SASViya_顧客向け説明資料V2.4

(1)

データサイエンティストの自由度と

ガバナンスの両立

～人材不足から人材活用へシフトし、AI実用化を加速～

(2)

Agenda

• 課題解決に不可欠な要素：「アナリティクス・ライフサイクル」とは

• 自由と統制が最適にバランスされたプラットフォーム

• Enterprise Open Analytics Platform： SAS Viyaの特長紹介とデモ

＞Data, Discovery, Deployment ごとの特長

＞ガバナンス（データ、モデル、プロセス）の重要性

＞Enterprise Open Analytics Platform on コンテナ・テクノロジー

＞統合GUI上で実現するアナリティクス・ライフサイクルデモ

(3)

DATA

DISCOVERY

DEPLOYMENT

AI実用化の鍵は「アナリティクス・ライフサイクル」

DATA

◆ データアクセス

◆ データクレンジング

◆ データ準備

DISCOVERY

◆ データ探索

◆ データ分析

◆ モデル生成

DEPLOYMENT

◆ モデル管理

◆ モデル実装

◆ 精度モニタリング

(4)

自由

C H O I C E

統制

C O N T R O L

(5)

自由

C H O I C E

分析手法

データソース

人材

プログラミング

言語

(6)

統制

C O N T R O L

セキュリティ &

プライバシー

データ & モデル

ガバナンス

拡張性

_{デプロイメント}

(7)

DATA

DISCOVERY

DEPLOYMENT

AI実用化の鍵は「アナリティクス・ライフサイクル」

～自由と統制の最適バランス＝サイクルの最適化～

DATA

DISCOVERY

DEPLOYMENT

◆ データアクセス

◆ データクレンジング

◆ データ準備

◆ データ探索

◆ データ分析

◆ モデル生成

◆ モデル管理

◆ モデル実装

◆ 精度モニタリング

(8)

E

nterprise

O

pen

A

nalytics

P

latform

(9)

ビジュアル

UI

プログラミングUI

データガバナンス

インメモリー分析エンジン

カーネルカーネルカーネルカーネル

SAS Viya

AIライブラリ

EOAP：SAS Viya

Enterprise Open Analytics Platform : SAS Viya

散在するデータ、分析スキルやナレッジを統合管理、共有、活用

IaaS

PaaS

RDB

Hadoop

Cloud-DB

Stream

Da

ta So

urc

e

大量データ

高速解析＆

モデリング

UI・スキル＆

言語横断的な

統合管理/

共有/活用

モデルガバナンス

(10)

統合グラフィカル・ユーザー・インターフェース

アナリティクス・ライフサイクルを単一プラットフォーム上の統合GUI環境で実現

モデルの管理・実装・評価

データの管理・準備

データの探索・分析

モデルの生成

環境の管理

(11)

DATA

複雑さ、速度、サイ

ズに関係なく様々な

データに対応

データ準備の

合理化

従来型のデータか

ら新たに発生する

データまで

AI実用化の鍵は「アナリティクス・ライフサイクル」

◆ データアクセス

◆ データクレンジング

◆ データ準備

(12)

セルフサービスでデータ準備作業を効率化

(13)

DISCOVERY

多彩な

分析手法

プログラミング言語

多様な

対応

誰もが使える

スキルレベルに

応じたUI

AI実用化の鍵は「アナリティクス・ライフサイクル」

◆ データ探索

◆ データ分析

◆ モデル生成

(14)

多様で豊富なAI＆アナリティクス機能

（一部抜粋）

22 • 主成分分析

• Moving Window

主成分分析

• ロバスト主成分分析

• t-SNE

• クラスター分析

• 変数クラスタリング

• マーケットバスケット

• テンソル因子分解

• 異常検出サポートベクター

マシン(SVDD)

