SAS 發表最新「自動化機器學習建模」及「開源模型管理」產品，打造平民化 AI

全球數據分析 SAS 持續優化其人工智慧（AI）解決方案的易用性，近日於米蘭 2019 Analytics Experience 大會公布 SAS 平台最新的「自動化機器學習建模」功能和機器學習模型解釋功能，及新一代「SAS Open Model Manager」幫助組織整合開源模型，以讓 AI 更透明，並加速 AI 解決方案的平民化。

SAS 執行副總裁兼行銷長 Randy Guard 表示：「除非 AI 技術能被正確地導入及部署，幫助企業從每日產出的分析決策中受益，否則難以有所作為。SAS 已攜手許多客戶完成實證，包含利用分析和 AI 偵測信用卡詐欺、管理銀行風險、推動個人化客戶互動、定義出有效的藥物療法等。」

SAS 台灣總經理陳愷新，也針對台灣市場提出觀察：「不同的產品、客群、通路需要不同的 AI 模型進行預測，而台灣企業目前落地 AI 最大的障礙，就在於缺乏規模性管理且可自動化的分析流程，來優化最終決策，因此 SAS AI 產品的最新增強功能，才著重於將構建機器學習模型所需的許多手動和複雜步驟自動化。」

而針對台灣企業多仰賴開源軟體的現象，陳愷新也補充：「導入開源服務到營運環境時，由於無法能有服務水準協議（SLA）的保證，管理上需要大量的人工介入，造成分析以及資訊單位的維運負擔，加上模型本身也需要設定的績效追蹤機制才可確保不會衰退，因此擁有開源模型管理工具，才是確保投資效益的關鍵」

以下為 SAS Viya 最新版本、與新一代 SAS Open Model Manager 的介紹，及企業採用的實例分享。

最新 SAS 平台讓 AI 更自動化、更透明，
獲英國保險公司 Admiral、義大利保險科技 Yolo 採用

2019 年第 4 季將在 SAS 平台上推出的 SAS Viya 最新版本，提供最新的 AI 和進階分析技術，供資料科學家和商業分析者使用。增強分析功能將提供 AI 技術，協助將資料轉換和構建機器學習模型所需的許多手動和複雜步驟自動化。透過 SAS 將分析生命週期自動化後，只需點選一下，即可完成資料整理->特徵工程->建模演算法自動選擇等資料科學任務。

為賦予 AI 模型透明度，SAS 透過視覺化的建模工作流程，消除自動化建模可能伴隨而來的「黑箱」，並透過自然語言產生等技術，使用易於理解的商業詞彙呈現分析結果。模型確定訓練完成後，也只需點擊一下即可快速部署。

為進一步使 AI 解決方案平民化，自動化建模流程後提供 REST API，有助於應用程式開發人員在使用 SAS Analytics 時擁有更多彈性。此外，分析者可以於 SAS 平台上輕鬆使用開源程式碼，同時透過 SAS 增強其分析能力，提供真正的開放體驗。

根據英國詐欺防治服務機構 Cifas 表示，2018 年詐領保險理賠金額較前一年成長了 27%，其中汽機車方面更成長了 45%。英國保險商 Admiral 運用 SAS 的保險詐欺分析引擎，使用多種技術（包含自動化業務規則、機器學習、人工智慧、文字探勘、資料庫搜尋、異常偵測和網絡關聯分析），針對理賠、關聯網絡以及任何相關的社群網路予以自動評分。這項流程讓Admiral能在分析和理賠詐欺行為之間建立穩固的關係。持續的反饋循環能讓 Admiral 持續優化詐欺偵測流程，以更快的方式在更多情況下識別詐欺行為，同時改善的客戶體驗。光是過去的 12 個月以來，這種方法就已帶來超過 3,100 萬英鎊的收益，其中包括節省下的 600 萬英鎊理賠詐欺金額。

義大利新創公司 Yolo 其數位保險平台可隨需購買旅行、產品、健康和寵物保單。在 SAS 機器學習的推動下，Yolo 的平台可為客戶「即時客製」保單，不需等待。且 Yolo 還能利用所有可得的資料，即時為客戶的假期或智慧型手機投保，並讓合作的金融機構和企業夥伴能為其客戶量身打造的動態行動體驗。

SAS Open Model Manager 集中註冊、部署和監控開源模型，
帶領企業踏上「分析的最後一哩路」

許多組織都在「分析的最後一哩路」倍受困擾，部分原因是繁瑣的手動流程，以及 IT 與商業分析者之間的協作不一致。藉由改善模型開發、生產和自動化流程，將可使得模型從開發，轉移到部署之間的負擔大幅減輕。

據 IDC 調查（註）指出，不到半數組織的分析模型有充分發揮作用，僅有 14% 的組織表示資料科學家的產出已完全投入使用。SAS Open Model Manager 可以幫助組織簡化建立分析模型的流程，以便從實驗室的測試階段迅速進入正式營運環境，並可密切監控和驗證這些模型的效度。

SAS Open Model Manager 整合了資料科學家和 IT/DevOps，可幫助組織在一個集中環境中註冊、部署和監控開源程式碼模型。此解決方案將於 11 月推出，可與 Python 和 R 無縫整合。使用者可以比較和評估各個模型，管理冠軍和挑戰者模型，並透過內建的模型效度報告，迅速評估是否需要重新訓練、淘汰或開發新模型。

精簡化後的模型發佈和部署流程，提供高度靈活性，只需點按幾下，即可在不同的作業環境下選擇部署批次模型或即時模型。支援容器的基礎架構（包括 Docker 和 Kubernetes），提供可移植的輕量映像，部署在私有或公有雲。專為滿足開源程式碼社群的需求而設計，不需要其他 SAS 技術。

此外，SAS 還推出了一項新的獨立式服務 SAS ModelOps，其能夠使組織在確保模型高品質成效的同時，將模型從實驗室盡快移至 IT 正式環境。使組織能夠對這些模型進行管理、擴展、監控和重新訓練，以便在發現效度降低的早期跡象時盡快修復模型。

菲律賓 Globe Telecom 這家行動暨寬頻供應商在 SAS 和開源程式碼中建置模型時，以往依賴手動，不僅緩慢且缺乏治理。運用 SAS 模型管理解決方案後，Globe 將取得的客戶、帳單和網路數據，整合 SAS 和開源程式碼打造分析模型，做出更快速的決策，為其 6,500 萬用戶提供適切的服務方案及個人化需求。

SAS 在 AI 技術持續創新，今年稍早亦宣佈對 AI 領域持續挹注 10 億美元。而根據 IDC 近期關於 AI 軟體平台市佔率的報告，SAS 在 2018 年 AI 收入的成長達 105%，比整體市場成長速率高了近 4 倍。