Data Management

Blend, cleanse and prepare data for analytics, reporting or data modernization efforts

Advanced Analytics | Analytics | Artificial Intelligence | Customer Intelligence | Data Management | Machine Learning | SAS Events | Students & Educators
0
SAS Innovate on Tour Tokyo 2025 開催のご報告

2025年7月24日(木)に開催された「SAS Innovate on Tour Tokyo 2025」は、大盛況のうちに無事閉幕いたしました。ご来場いただいた皆さまに、心より御礼申し上げます。また、スポンサーの皆さま、そして運営・制作・広報をはじめとする関係各位の多大なるご支援とご尽力に、深く感謝申し上げます。 開催報告として、弊社代表 手島 主税からの基調貢献に関するメッセージを以下に投稿させていただきます。   SASジャパン創立40周年を迎える節目の年に開催致しました「SAS Innovate on Tour Tokyo 2025」ですが、私が代表を担当させていただいてから3度目となりました。この3年間、毎年ご来場いただく規模が増えておりまして、今年は過去最大の規模で終えることができました。改めまして皆様に心から感謝申し上げます。 意志決定と人との関係性の力をデータ&AIで紐付ける、「人中心型イノベーション」のビジョンのもと、意志決定に携わる経営者とフロントラインワーカー(営業、マーケティング、工場長、主計など)が求める具体的なテーマでお届けしました。 SASは「データはそれ自体では価値を生まない。価値を生むのは意志決定である」という信念のもと、多様化したAIのモデルを統計的な手法と機械・強化学習の組み合わせを実行できる高度なアナリティクス技術を進化させてきました。重要なのは、データをいかに意志決定に結びつけ、行動変容を促すかという「プロセス」です。 私たちが提唱する「意志決定のデータパイプライン」は、ビジネス部門の課題提起から逆算して必要なデータを整備するアプローチです。システム先行ではなく、人の知見や問いを起点にすることで、真に活用されるデータ基盤を構築できます。SASは、意味付けされたデータを各部門に合わせて提供し、お客様の意志決定を支援しています。 今年の基調講演では、日本を代表する経営者、DX推進リーダー、アカデミアのリーダーの皆様とスペシャルゲストとしてお迎えし、示唆に富んだパネルディスカッションを実施しました。 最初のパネルでは、ソニー銀行様、中国銀行様、東京海上ホールディングス様の経営リーダーがご登壇。 益々過去に無い規模でデータが生成されていく時代になり、企業の価値を創り出す宝探しである。またこれから現場への権限移譲とデータリテラシーの底上げを進めながら、最終的な価値を生むのは人のシナリオ、判断力であることが改めて強調されました。特に印象的だったのは、金融商品に“共感価値”を織り込むという発想の転換。金融を単なる機能価値から、人の感性に響く体験へと昇華させる挑戦が語られました。 [パネルディスカッションご登壇者(※登壇順)] ソニー銀行株式会社 南 啓二様 株式会社中国銀行 山縣 正和様 東京海上ホールディングス株式会社 生田目 雅史様 株式会社ソウジョウデータ 西内 啓様 未来の学びの探求’Future Ready’のパネルでは、統計学で多くの著書、大学での教えも推進されてきている西内先生をお迎えし、「問いを立てる力」がAI活用の出発点であること、そして経営から現場まで“問い→仮説→検証”のリズムを組織全体で回すことの重要性が共有されました。 また、アストラゼネカ堀江様、NSW竹村様にもご登壇頂きました。 堀江様には最新のSASのテクノロジー、AIを活用いただいたモダイナイゼーションによるコスト最適化とフロントワーカーの効率性アップの具体的な事例をご紹介いただき、多くの方に反響を頂きました。 [関連記事] アストラゼネカが目指す医療・創薬の新たなステージ──実現に不可欠なデータサイエンス部の役割とは? 竹村様には、新たなSASとの製造業界向けの戦略的パートナーアライアンスの発表をご披露いただき、昨今の製造業界における課題へのソリューション(工場と経営DX)をご紹介頂きました。これからの両社によるパートナーシップに弊社も大きく期待しております。 [関連記事] NSW株式会社様との協業の発表について - SAS Japan 私個人的にも、日本を牽引する各業界のリーダー皆様の志、視座の高さ、人間力に感銘致しました!!改めまして、南様、山縣様、生田目様、堀江様、竹村様に感謝申し上げます。皆様のビジョンの具現化の力になるべく、引続きSASジャパンも社を挙げて果敢に挑戦してまいります。 これからのSASジャパンに乞うご期待ください。 SAS Institute Japan株式会社

