All Posts
One of the wonderful aspects about my client-facing role at SAS is the breadth of audiences that I get to work with. No matter where you fall on this list: Data engineer. Business or marketing analyst. Citizen data scientist. Data scientist. Statistician. Executive. One topic is certain: We all love
Learn how SAS and Microsoft aim to meet FinServ’s evolving analytics demands through a new strategic partnership.
Many textbooks and research papers present formulas that involve recurrence relations. Familiar examples include: The factorial function: Set Fact(0)=1 and define Fact(n) = n*Fact(n-1) for n > 0. The Fibonacci numbers: Set Fib(0)=1 and Fib(1)=1 and define Fib(n) = Fib(n-1) + Fib(n-2) for n > 1. The binomial coefficients (combinations
기업이 데이터 기반의 의사결정을 하기 위해서는 AI를 특정 영역이 아닌 분석 라이프사이클 전반으로 확대하고, 이 라이프 사이클은 의사결정 프로세스와 연결돼야 합니다. 개방된 플랫폼에서 분석 시간을 줄이고, 그 결과를 운영시스템에 빠르게 적용해 더 큰 비즈니스 가치를 실현할 수 있어야 합니다. 지난 시리즈에서는 모델링 작업을 위한 피처 자동 생산과 자동 튜닝 정도로
Five years ago, 193 countries joined forces and formed the United Nation’s Sustainable Development Goals. These goals, which are commonly referred to as the Global Goals, serve as a universal promise—an ambitious pledge to build a better future for people and planet by 2030. This year marks the final 10-year
We will combine three separate SAS Viya capabilities to create an application that can manage multiple models, interpret model outputs, and replace the production model if necessary
Everyone knows that SAS has been helping programmers and coders build complex machine learning models and solve complex business problems for many years, but did you know that you can also now build machines learning models without a single line of code using SAS Viya? SAS has been helping programmers
Innovation is currently an extremely desirable feature for every country. However, a ranking published by the European Commission shows that Poland is struggling to create an environment that supports development. Development and innovation need people with competence in new technologies, such as analytics. Last year’s Modelling for Business conference showed
Doch wir wollen nicht in alten Zeiten schwelgen. In der Causa Big Data war früher alles schlechter und nichts besser.
What analytics architecture is needed to support an accelerator? I have recently been working with my colleague Jussi Martikka to extract lessons from the City of Helsinki’s AI Experimentation Accelerator work. We used the steps of the accelerator process to define the analytics architecture needed. This was a useful way
A previous article discussed how to solve regression problems in which the parameters are constrained to be a specified constant (such as B1 = 1) or are restricted to obey a linear equation such as B4 = –2*B2. In SAS, you can use the RESTRICT statement in PROC REG to
