Critics of sports analytics (and there are some entertaining ones) love to point out that analytics isn’t capable of capturing the things that don’t show up on a box score. A player who dives on the floor to save a loose ball, a quarterback strategically misleading a defender to free
Written by Allison Hines and Kara Roberts Over the last few weeks, we've shared stories of how SAS employees are banding together while staying apart during the COVID-19 crisis. Our people have donated their time and skills to the cause, including making masks for healthcare workers, leading virtual dance classes for students with special needs and hosting trivia games for charity via Zoom – among many other efforts. Keep reading
A SAS customer asked how to specify interaction effects between a classification variable and a spline effect in a SAS regression procedure. There are at least two ways to do this. If the SAS procedure supports the EFFECT statement, you can build the interaction term in the MODEL statement. For
In the second of a three-part series of posts, SAS' Funda Gunes and her colleague Ricky Tharrington summarize model-agnostic model interpretability in SAS Viya.
Intelligent decisioning can help telcos survive the retail shutdown by accelerating the shift to digital channels
A message from the Work/Life Center: It is not surprising that the SAS community is deeply moved and troubled by the recent examples of racism that reflect larger systemic problems in our nation. Work/Life wants to respond to your requests for ideas about supporting colleagues and taking action in your community. We understand the urge to act and will provide suggestions in our
AI has huge potential to help us understand and manage our world, and especially to get value from the enormous amount of data that we now generate.
A monotonic relationship exists when a model’s output increases or stays constant in step with an increase in your model’s inputs. Relationships can be monotonically increasing or decreasing with the distinction based on which direction the input and output travel. A common example is in credit risk where you would expect someone’s risk score to increase with the amount of debt they have relative to their income.
According to Gartner only 50% of clever AI models ever get deployed, put into practise and used to make decisions.
I recently read an article that describes ways to compute confidence intervals for the difference in a percentile between two groups. In Eaton, Moore, and MacKenzie (2019), the authors describe a problem in hydrology. The data are the sizes of pebbles (grains) in rivers at two different sites. The authors
