Steigern Sie die KI-Produktivität mit SAS Viya®
Eine neue, von der Futurum Group in Auftrag gegebene Studie, hat die Produktivität von SAS Viya im Vergleich mit einer konkurrierenden kommerziellen Plattform und einem nicht-kommerziellen Ansatz gemessen.
Die Studie ergab, dass Daten- und KI-Teams, die SAS Viya verwendeten, im Durchschnitt 4,6-mal produktiver waren.
In der Studie arbeitete das Team mit Analysedaten einer typischen Kundenabwanderung und einem KI-Phasenmodell.
Überzeugen Sie sich selbst, wie produktiv die Teams beim Einsatz von SAS Viya im Vergleich zu den Alternativen waren.
Zeit zum Vervollständigen der untersuchten Daten und des KI-Phasenmodells/der Lebensdauer.
SAS Viya-Daten und KI-Lebenszyklus sind 4,6x schneller.
Produktivitätsherausforderungen im Daten- und KI-Lebenszyklus.
Komplexität, Werkzeuge und Ressourcen
Moderne Organisationen aller Branchen arbeiten zunehmend datengesteuert und nutzen Daten zur Entscheidungsfindung, zur Bereitstellung strategischer Erkenntnisse, zur Entwicklung neuer Produkte und zur Förderung von Innovationen.
Durch die Beschleunigung des Weges von Daten zu Entscheidungen konnten Unternehmen ihre Produkte schneller auf den Markt bringen, sich flexibler an Marktbedingungen anpassen, ihre Betriebskosten senken und besser auf Kundenbedürfnisse eingehen. Durch die Nutzung von Daten und KI können Unternehmen letztendlich ihre Wettbewerbsfähigkeit und Kosteneffizienz steigern.
Der End-to-End-Prozess der Umwandlung von Daten in Entscheidungen wird als Daten- und KI-Lebenszyklus bezeichnet.
Das Lebenszyklus umfasst typischerweise drei Kernphasen – Datenverwaltung, Modellentwicklung und angewandte Erkenntnisse. Diese Schritte bilden einen fortlaufenden, iterativen Prozess, der die Zusammenarbeit zwischen Datenwissenschaftlern, Dateningenieuren und MLOps-Ingenieuren erfordert. Zunehmend können auch zusätzliche Beteiligte wie Unternehmensanalysten oder Ethikspezialisten erforderlich sein, was die Notwendigkeit einer effektiven Zusammenarbeit noch weiter verstärkt.
Die mit dem Daten- und KI-Lebenszyklus verbundenen Aufgaben und die Teamproduktivität werden häufig durch den erforderlichen Zeit- und Komplexitätsaufwand sowie die erforderlichen Ressourcen beeinträchtigt.
Jede Phase des Daten- und KI-Lebenszyklus bringt einzigartige Herausforderungen mit sich, die oft erheblichen Aufwand, komplexe Tools und Teams aus erfahrenen Datenexperten erfordern.
Manage data
What: Data access, preparation and governance
Who: Data engineer
Develop models
What: Build, optimize and validate AI models
Who: Data scientist
Deploy insights
What: Deploy, monitor and retrain models
Who: MLOps engineer
Die Überwindung dieser Hindernisse kann die Produktivität deutlich steigern und zu schnelleren Entscheidungen, Innovationen, Kosteneinsparungen, höheren Umsätzen und Wettbewerbsvorteilen führen.
- Die Futurum-Gruppe
Um diese Herausforderungen zu bewältigen, greifen Organisationen auf verschiedene Ansätze zurück, die sowohl kommerzielle als auch nichtkommerzielle Daten umfassen.
Während nichtkommerzielle Tools auf Basis von Open-Source-Technologien erhebliche Funktionalität bieten können, ist für ihre Implementierung und – was am wichtigsten ist – deren Erwerb häufig beträchtliches Fachwissen erforderlich.
Kommerzielle Plattformen nutzen in der Regel die Cloud, um die Zusammenarbeit zu verbessern und den Verwaltungsaufwand zu reduzieren, während sie gleichzeitig integrierte Funktionen und Automatisierung bereitstellen, um den Lebenszyklus zu optimieren.
Zwar sind auf dem Markt zahlreiche Daten- und KI-Plattformen verfügbar, ihre Funktionalität und ihr Gesamteinfluss auf die Produktivität variieren jedoch.
4,6-mal mehr Produktivität mit SAS Viya
Die Futurum Group hat eine praktische Evaluierung von drei unterschiedlichen Datenumgebungen durchgeführt – SAS Viya, eine wettbewerbsfähige kommerzielle Daten- und KI-Plattform und ein nicht-kommerzieller Ansatz, bei dem verschiedene beliebte Open-Source-Technologien verwendet wurden – um die Auswirkungen zu messen, die Daten- und KI-Plattformen auf die Produktivität im gesamten Daten- und KI-Lebenszyklus haben.
Die Ergebnisse der Studie zeigten, dass SAS Viya die Produktivität in jeder Phase Daten- und KI-Lebenszyklus verbesserte. Der Schlüssel zum Produktivitätsvorteil von SAS Viya war die Messung der für die Erledigung jeder Aufgabe benötigten Zeit.
Die Bewertung wurde durch die Durchführung einer End-to-End-Analyse der Kundenabwanderungsprognose, einem gängigen Anwendungsfall für viele Branchen, in jeder Umgebung erreicht. Die Tests wurden von drei Analysten der Futurum Group durchgeführt, denen bestimmten Rollen zugewiesen wurden - einem Data Engineer, einem Data Scientist und einem MLOps-Ingenieur – die für die Erledigung der Aufgaben verantwortlich waren, die auf die drei Phasen des Daten- und KI-Lebenszyklus abgestimmt waren. Zusätzlich bewertete ein vierter Analyst jede Plattform anhand einer Business-Analyst-Persona, um zu messen, ob die Aufgaben von einer nicht-technischen Ressource erledigt werden konnten.
