許多使用者可探索資料，然後以互動的方式建立並縮小描述與預測模型。分散式In-Memory 處理可大幅縮短模型開發時間，快速揭露珍貴洞察，供您採取行動。
比競爭對手更快找出商機。
資料科學家與統計人員可利用最適當的分析模型技巧，對細膩的觀察採取行動。這會產生什麼結果？您將以前所未有的速度挖掘出見解，找出新方法來擴充營收。
以更快的速度，將更好的模型轉為行動。
輕鬆建立並縮小以特定群組或區段為目標的模型，並同時執行多個情境。您可提出更多假設及問題並快速獲得解答，然後利用自動產生的計分程式碼讓結果成真。
大幅提升分析生產力。
讓多位使用者可與資料進行視覺互動，包括加入或變更變數、移除異常值等。立即瞭解變更如何影響模型的觀點，並快速改良。
取得試驗的自由度。
資料科學團隊擁有高度工作彈性，選擇他們各自熟悉的語言已充分發揮技能。SAS
Visual Statistics提供一個公用的解決方案，來統合所有分析資產，無論這些分析演算法是來自Python、Java、R 或 Lua 等語言。
主要特色
- 視覺化資料探索與發掘。利用SAS Visual Analytics 從多重的探索變數中找出預測驅動因素，用視覺找出偏差情形和資料歧異。
- 建立描述模型。以視覺化的方式探索及評估群組，利用 k 平均值分群法、散佈圖及詳細的摘要統計進行分析。
- 建立預測模型。利用各類機器學習技術，涵括視覺化或程式介面型式，來建立預測模型。
- 開放、程式碼的模型開發。透過程式設計方式從 SAS Studio 存取分析動作，從 Python、R、Lua、Java 等其他語言呼叫，或使用公用的 REST API 將 SAS Analytics 加入到現有應用程式中。
- 執行動態分群。同時為各個群組或區段建立模型並檢視結果，無需每次都要排序資料或建立資料索引。
