SAS全球高级副总裁兼首席技术官Keith Collins演讲

Keish Collins：大家早上好！

SAS全球高级副总裁兼首席技术官Keith Collins先生

我代表SAS总部感谢大家参加我们的大会，这也是我第一次参加中国的商业分析领袖峰会，David Line刚才的发言非常好，给我们今天发言提供了主题背景，从他的发言当中我们可以汲取一点重要的经验，就是数据的搜集当然是非常重要的工作，但是最重要的工作是考虑到如何最有效的利用所搜集的数据。我想问在座的各位，你们在考虑自己投资组合的时候，你们有多少人花时间搜集数据？你们搜集数据和数据使用时间比例是多少？我想这是我们的一个大挑战。

今天我首先给大家提供一些背景信息，如果讲大数据首先要了解背景的信息，我们首先要看一看每天受到什么技术趋势的影响。我们首先看一下Gartner（高德那）对中国2013年十大战略技术趋势的分析，第一大趋势是移动设备，这一点不奇怪，有两个发展方向，第一个方向就是技术的消费化，就是对信息消费预期有一个把握，实际上涉及到人与信息互动的方式。第二个发展方向，所代表的是一种全新的数据潮流，包括基于地址的数据，基于传感器的数据。我们现在在北卡大学还提到有一种新的技术，就是在我们身体当中移植一种纳米级的传感器，这样的话移动设备可以直接从人体搜集信息，然后把这个信息上传到云当中进行计算。我觉得这是两大主要的趋势。

第二大趋势，我们大家都在谈云，包括私有云、公有云、混合云，但是我们的现实是，我们现在有一个架构的蓝图，我们可以充分的利用这种价格合适的、高效的、大规模计算的能力，这个就是云给我们带来的益处，每个IT组织都会建私有云的架构和基础设施，进一步的使我们能够更加便捷的获得新技术，这个直接涉及到我们企业的行为，移动给我们设定了预期，未来我们会发现每一个企业都想在企业内部，通过企业级应用的方式提供各种功能。

另外还有一个趋势是大数据的趋势，我们未来搜集的数据量一定是大于过去，在过去的9个月当中，我们都会提到所谓的从过去的海量非结构性的大数据，转向到新的基于互联网、物联网的数据，这已经变成了实实在在的忽视。

下一个趋势是大数据重要性的自然结果，也就是内存计算，实际上是所谓的大计算的一种代码的基础，他是商品大型的、并行的数据计算的结果，就是在内存当中直接来进行计算，无论是针对我们已经搜集到的数据或者是即将搜集到的数据，可以直接进行集散。

最后一个趋势是IT云的混合和生态系统的集成化，我们有各种各样的UI，可以快速的为企业定制应用。

这是我们IT趋势的大背景，列出了六大趋势，这是中国关键的趋势。按照Gartner的研究，这六大趋势在中国和世界其他国家完全一样。下面来看一下大数据的具体内容和大分析的具体内容。

我们认为今天主要是讲分析能力，我们有一些能力是被动型的，有一些能力是前瞻性的，被动性是相当于开车时看后视镜的能力，这是我们过去已经做到的能力，比如过去有了多少顾客，他们买了什么样的产品，这个当然是我们业务当中非常重要的环节，也是必须要解决的问题。但是同时还要看机会在哪里，机会都是前瞻式的，机会就是我们要占领时代的潮流，我们能够预期客户的需求，包括通过一些预测式的模型进行预测和计算，在大家要某一种商品的那一天，我们发现商品早就放到了物流中心当中去，我们光靠一个人的能力很难进行前瞻性的预测。举几个例子，这些都是我们组织当中最关键的业务。

第一个是大数据的被动式的分析，这是比较经典的大数据商业智能，这边有许多企业都可以提供解决方案，我们要解决的是过去做了什么，U Mobile是马来西亚移动运营商，他们当时有一个挑战是怎么样很好的了解客户喜欢什么样的产品，他们希望实时获得数据，他们希望用户可以直接访问数据，而不用IT部门来获得报告，他们进行了可视化的分析，进行了大量数据的分析，他们可以提供企业级的应用给业务用户提供这些信息，关于用户喜欢什么样的产品，产品使用方式等等信息。

