Sas 9.3: per trattare i big data servono big analytics

13 Luglio 2011

Rilasciata la nuova versione della piattaforma tecnologica per capire il significato dei dati.

Sas ha rilasciato versione 9.3 del proprio software, che apre a nuove strategie nella gestione e nell’analisi dei dati.
La nuova versione aumenta il livello di automazione ed efficienza nei processi di business, come il customer credit scoring, l’ottimizzazione dell’inventario e il real-time risk management.

I miglioramenti tecnologici di Sas 9.3 potranno essere usati dalle aziende retail e manifatturiere per anticipare le fluttuazioni della domanda, dal government per incrementare l’efficienza nella riscossione delle imposte, dalle banche per la gestione integrata del rischio, dalle compagnie di assicurazione per determinare puntualmente i premi assicurativi.

La nuova versione, infatti, accresce le funzionalità di diverse soluzioni, tra cui Data Management, per garantire sempre dati coerenti, precisi e tempestivi; Predictive Analytics e Data Mining, per rivelare “pattern” nascosti, nuove opportunità e consolidare percezioni d’insieme; Text Analytics, per analizzare anche i dati testuali; Forecasting, per comprendere comportamenti futuri e migliorare la pianificazione.

Data Management semplifica l’uso dei Data Asset, indipendentemente dalle tipologie di dati da gestire, dal loro volume e provenienza: social media, telecomunicazioni mobili, posta elettronica, metering e borsa, transazioni finanziarie.

L’integrazione diretta tra Data Management e Analytics si traduce in analisi puntuali. Sas fornisce inoltre il Framework per integrare i propri Analytics direttamente nei sistemi operazionali, ridurre il tempo decisionale e avvicinarne l’automazione ove possibile.

Rafforzando Grid Computing e In-Database nell’ambito dell’High Performance Computing, la nuova release estende la scalabilità necessaria per analizzare efficacemente grandi volumi di dati a una velocità maggiore, portando per esempio l’esecuzione degli analytics direttamente nei database ed evitando il trasferimento di moli di dati per lo sviluppo e test dei modelli.

Le funzionalità potenziate del forecasting di includono la simulazione iterativa del processo previsionale, con la possibilità di aumentare le performance scegliendo, in base ai risultati delle simulazioni, il modello di forecasting più stabile.