老牌數據分析公司SAS之變

趙艷秋

技術變革正在讓這家公司變得“既熟悉又陌生”。

一家中國手機大公司，要從社交平臺的海量數據中傾聽“客戶的聲音”。于是，帶有機器學習技術的大數據分析系統被采用，每天從300多個網站抓取2000萬條原始社交數據，從中辨識出100個危機預警，5萬個客戶問題。這些問題被立刻輸送到產品維修、客戶服務、產品設計部門……得到主動解決。而在過去，采用人工處理方式，每人每天只能看800條信息。自動化系統讓分析能力和效率提升100倍！

一家中國金融公司，要在海量交易中實時辨識欺詐交易。這可不是件容易事。要知道，在2016年，使用移動支付的中國用戶已達4.7億人，這個數字甚至是美國總人口的1.5倍以上，每天創造天量級金融零售交易數據，而交易欺詐規模也龐大得驚人，僅信用卡欺詐一項就讓銀行業每年損失幾百億元。但現在，通過采用具備機器學習技術的高級分析系統，這家金融公司每秒可處理10萬筆+交易量，成功阻絕90%的欺詐犯罪。

在這兩個典型的案例中，企業都采用了大數據分析企業SAS的新技術。

SAS可不是一家新公司，它已有41年歷史，源自美國北卡羅來納州立大學的一個數據分析軟件研究項目。雖然根據市場調研公司IDC的統計，SAS目前在全球高級和預測分析市場占有31.6%的份額，但這家老牌數據分析企業卻面臨前所未有的挑戰。

SAS起步的時候，數據分析還是一個很小很專的市場。但現在，數據分析世界已發生翻天覆地的變化，成為全球最廣袤的技術市場之一。互聯網、物聯網帶來了海量實時數據分析需求，“人人都是數據分析師”的理念被越來越的企業接納，機器學習特別是深度學習加速了智能化的腳步，開源技術對傳統商業模式發起沖擊……SAS的變化就是在這樣的背景下發生的——如何在一個越來越熱鬧、競爭越來越白熱化的市場“不被后浪拍在沙灘上？”

“行業變遷已經迫使我們去做出變化。”SAS首席技術官Oliver Schabenberger說，“分析將無所不在，分析將被自動化，將結合強大的現代機器學習、深度學習和認知分析技術。同時，物聯網引發的邊緣分析、流數據分析將加速我們將分析能力帶入網絡和移動設備中。”

Oliver從去年起擔任SAS首席技術官，目前正努力帶領全球的研發團隊，通過技術變革塑造一個我們“既熟悉又陌生”的SAS。

小設備中的數據分析

“物聯網正在改變數據科學。”Oliver說。被業界廣為引用的數字是，思科預計，到2020年全球將有500億臺設備連聯；到2030年，這一數字將增長10倍。

在物聯網環境中，數據流動在前端移動設備和后端服務器里。“我們不能只考慮在云中處理數據，也必須考慮邊緣分析，也就是最前沿設備上的事件流處理（ESP，Event Stream Processing），這是物聯網非常重要的部分。”Oliver說。

這讓SAS考慮將高性能“事件流處理軟件”從云端拿下來，不斷精簡，放到各種小設備、車輛甚至網絡路由器上運行。

“物聯網不僅僅關乎軟件，我們也要與網絡設備公司合作。”今年4月，SAS與思科聯合推出了業內首個從邊緣到企業的物聯網分析平臺。“這是重要的一大步。”Oliver說。SAS的事件流處理軟件運行在思科物聯網網關上，在傳感器和那些產生數據的設備附近，在亞秒級時間內就地處理數據。經過過濾、處理的數據集，再被傳輸到數據中心或云端，與更多企業數據組合，應用機器學習等先進分析技術，來獲得新洞察。

“我們注意到事件流處理可以處理圖形，這是即將推出的新技術，令人激動。”Oliver補充說。

Oliver了解到中國制造2025。“我們希望把物聯網分析平臺部署到工廠中，給工廠的運營帶來大不同。”

分析的未來是自動化

不久前，海爾數據科學家表示，智能制造面臨的巨大挑戰是源源不斷流入的數據是人工方式所清洗、治理和分析不了的。

數據科學家現在大概花80%的時間來清洗和治理數據，而業界希望他們能把更多時間用于針對數據建模或評估工作上。

“分析的未來將更加自動化，但它將以巧妙的方式自動化。”Oliver說。傳統上，人們針對某類數據，選擇一種他們認為最適合的統計模型。現在，這將被數據驅動的機器學習所取代。但業界有兩類機器學習——經典和現代。

“經典機器學習并不是純粹意義上的自學習，而是訓練一個系統來形成和分類數據。”Oliver說，“真正令我感興趣的是現代機器學習，其中的算法沒有明確程序去做任何事情。但它讓你不用深入了解某個領域，不需要研究信用卡詐騙，也能開發反欺詐模型——你只需要擁有足夠的交易數據，讓人工智能網絡學習如何對其進行分類。”

