SAS可视化预测
借助值得信赖的可配置端到端 AI 预测系统更好地规划未来。
-
自动化技术，简化预测过程。
批量数据转换、特性生成、可视化、建模和预测全部自动完成，准确可靠。使用协作平台提高工作效率，预测人员可在该平台上开发可重用资产，并与公司其他部门共享。
-
批量生成准确的预测结果，优化未来规划。
使用时间序列、机器学习和混合技术为各层级或各段开发可定制管道，并对各组应用有效的建模方法。应用集成建模策略并利用交互式建模进一步改善您的预测。
-
赋能开源用户。
整合并扩展 Python 和 R 中的主流预测算法，让这些算法在云端并行运行，妥善管理并确保一致性。通过创建自定义节点并嵌入预测管道，使所有业务部门轻松重用开源预测算法。
-
整合外部驱动因素和业务知识。
轻松整合或开发自定义业务驱动因素、节假日和事件。利用您的业务知识，根据时间序列和建模特性创建和管理覆盖，进一步提高预测准确度。根据您在同一生态系统中定义的特定过滤器来管理变更。
主要功能
SAS Visual Forecasting 提供了一种开放式预测生态系统，可快速自动生成大量可靠的预测结果。
数据访问、数据准备和数据质量
使用直观界面访问、剖析、清理、转换和管理数据，嵌入更佳实践和自动化技术，提供了自助数据准备和治理功能。
数据可视化
通过一体化的自助服务界面轻松浏览数据，创建并共享智能可视化元素和交互式报告。轻松快速地进行目标求解和情景分析。增强分析和高级功能可帮助用户快速洞察数据，发现数据中的隐藏信息。
自动时间序列分析和预测
使用自动化功能或函数包深入分析时间序列，并轻松将带有时间戳的事务数据转换为时间序列格式，自动生成预测模型。
机器学习与深度学习
在预测过程中整合机器学习 (ML)、神经网络 (NN)、循环神经网络 (RNN) 和混合技术（NNS + 时间序列），再复杂的序列也可以轻松建模。自动生成特征并将事务数据自动转换为正确格式，避免繁琐的手动特征工程。
层次建模与协调
开发可定制管道，在各层级进行深入分析和建模。然后，将自动跨所有层级协调您的预测，根据需要分配变更，确保整个层次结构的一致性。
开源集成
使用治理良好的统一框架整合 Python 和 R 算法并让这些算法在云端并行运行。让开源用户能够使用云中的 SAS Viya 工作节点扩展代码，从而以分布方式快速运行。通过创建自定义节点，将这些节点嵌入预测管道并与同事共享，使所有业务部门都能轻松重用开源预测算法。
时间序列分割
根据需求分类属性（例如数量和波动性），使用预建模板自动对数据进行分割，并在项目管道中分别对每个分段进行建模。或者利用您的业务知识导入自定义分段。根据数据的性质应用适合的预测方法，显着提高预测质量。
事件管理
将事件（节假日、零售促销、自然灾害等）对相依时间序列的影响建模，提高模型准确性。该解决方案包含默认预建事件（如节假日），并且可通过直观界面设置自定义事件。
交互式集成建模
分析各个时间序列，直观地比较模型，并通过简单的用户界面为各个时间序列开发自定义模型。使用自动生成的诊断图和表格评估模型，并选择适合的模型。使用不同的建模策略开发预测管道，并利用集成建模确保为各个序列选择优质模型。
高度灵活的预测覆盖
通过简单的用户界面，使用强大的手动覆盖功能对预测值进行自定义。定义过滤器，选择除层次变量外的属性定义的时间序列组。
其他预测和经济计量程序
借助 SAS/ETS® 和 SAS Forecast Server 程序，应对几乎任何预测和时间序列分析挑战。
分布式、云就绪、易于访问
在 SAS Viya 可扩展的分布式内存引擎上运行，速度飞快。可调用 SAS、Python、R 和 Java 的 SAS 操作和程序。可使用公共 REST API 将 SAS 数据和 AI 功能添加到其他应用程序中，反之亦然。