下面看大数据的商业智能，也就是说我如何能够把手中的数据获得更加精细的见解。当然基础是我手头现有的数据，通过分析了解我现在业务的现状，毫无疑问这个里面的工作绝大多数都是围绕顾客产生的信息。这边的例子是台湾的万泰商业银行，这是一个非常大型的商业银行的企业，占到市场份额的57%，他们想了解，在交易层他们的这些现金贷款的现状是什么样的水平，因为在今天作为现金贷款的主要的提供者，他们必须要通过这种息差进行创收，所以他们想知道自己的顾客借了现金贷款之后的还款状况是什么，这样就可以更好的以一种有优势的报价，挽留他们现在最优质的顾客，所以他们希望使用这种表格和图形，这种可视化分析的工具。能够实现企业内部的大数据商业智能的功能。

然后我们来看一看SAS最精通的领域，就是大分析的领域，大分析是SAS差异化的解决方案，这是我们给顾客带来的关于数据的洞见，我们对业务活动深入的理解，对顾客行为方式的深入理解，以及营销的质量控制。MARKTPLAATSBNL是荷兰的企业，是e-bay收购的企业，他们一个月在网上商务有650万的用户交易，他们想借助SAS的软件更好的看一看海量的结构化和非结构化的数据，来获得商业的洞察，他们还能把客户进行细分，他们想知道当下在网上交易的平台上，有多少人是在买儿童服装，最时髦的颜色是什么，这样就可以推出针对性的新款的服装，还可以做需求的预测，就是看看市场当中买卖的现状进行产品预测，而且还会关注这样的客户的终身价值，不这种价值的信息传给他们的商户，使商户能够更好的提出新的产品，也就是说通过分析能力获得顾客信息的洞察。

还有大数据的分析，我们怎么把量进行扩升，比如我们要看最详细的SKU，也就是库存量单位，我们想知道每个颜色包括每个品规、每件商品，我们要细到每个SKU，这边最好的例子是大型银行，这个大型银行是做贷款组合分析，今天他们必须把所有的数据按照帐户的层面进行汇总，这是非常冗长的分析流程，然后才可以预测出违约率。但是在今天，有了这种高性能的分析能力之后，同样的流程可以通过16分钟分析完毕，不是在帐户的层面而是按照交易层进行分析，他们能够有更深入的洞见，更好了解客户的行为方式，这边有个例子是印度证券交易委员会，他们每天有两亿笔交易，他们主要关注的是交易量当中，比如说猛增或者猛降，或者值得怀疑的交易，或者识别潜在的模式，或者识别欺诈性的交易员的交易，现在就可以把这样的数据全部上传到数据库当中，专门有SAS分析工具进行实时数据的监督实时的监测，进行分析的识别。

另外还有STAPLES公司是86年成立的企业，主要是办公用品的企业，也是全球在27个国家最大的办公用品的提供商，全球的营收达到270亿美元，他们用的是SAS工具，来了解他们顾客采购什么样的产品，通过什么渠道采购产品。在过去半年当中，我们看到零售商的商业模式发生了巨大的变化，零售商已经理解到，过去如果只看某一个单一渠道的分析没有效用，因为作为消费者来说，我们会通过各种各样的渠道进行采购，我们不希望只通过比如说网上进行采购，或者说只到门店采购，或者说只通过你给我的商品清单来下订单购买。我们所有的渠道都想使用，那么STAPLES开始使用我们的软件，把握他们所有渠道当中消费者采购的习惯，这样他们可以进行比较迅速的响应，而且他们非常的成功，他们现在已经成为企业了解产品想去找到的位置了，也就是说，不仅能够搜集你的消费者买卖的喜好，而且能够更好的了解他们采购行为的记录。这是我们要理解的四大领域，就是我们传统的商业智能，自助的功能，就是我直接通过可视化分析工具了解最新的现状，而不用每次通过IT部门获得信息报表。另外是大数据的分析，我们能够搜集更多的数据就可以分析出更多的洞察，但是首先要了解我的业务的现状，就是要获得大数据的智能。但是数据当中也有有用的数据和无用的数据，这个只能通过大数据的分析实现，我们就是使用这种有用数据所得出的商业洞见来指导我们的决策。

