SAS ModelOps helpt bij in productie nemen van analytische modellen

SAS, specialist in analytics, heeft ModelOps ontwikkeld voor het beheer, implementatie, monitoring en governance van zowel SAS- als opensource analytische modellen. Volgens onderzoeksbureau IDC slaagt slechts 35 procent van de organisaties erin om analytische modellen volledig in productie te nemen.

ModelOps voorkomt dat inspanningen rondom het maken van analytische modellen een maat voor niks zijn geweest en gaat daardoor meteen ook geldverkwisting tegen. Organisaties investeerden dit jaar alleen al voor ruim 189 miljard dollar in analytics, waarvan het overgrote deel niet of niet volledig in productie is genomen.

SAS helpt naar eigen zeggen organisaties met de zogenaamde ‘last mile’ van het analytics-proces en het realiseren van de bedrijfsdoelstellingen door middel van nieuwe oplossingen, diensten en opleidingen.

ModelOps Health Check Assessment

ModelOps is een nieuw totaalpakket dat SAS Model Manager-software en adviesdiensten combineert. Bovendien bieden de bijbehorende op maat gemaakte adviesdiensten extra toegevoegde waarde voor een snel resultaat. De op zichzelf staande adviesdienst ModelOps Health Check Assessment helpt organisaties met hoe ze het in gebruik nemen van de analytische modellen kunnen optimaliseren.

“Veel organisaties streven naar een datagedreven cultuur, maar hebben moeite om de voorgestelde veranderingen die de data aantonen daadwerkelijk door te voeren. Het uiteindelijke doel is om echte bedrijfswaarde te halen uit investeringen in analytics, maar veel bedrijven bereiken die waarde nooit. Bovendien worstelen sommige ook met de zogenaamde ‘last mile’ van het implementeren, operationaliseren en in gebruik nemen van analytics”, zegt Dan Vesset, Group Vice President Analytics & Information Management bij IDC. Hij ziet het onvermogen om analytics daadwerkelijk in de praktijk te gebruiken als een van de grootste uitdagingen van organisaties in verschillende sectoren.

Analytics-gedreven beslissingen

Jim Goodnight, CEO van SAS, heeft daar een verklaring voor: “Dit komt omdat niet data de drijvende kracht is van een organisatie, maar beslissingen. Iedereen weet dat analytics-gedreven beslissingen beter zijn. Analytische modellen helpen met de detectie van creditcardfraude, risicoreductie bij banken of bijvoorbeeld het verbeteren van de klanttevredenheid.”

Het aantal analytics-oplossingen en -modellen zal exponentieel groeien als meer organisaties AI en machine learning gaan inzetten als bedrijfsmiddelen. Dat is de afgelopen jaren al gebleken door de toenemende ontwikkeling van analytische modellen voor het oplossen van bedrijfsvraagstukken. Echter het implementeren daarvan en governance blijken vaak nog een hindernis te zijn. 

Direct vanuit het lab in productie

ModelOps biedt daar nu een oplossing voor, waardoor analytische modellen, die wellicht anders op de plank zouden blijven liggen, alsnog in productie worden genomen. De oplossing maakt het mogelijk om analytics-modellen zo snel mogelijk uit ‘het lab’ van de data scientists naar de productieomgeving te brengen. Dit gebeurt op basis van een regelmatig gecontroleerd proces van updates en implementaties, waarbij analytische modellen naar behoefte worden beheerd, opgeschaald, gecontroleerd en getraind.