Misschien heb je het al gehoord: SAS partner Notilyze is genomineerd voor de Computable Awards 2020 in de categorie Services! Met deze prijzen erkent het vakblad Computable bedrijven, projecten en personen die zich het afgelopen jaar hebben onderscheiden in de ICT. SAS is trots dat Notilyze is genomineerd, en het
The practice of business forecasting falls well short of the potential exhibited in academic research and forecasting competitions. Chris Chatfield* noted this in a 1986 editorial in the International Journal of Forecasting, where he called on statisticians to find a better way of communicating the better use of existing methods
Je m’appelle Franck. Je suis consultant. Depuis 2003, j’accompagne de grands établissements pour renforcer leurs dispositifs de lutte contre le blanchiment (AML) et le financement du terrorisme en déployant des progiciels. 17 ans sont passés, ils fonctionnent toujours. Problème : ils sont devenus des monstres ! Je prends conscience de
SAS Japanでは”Data for Good”を目指す学生コミュニティ「SAS Japan Student Data for Good community」を運営しています。このコミュニティは、Data For Goodを題材にデータサイエンスの一連の流れを体験する場として設立されました。今回紹介する勉強会も、その活動の一環です。詳しくは「Data for Goodを通じて"本物の"データサイエンティストになろう！」の記事をご覧ください。活動の様子についてはFacebookにて共有していますので、そちらもご参考にしてください。 五回目の勉強会では海洋汚染をテーマに、Data for Goodの活用事例から課題設定の部分を学びました。また、今回は初めてオンラインでの開催をしましたので、その様子もお伝えしたいと思います。 海洋保護に向けたD4Gの取り組み/マイクロプラスチック問題 SDGsの一つに“海の豊かさを守ろう(LIFE BELOW WATER)”という項目があります。日本でも2020年7月からスーパーやコンビニエンスストアにてレジ袋の有料化が始まりました。その背景の一つにはマイクロプラスチック問題があります。コミュニティのメンバーがこのテーマでData for Goodに取り組んでいるので、今回はその活動について共有しました。 マイクロプラスチック問題とは、特に海洋環境において微小なプラスチック粒子が海洋生物に対し悪影響を及ぼしてしまうことです。また生物濃縮により海洋生物だけでなく、人間にも間接的に影響があります。レジ袋の有料化や製品へのスクラブ等使用の規制の動きが世界的に進んでいます。環境保全にいち早く取り組んでいる海外の先進諸国のデータをもとに、今後日本にも導入するべき取り組み、推進していくべき取り組みを明確にしようというのが今回の活動目的になります。 今回の勉強会の活動紹介では、この問題の現状と最新の研究、既に行われている取り組みの効果検証について取り上げました。意思決定の場に置いて、ある施策が目的とするものに対して効果があるのかどうかは非常に重要です。特にマイクロプラスチック問題のように規模が大きい問題に対してはその効果の大きさだけでなく、費用対効果にも注目しなければなりません。しかし、効果の推定には比較実験が必要になりますが多くの場合それは存在しないため、自然実験という考え方を用いてアプローチしていきます。 詳細については今後このブログの中でご紹介していきます。 海洋プラスチック汚染問題をデータで解決する 今回は、コミュニティーメンバーがテーマとして活動している「海洋汚染」に関連して、オランダに拠点を置く非営利のエンジニアリング環境団体 The Ocean Cleanupの事例を紹介しました。 The Ocean Cleanupは、太平洋で無人のゴミ回収装置であるクリーンアップシステムを開発しています。その運用においてある課題が浮かび上がりました。太平洋には多くのプラスチックが集まっているとされる「太平洋ゴミベルト」と呼ばれるエリアがありますが、その範囲は非常に広大かつ陸地から遙か遠くにあります。システムを運用する費用を考慮して、効率的にゴミを回収するにはどうすればよいでしょうか。この課題に対して、The Ocean Cleanupではビッグデータを用いて太平洋ゴミベルトの可視化を行いました。 調査団はこれまでの海洋研究の知見とともに、独自に大規模な調査を行いました。太平洋ゴミベルトのサイズ・位置・プラスチックの量・プラスチックの分布と4つの可視化の観点などから進められてきました。 プラスチック汚染は複雑で大規模な問題であるため、包括的で大掛かりな解決策が必要となります。そのため、データサイエンスの活用によって、問題を理解し効率よく解決するための知見が得られます。クリーンアップシステムでは、監視カメラや衛星との交信による位置情報から実際のシステムの動きや回収度を確かめることができます。ビックデータによる分析結果だけでなく、実際のパフォーマンスデータから得られた知見からより良いシステムの構築が現在も行われ続けています。 以上の話を踏まえて、最後に参加者同士でディスカッションを行いました。自分たちの生活と繋げて考えたり、事例の中で興味深かった点についてお互いに話すことが出来ました。また、海洋保護をテーマに今後活動していく上で考えるべき点についても触れながら議論を進められ、有意義な時間になりました。 今回は初めてのオンライン開催でしたが、オンラインであることの良さを活かして定期的に勉強会を企画するとともに、次回から更に質の高い勉強会をつくっていきたいと思います！ コミュニティメンバー募集中！ SAS Japan Student Data for Good