数据分析领域的领导者SAS，自1976年创业距今已经有42年的历史。作为一家在全球范围内最早创造和推出商用数据分析产品和解决方案的公司，早已将数据注入自己的灵魂。

　　未来的时代，是以数据分析为基础的智能化时代，如何将数据世界变革为智能世界，这考验的不仅仅是SAS公司40多年积累的数据处理能力，更是在以云计算、物联网、人工智能等为核心的新一代信息技术驱动下，数字经济建设场景中的一次次价值挖掘。

　　在2018年第六届SAS中国用户大会暨商业分析领袖峰会上，记者独家对话SAS高级副总裁兼全球研发负责人Stuart Nisbet，当随着物联网、大数据以及人工智能的快速发展，数据价值的发掘与应用被传统企业开始重视，并使之开启了新一轮数字化转型，物联网、业务融合、深度学习、人工智能、大数据平台建设等在数字化转型中起着重要作用的外部力量，如何激发传统行业所蕴藏的潜能；作为企业级数据分析领域的“老兵”，在面对新的场景、新的技术驱动的时候，如何保持竞争力？

　　我们看到在过去的42年中， SAS给用户提交了一份完美的答卷，无论是在自己独立产品的技术开发还是在垂直行业解决方案的深度挖掘方面，都已处于世界领先的地位。

　　例如从SAS目前提供的200多种产品的技术层面来看，不仅有提供诸如分布式数据管理、跨多数库源访问、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的底层的SAS Foundation，还有诸如SAS分析服务器层、SAS基础服务层、SAS应用服务层以及SAS客户端服务等不同层级的产品。而在垂直行业解决方案的深度挖掘方面来看，SAS从早期就开始针对医药、金融、制造、电信以及人力资源管理等行业推出了应用解决方案，在每个行业还有更多细分产品，例如SAS银行业解决方案就包括营销与客户体验、风险与合规、欺诈与金融犯罪、分析、数据管理等20余种细分方案。

　　据IDC调查报告显示，在高级和预测分析市场中，SAS占有30.5%的份额，是其第二竞争对手市场份额的两倍之多。而自IDC于1997年开始进行数据分析市场调查以来，SAS一直雄踞该类别的领导者。2017年度，分析师还将SAS誉为流分析、机器学习、大数据、数据科学平台、实时营销，数据整合、数据质量、欺诈侦测、风险管理和零售分析等类别的领导者。

　　而现在云计算、物联网、人工智能等新一轮科技创新和产业革命的到来，也把数据分析领域的老牌企业SAS推到了技术革新的前沿。SAS在数据分析领域的远大期许，或许是致力于分析创新，来挖掘海量数据背后蕴藏的无限潜能并创造价值，正如SAS CEO Jim Goodnight所说：“好奇心是人类进步的核心。”而在目前数据呈爆炸式增长，创新技术迭代层出不穷的当先，SAS要做的是如何借助智能分析，让数据实现智能，让每个人都成为数据分析师，并能够基于新数据和新发现，让传统企业领导者做出最佳决策，将数据世界“迭代”为智能世界。

　　从数据到数据智能

　　众所周知，数据正在成为社会的基础设施，将会和水电一样成为人们生活中必不可少的因素，而对企业来讲，“数据即资产“已经成为共识。

　　如果撇开消费互联网大数据发展历程，单看产业互联网，企业从工业化到信息化阶段，数据更多被“记录” 而非用来“计划和创新”。正如记者近期走访多家传统企业发现，无论是在数据采集、存储还是分析应用方面，传统企业目前的数据处理能力还是偏弱。

　　以传统制造业为例，当前我国千亿规模以上工业企业里，80%以上的机器设备都是没有联网、不会说话的“哑”设备，只有20%的设备联了网、会说话，但是这些设备遵循不同的通信协议，存在严重的“语言障碍”，成为中国制造业转型升级的最大阻力。另外设备联网只是手段，而对设备建立数字镜像才是最终目的，只有对设备建立了数字镜像，才能利用大数据和人工智能“训练”出解决实际业务痛点的应用。

　　而当前对于传统制造业来讲，一是数据种类不全，二是数据质量不高， 相对于消费互联网大数据注重数据的“量”和“相关性”，产业互联网大数据更加注重数据的“全”和“关联性”难以保证，在一定程度上制约了企业的大数据能力研发。

　　以电商为例，多数传统企业积累了各类丰富数据，如：供应链数据，生产数据，销售数据，营销数据，研发数据，人力资源数据等，但由于这些数据多数情况是从不同设备系统和媒介沉淀下来形成的“非标”数据池，如果要提取数据池内的数据价值则需要通过技术手段对数据进行“价值转化”，如云计算和人工智能等技术。随着计算速度和人工智能算法不断提高，对非标数据池的提炼效率也相应大大提升，如此对企业做战略决策所需的洞见因子的获取也更加精准和高效。

　　这个过程也被称为数据智能化，即大量繁杂的数据存储在海量的存储设备上通过云计算对数据进行各种挖掘，如分类，分析和应用。现在越来越多的企业开始设计和部署大部分或者全部业务到云端，不管是私有云还是公共云，这也是数字化转型升级的一部分，这样的好处是在云端的各种企业运营数据可被更标准化和智能化。

