SAS High-Performance Analytics. Ergebnisse in Minuten und Sekunden statt in Stunden und Tagen

Transkript

1 SAS High-Performance Analytics Ergebnisse in Minuten und Sekunden statt in Stunden und Tagen

2 FACT SHEET SAS Visual Analytics Mit der In-Memory-Lösung SAS Visual Analytics können Unternehmen beliebig große Datenmengen in kürzester Zeit visualisieren, analysieren und die Ergebnisse via Internet oder über Mobilgeräte bereitstellen. Wozu dient SAS Visual Analytics? Mit der In-Memory-Lösung SAS Visual Analytics können Unternehmen nahezu beliebig große Datenmengen gründlicher und deutlich schneller visualisieren und analysieren als je zuvor. Eine Beschränkung auf Stichproben oder Teilmengen des Datenbestands erübrigt sich. Wie profitieren Unternehmen von SAS Visual Analytics? Über SAS Visual Analytics können viele Nutzer simultan extreme Datenmengen visualisieren und mit der Hochleistungsanalytik von SAS auswerten. So gewinnen Unternehmen aus ihren exponentiell wach - senden Datenbeständen in kürzester Zeit bislang verborgene Erkenntnisse, die ihnen helfen, komplexe Probleme zu lösen und Handlungsalternativen zu entwickeln. Zu Diagrammen oder Kennzahlen aufbereitet, können diese Erkenntnisse via Internet oder über Mobilgeräte überall abgerufen werden. Für wen wurde SAS Visual Analytics entwickelt? SAS Visual Analytics ermöglicht Mitarbeitern aller Ressorts, Daten zu sichten und auszuwerten: Führungskräften, Analytikern, Statistikern, Datenspezialisten. Dem IT-Personal hilft die Software, Daten und Systeme zu pflegen und zu schützen. In den IT-Systemen der Unternehmen sammeln sich ungeheure Datenmengen an. Die heutigen Infrastrukturen und Architekturen sind jedoch nicht darauf ausgelegt, diese Daten in ihrer Gesamtheit zeitnah auszuwerten. Dessen ungeachtet gehen in der IT- Abteilung immer mehr Anfragen nach Daten, Ad-hoc-Analysen oder Sonderberichten ein. Entscheider aus den operativen Ressorts reagieren frustriert, weil sie zu lange auf Antworten oder Berichte warten müssen oder sich wichtige Fragen mit der verfügbaren Technik nicht beantworten lassen. Zudem steigt der Druck, Informationen über Mobilgeräte wie das ipad bereitzustellen. Mit In-Memory-Technik und spezieller Hardware hilft SAS Visual Analytics Mitarbeitern im ganzen Unternehmen, nahezu beliebig große Datenmengen zu visualisieren, Milliarden Datenzeilen binnen Minuten oder Sekunden zu korrelieren, die Befunde zu interpretieren und die Ergebnisse ihrer Analysen via Internet oder über Mobilgeräte überall verfügbar zu machen. Nutzen Visualisierung beliebiger Datenmengen und intuitiv anwendbare Analyse - tools als Entscheidungshilfen für Mitarbeiter aller Ressorts. Mit SAS Visual Analytics können Experten und operative Nutzer alle verfügbaren Daten schnell und gründlich auswerten. Eine Beschränkung auf Stichproben oder Teilmengen des Datenbestands erübrigt sich. Ein - fach zu bedienende, interaktive Web - Oberflächen ermöglichen einem erweiterten Nutzerkreis, durch Da ten - analyse betriebswirtschaftlich relevante Erkenntnisse zu gewinnen. Führungs- und Fachkräfte können damit mehr Optionen prüfen, auf einer solideren Grundlage entscheiden und schneller handeln. Schnelle Antworten auf komplexe Fragen, höhere Produktivität der Analytiker. Mit SAS Visual Analytics lassen sich beliebige Datenmengen in kürzester Zeit visualisieren und sondieren. Dabei werden Muster, Trends und Zusammenhänge sichtbar, die ihrerseits auf Chancen oder Risiken hindeuten. Analytisch versierte Nutzer erkennen solche Auffälligkeiten sofort und können sie mit weiterführenden Verfahren genauer untersuchen. Einfache Bereitstellung der Ergebnisse, allseitiger Zugriff. Via Internet, PDF-Download oder per ipad kann ein großer Nutzerkreis auch ohne statistische Vorkenntnisse Diagramme und Berichte interaktiv studieren. Für die Verwaltung und den Schutz der Daten bleibt das IT- Personal zuständig. Weil sich somit alle Mitarbeiter jederzeit umfassend informieren können, nehmen die Produktivität und das kollektive Wissen des Unternehmens zu. Entlastung der IT von Anfragen aus operativen Ressorts. SAS entlastet das IT-Personal von den ständigen Anfragen aus den operativen Abteilungen nach bestimmten Daten, anderen Datensichten, Ad-hoc-Berichten oder einzelnen Informationen. Mit Hilfe von SAS Visual Analytics stellt die IT-Abteilung des Unternehmens den Datenbestand im Hauptspeicher für verschiedene Zielgruppen zur Verfügung. Die Nutzer können die Daten anschließend selbst auswerten, in Berichten verwenden und diese weiterleiten.

