SAS首席数据科学家马宁博士：数据分析将在IOT、生物医学领域迎来爆发

近日，全球数据分析领域的领导者SAS对外宣布了中国区未来2-3年的发展目标和方向，并回顾了过去一年所取得的成绩。旨在以“好奇心”为驱动，不断从数据中探索创新可能，帮助客户在“新常态”的机遇与挑战中，加快决策速度、打造创新产品和服务，颠覆行业格局。

与此同时，SAS中国首席数据科学家马宁接受了TechWeb采访，介绍了SAS核心产品——云端数据分析平台Viya，及其之后的产品方向，并结合去年SAS业绩，分享了他个人对于市场的预期和观点。

受访者马宁博士，现任SAS中国首席数据科学家，负责领导和管理中国顾问专家团队，致力于最前沿及创新的行业技术应用，加强和拓展数据科学、机器学习和人工智能等SAS领先技术及经验在中国市场的落地，支持金融、政府、制造、医疗等多行业的最佳实践。

TechWeb：您能否介绍下Viya？它的发展方向是怎样的？

马宁：Viya是SAS在人工智能领域投入10亿美金研发的核心产品，是云原生的一站式数字化解决方案，它覆盖数据集成、加工、探索分析、机器学习建模、部署和决策应用完整生命周期。目前我们可以看到Viya在以下几个方向不断进化：

云化：云端容器化部署，可弹性扩展，按需分配资源；基于Kubernetes提供持续集成和持续交付能力。

自动化：数据分析建模自动化，即业内常说的AutoML，加速AI模型迭代效率。

透明与易用性：降低机器学习与人工智能的门槛，让平民数据科学家也可以快速分析建模，帮助非统计专业人员看懂模型结构、解读模型结果；同时提供用户友好的交互界面，实现整个分析建模零代码化。

开放性：与开源无缝集成，发挥Python、R等开源分析工具的优势；提供丰富的Rest接口，易于与周边系统集成。

算法不断增强：不断研发与实现机器学习、 学习、计算机视觉、自然语言处理等人工智能领域的新技术新算法。

TechWeb：Viya如何帮助客户在关键业务上取得进步？

马宁：Viya有很多垂直行业应用，这里可以分享几个案例：

以前北卡罗来纳州卡里镇暴雨后发生水灾时，要依靠市民向镇工作人员发出警报，镇工作人员需要人工处理请求，然后派遣人员应对。而现在，SAS 和 Microsoft 帮助该镇化被动反应为主动出击，建立了洪水预测解决方案。该解决方案被《Fast Company》评为年度世界最具创新力合营作品。卡里镇沿溪流域安装了水位传感器，并在数个城镇设施处安装了雨量计。利用 SAS 物联网分析和 Azure 物联网服务，工作人员现在可以实时监测水灾事件。通过整合天气预报数据和传感器数据，卡里镇可以更好地识别异常情况，为该镇和周边城市的洪水情况提供预先警告。。

另外，SAS与安永合作，为某国际大型银行提供贸易融资AI+RPA解决方案。贸易融资过程中有大量纸质文档需要手工处理，耗时耗力且难以发现其中的金融犯罪行为。以该行的业务体量，他们发现现有的员工数量已经无法满足大量协议文件审查需求，即便暂时增加员工数，过不了多久也跟不上业务的增长速度了。另一方面，该行也希望通过缩短尽职调查时间和提高准确性，来改善客户的业务体验。该解决方案采用AI技术，对纸质文档进行扫描、光学字符识别、文档分类、信息抽取等；然后利用RPA技术整合各类结构化与非结构化数据，全库搜索相关案例，汇总形成可视化调查看板，并自动化推送通知消息给审查员。。2018年，该行利用这套方案自动化处理贸易融资业务940万笔，涉及金额超过1万亿美元。一个审核单元的平均处理时间从2周下降到10分钟，全年节省成本上千万美元。。

TechWeb：根据SAS 2020年在全球的业绩以及案例分布，您认为哪些新业务会成为公司2025年前较快增长点，哪些业务会逐渐淡化？

马宁：从公司去年年报看，银行业务仍排名第一，全球占30%份额，在中国区占比更大；政府、生命科学、保险、零售等行业的收入占比也超过了10%。SAS把总营收的27%再投资于研发。

