在這項研究中，團隊模擬執行了一個典型的客戶流失分析，涵蓋了數據與 AI 的完整生命週期。
親自了解使用 SAS Viya 的團隊在生產力上與其他選擇相比的優越表現。
完成研究中的資料與 AI 生命週期所需的時間。
SAS Viya 的資料和 AI 生命週期速度提升 4.6 倍。
資料和 AI 生命週期中的生產力挑戰：
複雜度、工具和資源
現代企業橫跨各行各業，越來越以資料為導向，利用資料來驅動決策、提供策略洞察、開發新產品並推動創新。
加速從資料到決策的流程，使企業能夠更快速地將產品推向市場，更靈活地適應市場狀況，降低營運成本並更好地回應客戶需求。若能充分利用資料與 AI，企業最終可以提升競爭力並提高成本效益。
將資料轉化為決策的整個過程稱為「資料與 AI 生命週期」。
此生命週期通常包含三大核心階段：資料管理、模型開發、部署洞察。這些步驟形成一個持續的迭代過程，需要資料科學家、資料工程師與 MLOps 工程師之間的密切合作。此外，隨著需求的增長，可能還需要其他利害關係人，例如業務分析師或合規暨倫理顧問，也可能被要求參與其中，進一步強調有效協作的重要性。
在整個資料與 AI 生命週期中，任務的執行及團隊生產力經常會受到所需時間、複雜度和資源的限制。
資料與 AI 生命週期的每個階段都面臨獨特的挑戰，通常需要投入大量的精力、複雜的工具和專業的資料人才團隊協作。
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
克服這些障礙可以顯著提升生產力，並加速決策、推動創新、節省成本、增加營收，帶來競爭優勢。
— The Futurum Group
為了應對這些挑戰，企業已採用各種方法，包括商業和非商業的資料與 AI 平台。
雖然基於開源技術的非商業工具能提供強大的功能，但它們通常需要相當程度的專業知識來實施，最重要的是，還須花費大量精力進行管理。
商業平台通常利用雲端來增強協作並降低管理需求，同時提供內建功能及自動化功能來簡化生命週期。
雖然市場上有許多資料和 AI 平台，但它們的功能性和對生產力的整體影響不盡相同。
使用 SAS Viya 實現 4.6 倍的生產力提升
Futurum Group 針對三個不同的數據環境進行了實際操作評估：SAS Viya、競爭的商業資料與 AI 平台，以及採用各種主流開源技術的非商業化方案。該研究旨在評估數據與 AI 平台對整個資料與 AI 生命週期中生產力的影響。
研究結果顯示，SAS Viya 在資料與 AI 生命週期的每個階段都提高了生產力。SAS Viya 生產力優勢的關鍵在於測量完成每個任務所需的作業時間。
此次評估是透過在每個環境中完成端到端的客戶流失預測分析所進行的，這是一個與許多產業相關的常見應用案例。該測試由三位 Futurum Group 分析師完成，他們分別被指派為資料工程師、資料科學家和 MLOps 工程師角色，負責完成與資料及 AI 生命週期三大階段相對應的任務。此外，第四位分析師則以業務分析師的角色評估每個平台，以衡量非技術人員是否能順利執行任務。
測試結果顯示，使用 SAS Viya 完成端到端的資料與 AI 生命週期，生產力可提升超過 4 倍，遠勝於競爭解決方案。SAS Viya 所帶來的生產力提升，不僅減輕了資料與 AI 團隊的工作負擔，還能大幅節省成本。
— The Futurum Group
除了節省時間外，Futurum Group 的分析師在評估 SAS Viya 與競爭解決方案時，還發現了多項關鍵生產力優勢：
無需編碼，即可完成資料和 AI 生命週期
- 使各種技術背景的使用者都能參與，讓平台適合協作，並確保生命週期各階段之間順利銜接。
- 降低複雜資料和 AI 任務的學習曲線。
- 消除對複雜程式設計資源庫的依賴。
- 雖然不需要編碼，但 Viya 仍具備靈活性，可讓使用者根據需要使用 SAS、Python 和 R 程式碼來完成任務，使技術專家能夠使用他們最熟悉的工具。
提升非技術人員完成任務的可能性
- 在整個資料與 AI 生命週期中，有86% 的流程由業務分析師即可完成，這比表現次佳的替代方案高出 30% 。
- 利用經驗較少的人力可提高人員配置的靈活性，並擴大可用人才庫。
- 釋放更多專業數據從業人員的時間，使其能夠專注於創新，包括生成式 AI 強化的工作流程。
- 更強大的內建視覺化和自動化功能，可在資料與 AI 生命週期的各階段提升生產力。
降低整個資料和 AI 生命週期的複雜度
- 在 SAS Viya 完成的任務中，96% 被 Futurum Group 分析師認為是「低複雜度」的任務，沒有任務被認為是「高複雜度」的。
- 在競爭的商業平台中，只有 50% 的任務被認為是「低複雜度」，而在非商業平台中只有 30% 的任務被認為是「低複雜度」，而這兩種解決方案中均有 17% 的任務被視為是「高複雜度」。
- 降低複雜度可提高完成任務的效率，並縮短新用戶的學習曲線，便於快速上手。
結論
資料和 AI 的生產力很重要
對於資料驅動型企業來說，資料與分析團隊的生產力對核心業務運作至關重要。這些團隊使用的工具可產生重大影響。當前的市場環境為企業提供多種選擇，範圍從非商業工具到具有多種功能和能力的商業資料及 AI 平台，應有盡有。
本研究比較了三種不同資料與 AI 平台在完成生命週期的生產力差異。結果顯示，相較於商業平台和非商業方案，SAS Viya 具有明顯的優勢。
整體而言：
研究顯示，相較於測試中表現第二的解決方案，SAS Viya 能夠將端到端資料與 AI 生命週期的生產力提升 4.25 倍。
研究顯示，SAS Viya 是一個直觀的平台，能大幅降低新用戶的學習曲線，並提高非技術用戶的生產力。
這些結果與先前的 Futurum Group 測試相結合，該測試發現 SAS Viya 的性能比競爭解決方案提高了 30 倍，證明了 SAS Viya 具有顯著的整體優勢。更高的生產力與更快的計算速度相結合，SAS Viya 絕對是一個高效的平台，能為資料驅動型企業創造顯著價值。
選擇一個最佳的資料與 AI 平台，對於幫助企業有效利用資料及 AI 生命週期來實現業務目標至關重要。研究發現，SAS Viya 是一個結合強大技術能力與直觀介面的資料和 AI 平台，能快速且有效地將資料轉化為決策。