3 Nach Bedarf skalierbar. SAS Visual Analytics läuft auf Standard-Hardware, die sich entsprechend dem Datenaufkommen und der Nachfrage nach Zugriff darauf kurzfristig erweitern lässt. Dem gleichen Ziel dient die Nutzung des Dateisystems HDFS (Hadoop Distributed File System) in der Lösung. Produktüberblick SAS Visual Analytics verbindet Hochleistungsanalytik mit einer grafischen, intuitiv bedienbaren Benutzeroberfläche zur visuellen Datenexploration. Unternehmen können damit nahezu beliebig große Datenmengen schneller als je zuvor auf Erkenntnisse durchforsten, die ihnen helfen, komplexe betriebswirtschaftliche Probleme zu lösen, mehr zu leisten und Risiken im Griff zu behalten. Hochleistungs-Server SAS LASR Als Herzstück der Lösung setzt der SAS LASR Analytic Server beim Rechen tempo Maßstäbe. Da SAS Visual Analytics die zu verarbeitenden Daten in den Hauptspeicher lädt, wird bereits in der Standardkonfiguration ein extrem hoher Durchsatz erreicht. Zur weiteren Leistungssteigerung setzt die Lösung auf die Integration des Dateisystems HDFS, das die Parallelverarbeitung extremer Datenmengen auf vernetzten Rechnern unterstützt. Arbeitsumgebung für Administratoren Mit den Administrations-Tools aus SAS Visual Analytics kann die IT-Abteilung eine universelle Arbeitsumgebung für operative Nutzer, Datenspezialisten sowie Zielgruppen mit Lesezugriff einrichten. Administratoren und Informationsarchitekten können mit diesen Werkzeugen Daten laden und für die einzelnen Nutzertypen aufbereiten, Datenstrukturen in gemeinverständliche Begriffe übersetzen sowie Verarbeitungs - regeln formulieren und anwenden. Indem die IT-Abteilung festlegt, welche Quellen in welchem Umfang angezapft werden dürfen, behält sie die Kontrolle über die Daten, ohne die Produktivität der Nutzer einzuschränken. Sobald die Daten geladen und freigeschaltet sind, kann der Verwender sie nach Bedarf sondieren und Abfragen darüberlaufen lassen. Weil somit jede Abteilung die von ihr benötigten Datensichten und Adhoc-Berichte selbst erzeugen kann, wird das IT-Personal nachhaltig entlastet. Visuelle Datenexploration Sobald die IT-Abteilung Daten aus der jeweiligen Quelle in den SAS LASR Analytic Server geladen hat, kann ein großer Nutzerkreis diese Daten am interaktiven Webclient der Lösung visualisieren, auf Muster und Trends untersuchen und solche Auffälligkeiten näher analysieren. Auch statistisch weniger versierten Mitarbeitern gelingt es mühelos, Abfragen zu for mulieren oder zu ändern, indem sie beispielsweise Elemente, die sie einer Sicht hinzufügen möchten, aus einer Seitenleiste auswählen, die angezeig ten Daten filtern oder Datenelemente gruppieren. Weitere Merkmale, die die Datenanalyse vereinfachen, sind die Bedienung per Drag-and-drop sowie die Autocharting-Funktion. Letztere wählt automatisch den Diagrammtyp, der sich zur Visualisierung der vorliegenden Daten am besten eignet. Per Mouseover eingeblendete Erklärungsfenster machen komplizierte Analysemethoden und Korrelationen auch Nutzern ohne einschlägige Vorkenntnisse verständlich. Gestandene Analytiker profitieren ebenfalls von dieser Funktion: Statt sich in extremen Datenmengen über Versuch und Irrtum an verborgene Erkenntnisse heranzutasten, spüren sie schnell diejenigen Trends, Muster und sonstigen Auffälligkeiten auf, bei denen sich eine nähere Analyse lohnt. Zur Veranschaulichung der Befunde bietet SAS Visual Mit SAS Visual Analytics können Mitarbeiter aller Ressorts beliebig große Datenmengen in kürzester Zeit visualisieren und auf Muster oder Trends untersuchen.

