Predictive models are a critical component for automated and augmented decision making. As this deployment pattern becomes more widely adopted, two competing priorities emerge. How can we deliver more models faster while being certain of accurate and consistent performance? The key to solving this dilemma is in the automated testing
We kunnen er niet meer omheen, data en analytics zijn overal aanwezig in ons dagelijks leven. In organisaties groot en klein wordt de behoefte om eindelijk eens iets met de data te gaan doen alsmaar sterker. We kunnen zo enkele vraagstukken in onze samenleving opnoemen die we met data en
지난 글에서는 분석 모델을 배포하기까지 많은 시간이 소요되는 이유, 이를 극복하기 위한 방법으로서 운영계에 적용하는 ModelOps의 개념과 효과를 소개해드렸습니다. 하지만 통상적으로 기업의 의사결정이 분석의 결과만으로 이뤄지지는 않습니다. 분석 인사이트를 기반으로 하되 기업에서 설정한 비즈니스 룰을 확인해야 하며, 기업 안팎의 상황에 대한 검토도 필요합니다. 금융권을 예로 들면, 고객의 신용대출 요청에 따른
기업에서는 하루에도 여러 차례 비즈니스에 중요한 의사결정을 내리고 있습니다. 최선의 선택을 하기 위해 많은 기업이 강력한 분석 모델을 개발하여 의사결정 프로세스에 분석 결과를 통합하고 있습니다. 하지만 의사결정에 결정적인 역할을 하는 대부분의 분석 모델은 빛을 보지 못합니다. 데이터 중심의 의사결정을 위한 실용화의 마지막 관문을 넘지 못하기 때문입니다. 본 글에서 데이터 중심의
Zorlu Son Aşama: Model İmplementasyonu Günümüzde neredeyse tüm organizasyonların iş kararları vermek için, veriden faydalanarak gerçek zamanlı içgörüler elde etmeye çalıştığı bir dijital yolculuk içerisinde olduklarını görüyoruz. Sınırlarını hayalgücümüzün ve yeteneklerimizin belirlediği veri analitiği bizlere sonsuz bir potansiyel sunuyor. 2019 yılında analitik yazılımlara 190 milyar Dolar yatırım yapılması da şirketlerin
ModelOps is NOT a one-size-fits-all approach. It's important to identify the appropriate level of sophistication based on both the organization’s current readiness and its current and future business needs. My previous articles on Medium talked about why organizations should choose ModelOps, and how to implement ModelOps using a holistic approach
The model management process, which is part of ModelOps, consists of registration, deployment, monitoring and retraining. This post is part of a series examining the model management process, orchestrated through the Model Manager (MM) APIs. The focus of part one is on model registration, specifically on using the APIs from
Kim Kaluba explains how connecting data to decisions helps create resiliency.
Does your bank manager know who you are? Unless your net worth is unusually high, the answer is probably no, and that’s been the case for many years. Banks have been using statistical models to inform credit-related decisions since at least the 1970s, and today almost every aspect of operational
Jim Harris explains the relevance of DevOps, DataOps and ModelOps for data analytics practitioners.
Most model assessment metrics, such as Lift, AUC, KS, ASE, require the presence of the target/label to be in the data. This is always the case at the time of model training. But how can I ensure that the developed model can be applied to new data for prediction?
This post describes a fully automated validation pipeline for analytical models as part of an analytical platform, which has been set up recently as part of a customer project.
Let us now take a look at a well-known metaphor for test case development in the software industry. We are referring to the idea of the “test pyramid."
In total, there are four posts in this blog series, this is the first post describing some basic principles of the DevOps (or ModelOps) approach.
지난 10월 21일부터 23일까지 이탈리아 밀라노에서 열린 'SAS 애널리틱스 익스피리언스 2019(SAS Analytics Experience 2019)'에서는 SAS의 머신러닝, 컴퓨터 비전, 자연어처리 등 AI 기술을 기반으로 기업들이 어떻게 실제(real) 가치를 실현할 수 있는지 보여주는 다양한 사례들이 소개되었습니다. 특히 행사 둘째 날에는 짐 굿나잇 SAS CEO, 올리버 샤벤버거 SAS 수석부회장 겸 최고운영책임자(COO) & 최고기술책임자(CTO)의
Getting value from analytics is becoming top of mind for businesses. Organizations have invested millions of dollars in data, people and technology and are looking for a return on their investment. That requires operationalizing analytics so that it can be used for strategic decision making -- often referred to as
