Быстрые и точные решения являются залогом успеха на рынке, поэтому то, насколько эффективно компании умеют обращаться с данными и извлекать из них полезную информацию, является определяющим фактором в бизнесе. Таким образом, ключевую роль в деятельности приобретают аналитические инструменты. Решения в этой области представлены на рынке уже давно и прошли довольно длительную эволюцию. Наибольшую эффективность дают комплексные продукты, которые позволяют собирать и структурировать данные, а также анализировать и строить на основе выявленных закономерностей модели и прогнозы. При этом важным элементом является представление данных в удобном и понятном виде для конечных пользователей. Данный подход реализован в аналитической платформе Viya компании SAS, которая согласно последнему исследованию Gartner входит в группу лидеров в сегменте решений DSML (Data Science and Machine Learning).

Минуты вместо часов

Разработка технологии, которая позднее материализовалась в качестве платформы Viya, началась еще в 2009 г. «Тогда я встретился с представителем одного сингапурского банка, который жаловался на то, что на вычисления, связанные с анализом рисков возможной сделки, уходило 18 часов, что часто превышало необходимое для принятия решения время», — рассказывает генеральный директор SAS Джим Гуднайт (Jim Goodnight): «Мы cтали работать над тем, чтобы сократить это время и раздвинуть границы возможного как с точки зрения ПО, так и с точки зрения железа».

Результатом этих усилий стала платформа, которая могла работать с большими данными по принципу in-memory вычислений. За счет переноса нагрузки в оперативную память можно было справиться с многократной передачей данных, которая необходима при построении большинства моделей машинного обучения. Процесс обработки данных был распределен на десятки и даже сотни ядер, что в итоге помогло заказчику сократить время анализа рисков с 18 часов до 15 минут.

В 2016 г. на основе этих разработок вышла в свет аналитическая платформа Viya, особенностью которой стали выполнение всех операций с данными в оперативной памяти (in-memory вычисления) и возможность использовать распределенные вычисления, то есть работать не на одном хосте, а на кластере из машин, который включает контроллер и несколько серверов обработки данных.

Облачная аналитика с поддержкой интернета вещей

В ноябре 2020 г. вышел уже четвертый релиз платформы Viya. Особенностью этой версии является оптимизация для работы в облаке, в частности заявлена поддержка Azure, Google Cloud, AWS, а в будущем ожидается интеграция с облачным сервисом Alibaba. Кроме того, была улучшена продуктивность решения: новая версия позволяет управлять аналитикой на более крупных и сложных массивах данных, а после того, как проведен анализ данных и создана модель, за счет инструментов low code/no code есть возможность сразу запустить ее в «продакшн», что в большинстве других решений требует написания дополнительного программного кода.

В феврале 2021 г. SAS объявила о покупке разработчика Boemska, который специализируется на развертывании low-code/no-code приложений и управлении рабочими нагрузками для платформы SAS. В частности, разработки Boemska позволяют бесшовного переносить SAS-модели в enterprise-приложения. Благодаря этому можно реализовывать модели с использованием low-code и no-code технологий для выполнения таких задач, как прогнозирование мошенничества, принятие решений, связанных с медицинскими событиями, определение производственного дефекта и т.д. Кроме того, в портфеле продуктов Boemska имеются инструменты для управления рабочими нагрузками, которые упрощают миграцию аналитики в облако и оптимизируют использование ресурсов.

Важной составляющей платформы является возможность визуализации результатов аналитики в понятной и доступной форме. «Потребителями и производителями аналитики может быть кто угодно, так как SAS обеспечивает экосистему для беспрепятственного общения ИТ-специалистов, data scientists и людей, принимающих бизнес-решения», — утверждает директор по технологиям (CTO) компании SAS Брайан Хэррис (Bryan Harris).

Аналитика SAS также включает в себя решения в области интернета вещей. Платформа Viya позволяет обрабатывать данные на периферии цифровой инфраструктуры (edge) – на конечных устройствах в непосредственной близости от источников данных. В этом сегменте SAS реализовала более 50 партнерских проектов, например, в городе Кери (Cary) в США была построена система предупреждения наводнений, которая в режиме реального времени собирает и обрабатывает данные с установленных датчиков. В логистике аналитика востребована при транспортировке медицинских препаратов, чувствительных к температуре хранения. Согласно данным IQVIA Institute, ежегодные потери фармацевтических компаний от несоблюдения температурного режима при перевозках составляют $35 млрд. Cейчас такие решения особенно востребованы в связи с необходимостью перевозить большие партии вакцин от COVID-19.

«Составной» искусственный интеллект

Особенность платформы Viya заключается в том, что в ее основе лежит синтетический подход, в последнее время получивший название композитный ИИ (Composite AI). То есть в рамках одной платформы объединено несколько методов решения аналитических задач, включая описательную статистику, обработку естественного языка (natural language processing, NLP), глубинное обучение, компьютерное зрение и др. Такой синергетический подход находит применение в самых разных отраслях.

Примером применения технологий NLP в аналитике является разработанный компанией SAS чат-бот Vivian, призванный помочь жертвам мошенничества. Бот запрограммирован так, чтобы гибко реагировать на разные сценарии, с которыми чаще всего сталкиваются операторы. Человек может спросить: «Я ответил на фишинговое письмо, что мне делать». «Кто-то пытается открыть кредитную карту на мое имя, как поступать». «Я потерял кошелек, телефон»... В ответ ViViAN задает вопросы, дает подсказки и таким образом сопровождает пользователя.

В страховой компании Bupa Australia с помощью технологий распознавания голоса удалось оптимизировать работу колл-центра и сократить отток клиентов. «На основе данных, полученных с помощью технологии распознавания голоса, нам удалось выделить 6 кластеров взаимосвязанных вопросов среди десятков тем, обсуждаемых во время клиентских звонков. Также с помощью средств аналитики мы проанализировали сильные и слабые стороны наших сотрудников, и сформировали 6 команд из людей, которые наиболее компетентны в соответствующих кластерах вопросов», — делится опытом менеджер по data science компании Bupa Australia Марк Вантхофф (Mark Vanthoff). В результате увеличилась скорость решения вопросов и повысился уровень удовлетворенности клиентов, так как большинство проблем решаются при первом звонке без необходимости переключать клиента на дополнительных специалистов. Кроме того, сократились издержки на обучение сотрудников контакт-центров, так как компетенции персонала стали более узкими.

В медицине технологии компьютерного зрения могут применяться для более быстрой и точной диагностики. «Определение того, насколько эффективной оказалась химиотерапия при лечении рака, это очень длительный и трудоемкий процесс. За счет аналитики и визуализации результатов исследований нам удалось значительно сократить нагрузку на радиологов», — рассказывает профессор Гиирт Казимир (Geert Kazimier) из госпиталя Amsterdam UMC.