데이터 탐색을 마친 다수의 사용자가 인터랙티브 예측 모델을 생성하고 보완할 수 있습니다. 분산된 인-메모리 프로세싱을 통해 모델 개발 시간을 획기적으로 줄이고 의사결정을 내리는 데 필요한 가치 있는 인사이트를 신속히 찾아줍니다.
누구보다 빠르게 기회를 발견합니다
데이터 사이언티스트와 통계 전문가는 가장 적합한 분석 모델링 기법을 사용하여 세부적인 관찰을 기반으로 행동할 수 있습니다. 그 결과, 획기적인 속도로 인사이트를 발견하고 수익을 증대하는 새로운 방법을 찾을 수 있습니다.
확실한 모델로 신속한 의사결정을 수행합니다.
특정 그룹 또는 세그먼트에 맞춰 손쉽게 모델을 구축 및 보완하고 다양한 시나리오를 동시에 실행할 수 있습니다. what-if 질문 횟수를 늘려서 더 나은 결과를 얻을 수 있고 자동 생성 스코어 코드를 통해 결과를 실행에 옮길 수도 있습니다.
분석 기술의 생산성을 끌어올립니다.
시각적인 데이터 인터랙션을 통해 다수의 사용자가 변수를 추가하거나 변경하고 이상값을 제거할 수 있도록 지원합니다. 변경 사항이 모델의 예측에 어떻게 영향을 미쳤는지 즉시 확인하고 신속하게 결과를 개선할 수 있습니다.
데이터 분석 실험의 자유를 보장합니다.
데이터 사이언스 팀은 원하는 언어로 작업할 수 있으므로 자신의 능력을 극대화할 수 있습니다. SAS Visual Statistics는 SAS 또는 R, Python, Java, Lua와 같은 다른 언어를 사용하여 모든 분석 자산을 단일 솔루션 내에 통합할 수 있습니다.
주요 기능
- 데이터 시각화 및 탐색. SAS Visual Analytics 를 통해 다수의 설명 변수 중에서 예측 인자를 손쉽게 식별하고 이상값과 데이터 불일치를 시각적으로 찾아낼 수 있습니다.
- 탐색 모델링. k-평균 클러스터링(k-means Clustering), 산점도 및 상세 요약 통계를 이용해 추가 분석을 위한 세그먼트를 시각적으로 탐색하고 평가할 수 있습니다.
- 예측 모델링. 시각적 인터페이스 또는 프로그래밍 인터페이스로부터 다양한 머신러닝 기법을 이용하여 예측 모델을 구축할 수 있습니다.
- 개방형 코드 기반 모델 개발. SAS Studio의 분석 기능에 프로그래밍 방식으로 액세스하고 Python, R, Lua, Java와 같은 다른 언어를 이용해 이를 호출하거나 공용 REST API를 사용하여 SAS Analytics를 기존 애플리케이션에 추가할 수 있습니다.
- 다이내믹한 그룹 단위 프로세싱. 매번 데이터를 정렬하거나 인덱싱할 필요 없이 각 그룹이나 세그먼트 별로 동시에 모델을 구축하고 결과를 프로세싱합니다.
- 모델 비교 및 평가. 하나 이상의 모델에 대한 모델 비교 자료(리프트 차트, ROC 차트, C-통계, 오분류(Misclassification) 테이블)를 생성할 수 있습니다.
- 모델 스코어링. SAS DATA 스텝 코드를 생성하여 이를 새로운 데이터에 적용할 수 있습니다.
- 분산된 인-메모리 분석 프로세싱. Hadoop을 포함한 다양한 데이터 세트에서 더 빠르게 모델을 구축할 수 있으며 데이터를 셔플링하거나 디스크에 기록할 필요가 없습니다.
- 유연한 배포 옵션. 상용 하드웨어, 프라이빗 또는 퍼블릭 클라우드 인프라, Cloud Foundry platform as a service (PaaS) 또는 managed software as a service (SaaS)에서 사용할 수 있습니다.
연관 자료