Advanced Analytics | Analytics | Artificial Intelligence | Customer Intelligence | Data for Good | Data Management | Data Visualization | Fraud & Security Intelligence | Internet of Things | Learn SAS | Machine Learning | Programming Tips | Risk Management | SAS Administrators | SAS Events | Students & Educators | Work & Life at SAS
小林 泉 0
📣SAS Hackathon 2025 まもなく開幕(応募〆切8/31)📣

SAS Hackathon 2025が間もなく開幕 公式サイトはこちら☞ https://www.sas.com/sas/events/hackathon.html はじめに 課題、テーマや使用データ 課題やテーマ、使用データは参加者ご自身で準備いただきます 2023年の日本からの参加チームは、オープンデータを使用したチーム、普段の自社内の取り組みプロジェクトのデータを使用したチームなどがありました 分析環境や、専門スキルの支援などはSAS側で用意されます コミュニケーションに使用する言語 日本からの参加者をサポートするメンターはSAS Japanから日本語を話す社員が担当する予定ですが、エキスパートや他の参加者との交流は英語になります 成果物に使用する言語 成果物(プレゼン動画やプレゼン資料、アプリケーションなど)は英語になります。昨年の日本からの参加チームはそれぞれ、英語でのプレゼン、無音声英語文字のみのプレゼン、英語機械音声など様々な方法で対応されました 作業場所 オンラインでの約1か月間の作業なので、作業場所は、参加チームそれぞれで確保いただきます 2025 キックオフイベントの様子 ソーシャル メディア プラットフォーム経由で視聴する LinkedIn☞https://www.linkedin.com/events/7333469635326984193/ Youtube☞https://www.youtube.com/live/yp008_MVfF4 SAS Hackathonとは 好奇心は私たちの規範です 素晴らしいアイデアは、どこからでも誰からでも生まれます。さまざまな地域から、さまざまな背景やスキルレベルを持つデータ愛好家が集まると、驚くべきことが起こります。これらの優れた頭脳は、私たちの日常生活、ビジネスのやり方、人道的活動への取り組み方を変えるような新しいものを発明するでしょう。好奇心旺盛な頭脳が協力し合うと、世界が勝利するからです。 特長 仲間のプログラマーと協力する  経験豊富なデータ サイエンティストから初心者の技術者、パートナー、SAS エキスパートまで、誰もがクラウド上の SAS® Viya でオープン ソースを使用します。 無料の学習リソースを活用する トレーニング コースや仮想学習ラボを利用して、AI、クラウド環境、業界に関するコーチングを活用できます。 新しいテクノロジーを簡単に試すことができる SAS ハッカソンは、SAS ユーザーだけでなく、初心者や新規参入者の好奇心を刺激します。Python と R の専門知識を持つオープンソース プログラマーでも、そのスキルを SAS Viya

Analytics | Data for Good | Data Management
Jennifer Griess 0
Transforming challenges into triumphs: 16 inspiring customer stories

From transforming online insurance services to combating the opioid epidemic, SAS customers are using data and AI to drive innovation, enhance efficiency and make a positive impact on society. These stories – and more – offer a glimpse into how our customers are shaping the future with SAS. Dive into

Advanced Analytics | Analytics | Artificial Intelligence | Data Management
小林 泉 0
自由と統制:変化しながらもガバナンスを担保するための唯一無二のデータ分析プラットフォームとは

