Technology advances fast, but meaningful innovation still comes down to one truth: systems work best when they’re built around people. In risk, fraud, and compliance (RFC), this means designing tools that understand intent, reduce friction for investigators, protect sensitive data, and adapt as fraud evolves. The Grace Hopper Celebration (GHC)
As energy systems become more distributed, digital and dynamic, utilities are increasingly turning to AI and IoT to help modernize operations, improve reliability and accelerate decarbonization. Yet according to the IDC InfoBrief, How AIoT Is Reshaping Industrial Efficiency, Security, and Decision-Making, more than half of AIoT initiatives are still stuck in
I've seen firsthand how companies often treat AI governance as a necessary evil – something bolted on after innovation, like installing smoke detectors in a finished building. As both a data scientist building models and an advocate pushing for responsible AI practices, I experienced this dynamic daily. The companies winning
Agentic AI is more than just the next step in automation. It’s a shift toward systems that don’t just respond to commands – they reason, decide and act with a blend of analytics and embedded governance. This is the second blog post in a series exploring how to design AI
Navigating the interpretability paradox of autonomous AI: Can we maintain trust and transparency without sacrificing performance? AI has rapidly evolved from simple, rule-based systems into sophisticated autonomous agents capable of making decisions without direct human oversight. These advanced systems, known as "agentic AI," go beyond basic automation to independently sense
As businesses in the UK and Ireland rapidly adopt generative AI, strategic insights from the latest SAS study reveal the roadmap to successful integration and the hurdles to overcome. GenAI is rapidly transforming how businesses operate, innovate, and interact with customers and employees alike. However, as the technology proliferates, so
Social benefits are crucial government services, especially during downturns, helping families navigate uncertainty and survive. Today, citizens interact with government services online, from applying for benefits to making appointments. This was particularly beneficial during the COVID-19 pandemic, allowing services to remain accessible while maintaining social distance. However, going digital also
AI governance is an all-encompassing strategy that establishes oversight, ensures compliance and develops consistent operations and infrastructure within an organization. It also fosters a human-centric culture. This strategy includes specific governance domains such as data governance and model governance, necessary for a unified AI approach. Why AI governance matters The
생성형 AI는 우리의 업무 환경과 사회를 변화시키고 있습니다. 사람과 기술이 상호작용할 새로운 방법을 제시하며 상상을 능가하는 속도로 영향을 끼치고 있죠. 최근 실시한 조사 결과는 생성형 AI에 대한 흥미로운 시각을 제시하고 있는데요, 기업 의사결정자들이 체감하는 생성형 AI의 해결 과제와 기회를 동시에 확인하실 수 있습니다. 대다수의 응답자는 GenAI를 통해 직원 만족도가 향상되었고(82%),
Could data governance policies for analytics be the foundation for a model governance program?
Im ersten Teil meines Blogs habe ich argumentiert, dass die Beschäftigung mit künstlicher Intelligenz (KI) und Ethik keine rein philosophische oder gesellschaftspolitische Fragestellung ist. Eines ist klar: Die Ethik-Debatten werden in diesem Jahr weitergehen und sich stärker an den realistischen Möglichkeiten und Risiken von KI orientieren. Unternehmen und Organisationen, die
Self-service BI applications make gaining insights and decision making faster. But they've also generated a greater need for governance, including understanding the data lifecycle. You can find out where your data comes from with SAS Lineage Viewer. The post tells you how.
