ZD至顶网软件频道消息: 数据正在成为商业的基础,以及一切管理和决策的先决条件。
“随着大数据、云计算、物联网等新技术新应用向商业世界及公众生活的渗透,传统的产业模式被不断革新,原有的产业链被打破,以往的传统观念也被彻底颠覆,但是借助数据分析技术,各企业都可以积极应对,以创新驱动发展,掌握变革的机遇,走出一条崭新的成长道路。”6月23日,SAS大中华区总裁吴辅世在第四届SAS Forum 2016大会上如是说。
SAS大中华区总裁吴辅世
作为一家成立40年的数据分析公司,SAS从创立伊始就一直专注于数据分析的商用市场,并为此开发了一整套软件平台和230种软件应用产品。此外,从上世纪90年代,SAS就开始针对政府、金融、制造等领域推出应用解决方案,并坚持将年营收的25%投入到研发中,这也是SAS成立40年来保持稳定增长、获得市场认可的重要因素。
企业数字化转型用数据说话
数字化转型已经被越来越多的企业所重视,而数据是这一切实现的基础和推动力量。新经济常态下,企业必须借助更新的科技力量来应对挑战、脱颖而出。而大数据分析能够帮助企业预测经济形势、把握市场态势、了解消费需求、提高研发效率,为企业提升竞争力提供了新思路。
“谁掌握了数据,谁就拥有了产品创新和客户服务的主动权。”浦发银行总行财富管理部副总经理崔永平表示。2015年,浦发银行在升级CRM基础平台的同时引入了SAS客户智能产品,与同步建立的包括多维营销数据集市以及分析型CRM应用集市在内的其他配套系统,形成基于客户洞察的营销应用,实现实时和批量闭环响应模式,创新了自身的客户数字化经营。
招商银行为了满足快速增长的个人贷款业务的需求,利用大数据分析突破了传统审批流程风险控制过程中的业务发展局限,在市场中迅速准确地制定相关贷款政策,量化控制风险率和批准率,从而占据了市场主动地位。
SAS执行副总裁兼首席客户官Fritz Lehman表示:“银行要对其客户进行细分,以区分哪些是具有增长潜力的客户,并加大这些客户的服务和营销力度,实现客户的精准营销。”
SAS执行副总裁兼首席客户官Fritz Lehman
在数字经济时代,消费者对定制化服务和个性化体验的兴趣和期待直线上升。智能终端的发展和普及正搭建着用户线上和线下行为的紧密关联。由此产生的海量有价值的数据信息可以被用于消费者细分、行为分析、流失原因分析等诸多方面。未来,成功的营销必将是基于数据和分析的、能够准确发掘客户诉求的营销。
今年,适逢SAS成立40周年,SAS在全球拥有超过8万个客户,其中包括2015年“财富世界500强”的前100强企业中的91家,在中国SAS服务于四大国有银行和21家股份制银行以及众多大型保险公司。
在这些行业企业中,SAS未来主要的服务有三个方向:
数据分析云化是必然趋势
大数据分析技术正在为企业挖掘更多的商业机会,实现更多的商业价值,同时,大数据分析技术本身也在随着市场环境变化而发生改变。根据IDC报告分析,预计2020年80%的大数据应用都是基于云平台。
“从全球来看,数据分析的云化是必然趋势。”吴辅世认为,数据存储、数据分析的能力将会以服务的形式提供给最终用户,用户可以不必构建大数据的基础设施和软件。
据了解,SAS很早便意识到这点,目前很多产品都已经支持云端部署。本次大会上,SAS正式向广大用户发布了最新一代高性能分析与可视化架构SAS Viya。 SAS Viya是一个全新的云就绪(cloud-ready)开放式综合分析平台,代表了SAS新一代的分析架构。该开放式架构支持云计算,专为各级分析人员设计,可适合各种规模的企业,帮助应对机器学习等大数据方面的挑战。
目前,从技术逻辑上,SAS的产品主要分为五大类:底层的SAS F欧尼的ation,提供了诸如分布式数据管理、跨多数据源访问、数据可视化、数据挖掘和高级分析建模等核心数据处理功能;SAS分析服务器层,包括了OLAP服务器、存储过程服务器等数据服务器功能;SAS基础服务层,提供基于java的中间件;SAS应用服务层,为客户 提供面向业务的查询和报表服务;SAS客户端服务则是一套基于Web的桌面界面。
吴辅世表示,数据分析将越来越平民化,为此,SAS的产品将逐渐走向基于云化的分析平台,这能让各行业企业、企业内部的各个岗位员工都能够更加轻松地使用SAS的数据分析工具进行大数据应用。
此外,可视化分析也是SAS实现数据分析平民化目标的重要手段。SAS可视化分析和可视化建模统计工具让大数据分析应用和操作更简单、直观。而这些都是基于强大的内存分析能力。
与此同时,互联网和社交媒体的兴起,使得数据来源更加多样化,数据量也呈爆发式增长,这推动了文本分析技术的发展。目前文本、语义和社交分析技术已经包括金融、医疗、传媒、电商在内的在多个行业得到广泛应用,企业从海量的互联网和企业内部数据,包括文本、视频等结构化和非结构化数据中提取那些能提高决策质量的有用信息和情报。
据了解,SAS的文本分析通过机器学习和自然语言处理技术,可以用人类的洞察来引导机器学习结果,自动生成主题识别或建立主题库,大大减少耗时的人工活动;交互式图形用户界面让识别相关性、修改算法、文件分配和资料分组等操作变得十分轻松;高性能内存分析技术可以在几秒或几分钟之间完成亿万条数据的处理,可视化结果展现让您瞬间获取商业洞察。SAS提供多种语言的本地支持,其中包含中文简体与繁体。目前,全球1200多家企业正在使用SAS文本分析驱动企业价值提升。
好文章,需要你的鼓励
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。