京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SAS 引领大数据分析新浪潮_数据分析师
2014 SAS中国用户大会暨商业分析领袖峰会在京举行
中国北京,—今天,以“大数据分析—知变与机遇”为主题的第二届SAS中国用户大会暨商业分析领袖峰会在北京圆满落幕。近千位SAS全球大数据专家、SAS中国用户、合作伙伴、学者、媒体与行业分析师齐聚一堂,探讨大数据分析技术趋势与应用热点等话题,发掘大数据大分析的未来机遇。
精英云集 智慧碰撞
此次峰会在SAS大中华区总裁吴辅世先生的致词中拉开帷幕。他表示:“大数据已然是目前主导商业领域的最热门发展趋势之一。在全球数据总量呈指数增长同时,我们也思考如何利用大数据带来的巨大机遇,创造实实在在的价值。SAS认为数据创造价值体现在三个层面:差异化、创新和转型。了解过去,掌握现在,预测未来,是达到业务差异化的基本,也是成就创新的源动力,更是真正达成转型的要点。而这三大目标的实现都离不开强劲的分析技术,高性能分析成为释放大价值的关键。今天,借助SAS论坛这一平台,我们将深入剖析大数据如何助力各行业企业成功转型及把握机遇。”
《经济学人》亚洲区信息通讯行业首席分析师Ross O'Brien在演讲中表示:“中国经济正在经历转型,虽然增速放缓,但是增长质量更高,应当抓住经济增速放缓的机遇推进经济转型,并着重发展数字经济。中国正在被国内外科技领军企业视为尖端科技研发的首选停靠港,‘全球创新中心’的地位正在逐渐树立中。在席卷全球的大数据浪潮中,利用大数据驱动IT创新成为中国发展新机遇。十二五专项规划中关于发挥地方政府积极性,增加对高新技术产业集群以及相关基础设施投入的指示,也将为大数据在本地的发展注入动力。”
2014年,“大数据”作为一个技术热词的吸引力将消散,新的相关技术和应用层出不穷。分布式计算开源框架Hadoop成为创新热点之一。SAS大数据研究与发展全球副总裁Paul Kent先生在主题演讲中表示,随着数学计算正在不断向前发展,新一代的分析平台Hadoop等采用了海量并行集群技术。通过将数据分布到多个节点,然后将分析计算任务发送到这些数据上,而不是采用其它的传统技术,就可以快速拥有极为强大的计算能力。通过转变成这种新型的计算方式,可以在全量数据上展开交互式的可视化数据探索,同时轻松使用那些以前难以驾驭的先进分析模型。
互联网和移动设备支持的数字技术拓宽了营销渠道,重塑了整合营销。SAS全球整合营销管理业务咨询总监Rene van der Laan认为:“大数据的时代,企业得以采集渠道多样、类型丰富的客户数据,并据此判断顾客喜好。仅仅获取是不够的,还要对数据进行有效的挖掘和分析,并以近乎实时的速度做出决策。在细分群体基础上采取针对性行动,发掘客户新需求,进行个性化营销和业务创新,这都是大数据为整合营销带来的便利与新变化。”
此外,针对行业的讨论也是大会的一大重点。就电信业而言,4G时代网络数据和服务将呈现井喷式爆发。手机和平板电脑取代PC成为主流的互联网接入设备,带来了数据流量大幅度的增加,这给电信运营商带来了巨大的机遇和挑战。大会专题讨论着眼于刚刚启幕的4G时代,讨论如何对网络进行有效的预报和优化,为客户提供畅通的网络服务,并着眼于客户需求,提供定制化服务。
SAS全球保险行业解决方案资深顾问Stuart Rose先生莅临现场,带领与会嘉宾进入“保险行业大数据分析的成功之旅”。Rose先生指出,大数据时代,保险行业面临新机遇:更充足的数据为开展精准营销开辟新途径,也为精准定价提供了依据。风险智能更是大大提升保险业风险识别和反欺诈的能力。车载信息技术等新技术的出现,加快了保险企业对于大数据分析和云技术的应用。未来大数据分析在保险业的应用还将更为深入和广泛,保险企业对于数据的驾驭能力也将成为其核心竞争力之一。
持续创新 引领变革
SAS每年将营收的约25%投入到研发中,通过持续创新为数据分析的升级换代注入源源不断的动力。据IDC报告显示,全球越来越多的企业对SAS高级分析产品的依赖超过任何其他品牌。SAS在高级分析软件市场上的份额为36.2%,较2012年的35.3%进一步上升,比所列举的其他主要高级分析软件厂商的全部市场份额还高。
本届大会设置10余个SAS创新产品互动体验区,展示SAS最新科研成果。
- SAS可视化分析(SAS® Visual Analytics):基于强劲内存分析技术的新版本SAS可视化分析解决方案能够帮助客户快速锁定新的商业机遇。不管企业规模大小,客户都可以通过部署SAS可视化分析获取商业价值。SAS与Hadoop生态系统中知名公司Cloudera和Hortonworks展开了战略合作,客户可以在云环境中使用可视化分析。
- SAS客户智能(SAS® Customer Intelligence)升级后的SAS客户智能解决方案可采集来自社交网络、移动设备和电商平台等多渠道的更丰富客户数据,在分秒间以“一图胜千言”的直观方式展现分析结果,驱动更优决策,帮助营销人员进行精准营销,创造多渠道互动。
除了对产品进行不断升级完善,SAS紧随行业潮流,强化科研,实现新一轮技术突破与创新。
- SAS® In-Memory Statistics for Hadoop:2014年,SAS将提供基于SAS内存分析技术,并适用于开源框架Hadoop的交互式分析编程环境的SAS In-Memory Statistics for Hadoop,为大数据分析提供更有力的工具。
- SAS® Visual Statistics:此外,即将在七月正式面世的SAS® Visual Statistics,帮助统计工作者和数据科学家通过部署表格界面,快速分析任意规模的复杂数据。由SAS可视化分析驱动的SAS® Visual Statistics协助用户及时发现变量之间的关联性并迅速做出利于收益的商业决策,允许多名用户在大量多样化数据基础上建立和改进预测模型,并进行包括回归、聚类和分类等多种类型的分析。新软件搭载在革命性的SAS内存架构中,一次载入数据便能应用到多次反复的分析任务中。
成立三十八年以来,SAS一直致力于为行业用户提供最前沿的技术和见解,推动大数据分析在行业内的技术变革与应用创新。出席此次论坛的中国用户均对SAS的创新力与可信赖的解决方案赞誉有加,并期待与SAS一起用大数据分析抓住无限商机。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19