　　智能数据化在电商业务中主要体现在给各类数据标签化，可以是语义标签化，图像标签化，数据流标签化，如：用户画像，产品画像，物流画像，服务流程画像等。标签化对数据在后期集成和提炼也随之带来很大的效能价值，在云端的数据实时同步并不分时间和空间的限制管理业务数据，能及时地为企业高层和电商负责人提供实时的业务动态数据和提供战略规划洞见。

　　对于传统企业在数据处理能力方面的缺失，却正是SAS经过40多年数据处理能力积累的核心优势。

　　正如SAS首席执行官Jim Goodnight所说：“随着企业发现可从数据中获取洞察从而创造新价值，数据分析行业的格局正迅速改变。SAS正以物联网分析和人工智能分析等颠覆性技术帮助客户提高竞市场竞争力。SAS顶尖的数据分析专业知识和业务解决方案之所以赢得客户的青睐，正是因为SAS成功创新了为客户提供助力的新技术和新方法。”

　　根据摩尔定律，随着时间推移计算机硬件和软件的能力都有质和量提升 ，这使得云计算和人工智能处理大数据的效能大幅提升，大数据内的“宝藏”得以被挖掘，为企业提供如精准营销，全渠道销售，智能供应链，安全金融，研发创新，趋势预测等突破性的企业转型升级的价值。

　　AI时代继续做行业领跑者

　　据IDC发布的2017年大数据白皮书预测，2025年全球大数据规模将增至163ZB，相当于2016年的10倍，预示大数据将继续表现出更为强健的增长态势。尽管如此，数据本身并不是价值的生产者，而是价值的载体，只有通过分析才能发掘出其背后的真正的价值。

　　“如果分析是驱动经济转型的引擎，就有理由将分析的力量分享给更多人，这正是SAS一直以来所做的，我们主张‘人人都是分析师’，意味着每个人无论背景如何都想有使用分析的权益，每个企业无论规模大小都能从分析中获得同样利益。”SAS高级副总裁兼全球研发负责人Stuart Nisbet向表示。因此数据无处不在，分析不分你我，从数据背后挖掘出价值的多少，取决于分析方式上的创新，借此为实体经济赋能，实现新经济，即分析经济的稳步增长。

　　现在云计算、物联网、人工智能等新兴技术层出不穷，每个技术从概念到实践都是新一轮科技创新和产业革命，为经济发展带来全新机遇。其中，人工智能这一新兴技术发展尤为迅猛，不断扩张的市场规模更是令人震撼，根据Gartner最新发布的预测报告，2018年全球人工智能市场规模将高达1.2万亿美元，较2017年增长70%之多。人工智能势必成为未来最具颠覆性的创新技术。

　　早在数十年前SAS便将人工智能和机器学习应用到分析当中，帮助企业解决问题并创造价值，如今，SAS拥抱人工智能并为数据分析带来技术突破。例如在数据分析推动经济发展的趋势下，企业需要具备端到端功能的数据分析平台，以解决贯穿于数据准备、数据管理以及模型创建和部署当中的问题。SAS平台及其SAS®ViyaTM 新嵌入的人工智能技术，为数据科学家、商业用户和管理人员提供了将原始数据转化为智能情报的开放性解决方案。

　　例如典型的一个案例，荷兰体育分析公司SciSports利用人工智能（AI）来寻找足球明日之星。现在，足球运动员的签约金额超过5000万美元，经纪人和俱乐部需要在签约前尽可能深入地了解运动员的情况。荷兰SciSports公司为球队提供咨询，并开发解决方案，以确定单个球员对球队成绩的影响，跟踪球员的成长，确定球员的潜在市场价值，并预测比赛结果。SciSports在开发方面与SAS合作，结合SAS®ViyaTM的各项功能和SciSport的BallJames拍摄系统，使用图像目标检测技术从3D图像中获取关于球员动作的数据。拍摄系统可实时捕捉镜头，而SAS的人工智能（AI）功能则可对球员动作进行数据建模，然后将所获数据与同一联赛的其他球员进行对比，发现正在崛起的新星或被低估的球员。

　　在传统企业，SAS也正在与金融科技公司TruDecision合作，助力汽车经销商和车贷机构提高效率。效率对汽车经销商和车贷机构非常重要，而商业模式的转变正是使用尖端数据分析助其提升效率的一个良机。经销商花费巨资寻找客户，但许多客户并不符合车贷条件。贷款机构在处理车贷申请时，尽管花费巨大，但只能发现少量不符合条件的客户。TruDecision表示，使用SAS®ViyaTM产品后，该公司现已能在车贷机构或汽车经销商见到客户前，实时对其进行强大的信用分析，从而将单元成本降低40％，彻底改变客户搜寻过程。

　　据了解，TruDecision通过其美国子公司Integrated TruDecision，使用荷兰SaasNow公司的云部署自助服务门户，部署了SAS®ViyaTM产品。SaasNow在云端提供SAS®ViyaTM产品，使各公司能够使用该产品可高度扩展的服务，以较低成本快速启动业务。