“同時，單一技術不足以解決問題，我們要提供工具、技術的組合，如數據建模、機器學習、人工智能的有效結合。”Oliver說。

Oliver提醒，不能盲從自動化。他希望自動化能在大規模上幫助人們去解決問題，去建立一些系統或具體機制，搞清楚不同領域之間的邊界在哪里，這樣的自動化才是最有效的方式。

談到目前的人工智能時，Oliver說它具備兩個特點：屬于弱人工智能，和基于深度學習。他補充說，分析軟件正在快速轉變為“認知空間”，其中感知、聽力和手勢將成為常見的投入形式，而具備人類反應的讀和寫將成為常見的輸出形式。

SAS在人工智能領域有超過15年經驗。SAS深度學習和認知分析將有3個主要目標，一是添加到經典方法中，實現更多自動化，讓人們具備更少專業領域知識也能解決問題。二是為客戶提供深入的學習工具，使他們在其數據上訓練現代機器學習模型。三是將認知計算和深度學習輸入到產品中，讓用戶與軟件的交互更人性化，支持更多個性化和更多動態行為。

業界知名企業都在強化人工智能技術。“我們區分于其他公司的最重要元素是，我們能在單一平臺上提供所有技術，如預測性分析、可視化分析、機器學習、人工智能等，包括影像識別、語音識別、情感識別等。這是其他公司一時很難具備的。”

擁抱眾人的力量

谷歌將機器學習、人工智能等技術開源，目的是結合眾人的智慧，把AI技術應用于各種場景中。傳統軟件企業該怎么改變？SAS提出了開放。Oliver稱，開放的含義是擁抱開源，有更強包容性，讓客戶使用不同開源技術開發的軟件，都能與SAS平臺整合起來。“這樣的架構，擁抱了所有力量”。

“開放理念還體現在云技術的延展上。”Oliver補充說。SAS在去年推出名為Viya的新平臺，這是一個云就緒（Cloud Ready）產品。41年前，當SAS開始進行高性能分析時，一直開發針對大數據量、高性能的算法。2009年，隨著業界向分布式計算轉移的速度加快，SAS也學習如何將高級分析和數據管理從單臺計算機擴展到多臺機器的環境中。SAS Viya是這項努力的成果。

“云是一個概念，而不是某個地方。”Oliver強調說。客戶不用擔心是哪一種云，他們可以在私有云、公有云或者混合云靈活運用數據分析平臺。SAS大中華區總裁吳輔世先生透露，在中國，在公有云市場，SAS也正與阿里云、騰訊云、華為云探討不同的合作。

跨公司的抗癌藥數據平臺

開發也意味數據能力的開發，這讓數據能發揮價值。

“現在業界比較糾結的是，他們不知道怎樣將數據正確結合起來。比如，僅僅在一家公司內部，一個系統和另外一個系統有沒有連接性，能不能兼容，就是公司面臨的挑戰。”Oliver說，“我們當然希望看到數據在不影響安全隱私的情況下，在更大范圍中得到共享和傳輸，因為獲得的數據越多，就越有助于分析。”

“SAS有這樣的數據管理產品，幫助跨平臺的數據共享。”吳輔世說。SAS倡導數據為善（Data for Good）， 參與公益組織獨立非營利性行動計劃Project Data Sphere項目。PDS平臺為全球研究群體提供可以廣泛共享、整合并分析過往病患層次第三階段癌癥對照組數據的空間，目標是推動未來研究，改善全球癌癥患者及其家人的生活。SAS將利用預測建模、網格計算、高性能分析和數據可視化等技術對巨量數據進行處理，幫助研究者產生新的發現和信息。

人人都是數據分析師

在過去多年，如果說數據分析是少數專業人士的“練武之地”的話，今天越來越多的企業開始接受“人人都是數據分析師”的理念。海爾首席數據官表示，10年后，海爾將實現每位員工都是數據分析師的愿景。

這也是為什么市場研究公司Gartner在其商業智能魔力四象限的最新評價體系中，更強調自助服務、自助數據準備和單用戶應用環境。這也讓SAS和其他一些老牌企業級數據分析企業離開了領導者象限。

不過，SAS也很快做出改變。“我非常贊成‘人人都是數據分析師的理念，因為我們處在一個‘分析經濟中，要營造一個以數據為中心，關注數據分析的氛圍或文化。到今年秋季，這樣的自助服務也會出現在我們的可視化分析平臺上。”Oliver說，“這是一個逐漸演變的過程。我個人覺得還可以開發一些認知指導工具，來輔助數據分析師。它結合了認知計算、人工智能，效果更好。”

在不久前的數博會期間，SAS與貴陽政府簽訂戰略合作協議，成立大數據分析實訓基地以及大數據金融量化實驗室，將針對最新金融風險管理、整合型大金融風險管理的計量模型、預測模型做更多研究。

伴隨中國更多領域嘗試數據分析，SAS在中國的業務重心也從銀行、保險和電信進一步擴展到制造和政府市場。“我們正加大我們的投資力度。”吳輔世先生說。