4 SAS Visual Analytics enthält eine App für das Apple ipad zum Herunterladen und zur interaktiven Anzeige von Berichten. Analytics eine große Auswahl an Grafiken wie Boxplots, Heatmaps und animierte Blasendiagramme. Intuitiv anwendbare Analyse-Tools Mit der In-Memory-Technik des SAS LASR Analytic Server werten Unternehmen ihre exponentiell wachsenden Datenbestände systematisch aus. Das Funktionsspektrum ist so ausgelegt, dass Mitarbeiter damit auch bei geringer Vorkenntnis Daten selbständig visualisieren und eine Vielzahl an Variablen korrelieren können. Da Analytiker in SAS Visual Analytics zudem die Möglichkeit haben, Hierarchien selbst anzulegen, brauchen sie kaum noch Hilfestellung durch IT-Personal. Operationen wie Drill-down, Drill-up, Slicing und Dicing erleichtern Anfängern die Orientierung in komplexen Datenstrukturen und helfen versierten Nutzern, große Datenmengen schneller zu erforschen. Webreporting und Verteilung SAS Visual Analytics enthält Reporting- Funktionen für Anfänger und für versierte Nutzer. Wer auf welche Daten und Werkzeuge zugreifen darf, regelt die IT-Abteilung. Layoutvorlagen beschleunigen die Arbeit am Bericht. Mit einem umfangreichen Grafikarsenal kann der Autor Diagramme erzeugen, an das Corporate Design anpassen und in den Report einfügen. Die Adressaten der Berichte können diese wahlweise per Viewer am Webclient oder auf dem ipad lesen. Berichte abrufen Via Internet, PDF-Download oder per ipad kann ein großer Nutzerkreis Berichte von jedem Standort aus abrufen. Künftige Versionen von SAS Visual Analytics werden weitere Mobilgeräte unterstützen. Versierte Analytiker können große Datenmengen aus verschiedenen Blickwinkeln betrachten und bearbeiten, Nutzer mit Lesezugriff die ihnen zugänglichen Berichte interaktiv studieren. Zentraler Einstieg Die zentrale Anmeldung in SAS Visual Analytics eröffnet den Zugang zu allen Modulen und angeschlossenen Datenquellen. Auf der Einstiegsseite werden die zuletzt geöffneten Objekte angezeigt. Der Nutzer kann Favoriten hinzufügen und die ihm freigegebenen Daten maschinell durchsuchen. Technische Voraussetzungen Angaben zu den technischen Voraussetzungen des Einsatzes von SAS Visual Analytics, White Papers, Screenshots und wei tere Informationen finden Sie im Internet unter: Hochleistungs-Server SAS LASR Entwickelt zur Parallelverarbeitung auf mehreren Rechnerknoten. Der SAS LASR Analytic Server vernetzt verteilte IT-Ressourcen zu einem virtuellen Supercomputer. Zur Maximierung der Leistung und Skalierbarkeit auf Hadoop-Integration ausgelegt. Arbeitsumgebung für Administratoren Die im Rahmen der IT-Richtlinien und der Data Governance des Unternehmens vorgesehene Zugangsprüfung und Rechtevergabe wird auf alle Bestandteile von SAS Visual Analytics angewandt. Daten werden je nach Menge, Aktualisierungstakt und Skalierungsbedarf in die Hauptspeicher der angeschlossenen Rechner geladen. Web-basierte Administration von Nutzerkonten, Servern und Daten. Visuelle Datenexploration Mitarbeiter aller Abteilungen können Datenbestände am Webclient interaktiv erkunden. Die Autocharting-Funktion wählt automatisch den Diagrammtyp, der sich zur Visualisierung der vorliegenden Daten am besten eignet: So ergibt etwa eine einzelne Messgröße eine Darstellung als Histogramm,

5 zwei Messgrößen ergeben ein Streu - diagramm, drei ein Blasendiagramm. Aussagekräftige Kartensichten zur Darstellung von Geodaten. Eine integrierte Erklärungsfunktion erkennt und erläutert Zusammenhänge zwischen Variablen. Funktionen zur Erschließung speicherresidenter Datenquellen. Skins zur Anreicherung der Grafiken mit 3-D- und Lichteffekten. Visualisierung unter anderem als Boxplot, Heatmap oder Blasendiagramm. Ein- und Ausblenden eines Gitternetzes sowie Anpassung der Achsen zur optimalen Darstellung am Bildschirm. Variation von Anfragen durch Auswahl von Elementen aus einer Seitenleiste, dynamisches Filtern und Gruppieren. Anpassen des angezeigten Teils einer Datenmenge mit hoher Kardinalität per Schieberegler in der Übersichtsleiste. Optionale Anzeige deskriptiv-statistischer Größen wie Minimum, Maximum und Mittel. Intuitiv anwendbare Analysen Sondierung und Korrelation beliebig großer Datenmengen in vernetzten Hauptspeichern. Slicing und Dicing von Datenwürfeln durch Filtern an beliebigen Knoten der Hierarchie. Auf- und Abnavigation innerhalb der Hierarchie, Ein- oder Ausblenden ganzer Ebenen. Erweiterung beliebiger Sichten um neue