• ネットワーク分析

• 自動チューニング機能

• 線形回帰モデル

• ロジスティック回帰モデル

• ノンパラメトリック回帰

• 一般化線形/加法モデル

• 非線形回帰モデル

• 分位点回帰モデル

• 部分最小二乗法

• 半教師あり学習

• ディシジョン・ツリー

• ランダムフォレスト

• 勾配ブースティング

• ニューラルネットワーク

• ベイジアンネットワーク

• K-近傍法

• サポートベクターマシン

• ファクタライゼーション・マシン

予測モデリング

探索

•

FeedforwardNN

•

CNN

(LeNet/VGG/ResNet)

•

RNN (LSTM/GRU)

•

自動チューニング機能

•

転移学習

自然言語処理

•

形態素解析

•

特異値分解による次元削減

•

トピック抽出（SVD/LDA）

•

センチメント分析

画像処理

•

画像読込/保存

•

フィルタ処理/画像比較

•

検出とマッチング

•

医療用画像解析

ディープラーニング

最適化

• 線形/非線形計画法

• 二次計画法

• 混合整数線形計画法

• ネットワークフロー最適化

フォーキャスティング

• 時系列分析

• 自動時系列モデリング

• 階層間調整

• 時間-周波数分析

計量経済分析

• コピュラ

• パネル分析

• 損失分布モデリング

～マルチスレッド＆インメモリーの並列分散で高速処理される分析機能群～

(15)

セルフサービスで BI ＆ AI を活用

単一画面で、データ探索、データマイニング、機械学習、評価を誰もが利用可能

Machine Learning

Statistics

Visualization

(16)

セルフサービスで BI ＆ AI を活用

(17)

ビジュアル・パイプラインでモデリング

マウスの簡単操作で、機械学習・時系列予測・テキスト解析モデルを生成

➢ モデリングの効率化

➢ モデリングプロセスの容易な理解

➢ モデリングプロセス（ナレッジ）の容易な共有と再利用

標準装備のパイプライン・

テンプレートを利用可能！

(18)

ビジュアル・パイプラインでモデリング

業務要件に応じたモデリング（ブラック/ホワイトボックス）が可能

３ステップで簡単モデル生成！

精度の高い

予測モデル自動生成

学習用

データ選択

①

予測対象

項目選択

②

③

パイプライン

テンプレート

選択

モデルテンプレートはオープン

・独自に作成可能

・既存をカスタマイズ可能

ホワイトボックスでの活用：

ベストプラクティスに基づく

モデルテンプレートを実装

＆そのまま活用

ブラックボックス的活用：

(19)

ビジュアル・パイプラインでモデリング

異なる言語スキル横断的にチャンピオンモデルを自動特定

Python

のモデル

R

SAS Viya

のモデル

SAS V9

モデルの比較

異なる言語で作成され

たモデルの精度を容易

に比較可能

(20)

ナレッジの共有

有用なデータ前処理機能や分析アルゴリズムを共有・再利用

Pythonでコーディングされた論文に基づく

SASでコーディングされた

データ前処理

顧客分類に最適なパラメータが設定

済みのランダムフォレスト

(21)

DEPLOYMENT

容易かつ迅速な

モデル実装

モデルをデプロイ

様々な環境へ

Build once and

deploy anywhere

モデル管理

AI実用化の鍵は「アナリティクス・ライフサイクル」

◆ モデル管理

◆ モデル実装

◆ 精度モニタリング

(22)

予測モデルを企業の資産として統合管理

予測モデルのバージョン管理や精度のモニタリング、そして業務プロセスへの容易なデプロイが可能

比較

スコアリングのテスト

パフォーマンス監視

ワークフロー管理

バージョン管理

モデル間

精度比較

再学習

(23)

