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

Heidelberg (ots) -

Neue Services helfen Unternehmen, analytische Modelle schneller in
den operativen Betrieb zu bringen - Empfehlungen von Deloitte und
McKinsey

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.

Über SAS

SAS ist Marktführer im Bereich Analytics und mit mehr als drei
Milliarden US-Dollar Umsatz einer der größten Softwarehersteller.

Pressekontakt:
SAS Institute GmbH
Thomas Maier
Tel. +49 6221 415-1214
thomas.maier@sas.com

Dr. Haffa & Partner GmbH
Anja Klauck
Tel. +49 89 993191-0
sas@haffapartner.de

Original-Content von: SAS Institute, übermittelt durch news aktuell