Messgrößen. Speichern mehrerer Sichten als Berichtspaket, Weiterleitung an Kollegen als Web-Report, Bilddatei oder App. Komplexität der Datenstrukturen bleibt operativen Nutzern verborgen. Webreporting und Verteilung Interaktive Web-Schnittstelle zum Verf assen und Verteilen von Berichten. Assistent unterstützt Vorschau, Filtern sowie Entnahme von Stichproben. Zum Einbau von Drill-down-Funktionen in Grafiken und Berichte kann der Nutzer eigene Hierarchien anlegen. Vorkonfigurierte Filter, Gruppierungen und Sortierfolgen. Anpassung voreingestellter Formate. Diagrammauswahl: Säulen, Balken, Kreis (jeweils auch in 3-D), Linien, Säulen plus Linien, Streudiagramm, Heatmap, Blasen, Treemap. In alle Diagrammtypen lassen sich Hilfs linien einfügen und beschriften. Berichte abrufen Interaktive Web-Schnittstelle zum Abrufen von Berichten am PC. Interaktive Berichtsanzeige auf dem ipad. Vorschau auf Darstellung des Berichts am Mobilgerät. Oberfläche ähnelt Desktop, angezeigte Objekte lassen sich per Dragand-drop vergrößern, verkleinern und verschieben. Nutzer kann Berichte als PDF- oder PNG-Dateien speichern. Mobiler Zugriff Optimale Ergonomie und Nutzerproduktivität durch eingebaute Unterstützung von ipad-funktionen und Gesten wie Zoom oder Swipe. Brushing und Linking: Der Autor eines Berichts kann visuelle Darstellungen miteinander verbinden. Wählt er dann in einer Grafik oder Liste einen oder mehrere Datenpunkte aus, werden diese in den verbundenen Darstellungen ebenfalls markiert. Änderungen der Datenauswahl oder darauf angewandte Filter werden in allen Sichten nachvollzogen. Auch auf dem ipad lassen sich so viele Details sichtbar machen. Berichte können zur Offline-Anzeige auf dem Mobilgerät gespeichert werden. Zentraler Einstieg Schnellzugriff auf Favoriten und zuletzt geöffnete Dateien oder Quellen über Miniaturbilder (Thumbnails). Zentraler, direkter Zugang zu allen Arbeitsobjekten vom Bericht über visuelle Darstellungen bis hin zu den einzelnen Datenquellen. Anzeige deskriptiv-statistischer Größen wie Minimum, Maximum und Mittel. SAS and all other SAS Institute Inc. product or service names are registered trademarks or trademarks of SAS Institute Inc. in the USA and other countries. indicates USA registration. Other brand and product names are trademarks of their respective companies. Copyright 2012, SAS Institute Inc. All rights reserved. P

6 SAS HIGH-PERFORMANCE ANALYTICS Inhalt Der Anlass Wachsende Datenmengen Big Data... 4 Die Lösung High-Performance Analytics... 4 Strategie für Daten: Information Management... 4 Neue Technologien: Grid, In-Database, In-Memory... 4 Grid Rechenlast besser verteilen... 5 In-Database Analytics zu den Daten bringen... 5 In-Memory blitzschnelle Analysen im Hauptspeicher... 6 Analysen einfacher machen: SAS Visual Analytics... 6 Anwendungsbeispiele High-Performance Analytics in der Praxis... 7 Risikoberechnung... 7 Kampagnenoptimierung... 7 Fazit... 8

7 Executive Summary Mit High-Performance Analytics schafft SAS einen Durchbruch in der Bearbeitung komplexer analytischer Probleme, die in vielen Branchen zu den Hauptherausforderungen zählen. Was bisher Tage oder Stunden Berechnungszeit in Anspruch genommen hat, ist nun in Minuten und Sekunden machbar. Bisher mussten Geschäftsprozesse so organisiert werden, dass diese Wartezeiten eingehalten wurden. Jetzt können auch anspruchsvolle Fragestellungen im Bereich von Fraud, Optimierung, Risiko und vielen anderen Bereichen nahezu in Echtzeit angegangen werden. Möglich wird dies durch eine Reihe von technologischen Innovationen wie verteiltem Rechnen (Grid), Vermeidung von Datenbewegungen (In-Database) und Hochgeschwindigkeitsanalytik im Hauptspeicher (In-Memory). Gleichzeitig stehen neue Werkzeuge zur explorativen Erkundung und Mustererkennung von großen Datenmengen zur Verfügung. Damit wird der Fachanwender erstmals in die Lage versetzt, Advanced Analytics fast spielerisch auszuprobieren und sehr schnell zu Ergebnissen zu kommen. 3

