SAS, la rivoluzione dell’analisi dei dati

SAS, la vera potenza dell’AI
Bryan Harris, executive VP and chief technology officer di SAS

Sul piatto un miliardo di dollari per potenziare la piattaforma SAS Viya. Obiettivi: democratizzare l’analisi dei dati e irrobustire la potenza degli analytics e dell’AI su base statistica al servizio della resilienza aziendale e della continuità di business

SAS stanzia per i prossimi tre anni un miliardo di dollari per lo sviluppo delle proprie soluzioni di analytics. La notizia, annunciata in apertura di SAS Innovate, l’evento itinerante che ha preso il via a Orlando, in Florida, è stata confermata anche durante le tappe successive del tour europeo, Milano compresa. Non si tratta del primo investimento importante messo sul piatto da SAS. L’annuncio arriva quattro anni dopo l’impegno a investire un altro miliardo di dollari per potenziare le capacità di intelligenza aumentata nel triennio 2020-22. Se il primo round d’investimenti era servito a SAS per sviluppare le versioni della sua piattaforma Viya su settori quali agricoltura, banche, istruzione, sanità, assicurazioni, vendita al dettaglio, telecomunicazioni e sport, con la nuova tranche l’azienda proseguirà nello sviluppo di capacità di analisi avanzata e intelligenza artificiale. In particolare, l’impegno di risorse finanzierà ricerca e sviluppo, il lavoro di data scientist, statistici e sviluppatori software e attività di marketing. L’investimento conferma il forte impegno di SAS nel perseguire la democratizzazione dell’analisi dei dati, consentendo a un numero sempre maggiore di persone, indipendentemente da esperienze e funzione, di accedere alla potenza dell’analisi avanzata, come riassunto nel claim “analytics per tutti, ovunque”.

TI PIACE QUESTO ARTICOLO?

Iscriviti alla nostra newsletter per essere sempre aggiornato.

L’evoluzione di Viya

Una parte importante dello stanziamento sarà destinato a migliorare ancora Viya, la piattaforma di analytics proprietaria lanciata nel 2016 e riprogettata nel 2020 per renderla completamente nativa per il cloud, per aggiungere funzionalità di intelligenza artificiale come l’elaborazione del linguaggio naturale (NLP) e l’analisi predittiva; oltre che per creare nuove versioni per specifici settori, consentendo ai clienti di sfruttare al meglio le informazioni rispetto a una piattaforma di BI generica.

Leggi anche:  SAS, dati e analytics per abilitare l'innovazione in azienda

Bryan Harris, executive vice president e chief technology officer di SAS – spiega le ragioni che hanno guidato l’azienda in questa strategia. «Viya è fondamentale per le nostre soluzioni. Spesso i clienti che acquistano soluzioni da fornitori diversi, riscontrando problemi di integrazione. L’altro ostacolo è quando si trovano di fronte a casi d’uso nuovi che richiedono adattamenti specifici. Con Viya possono utilizzare la nostra soluzione senza bisogno d’altro». Gli investimenti programmati da SAS – sottolinea Harris – sono sempre finalizzati a rispondere in maniera veloce e puntuale alle esigenze dei clienti. «Riceviamo quotidianamente feedback sul funzionamento e l’impiego della piattaforma: richieste e consigli che utilizziamo per integrare nuove funzionalità e semplificarne l’utilizzo. Questo permette di alimentare un ciclo di innovazione continua con il cliente e i nostri team di sviluppo. Nell’assegnazione di questi investimenti, riteniamo cruciale non solo concentrarsi sullo sviluppo tecnologico, ma anche raggiungere un pubblico sempre più vasto per condividere le nostre tecnologie e garantire la comprensione dell’importanza della crescita del nostro portafoglio di soluzioni». Un mix di attenzione alle esigenze dei clienti e di aggiornamento continui riconosciuto anche da società indipendenti. Secondo un benchmark condotto da The Futurum Group, SAS Viya si distingue per la sua straordinaria velocità. Rispetto alle soluzioni dei competitor, anche quelle open source che integrano intelligenza artificiale/machine learning, Viya risulta fino a 30 volte più rapida. Inoltre, supera di quasi 50 volte le piattaforme Data/AI basate su Spark, con picchi di velocità che arrivano addirittura a 326 volte.

