ModelOps-Ansatz als Turbo auf der «Last Mile»

Unternehmen bleiben oft auf der «letzten Meile», also bei Implementierung und Operationalisierung von Analytics, stecken. Laut IDC haben Unternehmen weltweit über 189 Milliarden US-Dollar in Analytics investiert – aber erst 35 Prozent von ihnen sind bislang so weit, dass sie ihre analytischen Modelle auch komplett produktiv nutzen können. Gründe dafür sind aufwendige manuelle Prozesse und eine schwierige, inkonsistente Zusammenarbeit von Fachbereichen und Anwendern. Eine verbesserte Modellentwicklung und -erstellung sowie Automatisierung können den Übergang von der Entwicklung hin zur Bereitstellung von Modellen wesentlich vereinfachen.

Der Analytics-Experte SAS hat daher ein neues Angebot auf den Markt gebracht, das die grössten Hürden rund um die Operationalisierung analytischer Modelle aus dem Weg räumen soll. SAS ModelOps bündelt SAS Model Manager Software und Services. Diese Kombination vereinfacht Management, Operationalisierung, Monitoring, Training und Governance analytischer Modelle – egal, ob es sich dabei um Modelle auf Basis von SAS oder Open Source handelt. Auf die Unternehmenssituation zugeschnittene Consulting-Services sorgen darüber hinaus für eine schnelle und erfolgreiche Umsetzung.

Mit ModelOps gibt es jetzt einen kollaborativen Ansatz für analytische Modelle, angelehnt an die DevOps der Entwickler-Community. Die Methode ermöglicht Unternehmen, Modelle zu verwalten und nach Bedarf zu skalieren sowie sie kontinuierlich zu überwachen, um erste Anzeichen einer Qualitätseinbusse zu erkennen und diese zu beheben. ModelOps sorgt dadurch dafür, dass analytische Modelle den Sprung vom Data Science Lab in die produktive IT schaffen.

Zusätzlich führt SAS mit ModelOps Health Check Assessment einen Service ein, der Unternehmen – unabhängig von der eingesetzten Software – bei der Eigenbewertung und der optimalen Implementierung helfen soll. In einem Workshop vor Ort können Unternehmen ihren Reifegrad in Sachen Einführung und Management analytischer Modelle ermitteln. Der Selbst-Check gibt zudem Empfehlungen, wie sich die gewonnenen Erkenntnisse nutzen lassen, um bessere Entscheidungen zu treffen.

Bis zum Jahresende wird SAS zudem ein ModelOps Handbook zusammenstellen, das Unternehmen Best Practices an die Hand gibt, mit denen sie ihren Analytics Lifecycle rasch auf den Weg bringen – ohne dabei an eine bestimmte Technologie gebunden zu sein. Das Handbuch geht besonders auf Zusammenarbeit und Prozesse ein, die den Übergang von Entwicklung zu Implementierung vereinfachen sollen.

Mit dem SAS Open Model Manager unterstützt SAS Unternehmen zudem, Open-Source-Modelle zu operationalisieren und schnellere, intelligentere Geschäftsentscheidungen auf Basis ihrer Daten zu treffen.

Der SAS Open Model Manager ermöglicht Data Scientists die Anwendung von Prozessverbesserungsansätzen wie DevOps und macht Unternehmen die Registrierung, Bereitstellung und Überwachung ihrer Open-Source-Modelle in einer zentralen Umgebung einfacher oder überhaupt erst möglich. Die Lösung steht ab November zur Verfügung, sie integriert Python und R nahtlos. Anwender können parallel verschiedene Modelle vergleichen und bewerten, Champion- und Challenger-Modelle verwalten und auf integrierte Leistungsberichte zugreifen. So wird schneller klar, ob ein Modell umgebaut, verworfen oder neu konzipiert werden muss.

«Unternehmen haben die Entwicklung ihrer analytischen Modelle, einschliesslich der auf Open Source basierenden, gut im Griff. Oft gibt es aber Probleme, wenn diese Modelle operationalisiert werden sollen. Dabei geht dann ein Grossteil der von Data Scientists geleisteten Arbeit verloren», sagt Chandana Gopal, Research Director für Business Analytics bei IDC. «Der Markt verlangt nach einer neuen Generation von Lösungen für Modellmanagement, die es Data Scientists ermöglicht, Modelle in der Programmiersprache ihrer Wahl zu entwickeln sowie ihre Analysemodelle ordnungsgemäss zu katalogisieren und bereitzustellen. So können Unternehmen das maximale Potenzial ihrer Analytics-Lösungen nutzen und die Transparenz durch eine kontinuierliche Überwachung verbessern.»

Nicht Daten, sondern analytisch fundierte Entscheidungen bringen Unternehmen voran. Analytische Modelle helfen, Kreditkartenbetrug aufzudecken, Bankrisiken zu steuern, die zielgenaue Ansprache im Marketing zu verbessern oder wirksame Drogentherapien zu entwickeln – um nur einige Beispiele zu nennen. SAS hat viel Erfahrung darin, Unternehmen auf dieser letzten Meile zu unterstützen und dafür zu sorgen, dass sich ihre Analytics-, KI- und Dateninvestitionen auszahlen. Denn ohne die Überführung in die IT-Produktion bleiben KI & Co. nur schöne Hypes, bringen aber keinen Geschäftswert und somit keine Wettbewerbsvorteile.

Weitere Informationen, wie Unternehmen mit SAS die «Last Mile» bewältigen, gibt es hier.