Компания SAS, ведущий игрок на рынке бизнес-аналитики, восьмой раз подряд вошла в число лидеров магического квадранта Gartner 2021 Gartner Magic Quadrant for Data Science and Machine Learning Platforms, где представлены платформы обработки данных и машинного обучения.
Составители отчета Gartner отмечают сильные стороны SAS по обеим осям квадртанта – полнота видения и способность к реализации.
«Чтобы в полном объеме открыть для себя возможности продвинутой аналитики, организации должны ставить эту цель в свои планы и проводить инвестиции в создание полного жизненного цикла работы с данными. Этот цикл включает процессы доступа к данным и их преобразования, проведения анализа и построения аналитических моделей, их внедрения, управления и постоянного мониторинга для оценки актуальности и корректировок, отражающих изменения данных и бизнес-среды», – говорится в отчете Gartner.
SAS является единственным поставщиком решений, которого признают лидером все 8 лет, что составляется этот рейтинг. Этот факт свидетельствует о глубоком понимании рынка и экспертном опыте в таких областях, как искусственный интеллект, машинное обучение, операционализация аналитики и интеллектуальное принятие решений.
Отдельно в отчете отмечено решение SAS Visual Data Mining and Machine Learning (VDMML), комплексный визуальный и программный инструмент, работающий на платформе SAS Viya. SAS VDMML поддерживает процессы непрерывного анализа данных и машинного обучения для членов команды с любым уровнем квалификации, что позволяет автоматически выполнять все задачи в жизненном цикле аналитики простым и эффективным способом.
«Компании и организации всего мира стремятся использовать аналитику и ускорить внедрение искусственного интеллекта, чтобы им проще и быстрее принимать более эффективные и взвешенные бизнес-решения, – говорит Сьюзан Калер, ответственная за ИИ-стратегию SAS. – Продвинутые аналитические решения SAS предлагают естественную интеграцию с популярными open source инструментами. Это позволяет специалистам всех уровней и в любых организациях пользоваться гибкими и мощными инструментами машинного обучения, чтобы обрабатывать сложные данные, в том числе в облачных средах».