Tests haben gezeigt, dass mit SAS Viya ein durchgängiger Daten- und KI-Lebenszyklus erreicht werden kann und die Produktivität von SAS Viya im Vergleich zu Konkurrenzlösungen mehr als viermal höher ist. Die Produktivitätssteigerungen von SAS Viya verringern nicht nur die Belastung der Daten- und KI-Teams, sondern können auch zu erheblichen Kosteneinsparungen führen.
- Die Futurum-Gruppe
Neben der Zeitersparnis stellten die Analysten der Futurum Group bei der Bewertung von SAS Viya im Vergleich zu den Lösungen der Konkurrenz mehrere wichtige Produktivitätsvorteile fest:
Vervollständigung Daten- und KI-Lebenszyklus ohne Programmieraufwand
- aktivierte Teilnahme von Benutzern mit allen technischen Hintergründen, wodurch die Plattform für die Zusammenarbeit geeignet ist und ein reibungsloser Übergang zwischen den einzelnen Phasen des Lebenszyklus ermöglicht wird.
- Verkürzt die Lernkurve für komplexe Daten- und KI-Aufgaben.
- Beseitigt die Abhängigkeit von einer komplexen Programmierbibliothek.
- Obwohl keine Codierung erforderlich ist, bietet Viya die Flexibilität, Aufgaben nach Wunsch mit SAS-, Python- und R-Code abzuschließen, sodass technische Experten die Tools verwenden können, mit denen sie am besten vertraut sind.
Höhere Erreichbarkeit durch nicht-technische Ressourcen
- 86 % der gesamten Daten und des Daten- und KI- Lebenszyklus konnten von einem Business-Analysten erreicht werden – eine um 30 % höhere Abschlussrate als beim nächstbesten alternativen Ansatz.
- Der Einsatz weniger erfahrener Ressourcen ermöglichte eine größere Personalflexibilität und den Zugriff auf einen größeren Talentpool.
- Gibt erfahrenen Datenpraktikern Zeit, sich auf neue Innovationen zu konzentrieren, darunter einen durch generative KI verbesserten Workflow.
- Eine stärkere integrierte Visualisierung und Automatisierung der Prozessfähigkeit ermöglichten Produktivitätssteigerungen in jeder Phase des Daten- und KI-Lebenszyklus.
Geringere Komplexität im gesamten Daten- und KI-Lebenszyklus.
- 96 % der in SAS Viya erledigten Aufgaben wurden von den Analysten der Futurum Group als „geringe Komplexität“ eingestuft. Keine Aufgabe wurde als „hochkomplex“ eingestuft.
- Nur 50 % der Aufgaben auf der kommerziellen Konkurrenzplattform und 30 % der Aufgaben auf der nichtkommerziellen Plattform wurden als „geringe Komplexität“ eingestuft, während 17 % in beiden Lösungen als „hohe Komplexität“ eingestuft wurden.
- Durch die Verringerung der Komplexität wird die Effizienz bei der Erledigung von Aufgaben erhöht und die Lernkurve für die Einarbeitung neuer Benutzer verkürzt.
SCHLUSSFOLGERUNG
Produktivität in Daten- und KI-Angelegenheiten
Für datengesteuerte Organisationen ist die Produktivität ihrer Daten- und Analyseteams für die zentralen Geschäftspraktiken von entscheidender Bedeutung. Die von diesen Teams verwendeten Tools können erhebliche Auswirkungen haben. Das aktuelle Marktumfeld bietet Organisationen eine Vielzahl von Ansätzen, von nicht-kommerziellen Tools bis hin zu kommerziellen Daten- und KI-Plattformen mit verschiedenen Funktionen und Fähigkeiten.
In dieser Studie wurden die Produktivitätsunterschiede bei der Vervollständigung der Daten und des Daten- und KI-Lebenszyklus anhand von drei unterschiedlichen Daten- und KI-Plattformen bewertet. Dabei wurde festgestellt, dass SAS Viya sowohl gegenüber kommerziellen Plattformen als auch gegenüber nicht-kommerziellen Lösungen erhebliche Produktivitätsvorteile bietet.
Gesamt:
Es stellte sich heraus, dass SAS Viya im gesamten Daten- und KI-Lebenszyklus eine 4,25-mal höhere Produktivität erzielte als die nächstbeste getestete Lösung.
SAS Viya erwies sich als intuitive Plattform, die die Lernkurve für neue Benutzer deutlich verkürzt und die Produktivität nicht-technischer Benutzer steigert.
Diese Ergebnisse, kombiniert mit den vorherigen Tests der Futurum Group, die ergaben, dass SAS Viya eine 30-fache Leistungssteigerung gegenüber Konkurrenzlösungen bietet, zeigen, dass SAS Viya insgesamt erhebliche Vorteile bietet. Die Kombination aus erhöhter Produktivität und schnellerer Berechnung bietet eine hocheffiziente Plattform, die datengesteuerten Organisationen einen erheblichen Mehrwert bieten kann.
Die Auswahl einer optimalen Daten- und KI-Plattform ist von entscheidender Bedeutung, um es Unternehmen zu ermöglichen, den Daten- und KI-Lebenszyklus effizient zu nutzen, um ihre Geschäftsziele zu erreichen. Diese Studie ergab, dass SAS Viya eine Daten- KI-Plattform bietet, die starke technische Prozessfähigkeit mit einer intuitiven Schnittstelle kombiniert, die in der Lage ist, Daten schnell und effizient in Entscheidungen umzuwandeln.