8 SAS HIGH-PERFORMANCE ANALYTICS SAS High-Performance Analytics Der Anlass Wachsende Datenmengen Big Data In einer Welt stetig wachsender Datenmengen stehen potenziell immer mehr Messdaten aus immer mehr Prozessen zur Verfügung. So lassen sich nun Liefer- und Verkaufsprozesse auf Einzelpro - duktebene überwachen und damit auch besser steuern. Eine immer günstiger einzusetzende Sensortechnik erlaubt das Erfassen von immer mehr einzelnen Daten auf immer breiterer Basis. Die Kunst besteht nun darin, relevante Erkenntnisse schnell zu gewinnen und für bessere Entscheidungen auf allen Ebenen zu nutzen. Einfache Aggregationen, die im Nachhinein wichtige Trends zusammen fassen, sind dabei nicht mehr ausreichend. Dieses klassische Verständnis von Business Intelligence wird nach wie vor für viele Bereiche seine Berechtigung haben. Analytisch geprägte Unternehmen gehen aber darüber hinaus und erzielen echte Wettbewerbsvorteile. Wenn es gelingt, aus der Masse von Daten die wirklich relevanten Muster und Zusammenhänge zu erkennen und in Vorhersagemodelle zu bringen, wird ein immer genauerer Ausblick auf die Zukunft möglich. So liefern beispielsweise Windkraftanlagen eine Vielzahl von Sensordaten über Luftdruck, Feuchtigkeit, Rotations - verhalten, Stromertrag und vieles andere mehr. Aufgrund dieser Informationen ist es über analytische Verfahren möglich, den Zeitpunkt der nächsten Wartung abzuschätzen. Man nimmt dazu Daten aus der Vergangenheit, die ein Muster vor dem Ausfall einer Turbine gezeigt haben. Taucht dieses gleiche Muster nun erneut auf, kann bereits vor dem Ausfall der Turbine gehandelt werden. Umgekehrt lassen sich Wartungszyklen auch verlängern, wenn eben kein Anzeichen für eine anstehende Störung ersichtlich ist. Die Lösung High-Performance Analytics Um mit immer mehr Daten zurechtzukommen, gibt es nicht eine einzige Antwort. Die eine Big-Data-Technologie gibt es nicht. Neben organisatorischen und strategischen Entscheidungen, die hier nicht im Fokus stehen, verfolgt SAS im Wesentlichen drei Strategien: 1. verbessertes Information Management durch automatisierte, eingebettete Analytik 2. technologische Quantensprünge im Bereich paralleler Verarbeitung 3. völlig neue Visualisierungen, um Analytics einfacher und umsetzbarer zu machen In allen drei Bereichen hat SAS in den letzten Jahren massiv in die Entwicklung neuer Produkte und Herangehensweisen investiert. Das Ergebnis steht nun als SAS High-Performance Analytics zur Verfügung. Strategie für Daten: Information Management Wenn immer mehr Daten auf die Unternehmen einströmen, lässt sich das Para digma eines zentralen Data Warehouse nicht mehr lange aufrechterhalten. Die gigantischen Ströme von Maschinendaten in einem Enterprise Data Warehouse zu speichern ist auf die Dauer schlicht zu teuer. Gleichzeitig handelt es sich dabei in den seltensten Fällen um relationale, in Zeilen und Spalten organisierte Daten. Dennoch stecken darin viele wichtige Informationen. Der entscheidende Schritt ist der, dass in die einlaufenden Datenströme bereits eine intelligente Analytik eingebaut wird. Diese entscheidet nicht nach einfachen Regeln, sondern nach auftretenden Mus tern, welche Daten auf welche Wei - se behandelt werden. Einzelne Datenpunkte verlangen danach, sofort Ereignisse auszulösen. Bei bestimmten Konstellationen wird es angebracht sein, eine Maschine kontrolliert herunterzufahren und auszuschalten. Dieses Complex Event Processing ist in der Lage, innerhalb einer einzigen Sekunde hunderte von Ereignissen zu prüfen und darauf zu reagieren. Teile des Datenstroms werden nach wie vor in das Data Warehouse laufen und dort zentrale Berichte befüllen. 4

9 ANALYTICS INFRASTRUCTURE SAS HIGH-PERFORMANCE ANALYTICS SAS stellt eine ganze Reihe von neu entwickelten Technologien unter dem Begriff High-Performance Analytics zur Verfügung. SAS Grid Computing SAS In-Database SAS In-Memory Analytics Eine Trennung von zwar wichtigen, aber für das Tagesgeschäft unbedeutenden Daten ist angebracht, vor allem um das Data Warehouse zu entlasten und zur Datenhaltung auf kostengünstigere Varianten zu setzen. In der Welt der großen Datenmengen hat sich dazu das Framework Hadoop etabliert. Es wurde maßgeblich von Google industrialisiert und wird seit 2008 als Open-Source-Software innerhalb der Apache Foundation weiterentwickelt. Zahlreiche Unternehmen aus nahezu allen Branchen leisten dazu Bei träge und setzen Hadoop und seine zahlreichen Tochterprojekte bereits produktiv ein. Wesentliches Kennzeichen ist die unbe - grenzte Parallelisierung der Datenhaltung mittels Standardhardware und eines eigenen Filesystems. Damit bietet sich Hadoop an, einen kostengünstigen Storage bereitzustellen. SAS hat im März 2012 in sein etabliertes Datenmanagement-Werkzeug eine vollumfängliche Hadoop-Unterstützung implementiert. Schreibend und lesend sowie mit Anbindung an SAS Metadaten lassen sich nun auch Hadoop- Cluster mit