Utilizzo responsabile dell’AI

L’impegno di SAS è in direzione di un’intelligenza artificiale responsabile – sottolinea Reggie Townsend, vice president, Data Ethics Practice di SAS e membro del Comitato consultivo sullintelligenza artificiale del Dipartimento del Commercio degli Stati Uniti. «I principi che guidano lo sviluppo delle potenzialità dell’AI in SAS sono una migliore comprensione del modello e la verifica continua della tracciabilità e della sicurezza del dato. È in queste due aree che stiamo concentrando i nostri sforzi: lavoriamo per aiutare le persone a comprendere e interpretare i modelli». Townsend spiega che l’AI viene spesso paragonata a una scatola nera, poiché conosciamo gli input e otteniamo un risultato, ma non sappiamo esattamente cosa succede nel processo intermedio. «Per questo, nelle nostre soluzioni abbiamo introdotto una serie di funzionalità per aiutare a comprendere meglio questo passaggio, tracciando e verificando i dati impiegati. Inoltre, offriamo anche la possibilità di descrivere il modello di AI attuale in termini di dati inseriti». Il modello si sta comportando in modo accurato? Oppure sta perdendo consistenza? Per Townsend si tratta di domande importanti per chi deve valutare se continuare a utilizzare quel modello o invece rigenerarlo. Un’altra area di interesse, che rientra nell’investimento complessivo, riguarda la generazione di dati sintetici. Questi dati sono derivati da dati reali, ma mantengono le stesse proprietà statistiche, consentendo di ottenere grandi volumi di dati di alta qualità. «Con questo approccio analitico possiamo ottenere risultati del tutto analoghi all’utilizzo di dati reali nell’analisi, preservando allo stesso tempo la privacy dei clienti e dei loro partner. Si tratta di un campo di studio entusiasmante, poiché ci consente di esplorare le possibilità di questa tecnologia, simulando diversi scenari senza dover utilizzare dati reali, che a volte non sono nemmeno disponibili».

Leggi anche:  AI generativa e sviluppo Java, guida pratica ai concetti fondamentali
Reggie Townsend, vice president, Data Ethics Practice di SAS

Resilienza dinamica

Negli ultimi 36 mesi, tutto il mondo ha fatto i conti con la pandemia, la crisi delle catene globali di approvvigionamento di chip e semiconduttori, un anno di guerra, e in generale con uno scenario d’incertezza determinato dalla difficile congiuntura economica. Eventi e fenomeni collegati, che hanno impattato pesantemente tutti i comparti produttivi. L’analisi dei dati può aiutare le aziende a identificare inefficienze e aree di miglioramento: processi aziendali, tempi di produzione, costi operativi, ottimizzazione delle operations, riduzione dei costi e miglioramento dell’efficienza complessiva. «Gli analytics forniscono alle aziende una base solida per prendere decisioni informate» – evidenzia Harris, durante la plenaria del roadshow milanese. «Grazie all’analisi dei dati, le aziende possono considerare diverse opzioni, valutare i rischi e le opportunità connesse, prendendo decisioni più accurate e oggettive, in questo modo contribuendo a creare un business più resiliente e a ridurre l’incertezza».

Bilanciare vantaggi e rischi

Una formula che al momento non include l’AI generativa. A differenza di altri competitor impegnati a lanciare integrazioni con ChatGPT e Large language models (LLM) in generale – SAS ha preferito adottare un atteggiamento prudente. «La scelta è di adottare un approccio cauto nei confronti dell’AI generativa – spiega Townsend – e di continuare a concentrarsi sull’intelligenza artificiale, rafforzando le capacità offerte dall’elaborazione del linguaggio naturale (NLP) e dall’apprendimento automatico».

Una delle preoccupazioni principali è la sicurezza dei LLM e l’accuratezza delle risposte generate da questi sistemi. «Le potenzialità di questa tecnologia sono entusiasmanti, ma tutti quanti stiamo ancora cercando di capire come usarla in modo responsabile» – continua Townshend. «Anche SAS è in prima fila per cogliere le opportunità offerte dallAI generativa. Ma dobbiamo procedere con molta cautela. L’utilizzo deve essere fatto in modo responsabile. Siamo determinati a farlo correttamente nel corso del tempo, ma non vogliamo intraprendere questa corsa senza prima comprendere i requisiti necessari. L’obiettivo è di bilanciare i rischi dell’integrazione con i suoi vantaggi, garantendo un approccio equilibrato».

Leggi anche:  Il potenziale del data marketplace. Come governare la condivisione dei dati