也就是说进行大数据大分析，才能实现规模经济和规模效应，同时这也是我们在过去几年当中一直致力于做的，这样这四个要素都可以聚集在一起，同时对于不同业务部门，对于不同的SAS产品不一样，下面我想简单谈一下SAS可以提供什么，我们的技术可以帮助你们进行管理你们的部署，同时满足客户的要求。

首先，就是我们所说的高性能的分析，也就是说大计算的方式。如果我们能够把商品、信息、硬件、软件进行分析，以一种最成本有效型、最经济有效型方式进行部署和应用，同时这也是我们花了很多研发资金，我们每年有25%的钱会放回到研发当中，这样我们才能一直领先于我们客户的需求，我们希望当我们的客户提出这样的需求，需要有这样新的能力的时候，我们就能给他提供，所以我们新的算法的开发，能够把所有的信息放到存储当中，同时进行大的集群的计算方法，然后帮助你实现可升级性，同时我们和思科、甲骨文、SAP和其他的公司进行合作，所有这些都是我们所说大数据生态系统的环节，我们希望能够实现集群的效应。同时我们每年推出高性能的分析，也就是说，把传统的SAS产品放在一起，可以有一定的灵活性来选择，然后根据企业需求处理数据。同时我也非常高兴的宣布，我们现在有高性能分析的平台，也就是说它可以在整个的存储或者记忆当中，把它和思科、甲骨文和其他的公司的部署环境、部署空间联系，然后来完全实现大数据的存储。更重要的一点是我们可以建立生态系统，我们做的这些东西加上云计算的集群，所有的这些放在一起。

另外在市场上当你说到数据存储的时候，你想四年以前，当时我们谈到大规模的数据库，然后作为你的数据仓库、数据存储，之后就是我们所说的进行不断的发展，同时我们也花了很多的投资，来建立这样分析型的数据仓库，过了两年之后我们又花了很多钱投资用于存储方式的变革。所以当我们建立起我们架构的时候希望给客户留灵活性，我们不知道将来新的存储技术什么样，以及这种存储技术对于企业向大数据的转型发挥什么样的作用，但是我们已经留出了这种空间实现大数据，而且我们的设计可以保证进行整个数据的处理。我们不仅仅是可以做这一点，也可以做右边的这一部分，可以把SAS整个高性能分析的产品放在一起，直接放在你大数据的需求当中，比如说你要建一个很大的数据仓库的话，把所有的架构都放进去，还有所有的信息放进去，我们的产品是可以支持的，同时可以用高性能的分析来做这个数据分析。

那么所有的这些计算能力和方法，以及决策的概念，都是需要你把信息从消费者那进行搜集，或者向消费者展示你的数据，这是我们做的业务可视化，业务可视化其实非常重要，有两个最主要的作用。第一个它有这个能力通过大数据让你可视化你的业务，以及来分析结果，那么对于人脑来说可以可视化整个业务，还有包括你有一些假定，都可以进行一些检测，实际上人脑能力比任何计算机能力都要强，所以通过可视化把大的数据建立起假设，然后通过高性能的分析进行验证和测试，这些是非常重要的。也就是说，你从数据当中可以直观的看到需要做哪一部分验证，第二我验证之后如何把它和业务客户进行交流，所以可视化设计非常重要，它可以通过直观的方式把信息传递给你的客户，我们现在很多的客户是移动的，我们希望在智能手机、平板电脑和其他上面都希望看到这些分析，所以通过可视化的业务，如果我们要做大分析大数据，必须要有直观的可视化的业务展示给市场。

