人工智能下一步

孫泠

如果說21世紀還有什么可以使生活更便利，那數據分析的影響一定當仁不讓，不信看看雙十一各大電商平臺的商品推送，也許你會感嘆它可能比你父母都了解自己，但在這背后，不管是誰，都必須承認數據分析正在重塑未來，勾勒美好生活的樣子。

在SAS 2018全球分析領袖峰會（Analytics Experience 2018）上，“好奇心”與“創新”成為了出現頻率最高的詞匯。

從對事物的好奇到產生質變的創新，這一過程是我們的思維火花與數據分析方法碰撞的結果。站在上個世紀，我們可能無法知道現在網絡的流行和移動通訊的發展讓我們天涯若比鄰，若時間放的再遠一點，我們甚至會武斷地認為翱翔宇宙是人類最不靠譜的泡沫幻想。而這一切，都在人類的創新革命中實現了。如今，數據分析正在激發未來無限的潛能。

SAS公司執行副總裁兼首席運營官及首席技術官 Oliver Schabenberger 對于人工智能的過去、現在和未來提出了自己的看法。“對于人工智能，我們還處于起始階段，所有未來的發展都基于我們的想象。好比工業時代蒸汽動力取代傳統畜力，電氣時代的電力又取代了蒸汽動力，時代更替時會有許多從前想象不到的職業涌現出來，就像現在很多大型投資公司雇傭的的軟件工程師數量已經比金融交易員多了。”他認為，未來，具有通用人工智能（AGI）的硬件和軟件技術將成功地執行任何人類可以完成的智力任務，并且能夠從失敗中學習。“30%～60%的工作將交給人工智能和自動化，比如卡車司機和出租車司機的工作。如果能夠實現完全的自動駕駛，為什么必須要有人坐在駕駛員座位上？那些需要運用同情心、愛心、邏輯和創造力的工作才需要由人類擔當，剩下的高頻多次的簡單工作完全可以交給機器。”

提取數據價值

作為全球最大的軟件公司之一，SAS公司40多年來一直專注于高端商業智能和商業數據分析，在金融行業高級商業數據分析領域占據了極高的市場份額——目前，全球前100家銀行中就有99家正使用SAS數據分析軟件來強化他們的數據分析能力。

除了金融，還有政府、專業服務、電信、制造等行業的一些專業數據分析和統計方案的標準算法，都出自SAS之手。澳大利亞幾乎所有的政府部門都有用到SAS的解決方案。由此可見SAS至少在金融、政府這兩大領域影響的不止是某一家知名公司，而是整個行業。據IDC的統計，如今SAS占據了全球高級分析和預測分析市場30.5%的份額，是第二名的兩倍以上。

40多年來，SAS的整體營收保持了持續的增長。即使在開源軟件大行其道的今天，略顯昂貴的SAS依然是全球多數金融、醫療機構、甚至政府的首選數據分析軟件。

經歷了數據寫在紙上的時代，到大數據、云存儲，再到今天的機器學習、人工智能，SAS盡管經歷了多次技術探索方向的變更，作為一家專注“分析”40余年的老牌公司，其在行業內積累的豐富數據和業務經驗鮮有匹敵者。而在算法和模型愈加“自動化”的今天，這些寶貴的行業知識積累顯然比技術更難復制。

SAS成立四十年來，最強的其實是算法，而不僅僅是普通意義上的BI商業智能，不僅僅是報表。

算法是什么？

算法是統計分析模型，其實就是建立在大量的數據基礎之上，同時結合非常多的行業知識，來把一些普遍規律通過抽象的數據模型固化下來，從而進行分析和預測。事實上，SAS一直的主張就是提取數據價值。

在Analytics Experience 2018第一天的開場主題演講中，COO兼CTO Oliver Schabenberger代替SAS創始人兼CEO James Goodnight出場，他強調SAS成立42年來，每年投入收入的25%用于研發，是行業平均水平的兩倍，去年更是花費26%的收入用于數據管理、人工智能、機器學習、反欺詐、安全情報、風險管理等重點領域的研發。“我們重視統計學家和數據科學家，希望他們使用數據分析工具為政府和商業組織提供價值。但是當你觀察他們的工作時會發現，這些高端人才每天需要花費大量時間來處理數據，一些數據科學家甚至會用80%的時間用于清洗數據的工作。”Oliver Schabenberger認為，運用人工智能以及機器學習可以使得科學家的工作更有效率，幫助他們進行數據管理并更具可重復性，更不易出錯。數據科學家們可以將每天的時間花在更高價值的工作上，比如建立模型。