予測モデルを企業の資産として統合管理

モデル・リポジトリ

ストリーミング処理

（リアルタイム・スコアリング）

モデルを

データがある場所

に配置

企業ニーズに応じて多彩なデプロイ形態に対応し、好みのタイミングでスコアリング可能

モデルを

データが発生する場所

に配置

In-Hadoop

（In-Hadoopスコアリング）

In-DB

（In-DBスコアリング）

スコアリング処理

バッチ／リアルタイム／オンデマンド

In-Memory

（SAS Viyaのインメモリー分析

エンジンでスコアリング）

スコアリング・ランタイム

（任意のサーバー上のランタイム

エンジンでスコアリング）

(24)

GOVERNANCE

データ

ガバナンス

エンタープライズ

セキュリティ

ITガバナンス

モデル/プロセス

ガバナンス

AI実用化の鍵は「アナリティクス・ライフサイクル」

DATA

DISCOVERY

DEPLOYMENT

(25)

SAS Viya

In-Memory

(+ Disk Cache)

データ・ガバナンス

単一のデータをすべての分析者が共有・活用

Data

Source

Stream

ERP

CRM

SCM

SFA

・・・

Oracle

(Exadata)

HANA

SAP

Teradata

MS SQL

Server

CDH/HDP/MapR/

Azure HDInsight

Redshift/S3/EMR

Amazon

PostgreSQL

MySQL

単一の真実

（single version of the truth）

ABT

DM

ABT

ABT: モデリング用の横持ちデータ

(Analytical Base Table)

DM: 分析用データマート

Build Once,

(26)

モデル・ガバナンス

モデルのバージョン管理や精度モニタリング、そして業務プロセスへの容易なデプロイが可能

パフォーマンス監視

ワークフロー管理

スコアリングのテスト

バージョン管理

モデル間精度比較

再学習

In-DB

スコアリング

In-Hadoop

スコアリング

In-Stream

スコアリング

In-Memory/

On-Demand

スコアリング

(27)

プロセス・ガバナンス

アナリティクス・ライフサイクルのすべてのプロセスを可視化し、分析業務を標準化

DATA

DISCOVERY

DEPLOYMENT

データ統合（ETL）・プロセス

データプレパレーション・プロセス

意思決定（バッチ）

・プロセス

意思決定（リアルタイム）

・プロセス

モデリング・プロセス

(28)

プロセス・ガバナンス

分析プロセス（データ準備、モデル生成、モデル実装）における可視化のメリット

ビジュアルUI（マウス操作）

プログラミングUI（コーディング）

プロセス

可視化なし

・マウス操作でデータ加工、探索、レポート作成、モ

デル生成など各フェーズは容易に実行可能だが、プ

ロセス全体（手順）を把握することはできない

・プロセスの継承/再利用

は困難

・コーディングでデータ加工、探索、レポート作成、モデル

生成などを実行可能だが、プロセス全体（手順）を把

握するためには、コードを追って理解する必要がある

（時間/工数:大、必要スキル:高）

・ナレッジの継承/再利用の

敷居が高い

・昨日の作業を今日の自分に

引き継ぐのも困難

可視化あり

・プロセス全体（処理の流れ）を容易に理解

・可視化されたプロセスに基づく、容易なコラボレーション

（プロセス構成要素ごとの役割分担、貢献内容の明確化）

・可視化されたプロセスに基づく、容易なプロセス改変

（プロセス内の改変要構成要素を容易に特定可能）

・ナレッジの継承/再利用が容易（時間/工数:小、必要なスキル:低）

・スキルを問わず、多くの既存の人材を有効活用可能

・人材流動化に対応（ナレッジの容易な継承）

・AI民主化を促進

(29)

ガバナンスの欠如

同じ工数をかけて同じデータ、モデル、プロセスを作成し、冗長に保持

DM

モデル

プロセス

(30)

プロセスガバナンス

モデルガバナンス

データガバナンス

ガバナンスの効いた分析環境

冗長な作業/分析資産を削減し、コラボレーションを促進

DM

モデル

プロセス

(31)