SAS Werkzeugen verwalten. Ein entscheidender Vorteil für die Einsetzbarkeit denn Hadoop-Know-how ist in der Breite heute noch gar nicht verfügbar. Mit SAS kann aber bereits jetzt schon Nutzen daraus gezogen werden. Neue Technologien: Grid, In-Database, In-Memory Wenn immer mehr Daten gleichzeitig bearbeitet werden müssen, läuft dies zwangsläufig auf Parallelisierung hinaus. Ergänzend steht der Versuch, zeitaufwändige Datenbewegungen generell zu vermeiden und stattdessen die Analytik zu den Daten zu bringen. Die Technologien, die SAS dazu einsetzt, waren bisher wenigen Spezialfällen im Supercomputing-Umfeld vorbehalten. Wegen günstigerer Hardware- und insbesondere Arbeitsspeicherpreise kann Software heute anders geschrieben und eingesetzt werden. Grid Rechenlast besser verteilen SAS Grid Computing ermöglicht es, große Mengen an Daten und analytischen Berechnungen effizienter zu verarbeiten. Leistungsstarke Instrumente zur strategischen Steigerung der Performance wie Lastverteilung oder Priorisierung von einzelnen Abfragen sowie Hochverfügbarkeit und Ausfallsicher heit geben den Anwendern eine zuverlässige Infrastruktur an die Hand. Intelligente Verteilung und parallele Verarbei tung von Business Analytics-Aufgaben stellen den Betrieb einer großen Infrastruktur auch bei kleinen Batch-Fenstern und hohen Anforderungen an Aktualität und Usability sicher. Multiprozessor-Ressourcen erlauben das Aufteilen von Aufgaben in Teilaufgaben, die parallel abgearbeitet werden können. Am besten geeignet für eine solche Parallelisierung sind Rechenprozeduren, die eine große Datenmenge mit langen Laufzeiten mit sich bringen, sowie solche, in denen unabhängige Aufgaben an große Daten mengen heran - getragen werden. Die schnellere Datenintegration, das raschere Analysieren und das beschleunigte Reporting erhöhen die Geschwindigkeit in der Entscheidungsfindung im gesamten Unternehmen. Ein wesentlicher Vorteil des SAS Grid- Managers ist die einfache und kostengünstige Skalierung. Bei Bedarf können weitere Computing-Einheiten zum Grid geschaltet werden. Dabei handelt es sich um preiswerte Standardhardware. Die Leistungsaufstockung ist dabei schrittweise ohne große Sprünge möglich und kann damit sehr flexibel genau dann erfolgen, wenn der Bedarf da ist. Große und teure Infrastrukturen auf Vorrat aufzubauen ist nicht mehr nötig. In-Database Analytics zu den Daten bringen Mit SAS In-Database lassen sich auch größte Datenmengen flexibel und effizient analysieren und produktiv nutzen. SAS In-Database setzt die massiv-parallele (MPP-)Architektur der Datenbank respektive des Data Warehouse ein für Skalierbarkeit und bessere Performance. Der sonst notwendige Transfer der Daten in ein Analysesystem entfällt, lediglich die Ergebnisse der Berechnung 5

10 SAS HIGH-PERFORMANCE ANALYTICS werden weiterverarbeitet. Die Geschwin - digkeit von Analysen wird vervielfacht, relevante Aussagen und verwertbare Erkenntnisse stehen viel schneller zur Verfügung und beschleunigen damit den Entscheidungsprozess im Unterneh - men. nungen noch bessere Reaktionszeiten haben. Diese Konfigura tion ist vor allem bei rechenintensiven Aufgaben von großem Vorteil, etwa bei der Neuberech - nung eines kompletten Risikoportfolios oder der Preisoptimierung umfangreicher Warensortimente. hoher Geschwindigkeit aus. Unternehmen können damit ihre Datenbestände auf Trends und Muster untersuchen und gewinnen Anhaltspunkte für nähere Analysen. Die Ergebnisse lassen sich grafisch aufbereiten und per Web-Reporting oder Tablet abrufen. Besonders im Bereich von Echtzeitszenarien, etwa der Missbrauchserkennung bei Kreditkartentransaktionen, lässt sich In-Database-Technik gut einsetzen. Zuvor in längeren Berechnungen modellierte Muster werden dabei mit eintreffenden Datenströmen verglichen und es wird sofort eine Bewertung ein Scoring erstellt. Je nach Scoringwert werden Aktionen ausgelöst, etwa eine Weiterleitung zu einer tieferen Prüfung oder eine Zahlungsverweigerung. Etwas weiter gehende Ansätze bringen auch umfangreichere analytische Berechnungen direkt in die Datenbank und pro fitieren dort von der häufig sehr performant ausgelegten Hardware. Im Zusammenhang mit Hadoop lassen sich auch dort vorhandene Rechenmethoden ausnutzen (Map/Reduce). In-Memory blitzschnelle Analysen im Hauptspeicher Der Bedarf an kürzeren Antwortzeiten für komplexe Business-Szenarien und an topaktuellen und zuverlässigen Erkenntnissen steigt. Gleich zeitig