全球各地的客户告诉我们，越来越多的数据导致了对决策的更高期望以及对单凭直觉做出这些决定的更低自信。因此，分析技术从未像现在这样重要。

　　杜克能源公司(Duke Energy)首席执行官David Mohler称网络是智能电 网的关键。随着主要家庭设备都开始支持联网功能，网络将会充满数据，这些数据蕴藏着对客户和社会的巨大潜力。那么，如何定义从住户到变压器、再到配电网的 层次(包括确定为自动化每个阶段的相应行动所需的最少数据量)呢，这是比较有趣的问题(参见SAS.com上的“智能电网”一文)。

　　塔吉克百货公司(Target)的顾客数据与分析服务部门经理Eric Bibelnieks认为高性能计算为整体优化那些传统上相互独立、未达到最佳标准的活动(由于其复杂性和规模的缘故)的各种问题提供了大量机会。

　　卡塔利娜营销公司(Catalina Marketing)首席信息官Eric Williams管理着可能是世界上最大的单个数据库表，用来针对那些使用杂货店信用卡的美国消费者定制特殊营销。数据之多令人吃惊，但更让人惊讶的是他 通过利用高级分析技术给客户带来的收入结果。

　　这些对话证明分析技术的重要性不断增加。想解决问题需要实践者走出其核心领域，开展全面的分析工作。我们期待发现跨行业和跨分析技术应用的新领域。

　　一切从此开始

　　我们很高兴看到其他公司加入进来，但分析技术对SAS并不新鲜。实际上，我们的事业发轫于1976年，当时有一些统计系学生需要分析农业数据。不断增加的数据量让他们提出了对复杂统计分析和强大数据管理功能的需要，这也是SAS®软件延续至今的优势所在。这些学生在毕业并参加工作后，意识到了这些功能对解决商业问题的价值。于是他们在1976年创建了一个公司，以便将SAS软件商业化。

　　随着时间的推移，SAS逐渐从销售统计学、运筹学、数据挖掘和经济计量学软件工具转向直接开发用于解决客户业务问题的解决方案。我们现在仍然开 发和销售这些工具，当然它们比过去强大了许多，但我们还以特别的方式将各种基础算法结合起来，以寻找以前被认为不可能获得的答案。我们的发展动力之一在于 普通用户现在也能掌握分析技术，尽管他们可能并非具体技术领域的专家。由于专家的数量总不够需要，有更多受众也希望使用分析技术，这带来了万众瞩目的契机。

　　我们有一个很好的例子是在运筹学方面应用。在1982年，我们首次推出SAS/OR®软件，近年则在优化和仿真方面进行了彻底的革新。我们受到 应用运筹学优势的更广大市场吸引，一直在将基础运筹学算法运用于特定类型的问题(如营销优化)甚至特定行业(如接待行业的收入管理及价格优化)。这一发展 涉及获取行业专业知识，实现理解诸如以下问题：可以获得什么种类的数据？什么容易测量而什么不容易测量？适用什么法规和业务流程约束条件？所有这些问题都 会随行业的不同而存在差异。

　　这一发展还意味着结合不同的分析方案。零售行业的微薄利润使得在季节末尾或产品寿命末尾最大化产品盈利非常重要。要实现利润最大化，就需要知道 哪些产品应该在何时降价，降价多少，以及在哪些地点实行。要获得该信息就要对需求(作为价格的函数)进行评估;这并不是一个容易的估计问题，因为可用数据 通常并非来自需求，而是来自销售。因为该问题与优化密切相关，所以最佳解决办法是采用集成式方案，正如面向零售业的SAS降价优化解决方案(SAS Markdown Optimization)所提供的一样。

　　在我们使企业及更广大用户更加容易采用我们的解决方案的同时，还通过研发投资，保持分析技术的严谨性。我们意识到，不可能开发针对每一个问题的 软件，所以建立了一个运筹学卓越中心，其工作人员都具有博士等级学历和将运筹学技术应用于跨行业的多年经验。他们致力于模型表达、模型求解及实现工作。他 们在工作中利用自身经验及高级分析部门(Advanced Analytics Division)的雄厚专业知识，帮助制造、零售、消费包装品、银行、媒体及娱乐行业客户解决各种问题。由于客户反馈良好，所以我们目前正研究建立专门 对行业(如制造)及应用(如数据挖掘)的卓越中心。

　　展望下一步进展

　　另外，我还注意到三个令人激动的发展前沿：高性能计算、可视化及文本分析。在大规模计算的现实世界中，我注意到一个趋势，即将计算分布到许多廉价计算机上而非使用具有许多核心的单一机器。我们也正通过开发某些分析解决方案的高性能版本来利用该模式的优势。对分析技术兴趣的提高要求采用新的方式将这些洞察传达给非专业人员。

　　商业可视化技术可以通过各种引人注目的方式将数据分析结果显示在广大消费者面前，一幅图片有时胜过千言万语。一个组织中的众多用户能够获得单一 综合视图，还能够专注于基于其角色的视图。在商业智能框架范围内可实现对这些洞察的集中和安全管理，并在随后通过Web甚至移动设备将其提供给最终用户。 另外，通过使用SAS的JMP® 软件还可以让可视化操作具有交互性和探索性，以便让用户快速获得数据能够提供的最重要发现。

　　据多数专家估计，70%的数据都是非结构化和非数字格式的，所以SAS正逐步增加其在文本挖掘、内容分类及语义分析工具方面的投资。我们还将各 种技术结合起来，以解决具体的商业问题;我们的新SAS社交媒体分析解决方案(SAS Social Media Analytics)使组织能够深入洞悉各个社交媒体网站上的聊天内容，然后将相关销售线索提供给其具体业务部门。

　　我们的员工紧紧跟随这些新出现的趋势，所以能够保持竞争优势。他们除了参加持续的培训和学习，还参加各种会议并活跃于各种专业组织。例 如，Kathy Lange是运筹学和管理学研究协会圆桌会议(INFORMS Roundtable)的候任主席，而Bob Rodriguez将在2011年成为美国统计协会(ASA)的候任主席。除了他们两人以外，还有许多其他员工在INFORMS、ASA和其他专业组织中 担任领导职务或为委员会成员。我们鼓励员工将他们遇到的新方案转变为解决新问题的创新方法。因为我深信问题只会变得越来越困难。而SAS将全力以赴提供解决方案。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。