競争に勝つためのData & AI プラットフォームに完成はない 「ガウディとサグラダ・ファミリアに学ぶデータ分析基盤アーキテクチャのための原則」で考察したように、変化し続ける市場や消費者、経済環境において、企業・組織が意志決定する対象やその内容は刻々と変化していきます。また、よりよい意志決定のためのData & AI活用のためのテクノロジーも日々変化していきます。そのような環境においては、従来のようなある一時点のユーザー要件に基づいてData & AI環境を準備することは、企業・組織の俊敏性を損ない、まだ見ぬ将来への変化対応力(レジリエンシー)を弱め、結果として常に世の中のトレンドから大きく遅れた後追いのData & AI活用になってしまいます。例えば以下のような状況に陥っているとすると、それはその企業・組織の戦略がそのような常に後追いにしかならない方法論で進めていることになります。 「データ統合基盤」の過ち:あらたに「データ統合基盤」(*1) を構築しようとするが蓄積するデータが決まらずプロジェクトが開始できない、あるいは完了しない。また完了したと思ったのに使われない。 「Data Lakehouseツール」の過ち:アジャイル型を標榜して、クラウド型の「Data Lakehouse用」のデータベースを安価に採用したが、ユーザーの利用が進むにつれてより多くのデータが必要になってきたときに、そのデータベースのコストが指数関数的に膨れ上がる価格モデルであったため、必要なデータが結局蓄積できないという結果になった 「簡易なデータ分析ツール」の過ち:上記と同様にクラウドプラットフォームにほぼ無償でついてくるAI/機械学習機能でデータ分析をスタートする企業も多いです。しかし多くの企業が「データ分析始めました」の域を出ることができず、真にビジネス課題を解決するための機能が足らないことに気づかないまま、データ分析とはこの程度のものだと思い込み、結果として「始めましたプレゼンテーション」を最後に、真にビジネス価値を創出した事例発表に至ってない。 「AIガードレールツール」の過ち:生成AIのテクノロジーを活用して、自社のビジネスを成長させたいが生成AIを安全に使うためのAIガードレールツールを選定したが、いざ導入してみると、そもそも生成AIを活用してビジネス価値を出す案件がなかったり、あるいはテクノロジーの進化が速いために、必要なガバナンス機能がすぐに変わってしまい、当初の投資金額だけでなく、その投資にかかった時間や人的リソースが無駄になってしまった 「データモデル」の過ち:過去の経験のベストプラクティスとしてのデータモデルを導入したが、ある時点のデータモデルとして完成しすぎていて、新たな市場の要件に対応するために新たなデータを追加しようとした際に、対応できなかった 「機能特化型パッケージツール」の過ち:たとえば、金融不正対策アプリケーションにおいては、不正の手法が常に変化する中対策に必要なデータやアルゴリズム・手法をどんどん変化させていく必要があるが、限定的なデータモデル、限定的なアルゴリズムしか持たないツールを採用してしまったために、不正対策をスピード感をもって進化させられていない *1) データ統合基盤の過ち補足:そもそも日本市場・日本語でよく聞く、この「データ統合基盤」という言葉が過ちを生み出している元凶でもあります。データ・マネージメントの目的は、「欲しいときに」、「欲しい形で」、「欲しい品質で」、「欲しい人が」特定のビジネス課題を解決するという目的を達成するためにデータを活用できることです。必ずしも一か所にデータが蓄積されている必要はありませんし、データは膨大なため利用頻度や重要度に応じて格納の仕方を変える必要もありますし、目的に応じて必要なデータやその結合の仕方も変わるため、「あらかじめ統合」しておくことにもあまり意味がありません。もちろん、過去データウェアハウスの時代には、一時的に企業の構造化データを一貫性をもってER図的に定義・実装したデータモデル・データベースが非常に役立った時代もあります。特にそれはアドバンスト・アナリティクスというよりは、レポーティングやOLAPによるデータ探索目的に役立ちました。一方で、機械学習や最適化などアルゴリズム的に高度なデータ分析や、昨今のように非構造化データを扱う場合には、常に新しいデータを使いたくなることが多く、あらかじめデータモデルで定義しておくことの価値は低くなります。 なぜ常に時代遅れになりがちで、AIの取り組みの役に立たないData & AIプラットフォームを構築してしまうのか? 上記のような様々な過ちに企業陥ってしまうのはなぜでしょうか? 20年ほど前は一部のアナリティクス成熟度が高い(例えばこちらを参照ください データリテラシーが経営者の嘆きを救う)企業だけが、解決したいビジネス課題とそれを解決した時の期待効果の試算に基づいてあるいは野心的に大規模にData & AIプラットフォームへの投資を、ユーザー部門が主に自分たちの予算で企画・導入していました。 その後、テクノロジーの進化と共に、プログラマーニーズ、あるいはプログラミングを主たる作業とするデータサイエンティストニーズの高まりにより、データ分析、データサイエンスの取り組みのオーナーがあたかもIT部門やアプリケーションデベロッパーかのような時代になり、Data & AIプラットフォーム投資の意志決定のオーナーがITサイドに移動しました。 手段であるIT、データサイエンス、機械学習やプログラミングの底力が高まるのは良いことなのですが、それにより、「ビジネス課題解決(収益向上・コスト削減・リスクの管理)」というData & AIプラットフォームの目的定義がおざなりになり、あたかもERPを導入するかのような要件定義の仕方でData & AIプラットフォームへの投資の仕方に代わってしまいました。従来は目的ありきで作っていたものが、流行にのって作ってしまってから、後から使い方を考えるという世界に変わってしまったのです。データ統合基盤を作ったのに使われないという嘆き(前述の別ブログを参照のこと)はまさにその象徴です。 一方で、昨今の責任あるAIの視点から、ビジネスニーズに沿ってなんでもかんでも自由にやっていいわけではない 少し前までは、AIは、「人間の特定のタスクを置き換えるもの」という定義でしたが、昨今は違います。AIは人間とは異なる方法で知性を身につけており、ときにそれは人間の能力をはるかに超える能力を発揮します。言い換えると、AIは人間の理解ややり方が及ばない方法で、知的なアクションを行えるようになっています。これは次のようなことを意味しています。 人間の仕事が奪われるという視点は近視眼的:AIはすでに人間とは異なる方法で知性を身につけているので、従来の人間のタスクをそのまま置き換えるわけではありません。もちろんAIの能力を過小に使用して人間の従来のタスクをやらせても良いかもしれませんが、それはAIの潜在能力を生かし切っていません。これまで人間にはできなかったことができるAIを、これまで人間がやってこなかった仕事の量や質に当てはめて、仕事の仕方を効率化するのではなく、「変革」することができるという視点が重要です。 我々は人間社会をより良くする必要がある:一方で、人間の能力を超えた知性を人間の社会活動に取り入れることには最新の注意が必要です。人間の能力を超えた知性を人間の知性で開発されたテクノロジーだけで統制することは不可能です。かつて人間は様々な人間の能力を超えたものを開発してきました。例えば自動車です。自動車の利用を統制するには法律やルールが必要だったように、AIの利用を統制するためにはテクノロジーだけではなくルールや法律が必要になってきます。 人間中心のAI活用には人間のインクルージョンが不可欠:教育機関が生徒不在で「生徒はこれが欲しいはずだ」という取り組みを実施して失敗したり、イベントやマーケティングにおいて企画フェーズに実際のオーディエンスを参加させずに(実際の声を反映させずに)企画者が勝手に良かれと思った企画が失敗に終わるケースは後を絶ちません。オーディエンスが画一的ではなく多様化している今の時代「インクルージョン」が非常に大事になってきています。これは、SAS社が提供する責任あるイノベーションのためのリテラシートレーニング(Responsible Innovation and Trustworthy AI)で学ぶ内容です。AIにはデータが必要なため適切なリテラシーがないと現実世界を切り取っただけのバイアスだらけのデータだけを真実と見なしたAIアプリケーションが構築され、人間社会の倫理と公正性が危険にさらされます。AIアプリケーションの開発プロセスに人間が介在できるData & AIプラットフォームが求められます。 Data &