SASの一つの顔は、アナリティクスで営利目的の意思決定を支援 筆者は、SAS社員として、20年以上に渡りアナリティクスおよびAIで企業・組織を支援してきました。 金融機関における、リスク管理や債権回収の最適化 通信業における、顧客LTV最大化、ネットワーク最適化やマーケティング活動の最適化 製造業における、需要予測、在庫最適化、製造品質の向上や調達最適化 流通・小売業における、需要予測やサプライチェーン最適化 運輸業における、輸送最適化や料金最適化 ライフサイエンス・製薬企業における、業務の最適化 官公庁における、市民サービス向上のための不正検知 など、様々な業種・業務においてアナリティクスの適用によるお客様のビジネス課題の解決に携わってきました。営利目的（ここでは市民サービスの向上も含めることにします）の企業・組織におけるアナリティクスの活用目的は主に以下の３つに集約されます。 収益（売り上げ）の増大 コストの低減 リスク管理 アナリティクスは、いわゆる「データ分析」を手段とし、過去起きたことを把握して問題を定義し、次に将来を予測し、様々な選択肢の中から最適な予測に基づいて意思決定をしていくことになりますが、その過程の中で、起きてほしい事象を予測して促進したり、起きてほしくない事象を予測して防いだり、その予測のばらつきを管理したりということを行っていきます。 このような営利目的でのアナリティクスの活用はSASという会社が誕生した40年以上前から行われており、基本的な活用フレームワークは変わっていません。IT技術の進化によって、利用可能なデータの種類や大きさが、増えてきただけにすぎないと言えます。例えば、昨今のAIブームの代表格であるディープラーニングですが、ディープラーニングという処理方式の進化と、GPUという処理機械の進化によって、非構造化データをより良く構造化しているものであり、もちろんモデリング時のパラメータ推定値は何十億倍にはなっていますが、モデリングのための１データソースにすぎません。もう少しするとディープラーニングも使いやすくなり、他の手法同様、それを使いこなすあるいは手法を発展させることに時間を費やすフェーズから、（中身を気にせず）使いこなせてあたりまえの時代になるのではないでしょうか。 SASのもう一つの顔、そして、SAS社員としての誇り、Data for Goodへのアナリティクスの適用 前置きが長くなりましたが、SAS社員としてアナリティクスに携わってきた中で幸運だったのは、データの管理、統計解析、機械学習、AI技術と、それを生かすためのアプリケーション化、そのためのツール、学習方法や、ビジネス価値を創出するための方法論や無数の事例に日常的に囲まれていたことだと思います。それにより、それら手段や適用可能性そのものを学習したり模索することではなく、その先の「どんな価値創出を成すか？」「様々な問題がある中で優先順位の高い解くべき問題はなにか？」という観点に時間というリソースを費やすことができていることだと思います。そのような日常の仕事環境においては、アナリティクスの活用を営利目的だけではなく、非営利目的の社会課題の解決に役立てるというのは企業の社会的責任を果たす観点においても必然であり、Data for Goodの取り組みとしてSAS社がユニークに貢献できることであり、SAS社員として誇れるところだと考えています。 最終的に成果を左右するのは「データ」 そして、もう一つの真実に我々は常に直面します。クラウド・テクノロジー、機械学習、ディープラーニングなどの処理テクノロジーがどんなに進歩しようともアナリティクス／AIによって得られる成果を左右するのは「データ」です。どのようなデータから学習するかによって結果は決まってきます。 IoT技術で収集したセンサーデータは知りたい「モノ」の真実を表しているだろうか？ 学習データに付与されたラベル情報は正確だろうか？ 学習データは目的を達成するために必要な集合だろうか？ そのデータは顧客の心理や従業員の心理をどこまで忠実に表しているだろうか？ 特に、Data for Goodのチャレンジはまさにそのデータ収集からスタートします。ほとんどの場合、データは目的に対して収集する必要があります。そして、下記の取り組みのうち２つはまさに、我々一人一人が参加できる、市民によるデータサイエンス活動として、AI／アナリティクスの心臓部分であるデータをクラウドソーシングによって作り上げるプロジェクトです。 Data for Good: 人間社会に大きな影響を及ぼすミツバチの社会をより良くする 概要はこちらのプレスリリース「SAS、高度なアナリティクスと機械学習を通じて健康なミツバチの個体数を増大（日本語）」をご参照ください。 ミツバチは、人間の食糧に直接用いられる植物種全体の75%近くに関して受粉を行っていますが、ミツバチのコロニーの数は減少しており、人類の食糧供給の壊滅的な損失につながる可能性があります。この取り組みでは、IoT, 機械学習, AI技術, ビジュアライゼーションなどSAS のテクノロジーを活用し、ミツバチの個体数の保全/保護する様々なプロジェクトを推進しています。この取り組みは以下の３つのプロジェクトから成り立っています。 ミツバチの群れの健康を非侵襲的に監視 SASのIoT部門の研究者は、SAS Event Stream ProcessingおよびSAS Viyaソフトウェアで提供されているデジタル信号処理ツールと機械学習アルゴリズムを用いて、ミツバチの巣箱の状態をリアルタイムで非侵襲的に追跡するために、生物音響監視システムを開発しています。このシステムによって養蜂家は、コロニーの失敗につながりかねない巣箱の問題を効果的に理解し、予測できるようになります。 関連ページ：5 ways to measure
Interview mit Chief Digital Officer von SAMSON: Dr. Thorsten Pötter.
In many countries, retail has been right at the centre of the coronavirus storm. Some retailers – those selling essential goods – have been unable or barely able to keep up with demand. Other sectors, notably clothes and luxury goods, have seen a complete drop-off in demand. Some retailers have
When the technology is deeply embedded into the curriculum, we sometimes describe the resulting programmes as creating an ‘analytics skills factory’.