我可以可视化了，可以计算了，这个数据能不能拿到，能不能进行管理，这也是很大的投资，比如说像数据的质量、数据的线性化，另外包括银行、医药公司都有自己的监管要求，数据到底从哪儿来，谁有这个数据，谁能更新最新的数据，所以信息管理和数据管理可以帮助到我们的客户。另外，这也是SAS过去30年一直致力于这方面的工作，来看信息管理会起到什么作用，现在实际上有很多东西可以在市场把数据放进去，但是实际上把数据输入很容易，但是输出就没有几个公司能做到了。

另外还有我们所说的，像数据历史的发展，比如说像IT，有时候大家会觉得搜集数据最好的方法就是把数据锁起来，但是我们希望信息在业务当中是自由的，就是每个人都可以获得他所需要的信息，这样才能快速的根据业务需求进行调整，这就是我们所说的管理历史数据，也就是说把数据不仅要输入还要输出，因为这个数据是从不同的数据源进来的，我们现在这种人口的数据，我们可以看到越来越多的汇集起来，比如数据媒体、第三方数据，这些都来自外部的数据，你把数据如何进行管理是很关键的，这也是我们所说的要进行这样的分析，进行数据管理的话就需要进行决策的管理，比如对于企业的决策者，这些活动怎么进行协调，怎么保证我们了解我数据处理的过程，这可能是我的分析师在做这种工作，或者说我整个业务决策怎么来执行，这也就是我们需要进行决策管理，决策管理可以帮助我们客户进行协调。我们在市场当中往往会发现，比如说我们有分析方面的规则，同同时还有商业方面业务的规则，但是有时候两者是脱钩的，所以这两者应该是结合在一起，这也就是我们决策管理所做的。

最后一点，大家都知道如果所有的这些都想做，把这个解决方案放到市场当中，那么就会有一些风险、欺诈这些问题，但是必须要把它放在云的架构当中，帮助你们IT部门，通过云平台帮助我们客户。所以我们做研究的时候其中有一部分，就是如何把我们东西放到云上进行部署，如何进行很容易的部署和实施，然后让我们的IT部门很快的进行可视化的业务，把它部署在你的云架构当中，不管是你的用户什么时候需要都可以提取，另外还有一点，就是我们这种可视化的业务，在部署的过程当中，你如何来降低它的整个部署成本，如何让它管理起来更加便捷、容易，还有一点也是我们所追求的一点，就是如何能够快速、敏捷实现创新，所以通过使用我们部署的蓝图，不管是公共云还是私有云，根据客户的需求，我们就可以再根据不同的应用进行定制化的产品，比如我们有一个很大的消费者的客户，他当时来找我们，那个客户说我们特别喜欢SAS做的东西，你们的这种分析框架和平台非常好，我们喜欢这个新技术，但是我们希望能够建立合作伙伴关系。所以我们在创新的实验室，他们进行创新研发的时候就会和SAS进行合作，然后和SAS在一起，他可以共同实现一些创新，我们可以很快的把他提出的新的东西、想法部署在我们的运用当中，这也是我们所希望的帮助我们客户实现的，就是实现很快的创新。

再举个例子，我们可以看到现在有这样的一个趋势，我们的客户很多的时候会把他的新的研发项目，然后放到外面的一些环境，他可能不用投资很多，他很快就把数据放进去部署他们的应用，然后他们想试一试，看他会不会有我们的投资回报，然后做一些小的试点项目，然后试完了以后再决定要不要进行规模化进展。你可以很快的建一个，管理一下，部署一下，看看结果是怎么样的。

所以SAS这五方面工作能够帮助我们，不仅是信息输入，还有信息的输出，然后通过大数据进行分析，同时还包括可视化业务，我们的信息管理、决策管理，通过这种方式可以进行协调，一旦前面几个步骤都完成以后，如何很快的把它放在我的私有云或者公共云当中，所以我觉得这是非常让人激动的时刻。同时我在SAS，在1984年的时候在SAS，当时我们做出了一个五年的规划，我觉得我在这个公司从来没有让我感觉到厌烦或者重复，我觉得每天我都会看到很多新的可以做的东西，新的机会、新的创新，可以从数据当中可以得到更多的东西，我非常感谢大家听我的发言，同时非常感谢大家参加我们中国用户大会。