資料探索&視覺化
- 自助式資料準備。
- 透過簡單的拖放功能，匯入您自己的資料、聯結表格並套用基本資料品質功能。
- 以視覺化方式與資料互動 — 新增或變更變數、移除異常值等。
模型開發
- 使用機器學習技術，從易於使用的視覺化或程式設計介面建立預測模型。
- 同時針對每個群組或區段建置模型和處理結果，而無須每次排序或索引資料。
模型驗證
- 使用精確的方法和自動記錄評分引擎執行每個測試的系統，在將模型推入生產之前驗證模型評分邏輯。
- 透過簡單的選項選擇，快速探索並比較多種方法，找出適用於各種機器學習演算法的最佳參數設定，包括決策樹、隨機森林、漸層增強、神經網路、支援向量機器和分解機器。
模型部署
- 拖放功能、最佳實務範本、簡單的合併與分割功能、自動產生規則，以及一鍵式模型部署。
- 使用可重複的架構註冊、驗證、追蹤、監控和重新訓練分析模型，以確保它們的效能良好。
- 為不同的模型類型定義自訂的工作流程，並為參與模型互動或解譯模型的參與者提供每個模型貨幣、定義和功能的統一視圖。
模型效能
- 使用 Web 式介面來測試和比較分析模型，以確保更有效率的模型處理和控管。
- 使用效能標竿報告和警示來追蹤模型衰減。
- 透過持續監控識別何時需要精簡或淘汰模型。
- 將模型再訓練與模型管線處理環境整合，以提高效率。
網路資料分析
- 透過視覺化完整的客戶網路，並快速找出複雜隱藏的關係，進行更深入的調查，以獲得風險的全面檢視。
- 視覺化並以互動方式探索實體的整個社交網路及其版面配置。
文字分析
- 透過不斷增加的文字資料量進行篩選，藉由自然語言處理、機器學習和深度學習方法和語言規則的正確組合，擷取關鍵詞彙、分析情緒，以及識別字詞之間的關聯性。
- 自動偵測文字資料中的關係和情緒，利用智慧型演算法和 NLP 技術省去耗時的手動分析。
警示&案例管理
- 利用自助服務功能，快速輕鬆地識別、調查並處理可疑活動，並採取行動，以控管調查的完整生命週期。
進階偵測
- 套用受監管的機器學習演算法，排定警示的優先順序，以保證調查和休眠低值警示。
優化反金融犯罪
- 使用統計方法和進階分析程序，執行案例有效性、假設模擬、線下臨界值調整和臨機操作回顧。
SAS® Viya® 平台
- 支援雲端的開放式分析引擎。
- 適用於所有分析任務的凝聚性環境，包括資料存取、準備、互動式探索、最佳化、機器學習、AI、進階模型開發和部署活動。
- 集中管理所有開放原始碼和 SAS 模型、歷程和範本，讓您完全掌握並控制所有模型活動。
