SAS AutoML이 주도하는 분석 인사이트

SAS AI-Enhanced Analytics

 

SAS가 바라보는 확장된 AutoML

DATA • DISCOVERY • DEPLOYMENT
ORCHESTRATION

AI 가치 실현을 위한 SAS의 도전, 확장된 AutoML 전략으로 '데이터(Data)–분석(Discovery)–적용(Deployment)'에 이르는 분석 라이프사이클 및 의사결정 프로세스의 혁신을 지금 경험하십시오.

 SAS AutoML이 주도 하는 분석 인사이트

SAS AI 플랫폼의 핵심은 프로세스 자동화에 있습니다. 데이터 기반 의사결정이 비즈니스 타이밍에 맞게 이뤄 지기 위해서는 AutoML 분석 기능이 특정 영역이 아닌 ‘데이터(Data)–분석(Discovery)–적용(Deployment)’에 이르는 분석 라이프사이클 전반으로 확대되어야 하기 때문입니다.

SAS AI-Enhanced Analytics는 데이터 준비부터 모델 적용에 이르는 분석 라이프사이클 전 과정에 AutoML 기능을 적용, 이를 통해 기업은 분석의 적용 범위를 확대해 기존 경험하지 못하였던 더 많은 업무 시나리오에 분석 인사이트를 적용 조직의 분석 역량을 강화 할 수 있으며, 빠르게 분석 결과를 비즈니스에 반영하여 모델의 품질 및 생산성 향상 그리고 조직 전체로의 분석 적용 범위 확대할 수 있습니다.

분석 시간을 줄이고, 그 결과를 운영 시스템에 빠르게 적용하여 비즈니스 가치를 극대화하는 것. 이것이 바로 비즈니스 혁신을 주도하는 SAS AI-Enhanced Analytics 전략입니다.

데이터 (DATA)

SAS AI-Enhanced Analytics는 데이터 구조, 크기, 데이터 저장 속도에 관계없이 모든 데이터에 빠르게 접근하여, AI 기반의 통합 데이터 품질 개선 및 데이터 프로파일링 도구를 사용하여 데이터 준비를 간소화하고 데이터 품질을 높입니다. 이를 통해 사용자는 IT 부서의 도움을 최소화하면서 분석 데이터 전처리 작업의 생산성과 속도를 획기적으로 개선합니다.

데이터 준비(Data Preparation) 

효율적인 분석을 위해서는 데이터 연동 및 가공, 품질 개선 등을 거쳐 분석에 적합한 데이터를 생성해야 합니다. 데이터 준비 과정에서는 자동 프로파일링 기능으로 데이터의 패턴 및 품질 이슈를 쉽게 파악합니다. 또한, 데이터 품질 개선 추천 기능을 통해 자동화된 방법으로 데이터 품질 이슈를 빠르게 파악하고 품질을 개선합니다.

분석 (DISCOVERY)

데이터를 분석하고 모델을 생성하는 과정으로 탐색과 발견, 확률과 예측, 최적의 의사결정 등을 포함합니다. SAS AI-Enhanced Analytics는 분석 과정에서 다양한 자동화, 추천 및 AI 기반의 지능형 모델 생성 기능을 제공합니다. 이를 통해 기업은 빠르게 조직의 분석 역량을 높이고, 분석의 품질과 생산성을 높여 다양하고 광범위한 비즈니스 문제에 민첩하게 대응할 수 있게 됩니다.

시각화 (Visualization)

시각적 기법을 통한 직관적인 데이터 탐색, 분석 결과의 시각적 표현 및 결과 공유 기능을 제공합니다. 원클릭만으로 데이터를 의미 있게 분석해주는 자동 설명 기능과 시각화 그래프 추천 기능 등으로 분석의 효율성을 크게 향상시켜 줍니다.

모델링 (Intelligent Modelling)

모델링은 피처(feature, 변수)를 생성하고 최적의 모델을 생성하는 과정입니다. 최근 시장에서 AutoML이 모델링의 진화된 방법으로 주목 받고 있습니다. AutoML은 AI의 도움을 받아 자동으로 모델을 만드는 것을 의미합니다.