　　Stuart Nisbet也向记者表示，截止目前SAS平台涵盖整个数据分析生命周期。Saa入SAS平台可帮助用户在数据分析生命周期的各个阶段（从数据发现到数据模型部署）实现无缝过渡，从而快速从数据中获得价值。

　　截止2017年底， SAS平台在产品研发方面也新增了六大功能，如SAS平台的嵌入式人工智能功能、集成化的交互界面、SAS数据制备、SAS可视化文本分析、SAS可视化分析以及通过SAS Cloud、Amazon Web Services、Microsoft Azure和SaasNow等进行云部署。

　　关于这一点，SAS公司执行副总裁兼首席技术官Oliver Schabenberger在过去的“SAS Forum China2017”上面就强调了SAS Viya强大的开放性，他表示：SAS Viya能够支持更加智能的数据，它是一种云就绪、高性能的开放框架和平台，可以支持机器学习，包括经典机器学习和现代机器学习。它拓展了SAS，同时也能够自成一体。我们打造SAS  Viya就是因为我们对市场若干趋势的感知，无论是云计算、物联网，还是人工智能、认知计算、边缘计算以及区块链等技术。”

　　凭借在数据分析领域的多年深耕，Stuart Nisbet认为：“我们目前所生活的世界正在向高度智能化升级，智能将渗透物联网并贯穿整个分析生命周期，SAS拥抱人工智能，在产品组合和解决方案中嵌入机器学习、深度学习等创新技术，助推分析经济增长。”

　　助力中国传统企业数字化升级

　　当下正是在国家大力推动两化融合，协同推进“中国制造2025”、“互联网+”、“双创”等国家战略，实现大中小企业的融通发展的关键阶段。当前，互联网对传统企业等各领域的广泛渗透和深度融合，打破了现有的产业格局，深刻改变了经济社会形态，催生出云计算、大数据、区块链、人工智能等众多新业态。

　　在这样的积极环境和政策导向下，SAS凭借其深耕数据分析领域42年的专业和经验切实参与了中国的数字化经济建设、多个领域的企业转型及制造业升级等重要经济发展和变革。

　　“在过去一年，SAS中国成绩斐然，实现了连续6年两位数的快速增长。除了在传统优势领域金融方面继续保持稳步增长，还在政府合作方面取得了突破性进展。2017年，SAS先后与深圳市政府、贵阳市政府、贵安新区等政府机构建立长期战略合作，致力于将全球领先的分析技术与中国的经济发展结合起来，以创新推动产业升级。” SAS大中华区总裁吴辅世先生向表示，“在2018年，SAS将继续深耕中国市场，乘改革开放40年的东风进一步以互联和数据的力量打造智能的世界。”

　　而目前我国传统企业尤其是传统制造业数字化转型仍面临诸多问题，一方面80%的设备没有联网，设备数字化水平低。我国制造业总体水平处于2.0向3.0过渡阶段，老旧设备多、数字化水平低，2017年我国规模以上工业企业生产设备数字化率为44.8%、数字化设备联网率为39.0%，需要通过加装传感器等方式实现设备联网，导致工业互联网平台数据采集难、成本高、效率低。

　　为此SAS创建了物联网部门，通过整合研发和营销方面的专业知识，继续专注于提供边缘数据分析，从而大大提高客户物联网投资的价值增值。

　　仅去年一年，SAS与物联网相关的营收增长了60％。据IDC预计，到2020年，物联网分析市场规模将增长到230亿美元以上。届时，将有204亿IoT联网设备产生大量数据。只有使用SAS事件流处理等创新技术才能抓住这一机会，因此该软件在2017年度带来巨大的增长动力。SAS还计划建立一个类似的反欺诈管理部门。

　　Stuart Nisbet也向表示，2018年，SAS将继续投入重资将人工智能嵌入整个SAS产品组合。SAS还计划建立一个卓越中心，帮助客户了解和应用人工智能，从而改变自身业务和我们周围的世界。例如，在金融服务领域，借助人工智能实现的自然语言处理，可帮助客户解锁新服务，并为企业创造收入来源。在能源领域，借助人工智能实现的深度学习工具，可通过优化风电场的布局，将可再生能源投资的收益最大化。

　　针对大数据人才培养反面，SAS坚信人才是数据分析行业最重要的资产，不仅要行使“知的力量”，更要践行“数据为善”，协助教育相关机构有效改善资源管理能力，并为未来大数据人才提供更精准的资源。

　　截至目前，SAS已经与全球各国的高校展开合作，支持了统计分析及相关科学超过70种硕士学位认证和170项其他认证项目，其中也包括北大、清华、人大、浙大、复旦等中国著名高校。另外，“中国高校SAS数据分析大赛”已经走进了第五年，大赛的规模也从第一届的3个赛区、55支队伍扩展到去年第五届的全国31个省级赛区，共汇聚国内各省市1036支参赛队伍，覆盖到的地域、参赛规模和人数都刷新了往届记录。在2015年大赛颁奖典礼上正式挂牌成立的SAS大学-精英学院，也已经培育了一批又一批优秀的数据分析应用型人才。（钛媒体）