Nachbericht SAS Forum 2017 SAS stellt Machine Learning und visuelle Analytik in den Vordergrund

Auf seiner Anwenderkonferenz „SAS Forum Deutschland 2017“ in Bonn stellte der US-amerikanische Analytics-Spezialist seine junge Self-Service-Analyse-Plattform SAS Viya in der Version 3.2 vor. Sie ist auf moderne Technologien und Einsatzszenarien ausgerichtet. Angebote für IoT-basiertes Edge Computing, Betrugsermittlung und Analytics-as-a-Service ergänzen die Neuerungen.

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

QUNIS GmbH

Confluent Germany GmbH

SAS Institute GmbH

SAS Viya ist die strategische Weiterentwicklung der aktuellen SAS-Plattform, die die Kunden seit Jahren kennen. Viya wird derzeit parallel zur SAS-Plattform 9.4 weiterentwickelt, mit einer Brücke für den Datenaustausch versehen, bis es 2018 zur Verschmelzung der zwei BI-Architekturen kommt (siehe Bildergalerie). Viya ist Cloud-fähig und wird auf der skalierbaren SAS Cloud, die auch in Frankfurt/Main eine Basis hat, angeboten.

Die Architektur ist offen, was bedeutet, dass sie besonders moderne Sprachen wie Python, Lua, R und Java sowie für REST-APIs unterstützt. Neben einem Python-Client für SAS Viya hat SAS die SASPy Library veröffentlicht, die SAS 9.4 um Python-Programmierung erweitert, einschließlich SAS Grid Manager. Zudem führt SAS „Pipefitter“ ein, eine Python-Bibliothek, die die Implementierung von Machine-Learning-Pipelines erleichtert. Um etwa Machine-Learning-Algorithmen zu implementieren, ist die Offenheit von Viya auch notwendig.

Bildergalerie

Bildergalerie mit 6 Bildern

Visual Analytics

Business-Analysten können u. a. in der grafischen Benutzeroberfläche der SAS-Viya-Komponenten SAS Visual Analytics und SAS Visual Statistik Analysen und Modelle erstellen, die für die Anwender in den Fachabteilungen nützlich sind. Mit SAS Visual Analytics erstellen beispielsweise seit zwei Jahren Fachanwender beim Lebkuchen-Hersteller Lebkuchen-Schmidt in Nürnberg im Self-Service-Verfahren individuelle Reports. „Das war notwendig, weil die ERP-Systeme nur Standardreports liefern“, sagt Udo Michael Sandner, der Leiter des Database Marketings bei Lebkuchen-Schmidt. „Mit SAS Visual Analytics können die Fachanwender ihre Fragen selbst beantworten.“ Das Analysewerkzeug ergänze die CRM-Werkzeuge von SAS, wie etwa SAS Enterprise Miner und SAS Enterprise Guide. „Damit schließt sich für uns der Kreis im Closed-loop-Marketing“, so Sandner.

Auch Funktionen für die Datenvisualisierung, die der Entscheidungsunterstützung dienen, stehen in VA bereit. Die ergänzende Komponente „SAS Visual Statistics“ ermöglicht hingegen die interaktive Datenexploration sowie die Erstellung von deskriptiven oder prädiktiven Modellen. Mit Visual Statistics kann ein größerer Kreis von Business-Analysten einfacher mit Statistikern zusammenarbeiten, schnell Modelle anpassen und fundierte Entscheidungen treffen.

Das Werkzeug für Data Scientists ist das Modul „SAS Visual Data Mining and Machine Learning”. Sie sollen ohne großen Aufwand Machine-Learning- und Data-Mining-Techniken auf strukturierte und unstrukturierte Daten anwenden können. Die Visualisierungs- und Programmieroberfläche soll sie in die Lage versetzen, schneller Modelle zu entwickeln und Code zu generieren, der portierbar und skalierbar für verschiedene Implementierungsumgebungen ist – natürlich auch in der Cloud.