“He spends a lot of time wandering around in circles in the backyard,” my wife said to someone on the telephone. That’s true. Our backyard is only about 1/8th of an acre and I have taken to wandering outside and walking around the fence line. Ostensibly, I am checking to
In a previous article, I discussed the definition of the Kullback-Leibler (K-L) divergence between two discrete probability distributions. For completeness, this article shows how to compute the Kullback-Leibler divergence between two continuous distributions. When f and g are discrete distributions, the K-L divergence is the sum of f(x)*log(f(x)/g(x)) over all
Fraud prevention: Collaboration is one of the traits we have utilized to maximum effect in pretty much everything.
The COVID-19 pandemic challenged agriculture and supply chains, but the overarching resilience of agriculture around the world speaks to the industry's efficiency, built-in redundancy and indispensability. In the US, flourishing interactions between government, industry and academic stakeholders underscore how ag represents unity and consilience. And there may be no better
바이러스는 어떻게 확산될까요? 전염 가능성을 높이는 요인은 무엇일까요? 사람에 따라 증상이 다른 이유는 무엇일까요? 어떤 치료법이 효과 있을까요? 백신 개발은 얼만큼 진행된 걸까요? 매일 새로운 연구 결과가 발표되고 세계 각지에서 연구 프로젝트가 진행되고 있지만, 코로나19와 신종 코로나바이러스에 대해서 우리는 여전히 아는 것보다 모르는 것이 더 많습니다. 그리고 풀어야 할 궁금증은
The Kullback–Leibler divergence is a measure of dissimilarity between two probability distributions. An application in machine learning is to measure how distributions in a parametric family differ from a data distribution. This article shows that if you minimize the Kullback–Leibler divergence over a set of parameters, you can find a
SAS Viya User muss kein Data Scientist sein, Business Analysten sowie Anwendungsentwickler und Führungskräfte profitieren von den Möglichkeiten in SAS Viya.
Written by Allison Hines and Kara Roberts To encourage and inspire others to think of ways to give back during this pandemic, we’re sharing stories of how SAS employees are spreading compassion in their local communities. They’ve done everything from making masks and preparing meals for their communities to leading virtual dance classes and collecting supplies for hospitals. Keep reading to learn how our employees are lifting spirits
The banking sector sets a benchmark for other industries in many areas. When businesses need to process large volumes of transactions reliably, maintain 24/7 availability, meet complex regulatory requirements, analyse risks or make financial plans, they often aim to follow the same practices and adopt the same technologies that banks