打造Viya云就緒分析平臺

2017年4月，SAS推出了云就緒分析平臺Viya的全線產品，包括一系列可視化分析平臺，同時SAS Viya還提供了大量機器學習和人工智能功能，以滿足當前日益增長的企業智能分析需求。

SAS Viya首先是一個開放平臺（支持包括REST API、SAS語言、Python、Java、R和Lua等方式的數據操控和分析開發），同時也是一個支持多租戶云部署的內存計算平臺（可部署在AWS、Azure等云平臺上，同時可以用公有云、私有云和混合云方式部署），具有可治理和管理復雜模型的統一分析模型庫，為企業開發、部署和管理所有分析需求提供一個單一、開放和統一的分析環境。

1980年，北卡羅來納州威克縣還只有30多萬居民。而到2016年，人口就超過了100萬。在這個曾經的農業大縣，隨著人口的快速增長，房地產市場規模不斷擴大，房產價值不斷上揚。威克縣稅務局負責評估15個城鎮以及其他管轄區域的房產稅，每個轄區都有自己獨特的供需趨勢。

每個月，威克縣都有3000多套房產交易，即使是最簡單的公寓交易也需要對超過25個變量進行分析。最近一次評估開始于2016年初，評估的房產數量比上期增加了近2萬套。要想在更短的周期內完成精準評估工作，就需要大批業務熟練的評估人員和支持人員，大量短缺的人員需要進行快速的招聘及培訓，但是這是一項不可能完成的任務。

最終，威克縣借助SAS Viya平臺，來確定每套房產每天的市場行情。SAS為威克縣建立了基于云服務的模型。該模型通過分析數百個因素和每日房地產銷售情況，提供及時、客觀、精準的市場預測。系統根據最近的銷售數據，獨立預測每套房產到2020年1月1日的市場價值。許多因素都會影響房產價值，例如地點、面積和裝修等等。該模型使用決策樹，根據一系列的決策來估算銷售價格，例如房屋包含多少取暖面積、使用了乙烯基墻板還是磚墻等等。通過對每次房屋銷售的統計分析，使模型變得更加完善，更加精確。

人工智能的SAS

威克縣的稅收評估模型由SAS 可視化數據挖掘和機器學習（SAS Visual Data Mining and Machine Learning）套件的人工智能提供支持。SAS 可視化數據挖掘和機器學習具有全面的可視化（和編程）接口，可處理從數據到發現再到部署的分析生命周期的所有任務，支持端到端的數據挖掘和機器學習。

實際上，無論是SAS Viya還是SAS 9都開始提供大量的機器學習和人工智能功能。

眾所周知，人工智能三要素中就包括算法、數據、計算力。精于算法的SAS一直身處其中。當然，人工智能也不是今天才提出的，經過了幾十年的演化，今天的人工智能與過去的人工智能相比，最主要的突破在于數據無處不在，而不僅僅集中于SAS傳統擅長的金融和政府公共事業；同時，計算力的幾何倍數提升，讓算法可以通過機器學習的方式，實現快速迭代優化。

在Oliver Schabenberge看來，今天由于計算力的提升，數據分析、商業智能和人工智能，都從以往相對割裂的事后分析和預測判斷，通過機器學習演化成為一個閉環，從而加速了迭代周期。

在這樣一個時代背景下，SAS要做的事情是充分發揮自身的優勢，構建云分析的生態圈。這也是為什么SAS耗資10億美金開發了面向云計算現代計算架構的云分析服務Viya的原因。“僅僅幾年前，我們的行業用戶還對云應用非常疑惑，但現在已經有了非常快速的轉變以及強烈的上云意愿。當然，這些云上的應用程序仍然受到嚴格的監管，你必須能夠解釋決策過程的每一步。因為如果有一個步驟無法解釋，就可能污染整個分析的邏輯。”Oliver Schabenberge堅持認為，人工智能不應該成為獨立于分析戰略之外的黑盒子，這也是為什么SAS將人工智能嵌入SAS Viya平臺的原因。

在戰略驅動下，在正確時間使用正確的戰術，是獲得成功的關鍵。SAS一貫以來的信條，是在任何產生數據的地方都進行數據分析。而對于同樣數據，在同一平臺內整合傳統數據挖掘和最新機器學習方法的能力是其在當前市場的最大競爭優勢。“SAS的高級分析功能已經將人工智能嵌入了Viya平臺，可以支持端到端的整個分析生命周期，周密設計并能完整實施的分析戰略，幫助企業創造更多更高價值的應用，未來我們可以達到大規模地毫秒級別的分析決策。”Oliver Schabenberge同時不忘提醒，即使有云計算、人工智能、機器學習各種先進技術的加持，IT也并不完美，“你可能擁有優雅的、可信賴的系統，但永遠不會有百分之百完美的模型，因為數據每天都在變化。”