Österreich, SAS Viya und Analytics: Die Perspektive zählt

0
Showing 1 of 2

Was haben SAS Viya und die österreichischen Berge gemeinsam? Eine ganze Menge!

Neulich besuchten mich Freunde aus Tirol am Neusiedler See, also im Burgenland. Bekanntermaßen ist Tirol ein Bundesland im Hochgebirge. Entsprechend amüsiert waren meine Freunde, als ich ihnen den Rosenberg und den Ungerberg in der Nachbarschaft zeigte. „Bei uns hätten die noch nicht mal einen Namen“, so der Kommentar. Kein Wunder: Die beiden „Berge“ sind gerade mal 50 Meter hoch.

Doch meine Freunde änderten schnell ihre Meinung, als wir diese kleinen Hügel hinaufspaziert waren (nein, von Klettern werde ich hier nicht sprechen😊). Denn vom „Gipfel“ bot sich uns ein überwältigender Ausblick auf einen Umkreis von rund 60 Kilometern: über den kompletten Neusiedler See, die Ausläufer der österreichischen Alpen mit 2.000er-Gipfeln – und sogar weit bis nach Ungarn hinein.

SAS Viya

Google Satellitenaufnahme

Tiefe Einblicke mit Machine Learning und Deep Learning

Auch wenn es sich zu einfach anhört: Ein kleiner Perspektivwechsel kann uns hier im Burgenland bereits hoch spannende Ausblicke in die Landschaft verschaffen. Meine zunächst kritischen Freunde räumten ein, dass man in Tirol mindestens drei Stunden wandern müsse, um sich an einer vergleichbaren weiten Aussicht zu erfreuen.

Später saßen wir bei einem Glas exzellenten burgenländischen Wein beim Heurigen, und mir wurde klar, dass unser Erlebnis exakt die verschiedenen analytischen Level mit ihren unterschiedlichen Anforderungen wiedergibt. Und das bringt mich zu der eingangs erwähnten Verbindung zwischen den österreichischen Bergen und SAS Viya.

Meine Freunde stehen für die Menschen, die erst mal komplexe Machine-Learning-Modelle bauen würden. Ihre Region ist die erste Adresse für Deep Learning (sorry, tiefe Täler). Wenn sie wandern gehen, statten sie sich erst mal angemessen aus – so wie ein Data Scientist, der für die Erstellung eines ML-Modells SAS VDMML oder das Deep-Learning-Python(DLPy)-Paket auf dem Jupyter Notebook nutzt.

SAS Viya

SAS Viya und die Berge

Anwender in den Fachabteilungen und Citizen Data Scientists benötigen dagegen nicht immer ein komplexes Modell, um sich Einblicke in die Daten zu verschaffen. Für manche Geschäftsprobleme lässt sich die Antwort mit einfacher deskriptiver Statistik finden, wenn diese mit einer Grafikoberfläche kombiniert wird, die ein hohes Maß an Interaktivität bietet. Das i-Tüpfelchen bilden Self-Service Analytics (Entscheidungsbäume und kausale Modelle) sowie Self-Service Data Preparation (Filterfunktionen oder Verarbeitung nach Gruppen). Für diese Anwender ist das analytische Pendant zum Rosenberg ausreichend, um tiefere Erkenntnisse aus den Daten und daraus letztlich Wettbewerbsvorteile zu gewinnen.

Die gesamte Palette

Selbst Experten, die leistungsstarke Machine-Learning-Methoden entwickeln, wenden Basisstatistik an, um ihre Daten zu profilieren und die Resultate zu veranschaulichen – ähnlich wie meine Tiroler Freunde immer wieder gerne zu Besuch kommen und die Annehmlichkeiten des Burgenlandes zu schätzen wissen.

Umgekehrt schließe ich mich ihnen regelmäßig für größere Bergtouren an, um einen außergewöhnlichen Blick auf das Land zu bekommen. So wie der Fachanwender zum Analytics-Experten geht, wenn er komplexere Relationen verstehen möchte oder ein Vorhersagemodell braucht.

Von Visualisierung zu Machine Learning mit nur einem Klick

Das Ausschlaggebende ist die Nähe der beiden Perspektiven. Ich kann mich hier im Osten Österreichs ins Auto setzen, in die Berge fahren und noch am gleichen Tag auf 3.000 Meter Höhe stehen und spektakuläre Aussichten genießen. Oder ich nutze das Umland des Neusiedler Sees zum Fahrradfahren und Segeln.

Ebenso bietet SAS Viya das Beste aus beiden Welten: eine breite Palette an Machine-Learning-Methoden, um tiefe Einblicke in die Daten zu bekommen, und Visualisierung für eine schnelle Auswertung der Daten sowie eine einfache Kommunikation der Ergebnisse an Business-Anwender.

Share

About Author

Gerhard Svolba

Principal Solutions Architect

Dr. Gerhard Svolba ist Analytic Solutions Architect und Data Scientist bei SAS Institute in Österreich. Er ist in eine Vielzahl von analytischen und Data Science Projekten quer über fachliche Domains wie Demand Forecasting, analytisches CRM, Risikomodellierung und Produktionsqualität involviert. Seine Projekterfahrung reicht von der fachlichen und technischen Konzeption über die Datenaufbereitung und die analytische Modellierung in unterschiedlichen Branchen. Er ist der Autor der SAS Press Bücher Data Preparation for Analytics Using SAS, Data Quality for Analytics Using SAS and “Applying Data Science: Business Case Studies Using SAS”. Als nebenberuflich Lehrender unterrichtet er Data Science Methoden an der Medizinischen Universität Wien, der Universität Wien und an Fachhochschulen. Sie finden auch Beitrage auf: Github und Twitter. ENGLISH: Dr. Gerhard Svolba ist Analytic Solutions Architect und Data Scientist bei SAS Institute in Österreich. Er ist in eine Vielzahl von analytischen und Data Science Projekten quer über fachliche Domains wie Demand Forecasting, analytisches CRM, Risikomodellierung und Produktionsqualität involviert. Seine Projekterfahrung reicht von der fachlichen und technischen Konzeption über die Datenaufbereitung und die analytische Modellierung in unterschiedlichen Branchen. Er ist der Autor der SAS Press Bücher Data Preparation for Analytics Using SAS®, Data Quality for Analytics Using SAS® and “Applying Data Science: Business Case Studies Using SAS”. Als nebenberuflich Lehrender unterrichtet er Data Science Methoden an der Medizinischen Universität Wien, der Universität Wien und an Fachhochschulen. Sie finden auch Beitrage auf: Github und Twitter.

Related Posts

Leave A Reply

Back to Top