京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SAS 引领大数据分析新浪潮_数据分析师
2014 SAS中国用户大会暨商业分析领袖峰会在京举行
中国北京,—今天,以“大数据分析—知变与机遇”为主题的第二届SAS中国用户大会暨商业分析领袖峰会在北京圆满落幕。近千位SAS全球大数据专家、SAS中国用户、合作伙伴、学者、媒体与行业分析师齐聚一堂,探讨大数据分析技术趋势与应用热点等话题,发掘大数据大分析的未来机遇。
精英云集 智慧碰撞
此次峰会在SAS大中华区总裁吴辅世先生的致词中拉开帷幕。他表示:“大数据已然是目前主导商业领域的最热门发展趋势之一。在全球数据总量呈指数增长同时,我们也思考如何利用大数据带来的巨大机遇,创造实实在在的价值。SAS认为数据创造价值体现在三个层面:差异化、创新和转型。了解过去,掌握现在,预测未来,是达到业务差异化的基本,也是成就创新的源动力,更是真正达成转型的要点。而这三大目标的实现都离不开强劲的分析技术,高性能分析成为释放大价值的关键。今天,借助SAS论坛这一平台,我们将深入剖析大数据如何助力各行业企业成功转型及把握机遇。”
《经济学人》亚洲区信息通讯行业首席分析师Ross O'Brien在演讲中表示:“中国经济正在经历转型,虽然增速放缓,但是增长质量更高,应当抓住经济增速放缓的机遇推进经济转型,并着重发展数字经济。中国正在被国内外科技领军企业视为尖端科技研发的首选停靠港,‘全球创新中心’的地位正在逐渐树立中。在席卷全球的大数据浪潮中,利用大数据驱动IT创新成为中国发展新机遇。十二五专项规划中关于发挥地方政府积极性,增加对高新技术产业集群以及相关基础设施投入的指示,也将为大数据在本地的发展注入动力。”
2014年,“大数据”作为一个技术热词的吸引力将消散,新的相关技术和应用层出不穷。分布式计算开源框架Hadoop成为创新热点之一。SAS大数据研究与发展全球副总裁Paul Kent先生在主题演讲中表示,随着数学计算正在不断向前发展,新一代的分析平台Hadoop等采用了海量并行集群技术。通过将数据分布到多个节点,然后将分析计算任务发送到这些数据上,而不是采用其它的传统技术,就可以快速拥有极为强大的计算能力。通过转变成这种新型的计算方式,可以在全量数据上展开交互式的可视化数据探索,同时轻松使用那些以前难以驾驭的先进分析模型。
互联网和移动设备支持的数字技术拓宽了营销渠道,重塑了整合营销。SAS全球整合营销管理业务咨询总监Rene van der Laan认为:“大数据的时代,企业得以采集渠道多样、类型丰富的客户数据,并据此判断顾客喜好。仅仅获取是不够的,还要对数据进行有效的挖掘和分析,并以近乎实时的速度做出决策。在细分群体基础上采取针对性行动,发掘客户新需求,进行个性化营销和业务创新,这都是大数据为整合营销带来的便利与新变化。”
此外,针对行业的讨论也是大会的一大重点。就电信业而言,4G时代网络数据和服务将呈现井喷式爆发。手机和平板电脑取代PC成为主流的互联网接入设备,带来了数据流量大幅度的增加,这给电信运营商带来了巨大的机遇和挑战。大会专题讨论着眼于刚刚启幕的4G时代,讨论如何对网络进行有效的预报和优化,为客户提供畅通的网络服务,并着眼于客户需求,提供定制化服务。
SAS全球保险行业解决方案资深顾问Stuart Rose先生莅临现场,带领与会嘉宾进入“保险行业大数据分析的成功之旅”。Rose先生指出,大数据时代,保险行业面临新机遇:更充足的数据为开展精准营销开辟新途径,也为精准定价提供了依据。风险智能更是大大提升保险业风险识别和反欺诈的能力。车载信息技术等新技术的出现,加快了保险企业对于大数据分析和云技术的应用。未来大数据分析在保险业的应用还将更为深入和广泛,保险企业对于数据的驾驭能力也将成为其核心竞争力之一。
持续创新 引领变革
SAS每年将营收的约25%投入到研发中,通过持续创新为数据分析的升级换代注入源源不断的动力。据IDC报告显示,全球越来越多的企业对SAS高级分析产品的依赖超过任何其他品牌。SAS在高级分析软件市场上的份额为36.2%,较2012年的35.3%进一步上升,比所列举的其他主要高级分析软件厂商的全部市场份额还高。
本届大会设置10余个SAS创新产品互动体验区,展示SAS最新科研成果。
- SAS可视化分析(SAS® Visual Analytics):基于强劲内存分析技术的新版本SAS可视化分析解决方案能够帮助客户快速锁定新的商业机遇。不管企业规模大小,客户都可以通过部署SAS可视化分析获取商业价值。SAS与Hadoop生态系统中知名公司Cloudera和Hortonworks展开了战略合作,客户可以在云环境中使用可视化分析。
- SAS客户智能(SAS® Customer Intelligence)升级后的SAS客户智能解决方案可采集来自社交网络、移动设备和电商平台等多渠道的更丰富客户数据,在分秒间以“一图胜千言”的直观方式展现分析结果,驱动更优决策,帮助营销人员进行精准营销,创造多渠道互动。
除了对产品进行不断升级完善,SAS紧随行业潮流,强化科研,实现新一轮技术突破与创新。
- SAS® In-Memory Statistics for Hadoop:2014年,SAS将提供基于SAS内存分析技术,并适用于开源框架Hadoop的交互式分析编程环境的SAS In-Memory Statistics for Hadoop,为大数据分析提供更有力的工具。
- SAS® Visual Statistics:此外,即将在七月正式面世的SAS® Visual Statistics,帮助统计工作者和数据科学家通过部署表格界面,快速分析任意规模的复杂数据。由SAS可视化分析驱动的SAS® Visual Statistics协助用户及时发现变量之间的关联性并迅速做出利于收益的商业决策,允许多名用户在大量多样化数据基础上建立和改进预测模型,并进行包括回归、聚类和分类等多种类型的分析。新软件搭载在革命性的SAS内存架构中,一次载入数据便能应用到多次反复的分析任务中。
成立三十八年以来,SAS一直致力于为行业用户提供最前沿的技术和见解,推动大数据分析在行业内的技术变革与应用创新。出席此次论坛的中国用户均对SAS的创新力与可信赖的解决方案赞誉有加,并期待与SAS一起用大数据分析抓住无限商机。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01