"Last Mile of Analytics": SAS ebnet den Weg für Analyseprojekte

[SAS Institute GmbH - 10.10.2019] Heidelberg, 10. Oktober 2019 -- SAS, einer der weltweit führenden Anbieter von Lösungen für Analytics und künstliche Intelligenz (KI), hilft Unternehmen bei der "letzten Meile" auf dem Weg zur Einführung von Analytics-Projekten. Ein neues Angebot bündelt Softwarelösungen, Dienstleistungen und Trainingsmaßnahmen. Ziel ist es, die größten Hürden rund um die Operationalisierung analytischer Modelle aus dem Weg zu räumen, die Unternehmen viel Zeit und Geld kosten.

SAS ModelOps bündelt SAS Model Manager Software und Services. Diese Kombination vereinfacht Management, Operationalisierung, Monitoring, Training und Governance analytischer Modelle - egal, ob es sich dabei um SAS oder Open-Source-Modelle handelt. Auf die Unternehmenssituation zugeschnittene Consulting-Services sorgen für eine schnelle und erfolgreiche Umsetzung. Zusätzlich führt SAS mit ModelOps Health Check Assessment einen Service ein, der Unternehmen - unabhängig von der eingesetzten Software - bei der Selbsteinschätzung und der optimalen Implementierung helfen soll.

"Nicht Daten, sondern Entscheidungen bringen Unternehmen voran - und analytisch fundierte Entscheidungen sind grundsätzlich besser", sagt Jim Goodnight, CEO von SAS. "Analytische Modelle helfen, Kreditkartenbetrug aufzudecken, Bankrisiken zu steuern, die zielgenaue Ansprache im Marketing zu verbessern oder wirksame Drogentherapien zu entwickeln - um nur einige Beispiele zu nennen. SAS hat viel Erfahrung darin, Unternehmen auf dieser letzten Meile zu unterstützen und dafür zu sorgen, dass sich ihre Analytics-, KI- und Dateninvestitionen auszahlen."

ModelOps-Ansatz bringt analytische Modelle schneller zum Einsatz

Laut McKinsey liegt der von Analytics und KI generierte Gesamtjahresumsatz zwischen 9,5 und 15,4 Billionen US-Dollar. Aber wenn die analytischen Modelle nicht produktiv gesetzt werden, geht ein Großteil dieses Potenzials verloren. Deshalb hält das Beratungsunternehmen Methoden für besonders wichtig, die die Modellerstellung und -implementierung beschleunigen. Mit ModelOps gibt es jetzt einen kollaborativen Ansatz für analytische Modelle, wie ihn die Entwickler-Community mit DevOps verfolgt. ModelOps sorgt dafür, dass analytische Modelle den Sprung vom Data Science Lab in die produktive IT schaffen. Das bedeutet auch regelmäßige Updates und Implementierung von Modellen sowie die bedarfsweise Anpassung und Skalierung.

SAS ModelOps erlaubt es Anwendern, die Implementierung und Nutzung von SAS Model Manager auf den Weg zu bringen. Die Methode verschafft Kunden zudem Einblicke in die Performance ihrer wichtigsten Modelle, um deren Relevanz sicherzustellen, auch wenn sich Daten und Marktkonditionen ändern.

Konkrete Hilfe mit Best Practices und Selbst-Check

Bis zum Jahresende wird SAS zudem ein ModelOps Handbook zusammenstellen, das Unternehmen Best Practices an die Hand gibt, mit denen sie ihren Analytics Lifecycle rasch auf den Weg bringen - ohne dabei an eine bestimmte Technologie gebunden zu sein. Das Handbuch geht besonders auf Zusammenarbeit und Prozesse ein, die den Übergang von Entwicklung zu Implementierung vereinfachen sollen. Ziel ist es, dadurch den Zeitaufwand zu reduzieren und gleichzeitig Kapazitäten im Unternehmen für die Erstellung, das Training und die Anpassung von analytischen Modellen freizusetzen.