지능형 결과 해석 (Model Interpretability & Explainability) 

머신 러닝과 AI 기술이 발전하면서 복잡한 DNN(Deep Neural Network, 심층 신경망)의 형태나 다양한 모델들을 조합하는 등 모델이 매우 복잡해졌습니다. 이처럼 복잡한 머신 러닝 모델을 ‘블랙박스(black-box) 모델’이라고 부릅니다. 이 모델을 쉽게 이해하고 해석할 수 있도록 돕는 기능이 중요합니다.

적용 (DEPLOYMENT)

개발된 모델은 프로덕션 환경에 빠르게 투입되어야 합니다. SAS의 강력한 모델 관리 기능을 이용해 모델 생성, 최적의 모델 선정, 배포까지 쉽고 빠르게 진행할 수 있습니다. 특히 한번의 모델 구축을 통해 재코딩 작업 없이 어디에나 모델을 배포하고, 통합 코드 베이스로 시간과 업무를 획기적으로 줄일 수 있습니다. 모델이 운영 환경에 적용된 후 시간이 지나면서 그 효용을 상실하거나 잘못된 결과를 산출하기 시작합니다. 따라서 모델의 시작 단계에서부터 사용, 폐기에 이르는 전 과정을 모니터링하고, 필요한 경우 재학습하여 모델을 개선해야 합니다.

모델 적용(Model Deployment)

SAS AI-Enhanced Analytics는 모델 운영에 필요한 확장성과 거버넌스를 제공합니다. SAS의 시각적인 웹 기반의 인터페이스를 이용해 분석 모델을 손쉽게 등록, 수정, 적용 및 모니터링할 수 있습니다. 또한, 후보 모델을 개발 및 검증하여 평가한 후 최종 모델을 선정하고, 최종 선택된 모델을 게시하고 모니터링하여 최상의 성능을 보장할 수 있습니다.

AI 가치 실현을 위한 SAS의 도전
언제, 어디서나, 누구나 분석이 가능한 세상

기업의 목표는 분석이나 AI 구현이 아닙니다. 기업의 비즈니스 가치를 실현하기 위한 수단입니다. SAS AI-Enhanced Analytics는 분석에 대한 높은 생산성과 빠른 비즈니스 적용으로 운영에 속도를 더하고 누구나 손쉽게 분석이 가능하도록 지원 함으로써 기업은 AI를 통한 비즈니스 가치를 극대화하고, 지속가능한 비즈니스 혁신을 이룰 수 있을 것입니다.

지속 가능한 비즈니스 가치 실현

분석의 가속화

분석에 소요되는 시간을 단축하여 인사이트를 빠르게 업무에 적용할 수 있습니다.

운영의 가속화

운영 시스템을 효율화하고 셀프러닝을 통해 스마트한 상태를 유지하도록 지원합니다.

분석의 대중화

 분석 능력에 상관없이 모든 사용자가 비즈니스 가치를 실현할 수 있습니다.

AI 도입이 가속화되면서 그 어느 때보다 많은 분석 모델이 개발되고 있지만 개발 단계를 넘어 실제 비즈니스에 적용되는 모델은 여전히 제한적인 것으로 확인되었습니다. 데이터 준비에서 모델 배포까지 시간이 많이 소요될수록 의사결정은 그만큼 늦어지고, 결과적으로 비즈니스 기회 또한 잃게 될 가능성이 높습니다.

아무리 좋은 분석 모델을 개발해도 실제 비즈니스 환경에 맞게 이를 운영하지 못한다면 ‘분석의 최종 단계’인 비즈니스 가치 창출에 실패하는 것입니다.

SAS는 기업이 더 많은 데이터를 준비해서 더 빠르게 모델을 구축하고, 이를 신속히 업무에 적용할 수 있도록 지원함으로써 비즈니스 기회 손실을 최소화 합니다. 나아가 분석 라이프사이클을 비즈니스 의사결정 프로세스에 통합하고, 지속적인 모델 모니터링과 비즈니스 영향 점검 등 일련의 과정을 통해 기업의 비즈니스 가치 실현을 가속화 합니다. 개방형 플랫폼에서 분석 시간을 줄이고, 그 결과를 운영 시스템에 빠르게 적용하고, 사용자 모두 손쉽게 분석을 진행함으로써 비즈니스 가치를 극대화하는 것. 이것이 바로 비즈니스 혁신을 주도하는 SAS AI-Enhanced Analytics만의 차별점 입니다.

