在工商银行的反欺诈系统中，几百个数据分析模型不间断地分析着来自四面八方的数据，从中挑拣出有可能发生金融欺诈的交易。但是，如此巨大的模型“战队”，其管理和维护成本之高也是令人咋舌。

6月8日，在SAS Forum China 2017峰会上，中国工商银行软件开发中心上海开发二部副总经理苏彦告诉ZD至顶网记者，工商银行用更加智能和自动化的机器学习平台构建出可以自学习的模型，并保证所有的模型都是最新的，这种做法不仅使工商银行的防欺诈系统的准确率高出业内平均水平的20%，同时也大大降低了传统静态数据分析模型因维护、调整乃至重新训练所产生的成本。这一点也与SAS的想法不谋而合。

在峰会上，SAS公司执行副总裁兼首席技术官Oliver Schabenberger着重讲述了SAS利用深度神经网络构建具备自己学习、自动化的数据分析模型给各行业企业用户带来的商业价值，以及帮助企业探索更广泛的可能。

SAS公司执行副总裁兼首席技术官Oliver Schabenberger

事实上，在互联网、移动互联网、物联网等快速发展的今天，数据无处不在，但是数据本身并不产生价值，唯有通过分析才能发掘出大数据宝藏蕴含的巨大财富。

国际数据公司(IDC) 软件及大数据分析研究总监张卓表示：“通过大数据分析技术，企业可以更轻松地获取信息，分析信息，并进行相关预测，以便进行更准确地决策，大数据分析技术也使得商业发展的速度更快、效率更高。”根据IDC的数据，大数据及商业分析市场在2016年的增长率高达11%，到2020年的复合年增长率可以达到11.7%。

但是，近年来，大数据分析产业发生了翻天覆地的变化，也面临更多新挑战。苏彦认为，大数据分析的定义正在发生变化，在线、实时、全网，这些特点正在影响大数据分析的方向。在线是指数据的实时获取和实时加工，实时是指在数据的高速提取上更为句话，从毫秒级缩短到微秒级，全网是指针对所有数据进行分析，而不是抽样数据。这些标准对数据分析模型提出了更高的要求。

Schabenberger介绍道，传统的静态的大数据分析模型存在诸多问题，例如在不断变化的数据海洋中很难一直保持精准，而一旦模型的精准性下降，它对企业的作用就大大降低，企业不得不需要重新训练、调整这些模型，这个过程中将增加企业的成本。而机器学习和深度神经网络则可以改变这种情况，基于深度神经网络的数据模型可以自己学习，并实现更高的自动化，这种模型在实践中可以一直保持系统和模型的精准性。

有了先进的、专业化的工具，对大数据进行分析，才能为客户挖掘数据中隐藏的价值，这成为大数据产业发展的关键。SAS公司也一直专注于为企业提供最佳的分析解决方案，通过分析帮助企业获得洞察，通过大数据分析创造真正的价值。

据了解，SAS每年将收入的25%用于研发，这些投入和努力使SAS一直走在全球数据分析领域的前列。数年前，SAS公司投入10亿美元完成了现代化的数据分析Viya，这是一个开放的、云就绪平台，并与SAS 9实现无缝集成，引导SAS 9 用户进入SAS Viya。

除此之外，SAS针对物联网产业进行多方尝试。前不久，SAS公司与思科共同推出了SAS-Cisco Edge-to-Enterprise IoT Analytics解决方案，帮助企业实现从边缘设备到企业数据中心的物联网数据分析。

Schabenberger介绍道，美国一家卡车公司尝试用物联网技术优化其车辆零部件的维修和保养，这个过程中，大量的物联网数据给这家卡车公司制造了不小的麻烦，他们并不知道该如何分析这些设备产生的海量数据。而这正是SAS擅长的，SAS帮助这家卡车公司建立了先进的预测分析模型，可以实时地帮助企业应对物联网数据所带来的挑战，最终实现了用零部件的健康程度排序替代传统的零部件使用时长排序的维护模式，大大提高了这些零部件的使用效率，降低开车公司的维护成本。

据悉，物联网数据分析已经给SAS公司带来了高速增长的业务机会，也成为拉动电信通信、制造、医疗和零售等潜在大数据及分析市场的下一个抓手。

SAS大中华区总裁吴辅世表示：“2017年，SAS公司将加大在制造业和政府两个领域的投入，目前已经针对政府市场建立专门服务团队，同时，SAS公司和贵阳市政府签订战略合作协议，在贵州省成立大数据分析的实训基地和大数据金融量化实验室，把最新的金融风险管理，整合式的大金融风险管理的计量模型、预测模型做更多的研究发展。此外，SAS公司还与珠三角、长三角地区的制造型企业进了诸多方面的合作，包括利用大量的社交媒体分析挖掘系统，帮助企业倾听用户需求；帮助企业建立销售预测和库存优化系统；利用大数据、机器学习、深度分析等方面的能力，协助企业提升良品率。”