SAS Korea
데이터를 넘어 인텔리전스 세상으로 향하는 SAS 코리아의 여정에 함께 하세요.
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
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
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
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