Data Loader for Hadoop

SAS Viya stellt dem Benutzer mit dem „SAS Data Loader for Hadoop“ eine leistungsfähige Schnittstelle für die Handhabung von Hadoop-Datenquellen bereit. Derzeit werden die Hadoop-Distributionen von Cloudera (ab v5.8), IBM (ab v4.2), Pivotal (ab v3.0), Hortonworks (ab v2.5) und MapR (ab v5.1) unterstützt. Der Loader erlaubt die Codeausführung in Hadoop, so etwa SQL-Skripte, die Abfragen oder Joins ausführen. Nutzt man zudem die SAS/ACCESS-Bibliotheken, so kann man nicht nur Hadoop anzapfen, sondern auch Amazon Redshift, SAP HANA, Oracle, IBM Db2 und Teradata. Für die Verbesserung der Datenqualität und die Steigerung der Verarbeitungsgeschwindigkeit kann man zudem Apache Spark verwenden, das Prozesse in-memory verarbeitet.

SAS-Selbsttest mit „Paradise Found“

Angesichts der Fülle von einbindbaren Datenquellen verwundert es nicht, dass SAS sich selbst auf den Prüfstand gestellt und mit dem Projekt „Paradise Found“ demonstriert hat, wie sich Big Data Analytics und Machine Learning dazu verwenden lassen, um eine knifflige Aufgabe zu lösen: denjenigen Ort auf der Welt zu bestimmen, an dem die Lebensqualität am höchsten ist.

Der Gewinner ist West Perth in Australien, aber ein Stadtbezirk von Rotterdam (Feijenoord) folgt dichtauf. Knapp 150.000 Orte lieferten 1.124 Datenquellen und mehr als fünf Millionen Datenpunkte. Mit Data Mining und Machine Learning in SAS Viya wurden acht Variablen-Cluster ausgewertet: Bildung und Karriere, Familie, Kultur, Natur, Sicherheit und Infrastruktur, Lebenshaltungskosten, Restaurants und Shopping sowie Gesundheit.

Per Machine Learning und Big Data ermittelt

SAS kürt West Perth zum „besten Ort der Welt“

IoT & Edge Analytics

Das Internet der Dinge wird die in „Paradise Found“ bewältigte Datenmenge mit Milliarden neuer Geräte noch potenzieren. Man denke etwa an Connected oder Autonomous Cars oder Drohnen. Um hierfür eine Analytiklösung anbieten zu können, hat sich SAS mit Cisco zusammengetan. SAS verfügt mit SAS Event Stream Processing bereits über eine Lösung, die Millionen von Daten pro Sekunde im Millisekundenbereich verarbeiten kann. Die Prozesskette sieht den Ablauf Datensammlung, Filtern/Transformation, Modellausführung, Speicherung, Ad-hoc-Analyse, Modellentwicklung und -anwendung (in einem Zyklus) und schließlich Berichterstellung bzw. Benachrichtigung vor. Die „Intelligenz“ ist schon am Anfang des Ablaufs implementiert, was die Datenmenge stark verringert.

Zusammen mit Cisco bietet SAS nun die „Cisco SAS Edge-to-Enterprise IoT Analytics Platform“ an. Sie ermöglicht es Unternehmen, das Potenzial von IoT-Daten auszuschöpfen, ohne sich um die damit verbundene Hardware- und Software-Anschaffung kümmern zu müssen. Sie nutzt ein Cisco Validated Design, was Hürden und Risiken bei der Auswertung von IoT-Daten reduziert. Aufgrund ihrer Flexibilität und Skalierbarkeit hilft die Plattform den Kunden dabei, Analytics auf verschiedenen Netzwerkebenen anzuwenden – je nach Volumen-, Geschwindigkeits- und Latenzanforderungen.

Betrugserkennung & Co.

