Ahogy az élet minden területét, az adatelemzés világát is felforgatja a mesterséges intelligencia gyors fejlődése. Új módszerek születnek, új igények merülnek fel, amelyekre új válaszokat kell adniuk azoknak a cégeknek is, amelyek eddig uralták az adatelemzés piacát.
Minden informatikai területnek megvannak azok az óriásvállalatai, amelyek évtizedeken át meghatározóak voltak saját szegmensükben. A vállalati adatelemzés terén ilyen volt a SAS Institute, amelynek megoldása sokáig szinonímája volt az üzleti analitikának. A SAS szoftverei számos üzletkritikus területen voltak nélkülözhetetlenek (ügyfélelemzés, csalásmegelőzés, kockázatkezelés), de születtek iparági megoldások is a pénzintézetek, a biztosítók vagy az egészségügy számára.
A generatív mesterséges intelligencia és a nagy nyelvi modellek térnyerése azonban mindenkit új utak keresésére kényszerített. Hatványozottabban igaz ez az adatelemző szoftvereket szállító vállalatokra, hiszen minden mesterséges intelligencia megoldás és projekt egyik legfontosabb kulcseleme a megbízható és tiszta adat. A SAS meggyőződése szerint a mesterséges intelligencia jövőjét néhány kulcsfontosságú alaptényező határozza majd meg:
1. Adatminőség: mindegy, mennyire fejlett egy modell, használhatósága és sikere nagymértékben múlik a betanításához használt adatok minőségén. Kellenek az adatminőség-biztosítási és data governance megoldások, hogy a felhasználók megbízhassanak adatkészleteikben. Sőt, egyre inkább szükség van szintetikus (mesterségesen előállított) adathalmazokra, amelyekkel meghaladhatóak a valós világból származó adatok korlátai és a bennük rejlő esetleges részrehajlások.
2. Modellek irányítása: Az MI-modelleknek kontrollált, szabályok szerint működő környezetben kell futniuk, hogy a kimeneteik, válaszaik mindig megbízhatóak és érthetőek legyenek. A vállalati megoldásokba integrált, előre tanított nagy nyelvi modellek esetében is biztosítani kell a teljes transzparenciát és a megmagyarázhatóságot.
3. Felelősség és etika: A nagy hatalom nagy felelősséggel is jár, és ahogy a mesterséges intelligencia képességei fejlődnek, egyre fontosabbá válik, hogy ellenőrzött, etikus módon használják őket. A SAS például kifejlesztette a SAS Modelst: ez az innováció automatikusan értékeli és pontozza az MI-modelleket több szempont (adatminőség, kimenet részrehajlása és már kritikus faktorok) szerint. Ennek köszönhetően a vállalkozások minden korábbinál jobban tudják ellenőrizni az MI kimenetét.
4. Megoldások az üzlet igényei szerint: Az MI csak annyira lesz erős és hatékony, amennyire az általa támogatott üzleti megoldások erősek és hatékonyak. A platformoknak és a megoldásoknak szorosan kell illeszkedniük az ügyfelek üzleti igényeihez, lehetővé téve számukra, hogy széles körből merített legjobb iparági gyakorlatokból tanuljanak, dolgozzanak bármilyen szektorban.
5. Demokratikus megközelítés: A mesterséges intelligencia használata nem lehet néhány dolgozó kiváltsága, azt a teljes szervezeten belül el kell terjeszteni. Az adatelemzés terén ez azt jelenti, hogy nem csak az adattudósoknak és a feketeöves adatelemzők, architektek számára kell új, MI-alapú eszközöket biztosítani, hanem minél több üzleti felhasználónak, például adatvirtualizációs és intelligens döntéstámogató megoldásokkal.
Adatkezelés az elejétől a végéig
Amikor a mesterséges intelligencia képességeit kihasználó rendszert tervezett, a SAS szeme előtt a cél lebegett, hogy az adat életciklusának minden fázisában bárki képes legyen lekérdezéseket futtatni és összetett elemzési feladatokat végrehajtani. Ennek megvalósítására hivatott a SAS Viya platform, egy teljeskörű adat- és MI-platform, amely a fejlesztéstől az éles indulásig az életciklus minden pontján lehetővé teszi a megbízható MI módszertanok alkalmazását.
A platform három nagy területet ölel fel: adatmenedzsment; az adatmodellek létrehozása; és a kész programok éles üzembe állítása. Az adatmenedzsment képességek révén a felhasználók gyakorlatilag bármilyen adatforrásból elérhetnek és integrálhatnak adatokat. A beépített data governance funkciók számon tartják az adatok és a modellek „leszármazását”, így ha változnak az adatok, egyből tudható, hogy mely modelleket kell újratanítani. Az adatmodellek létrehozását átfogó, intuitív gépi tanulásos eszközök támogatják, intelligens ajánlásokat téve, megkönnyítve a döntéshozatalt. A kész elemzési és mesterséges intelligencia projekteket könnyen éles üzembe lehet állítani, mert számos feladat automatizálható a folyamatban.
Mindenre van megoldás
A SAS Viya számos különböző célra használható:
| Többféle módon
A SAS Viya számos működési környezetben használható. Ha az ügyfél úgy kéri, a SAS menedzseli számára a rendszert, akár privát felhőben, akár SaaS-szolgáltatásként. Amennyiben megvan a házon belüli szakértelem a működtetéséhez, a Viya elérhető a Microsoft Azure, az AWS, a Google Cloud és a Red Hat OpenShift platformokon is. |
– Mátrix programozás: a matematikai kifejezések könnyen lefordíthatók innovatív programokra, amelyek egyebek mellett mátrixszámításokat, numerikus elemzést, optimalizálást, szimulációkat, statisztikai és adatelemzési feladatokat végeznek el
– Optimalizálás: még ha szűkös erőforrásokkal is kell kalkulálni, a SAS Viya megtalálja az optimális eredményt. Még több alternatívát és forgatókönyvet lehet kipróbálni, hogy a rendelkezésre álló erőforrások leghatékonyabb allokálásával a lehető legtöbbet lehessen kihozni a tervekből.
– Előrejelzések: gyorsan és megbízhatóan megjósolhatóak a várható kimenetek, mert a SAS Viya az előrejelzések minden fázisát támogatja, valamint automatizálja a nagy volumenű idősoros elemzéseket és a hierarchikus előrejelzéseket.
– Ökonometria: a SAS Econometrics óriási mennyiségű empirikus adat használatával lehetővé teszi összetett gazdasági és üzleti szcenáriók modellezését, előrejelzését és szimulációját.
– Streaming elemzés: elemezhetőek a streaming adatok, új összefüggések tárhatóak fel az MI segítségével, és ennek köszönhetően valós idejű, megalapozott döntések hozhatók szinte bármilyen környezetben.
– Valós idejű elosztott adatbázis: az analitikai platformba beágyazott SingleStore adatbázis segítségével könnyen hozzá lehet férni az adatokhoz és felgyorsítható az adatelemzési folyamat.
– Szöveganalitika: automatizálható a nagy mennyiségű szöveges adat elolvasása, rendszerezése és kivonatolása.
– Döntéstámogatás: összegyúrhatók az üzleti szabályok, a valós idejű események, a döntési elvek és a nagyteljesítményű elemzés, hogy automatizálható legyen a napi szintű döntések meghozatala.
Bővebb információ.