ガバナンスの効いた分析環境

冗長な作業/分析資産を削減し、コラボレーションを促進

データ

モデル

プロセス

コラボレーション

EOAP：SAS Viya

分析資産の共有/再利用

コラボレーションの促進

～３つのガバナンス～

人材不足から

人材活用へ

(32)

E

nterprise

O

pen

A

nalytics

P

latform

on Container

(33)

アナリティクス環境の運用/管理の課題

数多くの異なるバージョンの混在

python

バージョン

リリース日

[8]

2.0 2000年10月16日

2.1 2001年4月15日

2.2 2001年12月21日

2.3 2003年7月29日

2.4 2004年11月30日

2.5 2006年9月19日

2.6 2008年10月1日

2.7 2010年7月4日

python

バージョン

リリース日

[8]

3.0 2008年12月3日

3.1 2009年6月27日

3.2 2011年2月20日

3.3 2012年9月29日

3.4 2014年3月16日

3.5 2015年9月13日

3.6 2016年12月23日

3.7 2018年6月27日

引用：wikipedia

• OSS（Python, R, など）の数多くの異なるバージョンの混在

• OSS（Python, R, など）の異なるバージョン間の互換性問題（移行 or 塩漬け）

• SASの従来版と最新版の混在（移行 or 塩漬け）

運用/管理

v2.7

v3.7

v9.4

v9.1

v3.3

v3.5

(34)

新版導入時の対応は移行 or 旧版の塩漬け？

コンテナは異なる言語バージョンの環境保持のメリットを活かし、デメリットを解消

異なる言語バージョンのVM環境を保持

異なる言語バージョンのコンテナを保持

D

S

メリット

特になし

好みのバージョンを使える

・好みのバージョンを使える

・好みのバージョン環境起動が早い

デメリット

・特定のバージョンしか使えない

・移行時の難易度高＆工数大

・DSの流動化リスク増

好みのバージョン環境起動に時間がかかる

特になし

※

I

T

メリット

移行後の運用管理コスト低

特になし

・IT基盤のリソース消費低

・ITガバナンスの確保（コンテナ環境の

運用管理コスト低）

デメリット

移行時の工数はかかる

・IT基盤のリソース消費増

・VM環境の運用管理コスト増

特になし

※

※モデル管理・ガバナンスは？

(35)

Kubernetes：コンテナ環境のオーケストレーション

EOAP on コンテナ

ITガバナンスの確保

Python

2.7 モデル開発

Python

3.7 モデル開発

R

3.3 モデル開発

R

3.5 モデル開発

SAS

9.3 モデル開発

SAS

9.4 モデル開発

Python

2.7 スコアリング

Python

3.7 スコアリング

R

3.3 スコアリング

R

3.5 スコアリング

SAS

9.3 スコアリング

SAS

9.4 スコアリング

SAS

Viya

モデル開発

・・

SAS

Viya

モデル開発

Controller

SAS

Viya

モデル開発

Worker

SAS

Viya

モデル開発

Worker

SAS

Viya

スコアリング

異なる言語×異なるバージョンのアナリティクス環境をコンテナ上に実装し、管理・運用

(36)

EOAP on コンテナ

モデルガバナンス、モデルオーケストレーションの確保

v2.7

v3.7

v3.3

v3.5

v9.1

v9.4

モデルガバナンス

✓ モデル情報登録・管理

✓ モデルバージョン管理

✓ モデル学習コード登録・管理

✓ モデルスコアコード登録・管理

✓ モデルデプロイ

✓ 精度モニタリング

✓ ・・・

異なる言語×異なるバージョンのモデルを統合管理・デプロイ

モデルガバナンス

EOAP：SAS Viya

(37)

Enterprise Open Analytics Platform

コンテナを活用した柔軟で迅速なモデル開発、スコアリング、管理

v2.7

v3.7

モデルガバナンス

EOAP：SAS Viya

v2.7

v3.7

（ビジネス側）

モデル管理用コンテナ

（IT側）

スコアリング用コンテナ

モデルリポジトリ

Kubernetes

（コンテナ or VM）

①

②

③

④

⑤

① モデル開発＆モデル情報

/スコアコード登録

② モデル管理

③ スコアコード取り込み＆

スコアリング

④ スコアリング結果登録

⑤ 精度モニタリング

架け橋

Dev：モデルオーケストレーション：Ops

(38)

