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、深度学习、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。马宁博士深度理解银监会、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。