Die Steuerbehörden sind wahrscheinlich nicht jedermanns Lieblingsorganisationen. Aber überall auf der Welt spielen sie eine Schlüsselrolle bei der Erhebung von Einnahmen, die es den Regierungen ermöglichen, Geld für wichtige öffentliche Dienstleistungen auszugeben. Man braucht nur die Medienberichterstattung über die Steuerhinterziehung einiger großer Technologieunternehmen zu lesen und die dazugehörigen Bemühungen der
Hier kommen neue Tipps zum Maskieren: Denn die EU-Datenschutzgrundverordnung DSGVO fordert Sie und Ihr Unternehmen auf, alle (Zitat) erforderlichen technischen und organisatorischen Maßnahmen zu ergreifen und die zum Zeitpunkt der Verarbeitung verfügbare Technologie und technologischen Entwicklungen zu berücksichtigen. Wie können Sie diesem Anspruch in der Praxis gerecht werden? Im ersten Teil
Sie arbeiten mit Daten. Diese stammen vom Kunden. Vermutlich kann jener später indirekt identifiziert werden mit Ihren Daten. Ab Mai gilt neues Datenschutzrecht: Sie werden nachweisen müssen, welche „Maßnahmen der Technikgestaltung“ konkret getroffen wurden, um das zu verhindern. Knifflig, wobei eigentlich ist ja alles „pseudonymisiert“ oder „anonym“ oder so …
Kürzlich habe ich mich mit meinem Kollegen Michael Herrmann darüber unterhalten, wie Big Data die Anforderungen an Datenmanagement und vor allem an die Datenqualität verändert – und wie die IT, der Data Scientist und die Fachabteilung besser zusammenarbeiten können. Heute geht es darum, wie Daten nachvollziehbar und transparent gemacht werden
Das Konzept von Self-Service Analytics wird oft mit innovativen Geschäftsmodellen oder schneller Reaktion auf Kundenanfragen assoziiert. Darüber hinaus kann Self-Service aber auch Mitarbeiter in die Lage versetzen, operative Vorgänge besser und effektiver zu unterstützen. Mit Carsten Krah, Business Expert Risk, Fraud & Compliance bei SAS, habe ich mich darüber unterhalten,
Much of my recent work has been along the theme of modernization. Analytics is not new for many of our customers, but standing still in this market is akin to falling behind. In order to continue to innovative and remain competitive, organizations need to be prepared to embrace new technologies
Karen, in unserem letzten Gespräch haben wir über die Bedeutung von professionellem Datenqualitäts-Management und über die erforderliche organisatorische Einbettung gesprochen. Jetzt möchte ich etwas konkreter werden. Beschreibe doch mal, worauf es bei der Umsetzung ankommt? Wie sollte sich ein solcher Data Governance Prozess gestalten?
IDV (Individuelle Datenverarbeitung) ist ein Thema, das in den Banken als Teil von BCBS 239 seit Langem kritisch diskutiert wird. Ruppert Jaeschke betreut und berät seit fast 15 Jahren zahlreiche deutsche Banken im Umfeld Business Intelligence und SAS. Er hat eine klare Meinung zu diesem regulatorischen Thema. Frage: Welche Schmerzen
Die Finanzindustrie hat heute ein ganzes Paket an Herausforderungen zu schleppen. Neben Niedrigzinsphasen und strengeren Richtlinien der Aufsichtsbehörden muss sie sich auch noch mit dem Thema Digitalisierung/Industrie 4.0 beschäftigen. Dabei betreten die sogenannten FinTech-Unternehmen die Bühne und machen Finanzinstituten Geschäftsfelder streitig. In der Vergangenheit musste sich der Finanzsektor immer wieder
Open Source und SAS – das sind auf den ersten Blick zwei ganz verschiedene Welten. Dabei verfolgt SAS eine ganze Reihe von Initiativen rund um Open Source – insbesondere im Umfeld des Big-Data-Frameworks Hadoop. Ich habe Andreas Gödde zum Nebeneinander und Miteinander der Technologien befragt. Andreas Gödde berät viele Kunden
Unternehmen leben von der Qualität ihrer Daten. Banal bis fatal. Die Realität ist eher: Unternehmen überleben trotz der schlechten Qualität … Auf Nachfrage bekennen fast alle Befragten (98 Prozent), dass eine weitere Verbesserung der Datenqualität in ihrem Unternehmen positive Auswirkungen hätte. Mehr als die Hälfte sah da Chancen, etwas zu
In my previous blog post I talked about how the rapid and varied growth of data calls for states to consider an enterprise analytics program, in the form of a Center of Analytics. This entry, first posted as an article on Government Executive's Route Fifty, gives the most important success