エンタープライズ・セキュリティ＆ITガバナンス

Analytic

Governance

ガバナンス

統合環境

システム管理

セキュリティ

SAS Viya

_{データ管理}

・データ/モデル/プロセス

・分析資産の統合管理

・ユーザー権限

・コンテンツアクセス制限

・ユーザー認証LDAP連携

・データアクセス管理

・統合メタデータ管理

・データ暗号化

・システム監視/管理

・利用状況監査

・システム拡張管理

(39)

統合メタデータ管理

各種オブジェクト間の繋がり（リネージ）をネットワーク図として可視化

データ

（インメモリ）

ライブラリ

モデル

プロジェクト

予測モデル

BIレポート

データソース

データ準備

プラン（クエリ）

(40)

スケーラブル＆インメモリー並列分散で大量データ高速解析

SASViya_顧客向け説明資料V2.4

データサイエンティストの自由度と

ガバナンスの両立

～人材不足から人材活用へシフトし、AI実用化を加速～

Agenda

• 課題解決に不可欠な要素：「アナリティクス・ライフサイクル」とは

• 自由と統制が最適にバランスされたプラットフォーム

• Enterprise Open Analytics Platform： SAS Viyaの特長紹介とデモ

＞Data, Discovery, Deployment ごとの特長

＞ガバナンス（データ、モデル、プロセス）の重要性

＞Enterprise Open Analytics Platform on コンテナ・テクノロジー

＞統合GUI上で実現するアナリティクス・ライフサイクルデモ

DATA

DISCOVERY

DEPLOYMENT

AI実用化の鍵は 「アナリティクス・ライフサイクル」

DATA

◆ データアクセス

◆ データクレンジング

◆ データ準備

DISCOVERY

◆ データ探索

◆ データ分析

◆ モデル生成

DEPLOYMENT

◆ モデル管理

◆ モデル実装

◆ 精度モニタリング

自 由

C H O I C E

統 制

C O N T R O L

自 由

C H O I C E

分 析 手 法

デ ー タ ソ ー ス

人 材

プ ロ グ ラ ミ ン グ

言 語

統 制

C O N T R O L

セ キ ュ リ テ ィ &

プ ラ イ バ シ ー

デ ー タ & モ デ ル

ガ バ ナ ン ス

拡 張 性

デ プ ロ イ メ ン ト

DATA

DISCOVERY

DEPLOYMENT

AI実用化の鍵は 「アナリティクス・ライフサイクル」

～ 自由と統制の最適バランス＝サイクルの最適化 ～

DATA

DISCOVERY

DEPLOYMENT

◆ データアクセス

◆ データクレンジング

◆ データ準備

◆ データ探索

◆ データ分析

◆ モデル生成

◆ モデル管理

◆ モデル実装

◆ 精度モニタリング

E

nterprise

O

pen

A

nalytics

P

latform

ビジュアル

UI

プログラミングUI

データガバナンス

インメモリー分析エンジン

カーネル カーネル カーネル カーネル

SAS Viya

AIライブラリ

AI実用化の鍵は「アナリティクス・ライフサイクル」

自由

統制

自由

分析手法

データソース

人材

プログラミング

言語

統制

セキュリティ &

プライバシー

データ & モデル

ガバナンス

拡張性

_{デプロイメント}

AI実用化の鍵は「アナリティクス・ライフサイクル」

～自由と統制の最適バランス＝サイクルの最適化～

カーネルカーネルカーネルカーネル

AI実用化の鍵は「アナリティクス・ライフサイクル」

AI実用化の鍵は「アナリティクス・ライフサイクル」