Cloud | Data Management | Work & Life at SAS
Margherita Albrizio 0
SAS Enhanced Support: More than support — a true technological partnership

SAS' Enhanced Support model is structured into five progressive levels, ranging from Limited Support—designed for outdated software versions—to Premium Support, which offers the highest service standards, including enhanced SLAs, 24/7 assistance, and direct access to product experts. In particular, the combination of Extended Technical Support and Premium Support has proven to be a winning strategy for many companies undergoing modernization. This approach allows continued support for legacy environments during the migration to newer versions, minimizing operational risks and ensuring service continuity.

Advanced Analytics | Analytics | Data Management | Data Visualization | Learn SAS | Machine Learning | Students & Educators
Gonzalo Quintana 0
Formando a la Próxima Generación de Analistas: mentoring de SAS en la UC3M

En el vertiginoso mundo de la analítica, la teoría es fundamental, pero la experiencia práctica es la que realmente marca la diferencia. En SAS, lo sabemos bien. Por eso, hemos forjado una alianza estratégica con la Universidad Carlos III de Madrid para impulsar el talento emergente, brindándoles la oportunidad de

Customer Intelligence | Data Management | Innovation | Marketing
Amy Dyson 0
Building customer trust: Balancing privacy and personalization

In today's digital age, marketing technology (MarTech) plays a crucial role in how businesses engage with their customers. However, the success of truly contextual customer engagement hinges on one fundamental principle: trust. Building and maintaining customer trust is essential for long-term business success, as it fosters loyalty and contributes to

Advanced Analytics | Analytics | Cloud | Data Management
Kayt Leonard 0
5 tips voor het kiezen van een statistische rekenomgeving

Wanneer je denkt aan levensreddende technologie, denk je dan aan een statistische computeromgeving? Statistische rekenomgevingen (SCE) zijn essentieel voor het bevorderen van wetenschappelijke ontdekkingen door onderzoekers de mogelijkheid te bieden om gegevens efficiënt en volgens de regels te beheren, verwerken en analyseren, waarbij de integriteit van de regelgeving zo goed