Das ModelOps Health Check Assessment soll darüber hinaus konkrete Starthilfe bei der Implementierung analytischer Modelle geben. In einem Workshop vor Ort können Unternehmen ihren Reifegrad in Sachen Einführung und Management analytischer Modelle herausfinden. Der Selbst-Check gibt zudem Empfehlungen, wie sich die gewonnenen Erkenntnisse nutzen lassen, um bessere Entscheidungen zu treffen.

Experteneinschätzungen

Mit seinem Angebot geht SAS ein weit verbreitetes Problem an: Laut IDC haben Unternehmen weltweit über 189 Milliarden US-Dollar in Analytics investiert - aber erst 35 Prozent sind bislang so weit, dass sie ihre analytischen Modelle auch komplett produktiv nutzen können.

"Unternehmen in sämtlichen Branchen scheitern derzeit daran, Analytics in den produktiven Betrieb zu bringen", erklärt Dan Vesset, Group Vice President of Analytics and Information Management bei IDC. "Viele von ihnen haben zwar eine datengetriebene Kultur etabliert, hadern aber noch damit, die Erkenntnisse aus der Datenanalyse wirklich in Geschäftsentscheidungen umzusetzen. Manche Unternehmen schaffen es nie, mit den Investitionen in Analytics echten Mehrwert zu generieren - oder es fällt ihnen zumindest schwer, die letzte Meile der Implementierung, Operationalisierung und Produktivsetzung von Analytics zu bewältigen."

"Die meisten Unternehmen wollen zwar moderne Datenanalyse nutzen, kommen aber nicht über die Experimentierphase hinaus. Wir haben Unternehmen befragt und herausgefunden: Die größten Stolpersteine sind Schwierigkeiten bei der Implementierung, die Integration von KI in Unternehmensrollen und -funktionen, Datenprobleme (zum Beispiel im Zusammenhang mit Datenschutz, Datenzugriff und Datenintegration) sowie die Kosten für KI-Technologien und -Lösungen. Deloitte hat viel in die schnellere Verbreitung von KI investiert, unter anderem mit dem Aufbau eines SAS Center of Excellence, das für die kosteneffektive Aus- und Weiterbildung, Bereitstellung, Skalierung und das Management von KI- und Analytics-Lösungen steht", führt Nat D'Ercole aus, Partner bei Omnia AI, dem Geschäftsbereich für Artificial Intelligence bei Deloitte Canada.

Anwendungsbeispiele

SAS hat der Marketingabteilung der Commerzbank ermöglicht, datenbasierte Modelle zur Verbesserung der Customer Experience zu nutzen. Analytics wird bereits in unterschiedlichsten Geschäftsbereichen eingesetzt und kann inzwischen in sämtliche Entscheidungen rund um die Kundeninteraktion eingebunden werden - egal ob Inbound oder Outbound. Dabei wird jeder Kontaktpunkt mit Kunden der Commerzbank berücksichtigt, und zwar in Echtzeit.

Dem norwegischen Telekommunikationsanbieter Telenor hat SAS erfolgreich bei der effizienten Modellimplementierung geholfen. Mit Kunden in Skandinavien und Asien verfügt Telenor über ein sehr großes Volumen an Kundendaten, benötigte jedoch Unterstützung, um diese zu nutzen und eine personalisierte Customer Experience zu schaffen. Telenor Norway berechnet mit Analytics von SAS und bis zu 20 prädiktiven Modellen die Wahrscheinlichkeit, dass ein Kunde sich für potenziell relevante Angebote entscheidet. Auf dieser Erkenntnisbasis haben die beiden Unternehmen ein Tool mit Assistenzfunktion namens Automated Sales Tips (AST) entwickelt, das innerhalb von einer halben Sekunde das beste Angebot für jeden Kunden bestimmt, indem die bisherigen Scores der prädiktiven Modelle zurate gezogen werden. Die Modelle werden über den SAS Model Manager gesteuert und kontrolliert. Somit hat Telenor die Qualität der Modelle im Zeitverlauf im Blick und kann Reports zum Modellmanagement erstellen.

Weitere Informationen, wie Unternehmen mit SAS die "Last Mile" bewältigen, gibt es hier oder in den sozialen Netzwerken unter #DiscoverSAS.

circa 7.000 Zeichen