werden Server und Arbeitsspeicher immer leistungsfähiger und kosten günstiger. SAS macht sich diese Entwicklung zunutze und entwickelt hochleistungsfähige In- Memory Analytics-Lösungen. SAS In-Memory Analytics führt Berechnungen im Speicher auf jedem Serverknoten durch in einem entsprechend konfigurierten Verband von Servern. Durch eine Optimierung der Algorithmen auf die neue Hardware-Infrastruktur wird ein extrem hoher Grad an Parallelisierung erreicht. Die Ergebnisse und die zugehörigen Daten verbleiben im gemeinsamen Speicher, sodass neue Szenarien oder zusätz li che Berech- Die genannten Technologien bringen, auch im Zusammenspiel, nicht nur kleine Performancesteigerungen, sondern dramatische Beschleunigungen. Die Erfahrungen der Early Adopters, die SAS im Entwicklungsprozess geholfen haben, sind 1000fache und noch höhere Beschleunigungen und das bei sehr komplexen analytischen Verfahren wie etwa dem Berechnen eines Modells zur Analyse der Kreditausfallwahrscheinlichkeit. Der Pilotkunde konnte die Zeit zur Erstellung dieses Modells von 167 Stunden auf lediglich 84 Sekun den reduzieren. Das ermöglicht es nun, Pro - zesse, die bisher rund um die technischen Limitationen gestrickt waren, komplett neu zu designen. Analysen einfacher machen: SAS Visual Analytics Die wachsenden Datenmengen ergeben nur dann neue Möglichkeiten, wenn sie auch von entsprechend kundi gem Personal durchforstet und bewertet werden können. Der Mangel an qualifizierten Experten für die Durchführung von Analytics wird in vielen Studien und Presseberichten als ein wesentli ches Hemmnis zur weiteren Verbreitung analytischer Verfahren in den Unternehmen beschrieben. Ein Problem, das in den nächsten Jahren weiter wachsen wird. Die SAS Strategie dazu ist es, die Bedienung und Nutzung von Analytics zu vereinfachen. Ende März 2012 hat SAS ein bahnbrechendes neues Produkt vorgestellt, das genau diese Herausforderung adressiert: SAS Visual Analytics. SAS Visual Analytics lädt riesige Datenmengen in die Hauptspeicher vernetzter Rechner und wertet sie dort mit extrem Herzstück der Lösung ist der SAS LASR Analytic Server. Er liest die Daten in den Speicher ein und stellt sie grafisch dar. Milliarden Datenzeilen werden binnen Minuten oder Sekunden sondiert und korreliert. In der Visualisierung der Ergebnisse erkennt der Nutzer Muster, Trends und bislang verborgene Zusammenhänge. SAS Visual Analytics richtet sich an den Business-Analysten, der nicht notwendigerweise über statistische Kenntnisse verfügt, aber sich in Geschäftsprozessen auskennt. Er hat nun ein leicht zu bedienendes und dennoch sehr mächtiges Werkzeug zur Verfügung, mit dem er kontrolliert ausprobieren kann, welche Erkenntnisse in den Daten verborgen liegen. Damit wird Analytics für große Unternehmensbereiche erstmals überhaupt greifbar. 6

11 Grid Computing Merkmal Dynamische Verteilung der Rechenlast Hohe Verfügbarkeit Verteilte Verarbeitung Einsatz von Standardhardware Nutzen Effiziente Verarbeitung der Rechenaufträge und Anfragen Vermeidung von Arbeitsausfall und Informationslücken Höherer Durchsatz, kürzere Antwortzeit Kostenvorteile In-Database Datenverarbeitung und Analyse innerhalb der Datenbank ohne Datenbewegung Beschleunigte Modellierung und Analyse Integration in bisherige Datenbankarchitektur Programmcode unverändert einsetzbar Bessere Data Governance Ergebnisse liegen schneller vor Investitionsschutz Effizienzgewinn In-Memory Datenverarbeitung und Analyse im Hauptspeicher Hochperformante Analysefunktionen in ausgewählte SAS Lösungen integriert Robuste Infrastruktur und Datenbanken zur Dauerspeicherung und Ausfallsicherung Zeitnahe Lösung hochkomplexer Probleme Zuverlässige Ergebnisse durch verfeinerte Modellierung Beseitigung von Engpässen Anwendungsbeispiele High-Performance Analytics in der Praxis Abschließend sollen zwei Beispiele konkrete Anwendungsszenarien beschreiben, um den Nutzen von High-Performance Analytics zu demonstrieren. Risikoberechnung Die Berechnung aller vorhandenen Risiken im Portfolio einer Bank ist fachlich wie technisch anspruchsvoll. Im Fall eines Entwicklungspartners für SAS High-Performance Analytics verteilen sich Risiken auf etwa verschiedene Finanzinstrumente und werden bestimmt über etwa Marktparameter (Preise, Fristen, Fälligkeiten etc.). Die Berechnung des Gesamtrisikos setzt etwa 8,8 Milliarden einzelne hochkomplexe Value-at-Risk-Berechnungen voraus. Im Rahmen eines Stresstests sollen nun