Advanced Analytics | Analytics | Cloud | Data Management
Kayt Leonard 0
5 consejos para elegir un entorno informático estadístico

Cuando piensa en tecnología que salva vidas, ¿le viene a la mente un entorno informático estadístico? Los entornos de cálculo estadístico (SCE, por sus siglas en inglés) son fundamentales para acelerar los descubrimientos científicos, ya que permiten a los investigadores gestionar, procesar y analizar los datos de forma eficiente y

Advanced Analytics | Analytics | Cloud | Data Management
Kayt Leonard 0
5 consigli per scegliere un ambiente di calcolo statistico

Ti viene in mente un ambiente di calcolo statistico, quando pensi alle tecnologie salvavita? Eppure gli ambienti di calcolo statistico (Statistical computing environment, SCE) sono determinanti per accelerare le scoperte scientifiche, in quanto consentono ai ricercatori di gestire, elaborare e analizzare i dati in modo efficiente e rigoroso, mantenendo la

Advanced Analytics | Analytics | Cloud | Data Management
Kayt Leonard 0
5 Tipps zur Auswahl einer statistischen Rechenumgebung

Denken Sie bei lebensrettender Technologie an eine statistische Rechenumgebung? Umgebungen für statistische Berechnungen (SCE) sind für die Beschleunigung wissenschaftlicher Aufdeckungen von entscheidender Bedeutung. Sie ermöglichen es Forschern, Daten effizient und konform zu verwalten, zu verarbeiten und zu analysieren, unter Wahrung der größtmöglichen regulatorischen Integrität. Da die Forschung im Bereich der

Advanced Analytics | Analytics | Cloud | Data Management
Kayt Leonard 0
5 tips til at vælge et statistisk databehandlingsmiljø

Når du tænker på livsvigtig teknologi, kommer du så til at tænke på et statistisk databehandlingsmiljø? Statistiske databehandlingsmiljøer (SCE) er afgørende for at fremskynde videnskabelige opdagelser ved at gøre det muligt for forskere at administrere, behandle og analysere data effektivt og i overensstemmelse med reglerne og opretholde den største lovgivningsmæssige

Analytics | Data Management | Predictions
Stu Bradley 0
Data privacy perspectives: How financial services firms can foster trust in the AI age

Every year, as Data Privacy Week sharpens the focus on protecting personal information, I’m reminded of a customer event a major North American bank hosted at SAS world headquarters. The bank’s chief data officer led a roundtable discussion on generative AI (GenAI) with a group of esteemed data and AI experts. The

Advanced Analytics | Analytics | Data Management | Fraud & Security Intelligence | Risk Management
Luis Barrientos 0
Es posible predecir el deterioro crediticio de 3 a 6 meses antes de que ocurra

En un mundo donde la información viaja a la velocidad de la luz y las decisiones deben tomarse con precisión quirúrgica, contar con herramientas tecnológicas avanzadas ya no es un lujo, sino una necesidad. A pesar del auge de soluciones de analítica e inteligencia artificial, muchas instituciones aún no aprovechan

Artificial Intelligence | Data Management | Predictions
Julie Muckleroy 0
The data debacle: Boom or bust for banks?

At the very heart of the financial world lies a commodity so vast it’s almost immeasurable ... and it’s growing exponentially with potential yet unrealized. Big data – complex structured and unstructured datasets arriving from innumerable sources – is reshaping the global banking industry. Used effectively, big data can support the delivery

Advanced Analytics | Analytics | Data Management | Data Visualization
Javier López Gómez 0
La importancia de tener buenos datos de entrada en los modelos analíticos

En la actualidad, los modelos analíticos son herramientas esenciales para tomar decisiones basadas en datos. Desde prever tendencias hasta optimizar operaciones, los modelos analíticos dependen en gran medida de la calidad de los datos de entrada. La precisión, integridad y relevancia de estos datos son cruciales para obtener resultados confiables

Advanced Analytics | Analytics | Artificial Intelligence | Data Management
Carlos Hernández 0
SAS Viya supera a sus competidores y reduce los costos operativos, según un estudio

En la era de la transformación digital, la velocidad, la escalabilidad y la rentabilidad no son solo indicadores de desempeño; son factores decisivos que permiten a las empresas mantenerse competitivas. Hoy, en SAS, nos enorgullecemos de ver cómo nuestra plataforma de IA y analítica, SAS Viya, no solo cumple con

1 2 3 34

Back to Top