Die Viya-Komponente „SAS Visual Investigator“ bedient in der neuen, erweiterten Version 2.0 eine breite Palette von Intelligence-Analyse- und Ermittlungsanforderungen. Ermittler, etwa in Banken oder Versicherungen, können das Identifizieren von Mustern, unbekannten Beziehungen und interessanten Objekten vornehmen, um so Betrugsversuchen auf die Schliche zu kommen. Analysten können Szenarien entwerfen, um Anomalien und auffällige Ereignisse aufzudecken, Benachrichtigungen intelligent zu priorisieren und gezielt Untersuchungen durchzuführen. Das Resultat: bessere, schlankere Entscheidungsfindungsprozesse und optimierte Geschäftsabläufe.

Darüber hinaus hat SAS drei weitere Angebote für fachspezifische Analytics veröffentlicht: „SAS Visual Forecasting“ für Vorhersagen, „SAS Econometrics“ für Business Performance und „SAS Optimization“ für die Verbesserung von Geschäftsprozessen. Sie alle besitzen eine Programmieroberfläche, die auch über (kostenlose) Jupyter-Notebooks genutzt werden kann. SAS Visual Forecasting soll künftig über die gleiche GUI verfügen wie die anderen Viya-Analyselösungen. Einen Überblick über alle Viya-Komponenten bieten eine Infografik und eine Online-Broschüre.

Results-as-a-Service

SAS baut sein Cloud- und Hosting-Geschäft kontinuierlich aus, auch in deutschen Landen. Dabei braucht sich das Unternehmen, das sich in Privatbesitz befindet, nicht auf fremde Cloud-Ressourcen zu stützen, sondern verfügt über eigene. Ein neuer Dienst, der in Bonn vorgestellt wurde, ist Results-as-a-Service.

Neben den Daten gibt der Kunde ein spezifisches Geschäftsproblem und den Auftragsumfang vor. SAS stellt sowohl Experten als auch ein sicheres Delivery-Modell bereit, bevor es die Antworten liefert, die der Auftraggeber braucht. Binnen weniger Wochen liefert SAS Ergebnisse in den Einsatzbereichen Forecasting, Marketingoptimierung, Energieversorgung, Betrugsabwehr, Gesundheitswesen, Einzel- und Onlinehandel und mehr.

In folgenden Bereichen wird SAS Results bereits eingesetzt:

• Manufacturing – ein US-Autohersteller nutzt den Service, um Daten aus vernetzten Fahrzeugen zu analysieren und die Performance seiner Flotte zu kontrollieren.

• Handel – ein Textilhersteller und -händler erkundet mit SAS Results Unterschiede bei den Kaufmustern, Präferenzen und Verbrauchertrends zwischen den einzelnen lokalen Märkten.

• Gesundheitswesen – eine große öffentliche Gesundheitseinrichtung entdeckt mit SAS Results neue Behandlungsmethoden bei Herzinfarkten, die die Überlebenswahrscheinlichkeit erhöhen.

Dr. Patric Märki, SAS-Vertriebsleiter für die DACH-Region

Die Nutzung als Cloud-Service enthebt den Auftraggeber der Notwendigkeit, selbst in IT-Infrastruktur und -Personal zu investieren. „Deshalb können Unternehmen und Organisation jeder Größe diesen Service nutzbringend in Anspruch nehmen“, sagte Patric Märki, bei SAS Vice President Sales für die DACH-Region. Weitere Informationen finden sich im Whitepaper „SAS Results delivers value“.

Der menschliche Faktor

Dr. Andreas Becks, Manager Business Analytics, SAS DACH

Nachdem in den vergangenen Jahren vor allem die technologiegetriebene „SAS Analytics Factory“ betont wurde, steht nun der Mensch als IT-Nutzer deutlich im Vordergrund. Dr. Andreas Becks, SAS-Manager für Business Analytics in der DACH-Region, wählte deshalb für seine Demonstration die Verbindung zwischen Amazon Alexa, Machine Learning und Visual Analytics. Die berühmte Star-Trek-Frage: „Computer, hörst du mich?“, ist mittlerweile überflüssig. Alexa hört aufs Wort und antwortet prompt, etwa mit Datenvisualisierung.

(ID:44774858)