных sas
 Скачать 21.08 Kb.
|
|
АНАЛИЗ БИЗНЕС ДАННЫХ SAS Компания SAS существует свою деятельность с 1976 г. Она включает в себя: SAS Enterprise Miner – набор методов интеллектуального анализа данных, который позволяет извлечь из массива данных ценную практическую информацию для принятия решений в различных сферах. SAS Enterprise Miner применятся для решения таких задач, как обнаружение случаев мошенничества, минимизация финансовых рисков, оценка и прогнозирование потребностей в ресурсах, повышение эффективности маркетинговых кампаний и снижение оттока клиентов. Возможностями SAS Enterprise Miner являются: Широкий набор инструментов для интеллектуального анализа данных Гибкая система методов, приспособленная к решению задач различной сложности. Решение преобразует первичные данные в информацию для дальнейшего использования аналитиками, статистами, бизнес-менеджерам и ИТ-специалистами. Цельность процесса и используемых методов позволят различным специалистам объединять усилия и повышать эффективность применяемых решений. SAS Enterprise Miner предоставляет аналитикам и data scientists (специалисты по интеллектуальному анализу данных) самодокументируемую проектную среду, которая ускоряет время разработки моделей и объединяет все этапы анализа данных, помогая получить наилучшие результаты. Решение автоматизирует длительный процесс скоринга и генерирует код для всех стадий внедрения модели на языках программирования SAS, C, Java или PMML. Такой код может быть в дальнейшем использован множеством интерактивных и пакетных сред как внутри SAS, так и в веб-приложениях, в базах данных и напрямую в бизнес-процессах. Эта функция поможет значительно сэкономить ваше время и предотвратить ошибки, возможные при ручном внедрении. С помощью инструмента SAS Rapid Predictive Modeler бизнес-пользователи, обладающие лишь начальными знаниями в моделировании, генерируют прогнозные модели для различных бизнес-целей. Аналитические результаты могут быть легко интерпретированы на основе простых и понятных графиков и таблиц, раскрывая необходимую для принятия решений информацию. Метрики оценки качества моделей, построенные различными способами, могут быть выведены в сводной таблице, что значительно облегчает их сравнение. Итоговые диаграммы процесса моделирования могут использоваться в качестве самостоятельно шаблона, который удобно редактировать, обновлять и применять к новым бизнес-задачам, а описание модели содержит информацию о том, какой вклад внесла каждая независимая переменная в итоговый результат. Кроме того, точность модели основывается на базе современных алгоритмов, учитывающих отраслевую специфику методов, что гарантирует высокую степень стабильности и надежности результатов. Решение SAS для интеллектуального анализа данных позволяет: Упростить подготовку данных. С помощью динамических диаграмм и графиков можно быстро и просто обрабатывать данные для выявления ключевых взаимосвязей. Быстро и просто создавать эффективные модели. Посредством проверенных на практике методов можно разрабатывать надежные и точные модели. Для работы используется простой и функциональный интерфейс с поддержкой перетаскивания мышью. Использовать в работе самые лучшие модели. Быстро. Упростите и ускорьте оценку новых данных: воспользуйтесь автоматизированными интерактивными процессами, выполняемыми в пакетном режиме в средах реального времени. Компания SAS активно работает на банковском рынке, в число клиентов входят практически все крупнейшие банки. Решения компании SAS используются в клиентской аналитике, целевом маркетинге, помогают обеспечить управление данными и подготовку управленческой и аналитической отчетностью. Одно из ключевых направлений — управление рисками, которое применяется в том числе для борьбы с мошенничеством. Также компания SAS успешно работает со страховым бизнесом, где главная проблема — это очень небольшой объем транзакционных данных по клиентам. Самые перспективные направления для компании SAS – борьба с мошенничеством и оценка потенциальной убыточности клиентов. В последние годы она активно выходим на рынок ритейла. В этой отрасли ее решения используются как в товарной аналитике (оптимизация цен, запасов, размещения на полках и пр.), так и в клиентской аналитике (все, что связано с персонализацией отношений с клиентами). Также аналитика дает реальный и быстрый эффект в таких секторах как логистика, медицина и сельское хозяйство. Эффективность работы системы SAS с аналитикой зависит