幫上百家客戶完成數字化轉型後，SAS開出了四劑藥方應對變革焦慮

• 2019 年 11 月 6 日
• 筆記

大數據文摘出品

作者：魏子敏

大數據和人工智慧已然成為了這個時代的主題曲，與此同時，焦慮感也開始在行業中蔓延，從初創公司到行業巨頭，都急切地想要跟上這股越炒越熱的浪潮。

媒體、行業報告中曝光的例子往往讓人心動：傳統行業通過幾個月的部署，迅速引入大數據領域人才、上馬一套完整的資料庫，並建立較完整的數據搜集分析流程，產生立竿見影的價值。但在數據化轉型的真實嘗試中，很多企業卻面臨著數據團隊建設目標不清晰、業務界限模糊、人才缺乏等問題。

10月22日，在米蘭召開的SAS Analytics Experience 2019大會上，SAS這家專註數據分析40多年的軟體公司，發布了一系列產品和調研報告，並嘗試告訴這些亟待轉型的公司，在數字時代如何應對焦慮、順利轉型。

2019年10月22日至23日，SAS Analytics Experience 2019峰會在義大利米蘭舉辦

「公司的數字化轉型意願都很強烈，但是失敗並不少見。」在峰會首日的keynote演講中，SAS公司執行副總裁、COO&CTO Oliver Schabenberger總結了不同公司變革失敗的四大因素：沒有調動各階層積極性、缺乏清晰變革策略、無調動力的領導層、部署的「最後一公里」無法實施，並針對每一點，一一給出了對應的解決方案。

調動公司各階層參與，推進「分析民主化」

Oliver在演講中指出，在SAS接觸的客戶中，很多公司面臨最大的問題之一是沒有調動公司全部階層共同參與轉型過程，而只將其看作某些部門的工作內容。

SAS公司執行副總裁、COO&CTO Oliver Schabenberger在峰會發布演講

由於公司實施數字轉型的團隊並不直接產生價值，其價值落地多通過與業務團隊有效合作產生。因此，業務團隊對數據團隊的工作是否滿意、有多大合作動力，在很大程度上影響著數據團隊的工作效率。

傳統業務領域的參與者一方面受制於數據分析本身的技術門檻無法跨進來，另一方面也很大程度歸咎於公司內部沒有建立起一體化的智慧和分析文化。

「數字化轉型不只是數據科學家的事情，需要全公司各階層的共同參與。」會後，Oliver告訴大數據文摘，SAS將這一過程稱為公司「分析民主化（democratizing analytics）「過程，希望通過完整的系統構建和文化建設，讓更多人參與進數據化和智慧化轉型中。

為此，SAS近日也對於其人工智慧解決方案進行了升級，以幫助組織提高效率並通過自動化快速實現價值。最新版本的SAS ® Viya ®提供了更智慧的分析技術，可供數據科學家和商業用戶分別使用。比如增強功能提供了智慧流程，可以自動化數據轉換和構建機器學習模型所需的許多手動和複雜步驟，只需單擊一下，即可自動化分析生命周期，完成從數據整理到功能工程和演算法的多種選擇。

為了進一步使AI解決方案民主化，SAS最新自動化建模過程使用REST API。這有助於開發人員在使用SAS Analytics時自定義業務應用程式。此外，用戶可以輕鬆地嵌入開放源程式碼並使用SAS擴展其分析，從而提供真正的開放體驗。

完善變革策略，推進整體性「數據化決策」

在諮詢公司Futurum Research與SAS聯合發布的《展望2030：消費體驗未來研究報告》（下稱報告）中，描繪了2030年公司行為和消費者行為將進一步數字化。報告稱，10年後，67％的客戶行為將由智慧機器而非今天的人工代理完成。到2030年，與客戶互動期間做出的決定中有69％將由智慧機器完成。

也就是說，未來公司運營決策中，小到客服回應，大到公司戰略，都將在很大程度上依賴數據智慧完成。而要讓整個公司適應這樣的數字化決策流程，必須從現在起開始準備。

這時候，一個清晰且至上而下的變革策略就顯得至關重要。

Oliver告訴我們，目前的情況是，所有公司都能夠意識到自己需要數字化轉型，需要數據化決策，但是如何形成一套一體化的系統仍然不清晰。

SAS公司執行副總裁、COO&CTO Oliver Schabenberger接收大數據文摘專訪

「我們看到，即使有一些決策是基於分析和數據制定的，這些決策依然是基於公司中不同部門的『孤島數據』「，Oliver在採訪中表示，「更重要的是一個整體的看法，比如能否提供所有數據的交互視圖？或者在另一業務線的先前決策中，該業務線的資訊應該如何處理？這就要求數據分析系統可以向內追溯，並且跟蹤公司業務的演變。「

SAS也因此將集成性作為平台的最重要性能之一進行研發。「我們看到由於缺乏一致性的系統，許多好的數據科學工作被浪費了。這也是我們的核心優勢之一，貫穿整個數據分析生命周期：從如何清洗數據？如何準備我的數據開發模型，到部署它們，使其真實有效，並投入生產。」

大會現場，義大利初創公司Yolo的創始人兼首席執行官Gianluca De Cobelli演示了如何通過SAS一體化的數據分析系統變革傳統的保險業務。該公司的數字保險平台可按需訪問旅行，產品，健康和寵物保單。在SAS機器學習的推動下，Yolo的平台可以為客戶訂製臨時保險單，而沒有滯後時間。

Gianluca稱：「藉助SAS，我們的平台能夠使用所有可用數據實時處理客戶的請求，使我們的金融機構和公司合作夥伴能夠為客戶提供訂製、動態、移動的體驗。」

打破「部署的最後一公里」難題

數據團隊將工作局限於搜集和分析數據是遠遠不夠的，只有數據能夠真正驅動行動的時候，數據科學的價值才能顯現。數據應該去推動產品的迭代完善，同時能夠驅動所在組織或機構的關鍵績效指標。

而就Oliver稱，最後投入生產的過程，也即所謂的最後一英里往往最難做到。「我們在調查中發現，一半的開發模型無法投入生產。」

究其原因，Oliver告訴我們，一是很多模型並不是基於業務考慮而開發的，二是很多公司投入生產的模型周期太長，90％花費了三到四個月的時間，而從開發到部署，很多數據已經發生了巨大的變化。

「因此，我們一直從一開始就基於一些不確定性，選擇魯棒性更好的模型來提高生產率，然後彌合差距，並確保它們確實在被使用。「

至上而下推進，有效的領導力至關重要

一個組織或機構數據文化的建立往往是「一把手工程」，需要高層自上而下的全力支援：要確保數據能夠真正驅動行動，需要數據科學家、工程師和產品經理的協同配合，而所有這些又都需要高層的支援和承諾，將數據明確列入制度流程，確保全組織或機構都能依靠數據來做決策。

公司能否有領先市場的發展，決策者的眼界非常重要，高層對數據是否敏感，能否下決心把數據推動做好，決定了這個公司的前景和競爭力。

SAS創始人，年近八旬Jim Goodnight一直以一位「統計學家」自稱，在今年的演講中，他一直強調數據和管理的重要性。受其影響，整個SAS的數據驅動文化也頗為強大，高層對數據和技術非常敏感，也將這一文化貫穿進了客戶服務的整個過程。

基於這些經驗和整個公司的數據文化，SAS在分析領域目前已經服務了全球超過100家大型客戶，根據IDC報告《2018年全球大數據和分析軟體的市場份額報告》的結果，SAS在分析軟體市場份額預測中佔據27.7％的市場份額，名列第一位，該類別的收入每年也在持續增長。