日前,全球数据分析领域领先者SAS在北京举办了“2019 SAS中国用户大会暨商业分析领袖峰会”。峰会迎来了大量数据领域的开发者、专家及用户的到场。期间,记者遇到一位有着14年应用经历的SAS使用者——现任重庆农村商业银行总行金融创新部大数据中心总监孙光辉。这也不禁勾起心中的好奇。
众所周知,在14年前,大数据的概念甚至还没有出现,那么,是什么机缘使其与SAS结缘?SAS能够带来哪些切实的应用价值?是什么动力让SAS相伴,并且一走就是14个年头?
半路出家,结缘SAS
重庆农村商业银行总行金融创新部大数据中心总监孙光辉
如今的孙光辉,在担负重庆农村商业银行总行金融创新部大数据中心总监要职的同时,也是该行大数据团队的创建者和领头人。此前,他曾在国内外知名银行、持牌消费金融、电商金融、风险咨询公司等多个领域有10 年以上大数据分析相关从业经验。孙光辉专长大数据风控建模、金融反欺诈策略、营销建模和数据产品开发,曾多次组织主讲大型企业级的 SAS 数据分析系列课程,累计培训学员超过 1 千人。
不过,就是这样一位拥有着深厚SAS开发经验的资深人士,早在14年前接触SAS时,还是个一年级在读研究生,而当时接触SAS也是为了完成作业。谈及那段经历,孙光辉记忆犹新。“我其实算是半路出家,最初学的本科是机械专业,在做了机械工程师的工作后,跨专业考研并考取了北大的统计学专业。当时是2006年,在研一结束暑假实习时深度参与了一个大型运营商数据挖掘项目,项目的目标是通过挖掘多达2.5亿条客户通话记录来精准识别有高流失倾向的VIP客户,主要的数据处理和分析工具就是用的SAS。那时还没有大数据以及Hadoop的概念,我还是很惊叹的,在那个年代,用SAS能够处理分析那么大的一个数据量,而且基本找不到其它任何替代工具。”
正是那段经历给孙光辉留下了深刻的印记,从此与SAS便结下不解之缘。后来,他前往加拿大读取了第二个硕士学位,在加的工作也多是应用SAS来进行数据分析,他先后就职于银行、科技公司等,直至2015年回国。
“所以对于我来说,SAS的确是一个数据分析领域的生产力工具,但同时也已成为我吃饭的‘家伙’。”孙光辉笑言:“直到现在,我还在写SAS代码。因为我的整个职业经历,从学校到社会,SAS在陪伴我一路‘打怪升级’。如果你是一位剑客,那么这个‘宝剑’用了十几年,也会产生感情。”
SAS是数据变现强大“引擎”
孙光辉认为,当前大数据的发展最主要的突破还是在算力和存储方面,但真正的数据商业价值变现则在于数据分析。因此,当大数据存储越来越便宜,算力越来越快,数据变现就会成为当前大数据的一个最核心焦点。而SAS在商业数据变现领域将担负起引擎的重要角色。
SAS的发展早于大数据概念。早在1976年,SAS就在商业数据分析领域发挥作用,至今有了40余年的积淀。尽管在数据分析领域,当前有非常多的开源解决方案,但是SAS的价值却始终不会被取代。因为SAS性能优异,拥有的不仅仅是算力、数据分析等方面的解决方案,而是拥有着一整套的生态。
孙光辉也通过举例的方式介绍了SAS可以为行业用户带来的应用价值。
第一,从数据价值转换层面,SAS的应用能够大幅降低银行用户的欺诈损失。例如在加拿大曾借助SAS为当地某银行成功开发部署了交易反欺诈解决方案。在相同预警触发率的条件下,应用大数据预测模型技术,使得欺诈损失较原来下降了70%。在该项目开发过程中,建模是一项非常具有挑战性的工作。首先,在交易量为百万级、千万级的交易中,欺诈是一个特别小几率的事件,仅为千分之一或万分之一;其次,建模既要控制欺诈损失,还要考虑客户体验和人工案件调查成本,整体需要达到一个平衡。
第二,在数据分析师生产力的角度,SAS的应用能够大幅提升数据工作者的工作效率和生产力。例如最初在加拿大某科技公司就职时,孙光辉看到该公司的数据分析普遍采用了手工的方式,比如手工写代码,手工去数据仓库提取数据等。引入了SAS工具后,则可以自动化的完成数据分析的整个过程,大大减轻了数据分析师的工作量。
第三,以SAS为主要分析引擎,可以为银行用户搭建支撑创新业务发展的全行级大数据分析平台。比如在重庆农村商业银行,基于SAS为开发语言搭建了全行级大数据分析平台,以“小而美,短平快”为主特色的数据产品开发模式,成为全国银行行业的一个创新实践模式。所谓“小而美,短平快”,是指针对动态、时间窗口很短的业务需求,能够在非常快的时间内来提供相应的数据分析支撑。“农商行之前的大数据分析基础非常薄弱,以前基本谈不上什么大数据分析,而自去年3月份我来之后才成立了大数据中心,并借助SAS在短短一年内迅速搭建起自身的全行级大数据分析平台。”孙光辉说。
SAS行业应用,大有可为
如今,中国各行各业正处于一场轰轰烈烈的数字化转型革命中。那么,除了提及最多的金融行业的应用外,SAS可以被利用在哪些行业领域?
孙光辉表示,随着国内数字化转型的深入推进,数据已经成为企业的一个核心战略和资产,而通过数据分析则能够更为全面、深入的了解业务背景的全景,并可以对业务未来的发展变化趋势进行预测和优化。
在他看来,除了金融行业外,尤其在制造业,数字化从来就不是一个新提法,更属于一个“旧瓶装新酒”的问题。因为在制造业其较早期时就借助数据分析的方法来监控生产流程和产品质量。无论是小数据还是大数据,最终目标都要实现数据变现,对于各行各业而言更是如此,数据分析的工作实质并没有改变,只不过以前数据可能是人工采集,现在的数据自动化采集程度更高,以前数据量小,现在的数据量更大。最根本的,还是要运用好数据思维去做事,将业务问题转化成数据模型,从而利用数据分析来解决商业问题。
整体而言,在各行各业用户数字化转型的当下,数据分析的市场空间非常广阔,而这也为SAS提供了广阔的发展空间。