AutoML이 주도 하는 분석 인사이트 - AI-Enhanced Analytics

AutoML 개념을 크게 확장하여 분석 프로세스 전반(데이터 - 분석 - 적용)에 도움을 제공하는 다양한 머신러닝 자동화 기술을 지원하는 SAS만의 AI-Enhanced Analytics를 소개합니다. 전문가를 위한 엔터프라이즈 기능과 일반 사용자를 위한 분석 편의 기능은 물론이고, 전문가와 일반 사용자 간의 협업 기능 제공을 통해, 사용자는 AI 기반 의사결정 지원을 더욱 빠르고 효율적으로 진행할 수 있습니다.

성공적인 AI 모델 구현: CIO를 위한 10가지 팁

인공 지능(AI)은 디지털 트랜스포메이션의 핵심입니다. AI를 성공적으로 배포하기 위해서는 조직의 획기적인 변화가 필요합니다. 이를 위해 주요 정보 책임자(CIO)들은 조직의 성공적인 변화를 위하여 다양한 변화를 모색해야 합니다. 비즈니스 성과에 초점을 맞추고, 협업 팀 구성 모델을 수용하며, 적응형 모델 개발과 구축 방식을 도입하여 변화를 주도해야 합니다.

인간과 인공지능(AI) 간의 의사소통에 대해 알아야 할 모든 것

기업의 목표가 무엇이든, 인간과 기계가 동일한 언어를 소통하고 분석되는 데이터에서 의미를 발견하려면 자연어 처리(NLP)가 필요합니다. 자연어 처리(NLP)를 통해 기계는 지속적으로 증가하는 대량의 데이터를 신속하게 선별하여 주요 아이디어와 주제를 식별하고, 떠오르는 트렌드를 발견하고, 감성분석으로 단어 간의 상관 관계를 식별 할 수 있어야 합니다.

인공지능(AI)은 어떻게 산업의 미래를 바꾸는가:
지능형 조직으로 나아가기 위한 새로운 과제

인공지능(AI)을 성공적으로 구현하기 위해 리더들이 대비해야 하는 변화는 무엇인가? AI는 CIO와 CTO에게 새로운 과제를 안겨줍니다. AI 도입은 CIO와 CTO의 다양한 기술 관련 의사 결정 과정에서 많은 영향을 끼칠 것입니다. CIO와 CTO들은 인프라와 사이버 보안에서부터 데이터 관리 및 개발 프로세스에 이르기까지, 다양한 영역의 기반 기술 역량을 강화하는 데 우선적으로 집중해야 합니다.

분석을 활용한 AI 투자 효과 극대화 방법

기업이 제품과 서비스를 운영, 확장 및 차별화하는 데 있어 분석을 실용화하는 능력은 그 어느 때보다 중요해졌습니다. 기업은 복잡한 비즈니스 문제를 해결하기 위해 AI의 잠재력을 탐구하는 동시에 자동화된 모델 생산 프로세스를 통해 모델을 통제 가능하며 신뢰할 수 있는 관리 방법을 찾아야 합니다.

예측, 이상과 현실의 차이

예측 결과는 우리가 원하거나 필요로 하는 만큼 정확하지 않은 경우가 많습니다. 그래서 돈을 투자하면 문제가 사라질 것이란 유혹에 흔들립니다. 하지만 제대로 된 결과를 얻은 기업을 찾기는 쉽지 않습니다. 과연 예측이란 무엇이며, 어떻게 이해하고 접근해야 할까요? 예측, 이상과 현실의 차이에 대해 확인해보세요.

Data for Good

아마존 삼림 보호를 위한
SAS 크라우드소싱 AI 프로젝트

아마존은 세계에서 가장 큰 열대 우림입니다. 전 세계 생물 다양성의 최소 10% 이상이 서식하는 아마존은 수많은 동식물의 생명처일 뿐 아니라 지구의 허파로 불릴 만큼 인간의 삶에도 아주 소중한 곳입니다.

아마존 삼림 보호를 위하여 전 세계 수천 명의 지원자가 이미지를 보고, 이미지 분류에 도움을 주고 있습니다. 누구나 참여하여 모델을 훈련시킬 수 있습니다. 아마존을 보호할 수 있는 작지만 소중한 실천입니다. 

Virtual SAS® Global Forum 2020
SAS Event Highlights

Back to Top