Marktauswirkungen auf das Gesamtrisiko der Bank untersucht werden. Bisher nahm diese Berechnung etwa 18 Stun den in Anspruch und wur- de daher vor allem dann durchgeführt, wenn entsprechen de Berichtszwänge vorlagen. Mit einer neuen SAS High-Performance Analytics-Lösung konnte dieselbe Berechnung auf wenige Minuten gesenkt werden. Die bisherige Pflichtübung auf Drängen der Aufsichtsbehörden kann nun im operativen Geschäft genutzt werden. So kann etwa bei der Gestaltung neuer Finanzinstrumente deren Auswirkung auf das Gesamtrisikoportfolio simuliert und das Produkt entsprechend optimiert werden. Kampagnenoptimierung Viele Unternehmen im Handel verfügen über sehr große Kundendatenbanken und stehen regelmäßig vor der Fragestellung, welchem Kunden sie welches Angebot über welchen Kanal unterbreiten sollen. Gleichzeitig stehen im Idealfall historische Daten über vergangene Aktionen zur Verfügung. Die Komplexität einer entsprechenden Optimierung liegt in der großen Datenmenge. In einem konkreten Kundenbeispiel ging es um einen großen Händler, der 25 Millionen Kunden in der Ansprache hat und diesen etwa 20 verschiedene Produkte über 40 verschiedene Kanäle anbieten will. Es gilt also, etwa 800 Kombinatio nen aus Ansprachekanal und Produktangebot zu optimieren. Eine ganze Reihe von Restriktionen sind gegeben: nur eine pro Woche, nur ein Brief pro Monat, Budget für maximal 7 Millionen SMS und maximal MMS. Gesucht ist die optimale Kampagne: Welche Kunden sind für welches Produkt auf welchem Kanal besonders affin? Die Optimierung ist eine komplexe Analyseaufgabe, in der Millionen von Berechnungen durchgeführt werden. Bisher dauerte das in diesem speziellen Fall etwa fünfeinhalb Stunden. Mit einer neuen SAS High-Performance Analytics-Lösung dauert die gleiche Analyse nur noch wenige Minuten. Das erlaubt es, noch mehr Daten und noch mehr Varianten zu berechnen und etwa mit den Restriktionen zu spielen : Wäre die Kampagne profitabler, wenn mehr als MMS eingesetzt werden könnten? 7

12 SAS HIGH-PERFORMANCE ANALYTICS Fazit Big Data steht als Schlagwort für die wachsende Bedeutung des Rohstoffs Daten in den Unternehmen. In erster Linie gilt es, die bereits intern vorhandenen Datentöpfe besser zu nutzen, indem diese zusammengeführt und auf sinnvolle Muster untersucht werden. In einem zweiten Schritt können gezielt weitere externe Datenquellen erschlos- Über SAS sen werden. Es gibt keine eindimensio nale Antwort auf die Herausforderungen, die dadurch entstehen. Im Gegenteil, es geht darum, je nach Anforderung und geplanter Nutzung die jeweils passende Antwort zu finden die nur zu einem Teil aus Technologie besteht. SAS unterstützt seine Kunden in der Entwicklung und Anwendung von Big-DataStrategien mit einem ganzen Bündel von bahnbrechenden Innovationen. Gleichzeitig wächst insgesamt die Bedeutung von Analytics, der angestamm ten Kernkompetenz von SAS. Wie auch immer man es dreht und wendet: Die Reduktion des Information Overload auf die wirklich relevanten Daten gelingt nicht mit rückwärtsgewandtem, klassischem Reporting sondern nur mit Analytics, die direkt in die Geschäftsprozesse eingebettet ist. SAS ist Marktführer bei Business Analytics-Software und weltweit größter unabhängiger Anbieter im Business Intelligence-Markt. Die SAS Lösungen für eine integrierte Unternehmenssteuerung helfen Unternehmen an insgesamt mehr als Standorten dabei, aus ihren vielfältigen Geschäftsdaten konkrete Informationen für strategische Entscheidungen zu gewinnen und damit ihre Leistungsfähigkeit zu steigern. Mit den Softwarelösungen von SAS entwickeln Unternehmen Strategien und setzen diese um, messen den eigenen Erfolg, gestalten ihre Kunden- und Lieferantenbeziehungen profitabel, steuern die gesamte Organisation und erfüllen regulatorische Vorgaben. 90 der Top 100 der Fortune-500-Unternehmen vertrauen auf SAS. Firmensitz der 1976 gegründeten US-amerikanischen Muttergesellschaft ist Cary, North Carolina (USA). SAS Deutschland hat seine Zentrale in Heidelberg und weitere Niederlassungen in Berlin, Frankfurt am Main, Hamburg, Köln und München. accantec group Colonnaden Hamburg SAS and all other SAS Institute Inc. product or service names are registered trademarks or trademarks of SAS Institute Inc. in the USA and other countries. indicates USA registration. Other brand and product names are trademarks of their respective companies. Copyright 2012, SAS Institute Inc. All rights reserved. Fon P The BI Company