Генеральный директор SAS Institute Джим Гуднайт, сыгравший особую роль в том, чтобы средства бизнес-аналитики стали столь популярны, вот уже 41 год стоит во главе компании, ставшей за это время гигантом отрасли ПО. А вот на шумиху, царящую вокруг искусственного интеллекта, бизнесмен-миллиардер с докторской степенью в области математической статистики не обращает особого внимания.

«Все вокруг утверждают, что занимаются искусственным интеллектом, — иронизирует Гуднайт. — Раньше речь шла об облачных вычислениях и о Больших Данных, ну а сегодня нужно говорить об искусственном интеллекте. Ничего не меняется».

Гуднайт убежден в том, что многие используют растущий интерес к искусственному интеллекту для продвижения своих брендов, главным образом в маркетинговых целях. Это в полной мере относится и к системе IBM Watson, которая, по его мнению, представляет собой, по сути, интеллектуальную поисковую технологию.

«Аналитики и журналисты уже устали от разговоров об облаке, — добавил он. — Им нужно говорить о чем-то новом. Так происходит на протяжении всей моей жизни. Каждые четыре года в мире ИТ появляется очередное модное и прилипчивое словечко. Сегодня таким модным термином стал искусственный интеллект».

Искусственный интеллект овладевает общественным сознанием в последнее время, между тем в SAS занимаются развитием соответствующих технологий на протяжении уже довольно долгого времени.

«В эту тему мы вовлечены по крайней мере на протяжении 15 лет, — подчеркнул Гуднайт. — Все наши модели по выявлению мошенничества, связанного с кредитными картами, построены на базе искусственного интеллекта. Они работают с нейронными сетями. Всякий раз, когда вы позволяете машине принимать решения, которые ранее относились к сфере ответственности человека, это называется искусственным интеллектом. Спектр возможных применений очень широк. Порой просто формулируются три условия, которые человек учитывает при принятии решения, и это уже объявляют искусственным интеллектом. Одновременно дифирамбы поются и машинному обучению — еще одному модному термину. Когда речь заходит о машинном обучении, это очень часто представляет собой лишь рекламную шумиху. У вас есть модель, которую вы определили, и вы пытаетесь прочитать данные и улучшить ее, минимизируя целевую функцию. Вы проделываете это снова и снова до тех пор, пока целевую функцию не удастся сжать, после чего модель можно использовать в производственной деятельности. Но в основе всегда лежит модель. Нельзя просто бросать призывы к обучению. На самом деле машинное обучение — вредный термин. Звучит все хорошо. Но не стоит излишне увлекаться этим. По сути, речь идет всего лишь об очень сложной модели, которая подогнана под определенные задачи».

Прорывная сила аналитики

Известно, что в SAS всегда отказывались от соблазнов IPO и предложений о приобретении другими, более крупными игроками ИТ-индустрии, превратившись в итоге в крупнейшую частную компанию, специализирующуюся на производстве программного обеспечения бизнес-аналитики (Business Intelligence, BI). В 2016 году ее оборот составил 3,2 млрд долл., и с самого момента своего основания она ежегодно демонстрирует неуклонный рост.

Конечно, конкуренция со стороны как технологических титанов наподобие Google, так и ловких стартапов с тех пор заметно обострилась. Но Гуднайт убежден в том, что SAS удастся сохранить лидерство благодаря своей традиционной ориентации на клиентов.

«Мы стараемся разрабатывать именно то, чего хотят наши клиенты, — подчеркнул он. — Но при этом не только прислушиваемся к своим клиентам, но и пытаемся понять, куда движется рынок, с тем чтобы прий­ти туда первыми».

Гуднайт любит подчеркивать, что аналитическое программное обеспечение SAS проектируется таким образом, чтобы клиенты чувствовали себя разрушителями устоев, а не подвергаемыми разрушению.

Аналогичная метафора применима и к бизнес-стратегии SAS. «Мы и здесь стремимся все успеть. На протяжении 41 года нам удается оставаться на плаву, потому что мы постоянно улучшаем свое программное обеспечение, внося необходимые изменения и адаптируясь к новым задачам, которые становятся актуальными».

Основы для этих улучшений закладываются в инновационных лабораториях компании, сотрудники которых представляют новые идеи, и, если концепция имеет потенциал с точки зрения бизнеса, SAS финансирует разработку.

Среди предложений, которые уже нашли отражение в производстве, можно отметить Viya — облачную технологию анализа в памяти (in memory), которая была реализована в 2016 году, через восемь лет после появления соответствующей идеи. Архитектура предполагает использование вычислений на системах с массовом параллелизмом (Massive Parallel Processing, MPP), предусматривающих одновременную обработку множества вычислительных операций или процессов; каждый из таких процессов одновременно обрабатывается отдельными ядрами или процессорами.

«Для нас это являлось очень сложной задачей, поскольку изначально все делалось по-другому, — отметил Гуднайт. — Мы имели дело с последовательной обработкой. Данные считывались, заполнялась матрица вычислений, производилось обращение этой матрицы, после чего осуществлялся вывод полученных результатов. Как выполнять все это параллельно? Ни в одной книге рецептов вы не найдете. Нужно думать самим. Именно этим мы и занимались на протяжении последних восьми лет, определяя способы для организации параллельных вычислений. Некоторые задачи, на решение которых ранее уходило до 18 часов, теперь выполняются за четыре минуты. Клиенты, оперирующие большими объемами данных, уже успели ощутить все преимущества такого подхода на собственном опыте».

Обработка потоков событий (Event Stream Processing, ESP) становится важной частью бизнеса SAS. Миллионы периферийных устройств Интернета вещей, от домашнего оборудования и до покоряющих бескрайние просторы железных дорог локомотивов, генерируют потоки данных, открывая возможность их сбора и анализа прямо на месте.

«Обработкой потоков событий занимается большое количество наших аналитических средств, — указал Гуднайт. — Мы обрабатываем потоки данных со скоростью 400 тыс. событий в секунду, передавая в Viya соответствующую информацию, и вы можете получать визуальные результаты всех этих движений данных. Мы поддерживаем отношения с компаниями, занимающимися построением систем управления кондиционированием воздуха, управления отоплением, управления потреблением электроэнергии. Мы контролируем все это 24 часа в сутки, выдавая клиентам рекомендации по повышению эффективности путем изменения положения того или иного органа управления или регулятора, благодаря чему им действительно удается сократить свои расходы на электроэнергию. Полученные данные используются также для своевременного проведения профилактических мероприятий и прогнозирования того, что может пойти не так».

Купить номер с этой статьей в PDF