Operationalizing Analytics

Drive unlimited value from analytics using ModelOps.

Get From Data to Decisions Faster

Every day you make decisions that affect your business. Analytically driven decisions help you make the best choice every time. With SAS, you can operationalize analytics to drive innovation and value from your data science ambitions.

알고 계셨나요?

많은 기업들이 강력한 분석 모델을 개발하지만 대부분은 빛을 보지 못합니다.
그 이유는 실용화의 마지막 단계를 넘기지 못하기 때문입니다.

50% 미만

최고의 모델들을 제작해도 실제로 배포되는 것은 50% 미만입니다.


모델 중 90%가 배포하는 데 3개월 이상이 소요됩니다.


모델 중 44%가 프로덕션 환경에 투입되는 데 7개월 이상이 소요됩니다.

Operationalizing Analytics

The Challenges

  • Putting models into production involves multiple manual steps and processes.
  • Without a structured process for coordinating resources across analytics, IT and the business, it's impossible to deliver relevant, interactive, automated decisions at scale.
  • The lack of proper monitoring and governance of AI assets reduces transparency and trust.

분석 기술 실용화

당면 과제

기업들은 분석 팀, IT 부서, 그리고 일선 부서의 리소스를 조율할 수 있는 구조화된 프로세스가 제대로 갖춰져 있지 않은 탓에 분석 기술을 실용화하는 데 흔히들 어려움을 겪습니다.

The Benefits

  • Seamlessly move to production by deploying SAS or open source models in batch, streaming, cloud or edge devices.
  • Execute on the best decision every time with explainable outcomes and complete visibility of the analytics life cycle.
  • Ensure transparency with centralized governance and monitoring of all analytics assets – including open source.
  • 수동 프로세스가 확장성을 저해합니다.
  • 모델 성능을 자동으로 모니터링할 수 없습니다.
  • 프로덕션 단계에서 데이터 특성을 수작업으로 다시 제작해야 합니다.
  • 통합 기술이 부재하여 탐색 작업과 배포 작업을 각기 따로 수행해야 못합니다.
  • 모델을 배포하려면 다른 언어로 직접 재코딩해야 합니다.
  • 모델이 너무 복잡하여 대규모로 사용할 수 없습니다.
  • 모델의 품질이 저하되는 경우에도 모델 재교육이 거의 이뤄지지 않습니다.
  • 거버넌스와 문서화 작업의 부재로 인해 재작업이 불가피합니다.

Why operationalize analytics?

Gain faster, greater business value by conquering analytics' last mile.

The Analytics Life Cycle

DataOps • Artificial Intelligence • ModelOps

Operationalize Analytics at Speed With ModelOps

ModelOps is a holistic approach for rapidly and iteratively moving models through the analytics life cycle for faster deployment to deliver expected business value. A ModelOps approach gets analytics out of the lab and into use, enabling you to conquer analytics' last mile.


ModelOps focuses on getting AI models through validation, testing and deployment as quickly as possible while ensuring quality results. It also focuses on ongoing model monitoring, retraining and governance to ensure peak performance and transparent decisions.​


Ensure models will perform as expected in the real world​.


Embed models into operational systems and monitor them​.


Make sure decisions are safe and transparent over the life of the model.


Integrate business rules to ensure up-to-real-time results.

Look Who's Working Smarter With SAS

  • Programming in multiple interfaces

    An automotive dealer fosters collaboration on model development by enabling people to program in multiple interfaces in the language of their choice.

  • Deploying and monitoring 1,900 models

    A large manufacturer of paper goods increases efficiency by using SAS to deploy and monitor 1,900 models multiple times a second.

  • Optimizing the use of medical resources

    A medical facility monitors and adjusts models in real time to optimize the use of medical resources like ventilators and hospital beds.

  • Creating superior real-time customer experiences

    A telecommunications company creates efficient, superior, real-time customer experiences via the customer's preferred channel.

    분석 기술 실용화에 대해 자세히 알아보세요.


    ModelOps를 통해 모델 배포 방법을 재정의하여, 가장 어려운 마지막 분석 단계를 통과하는 법을 알아보세요.

    E-Book 읽기

    분석 정보 기사

    게임 회사인 Wargaming이 일일 분석 데이터의 양을 테라바이트 단위로 늘릴 수 있게 된 비결을 살펴보세요.

    기사 읽기


    통합 플랫폼이 다양한 데이터와 분석 기술을 통합하여 실질적인 가치를 어떻게 창출하는지 알아보세요.

    백서 다운로드

    분석 분야의 리더인 SAS 솔루션으로 시작하십시오.