SAS Korea
데이터를 넘어 인텔리전스 세상으로 향하는 SAS 코리아의 여정에 함께 하세요.![Forecasting 알고리즘, 미래를 변화시키다](https://blogs.sas.com/content/saskorea/files/2021/06/3-1-702x336.png)
포스트 코로나 시대의 불확실한 미래를 헤쳐나가기 위해서는 그 어느 때보다 예측력을 높여야 합니다. 예측 알고리즘을 사용하면 불확실성을 최소화하고, 정책이나 전략에 따른 변화를 보다 정확히 가늠하며 최적의 의사결정을 내릴 수 있습니다. SAS Visual Forecasting이 필요한 이유 Forecasting 알고리즘은 어떻게 미래를 변화시킬 수 있을까요? ARIMA와 같은 전통적인 단변량 시계열 알고리즘은 타깃(종속) 변수만을
![제조 산업을 위한 성공적인 디지털 트랜스포메이션 전략](https://blogs.sas.com/content/saskorea/files/2021/06/크기변환1-702x336.png)
성공을 위한 3가지 필수 요소 시장조사기관인 IDC는 올해, 제조 분야에서 디지털 트랜스포메이션에 가장 많은 투자가 이뤄질 것으로 전망합니다. 구체적으로 디스크리트 제조 2,250억 달러, 프로세스 제조 1,250억 달러, 총 3500달러의 투자를 예상합니다. 디지털 트랜스포메이션을 성공적으로 수행하기 위해서는 3가지 요소가 필요합니다. ▶첫째, 사람. 모든 혁신의 주체는 사람입니다. 사람의 능력, 조직구조, 문화가 상당히
![SAS AutoML이 주도하는 분석 인사이트](https://blogs.sas.com/content/saskorea/files/2021/06/20210316-SAS-AutoML이-주도하는-분석-인사이트Advancing-with-AI-최병정-702x336.jpg)
AutoML은 최근 몇 년간 가장 빠르게 진화하는 AI기술중 하나입니다. AutoML은 시티즌 데이터 사이언티스트는 물론 데이터 사이언티스트도 더 빨리 더 많은 모델을 구축하고, 모델의 정확도를 개선하여 보다 생산적인 과제에 집중할 수 있게 합니다. 이를 통해 기업은 조직 전반에 업무 효율성과 전문성을 강화할 수 있습니다. SAS AutoML 플랫폼의 핵심은 분석 라이프사이클 프로세스
![SAS Viya, 클라우드에서 빠르고 신뢰성 있는 의사결정 실현](https://blogs.sas.com/content/saskorea/files/2021/05/1-702x336.jpg)
분석은 왜, 전사적으로 활용되지 못할까요? 최근 맥킨지 연구에 따르면 AI와 분석을 전 세계 산업 전반에 적용할 경우, 약 9조~15조 달러의 가치 창출이 가능합니다. 그런데도 오직 8%의 주요 기업만이 전사적으로 분석을 활용하고 있습니다. 무려 90% 이상의 기업이 분석을 조직의 모든 영역으로 확산하지 못하고 있는 것입니다. 조직 내 분석 확산과 관련하여 주요 관계자들은 각기 다른 고민을 안고 있습니다. ▶IT리더는 제한된 비용으로 신기술을 적용하고 혁신을 이루어야 합니다. 한편으로는 끊임없이 개발 및 변경되는 분석 모델을