如果要对未来几年做一个预测，我觉得生命科学和IOT两个领域将出现爆发式增长。受全球疫情影响，越来越多医疗机构与SAS合作，对COVID-19带来的直接与间接影响进行跟踪和分析。另一方面，随着物联网的快速发展，IOT设备产生海量数据，这些数据呈现高频度、高密度、边缘化特征，对分析平台的要求也更高。SAS有完整的IOT领域解决方案，利用人工智能技术帮助各行各业从边缘到云端的IOT数据中获得最大收益。

TechWeb：随着云端大数据软件的竞品涌现，市场溢价阶段结束，您认为SAS公司眼下应该如何从核心技术层面做差异化，与市场「内卷化」对抗？

马宁： SAS连续5年被Gartner评为机器学习与人工智能平台的领导者象限，因此差异化一直存在，不是市场现阶段SAS才开始思考的。举个例子，早在2010年SAS在中国就卖出了第一单模型管理产品，给某个大型银行。那时业内对模型管理还没有普遍认知，还没有意识到对一个大型企业，管理模型与开发模型一样重要，但SAS一直坚持对市场的布道。直到近两年，伴随着一系列模型风险管理监管指引的出台，这一需求才被越来越多的金融机构意识到并得到了快速增长。

SAS产品力优势巨大，40多年来一直坚持自研底层算法，而不是像很多企业采用的给开源算法加界面的方式。这保证了产品高度的稳定性、一致性与兼容性。

据SAS统计，头部客户产品复购率在95%以上。

TechWeb：马总作为首席数据科学家，您对SAS在中国区的本土化所需的人才有何期待？

马宁：站在公司的角度，我们期待“全栈型”数据人才。所谓全栈，一是领域知识，很熟悉某个垂直领域的业务，例如反洗钱、保险精算、客户营销等；二是数据技能，可以完成数据获取、整合、加工、分析、建模、评估的全分析流程；三是IT技能，机器学习模型部署上线，需要有很强的工程化能力，生产环境与开发环境可能有着完全不同的软硬件资源与时效性要求。当然，还需要对公司的产品体系与架构熟悉，把以上三种能力在公司产品层面落地。这类全栈型人才在市场上是很稀缺的，也是任何一家大数据公司最迫切所需的。

TechWeb：SAS如何吸引人才以及留住优秀的人？您认为公司内部是否存在“内卷”？

马宁：第一是薪酬，SAS会给出很有行业竞争力的薪资。第二是成长空间，员工会更看重选一家成长空间巨大的公司。SAS拥有全球最完善的员工培训机制，有上百门产品课程与阶梯式培训认证体系。SAS服务的客户都是行业内领先企业，通过这些客户的项目交付，员工可以快速成长，看到领先企业是如何思考和实践数字化转型的。第三是工作氛围，SAS在全球、在中国连续多年拿到最佳雇主荣誉。公司内前台、中台、后台部门配合默契、目标一致。SAS公司没有所谓“内卷化”，企业文化以及多年对人才培养方面的努力既保障了员工的工作，也加强了企业的凝结力。对于内部员工，SAS推行“引育并重”的人才培养策略，在大时代下，也在推动着行业的进步，体现了卓越的人才策略以及重视人才培养的企业文化。

补充：

马宁博士拥有超过十年的数据分析行业经验，深耕大数据分析技术领域，并具有深刻的业务理解和实战经验。在加入SAS之前，马宁博士曾先后就职于文思海辉、中软国际、平安科技等公司，历任金融行业首席数据科学家，数据科学团队负责人等职位。其擅长机器学习、人工智能技术在客户管理、风险计量、运营优化等领域的咨询与实施，曾主导并参与数十个银行、证券、保险、能源、交通等行业大型项目。马宁博士 理解银监会、保监会、证监会以及各地金融监管机构的监管业务，曾领导近十个科技相关监管项目。

马宁博士拥有北京大学数学专业学士学位，以及清华大学协和医学院生物信息专业博士学位，其具有深厚的数据分析专业背景，熟悉机器学习、分析挖掘为主的各类大数据领域技术。他同时也是多家金融机构、研究机构的特邀大数据专家。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。