Analityka predykcyjna i uczenie maszynowe napędzą rozwój biznesu, są kluczowe w rozwoju aplikacji opartych na sztucznej inteligencji.

Według firmy analitycznej Forrester przedsiębiorstwa, które chcą skutecznie prognozować trendy rynkowe oraz zwiększyć wydajność swoich zespołów data science, powinny zainwestować w technologie predictive analytics i machine learning (PAML). To właśnie analityka predykcyjna i uczenie maszynowe są kluczowe w rozwoju aplikacji opartych na sztucznej inteligencji (Artificial Intelligence – AI). W opinii autorów raportu do 2021 roku zagregowany roczny wzrost rynku PAML utrzyma się na poziomie 15%.

Analityka biznesowa ulega ciągłym zmianom. Przedsiębiorstwa operują coraz większą liczbą danych pochodzących z różnych źródeł. Informacje te są często bardzo zróżnicowane zarówno pod względem formy, jak i treści. Coraz większą rolę odgrywają media społecznościowe, zdjęcia oraz materiały wideo. Systemy analityczne muszą nadążać za tymi zmianami, a firmy chcące utrzymać konkurencyjną pozycję powinny korzystać z elastycznych technologii umożliwiających przetwarzanie informacji.

Połączone narzędzia analityczne

Jednym z ważniejszych trendów na rynku analityki biznesowej, wskazanych przez Forrestera, jest obecnie rozwój PAML (Predictive Analytics and Machine Learning). Firma definiuje PAML jako oprogramowanie umożliwiające tworzenie modeli predykcyjnych przy użyciu algorytmów statystycznych i machine learning. Technologia ta jest platformą do wdrażania i zarządzania modelami predykcyjnymi. PAML wykorzystuje techniki statystyczne, data mining i uczenie maszynowe, dzięki czemu umożliwia prognozowanie trendów, analizę informacji oraz tworzenie potencjalnych scenariuszy przyszłych zdarzeń. Analityka predykcyjna i uczenie maszynowe znajdują coraz szersze zastosowanie w różnych dziedzinach, takich jak ekonomia, sport, polityka czy medycyna.

Obecnie analityka predykcyjna jest z powodzeniem wykorzystywana zarówno przez działy marketingu, pozwalając pozyskać potencjalnych klientów, jak i działy ryzyka w bankowości, które używają tego rozwiązania do oceny scoringowej klienta. To także fundament wszystkich rozwiniętych działów operacyjnych, od firm działających w branży turystycznej i lotniczej, po przemysł przetwórczy i logistykę.

Obserwując rosnące zainteresowanie rozwiązaniami analitycznymi oraz zapotrzebowanie na wykwalifikowanych specjalistów, którzy potrafią przełożyć skomplikowany język danych na konkretne decyzje w biznesie, Forrester wskazał najistotniejsze trendy na rynku PAML. Jednym z nich jest rozwój rozwiązań umożliwiających wykorzystanie różnych języków programowania, również open source. Analitycy data science, korzystający z języka programowania SAS, mogą również wykorzystać języki R, Python, Java, Lua i inne. Istotne znaczenie ma również efektywne zarządzanie procesem tworzenia i aktualizacji modeli analitycznych.

Modele wykorzystywane w biznesie cechuje skłonność do utraty aktualności. Bardziej dojrzałe technologicznie rozwiązania PAML posiadają narzędzia umożliwiające monitoring skuteczności tworzonych modeli, porównując wynik wyjściowy z kluczowymi wskaźnikami efektywności. Ponadto, rosnący deficyt na rynku specjalistów data science wymusza automatyzację procesów analizy danych i integrację narzędzi analitycznych w jednej platformie. Innym dominującym trendem jest tak zwana demokratyzacja analityki, która przyczynia się do coraz szerszego wykorzystywania narzędzi przez różne grupy użytkowników. W odpowiedzi na powyższe zapotrzebowanie dostawcy rozwiązań PAML opracowali łatwe w użyciu narzędzia, które umożliwiają tworzenie prostych modeli.

SAS liderem

Forrester podkreśla, że tylko nieliczni dostawcy rozwiązań analityki biznesowej są w stanie zaoferować narzędzia, które wytrzymają próbę czasu. W najnowszym raporcie Forrester[1] , firma podjęła się ewaluacji rynku PAML i oceniła ofertę 14 dostawców spełniających powyższe wymagania.

SAS uzyskał najwyższy wynik spośród wszystkich przebadanych firm, biorąc pod uwagę: obecną ofertę, strategię i stopień penetracji rynku. Jednym z istotnych kryteriów, uwzględnionych w najnowszej edycji badania, była zdolność do innowacji. Autorzy raportu podkreślają, że SAS całkowicie zredefiniował swoje portfolio, wprowadzając pokaźną ofertę rozwiązań z zakresu data science do platformy SAS Visual Suite (SAS Visual Analytics, SAS Visual Statistics, SAS Visual Data Mining oraz Machine Learning). Firma oferuje wysokiej klasy narzędzia do wizualizacji, analizy danych, konstrukcji czy wdrażania modeli, zapewniając ciągłość obsługi, która jest kluczowa w pracy analityka.

Forrester przyznaje również, że: wizja SAS dotycząca analityki danych nie ogranicza się jedynie do wprowadzania innowacji w narzędziach. Firma dynamicznie wdraża i upowszechnia nowe metody analityczne, łącząc tak różne dyscypliny jak statystyka, ekonometria, machine learning, deep learning czy NLI (natural language interaction). SAS oferuje również wsparcie dla programistów korzystających z języków Java, Python i Lua, którzy chcą nauczyć się i programować w  języku SAS.

Krok w przyszłość

W raporcie wyróżniona została również SAS® Viya™ – otwarta platforma, która zapewnia sprawną i efektywną dystrybucję rozproszoną połączoną z narzędziami do przygotowania danych, wizualizacji, analizy i zarządzania modelami. Rozwiązanie przeznaczone jest dla szerokiego grona użytkowników, od analityków, statystyków, aż po decydentów i użytkowników biznesowych. Celem platformy jest wzmocnienie współpracy pomiędzy pracownikami, tak aby analityka danych stała się powszechnie dostępna w całej organizacji.

Dzięki platformie SAS Viya otwieramy nowy rozdział w rozwoju analityki – powiedział Saurabh Gupta, Director for the SAS Analytics Product line. Przedsiębiorstwa oczekują skutecznych rozwiązań analitycznych, czyli takich, które wpłyną na ich innowacyjność i przewagę konkurencyjną. Dzięki platformie SAS Viya pozostajemy liderem na rynku, a narzędzia SAS są pierwszym wyborem dla organizacji, spełniając pełen zakres potrzeb analitycznych.

[1] The Forrester Wave™: Predictive Analytics and Machine Learning Solutions, Q1 2017