この記事はSAS Institute Japanが翻訳および編集したもので、もともとはLee Ellen Harmerによって執筆されました。元記事はこちらです（英語）。 ハチを減少から救うために本当に必要なこととはなんでしょうか。 ハチの減少は目新しいニュースではありません。これまでにも、メディアによって農作業の工程や農薬がハチに影響を与えていることが取り上げられています。また、スタートアップ企業がハチの個体数を再び立て直そうと取り組んできた例があります。しかし依然として、ハチは世界的に重大な減少の一途を辿っているのです。 ハチを守るためには、養蜂家らが彼ら自身で出来る以上のことが必要とされています。養蜂家は自身の所有するハチやの巣箱の状態について熟知していますが、より大きな環境におけるハチについての知識は持ち合わせていません。そこは、市民科学者や一般市民らが力を発揮できるところです。 今日のハチの個体数の状態について理解し、減少を食い止めるためには、まず初めに私達のまわりにいるハチの実態を明らかにせねばなりません。ハチの保護を可能にするためには、ハチを“数える”ことが必要なのです。ハチの世界的な個体数を計数することは、地球上のハチの未来を守る第一歩です。ハチの計数作業によって集められたデータによって、ハチの種属ごとの生息地、そしてその生息地にハチがどのように分布しているのかといった重要な情報が明らかになります。SASはアパラチアン州立大学と共同でその取り組みを進めています。 ハチの保護に不可欠なテクノロジー 花粉媒介者であるハチとその環境を守るためには、私達はもはや伝統的な手法だけに頼ることはできません。その代わりとして使用されるのが、テクノロジーなのです。データの収集は始めの一歩でありますが、そのデータを可視化することで、養蜂家と研究者に迫り来る脅威を最も早く警告することができます。この指示器は、ハチに関するコミュニティの意思決定者に、これまで不可能と思われていた洞察を与えることができます。 その技術を実現するためのデータを集めるには、皆さんの助けが必要です。World Bee Countアプリケーションを通じて、人々はハチの計数に貢献し、周囲の環境にいるハチの写真を送信することができます。 “World Bee Countによって、私達はクラウドソーシングでハチのデータを集めることができます。それを使って、地球上のミツバチの個体数を可視化し、今日のミツバチに関する最大級の有益なデータセットを作り上げることができるのです。” アパラチアン大学 分析研究・教育センター理事 Joseph Cazier教授 SASは世界の最も逼迫した問題を解決することに意欲的であり、ハチを守ることも無視することはできない問題であると考えています。これまで、私たちは分析によってハチの健康を促進させようと試み、そしてData for Goodへ情熱を注いできました。つまりこのパートナーシップは、好奇心と探究心を持って世界的な問題を解決しようとするSASの本質的な精神を反映しているのです。 アナリティクスをすべての人に SASは世界花粉媒介者マップを作成しました。これは、World Bee Countアプリを用いて”ハチを数える“ことで、市民科学者や養蜂家からクラウドソーシングで集められたデータを視覚化したものです。このプロジェクトの後の段階では、研究者は作物の収穫高や降水量、その他ハチの健康に関係する重要なデータポイントを重ね合わせます。そうして、私達の世界でもっとも重要な花粉媒介者について、より包括的な理解を集約させます。 多くの人がデータを追加し、相関関係が導き出されるような豊富なデータセットを作成することで、可視化によるアナリティクスが実現できます。ハチのデータの単純な可視化から始まる取り組みは、ハチの個体数やその減少に繋がる要因の研究、そしてどのようにして私達がハチ全体の健康を促進させることが可能かといったような研究に対して、無限の機会を提供できるでしょう。 アプリをダウンロードして始めよう アプリケーションで写真を送信することは小さなことですが、ハチを保護するための活動として重要な役割を果たします。ハチは蜂蜜という素晴らしい自然の恵みを与え、私達に彩り豊かな朝の食卓を提供すると共に、私達の健康を促進させてくれます。５月２０日は世界蜂の日として制定されています。beescount.orgからアプリをダウンロードして蜂の日を祝うと共に、見つけたハチの数をカウントしてみませんか？ 今月だけでなく６月や７月、そしてその先のハチ月を超えてこの活動を続けていけたらいいですね！
You may not have heard the term "whole person education" before but it recognizes the critical intersection of schools and a young person's behavioral health. When I was running youth behavioral health treatment programs, schools were a major part of raising awareness and advocating for help for many kids. I
Forecasting with SAS®: Special Collection SAS Press has added to its selection of free downloadable eBooks with the new Forecasting with SAS®: Special Collection. From the description: Want to get the most insight out of your data and improve the quality of your forecasts? SAS offers many different solutions to
If you have been learning about machine learning or mathematical statistics, you might have heard about the Kullback–Leibler divergence. The Kullback–Leibler divergence is a measure of dissimilarity between two probability distributions. It measures how much one distribution differs from a reference distribution. This article explains the Kullback–Leibler divergence and shows
Die Lage am Arbeitsmarkt entspannt sich wegen der Corona-Ausnahmesituation: Wo steht der Handel gerade, Herr Spaan?
Analytics does not remove the need for reliable procedures, or well-trained staff—but it improves the monitoring of both.
코로나19가 전 세계적으로 확산되고 장기화되면서 우리는 요즘 삶의 방식이 새롭게 변화하는 모습을 실시간으로 지켜보고 있습니다. 학교에 가서 듣던 수업, 회사에 출근하여 처리하던 업무 등 늘 당연하게 여기던 일상이 대부분 언택트(Untact), 디지털 방식으로 전환되고 있지요. 처음이라 낯설고 아직 불안정한 부분들도 많지만, 지금의 위기 상황을 극복하고 모두가 하루 빨리 건강한 일상을 되찾으려면