от нескольких ключевых факторов: Во-первых, для аналитики в первую очередь необходимо иметь адекватные и упорядоченные данные. В некоторых отраслях это не представляет сложности (банки, телеком), но в некоторых структурированность, да и просто наличие нужных данных – большая проблема (например, страхование, агробизнес). Во-вторых, большую роль играет то, насколько руководство готово внедрять аналитику и использовать ее при принятии решений, причем основная проблема кроется даже не в затратах, а именно в готовности менять схемы работы. Много где руководство считает, что если их схемы работают уже двадцать лет, а эксперты раньше принимали нужные решения без всякой аналитики, то и менять ничего не стоит. В современном мире эта стратегия работает либо до первого крупного происшествия (мошенничества, неурожая и пр.), либо до тех пор, пока компания не начинает заметно проигрывать на рынке конкурентам, использующим современные технологии и схемы управления. В-третьих, в компании должна быть команда аналитиков, которые будут работать с полученными данными. Такие команды тоже есть не везде, и в телекоме аналитики, математики, дата-сайентисты окажутся скорее, чем, например, в сельском хозяйстве. Впрочем, и здесь все меняется: с одной стороны, все больше предприятий понимают, что необходимо иметь собственное аналитическое подразделение, с другой – использование искусственного интеллекта позволяет аналитическим системам работать точнее и лучше подстраиваться под существующие условия, что повышает эффективность в конкретных задачах. Плюс системы стали проще для пользователя. Наконец, сейчас широко распространяется аутсорсинг, когда собственно работу аналитиков берут на себя партнеры, а заказчик получает готовые для понимания и использования аналитические данные. Аналитическая платформа SAS имеет очень широкую функциональность. В круг ее возможностей входят разведочный анализ, подготовка данных, классическое прогнозное моделирование и машинное обучение, прогнозирование на основе временных рядов, оптимизация, и много чего еще. Для встраивания аналитики в бизнес-процессы в SAS предусмотрен целый стек технологий. Интеграция на уровне данных (SAS Data Integration), интеграция на уровне потоков событий (SAS Event Stream Processing), интеграция на уровне запросов решений (SAS Decision Manager), интеграция на уровне управления жизненным циклом моделей (SAS Model Manager), интеграция на уровне разнородных аналитических инструментов типа R, Python, Scala (SAS Viya). В крупной организации, будь то банк, ретейлер, телеком или что-то другое, основная сложность — это огромное количество разнородных источников данных на разных платформах и СУБД, и большое число процессов, где требуется применение аналитики (потребителей аналитики), реализованных в разных системах. Из новых приоритетов системы SAS стоит упомянуть скорость. Время на принятие решения все сокращается, и во многих случаях данные требуются уже в реальном времени. Естественно, что сегодня SAS работает не только по традиционной модели предоставления софта, но и предоставляет облачные сервисы. В самых разных форматах: SaaS (ПО как сервис), BaaS (бизнес как сервис – аутсорсинг аналитических процессов), RaaS (результат как сервис – реализация какого-либо законченного продукта для клиента под ключ, от разработки прогнозной модели, до формирования статистически обоснованной стратегии развития сети торговых точек, например). Облачные сервисы востребованы больше не в банках, где все хорошо с данными, с деньгами, с аналитиками, а в других отраслях – страховании, ритейле, агросекторе, например. Клиенты в этих отраслях готовы привлекать внешних экспертов не только на этапе настройки, но и на постоянную работу. Еще один плюс облачных сервисов — отсутствие необходимости больших инвестиций в начале работы, что дает более быстрый выход на окупаемость и снижает риски убытков. Больше всего клиенты ценят то, что получают от SAS готовые решения. Они позволяют не просто разрабатывать модели – а помогают встраивать их в бизнес-процессы компании. Очень часто именно эта возможность становится решающей при принятии решения об использовании именно нашего продукта. Потому что зарабатывать деньги на любых моделях или аналитике можно только тогда, когда они реально дают возможность принимать прибыльные бизнес-решения и повышать эффективность. Поэтому компания SAS уделяем огромное внимание тому, чтобы аналитика была тесно интегрирована в бизнес-процессы компании. |