【硅谷网整理】 北京时间2018年5月24日，2018年第六届SAS中国用户大会暨商业分析领袖峰会(SAS Forum China 2018)在北京成功举办。作为中国数据分析行业第一盛典，本届峰会以“激发非凡”为主题，聚焦“云分析、大数据分析、物联网、移动社交、智能制造、实时营销决策、实时反欺诈、开放平台”等热点话题，通过创新思维、实战案例，揭示数据背后真正的商业价值，激发各行业所蕴藏的潜能。在激发非凡媒体分论坛上，SAS公司高级副总裁兼全球研发负责人Stuart Nisbet，SAS公司大中华区总裁吴辅世，SAS中国区解决方案总经理钱立强等人和硅谷网等与会媒体展开深刻讨论。
主题：激发非凡媒体分论坛
时间：2018.5.24
地点：嘉里中心酒店
主持人：大家好，我叫吴宁川，我主持这个论坛是第三年了，之前也和大家一样是媒体人，现在在做投资方面的工作，我跟SAS也是老朋友了，过去几年我们看到云和大数据发生了很多变化，SAS公司到今年也是42年了，在过去的42年里，SAS公司一直耕耘在数据分析领域，最近几年在我们国家才流行起来，随着大数据的发展，我们SAS公司在去年也推出了自己的SAS软件，SASViya，我们今天借这个大会跟大家做个交流和分享，首先介绍一下今天论坛的嘉宾，他们是：
SAS公司高级副总裁兼全球研发负责人Stuart Nisbet
他在SAS公司已经工作了31周年了(1987年至今)，他跟SAS公司有非常悠久的历史，对研发和SAS的产品有非常深刻的认识。
SAS公司大中华区总裁吴辅世
SAS中国区解决方案总经理 钱立强 他主要负责售前，给用户提供解决方案，包括SAS推出SAS Viya的产品，也是面向不同的领域不同的行业做解决方案，把SAS Viya这个能力推向市场。
这位是来自FT研究院的阴东山院长 FT研究院在中国也做了大量的关于To B和To C的研究，一会儿也可以分享一下他们对中国数字化产业的观察。
我跟大家分享一下，SAS在全球是42年，90年代初便进入中国，包括我们去年做第五届中国高校SAS数据分析大赛，也取得非常好的成绩，去年有1036支参赛队伍，比最开始搞这个活动的时候翻了将近20倍。云和大数据、人工智能，在过去一年，整个中国市场有非常深刻的变化，我们的人才也相当多，SAS Viya产品在前年推出之后，在去年又推出了数十款这样的产品。大家对数据分析不是很了解，但是SAS公司是把统计学和数学算法放在这个云平台上，让普通人用到，这是SAS对数据产业做的非常大的贡献，尤其对于政府，像计量经济学这个产品，对银行和政府，从业人员都想用到这个产品，SAS公司过去的解决方案和技术有点高深了，我们去年通过云平台推到市场，把这个解决方案推给用户。
目前我们国家在数字化转型，包括企业上云这一块做了比较大的推进，一会儿吴总可以分享一下我们在智能制造领域推进数字化的能力。
接下来先进入今天下午的第一环节，首先请几位嘉宾分享一下，今天媒体论坛的主题是：数说非凡，智造未来，所以想请大家讲讲，结合中国数字化转型，在推进数据分析经济这样的过程当中，我们大家的观点，先请大家分享一下对于全球市场的观点，首先请FT研究院阴东山院长，因为FT金融时报本身就是数字化转型非常典型的案例，我也知道，我们FT研究院前不久刚推出一个2018白领收入指数调查报告，他们的研究说中国白领收入信息前十大城市，包括苏州、东莞、合肥、长沙，这些城市正在进行智能产业、数字产业、大数据分析产业的努力，所以导致他们的白领对自己的收入很有信心，所以首先请阴东山院长分享一下您对于全球的数字化转型，包括对大数据分析和智能产业在全球以及在中国市场的观点。
阴东山：谢谢吴老师的介绍，我是来自FT研究院，在整个互联网兴起之后，我们作为一家传统的财经媒体，在互联网媒体兴起之初也经历了一些冲击，因为FT在1888年成立，到今天已经有130年历史，在一百多年之中，我们在持续变革过程中，但是互联网技术是我们面临最大的冲击和挑战。FT在进行数字化转型，到目前为止，整体来看是相对比较成功的，就目前来看，经常有一些媒体和行业内的人分享我们的经验和教训，我们能做到相对顺利的转型有几个因素，首先一点，作为媒体，媒体的品牌和内容持续的质量的稳定性是我们最核心的资产，在这样一个核心资产保证的情况下，互联网转型，大家最初的理解是改变传播方式和沟通形式的变化，把线下的纸媒或者其他内容放在网上，似乎这样就可以了。但是我们在整个过程中也感觉到，互联网转型是体系化的转变，我们只是把内容从纸媒转到线上，其实并没有很好的对互联网新媒体下的冲击，尤其在中国更复杂的媒体环境下，包括传统机构媒体和自媒体的兴起，竞争压力非常大。
这样要求我们在转型到互联网媒体之后，整个运营，客户管理维护和生产，整个体系要转变，现在在整个运营过程中对数据的依赖也是运营的基础。比如整个读者的深度关系的管理，完全有一套数据体系持续的监测和改进，这是整个数据化运营和对读者经济化运营和管理的基础，这是最核心的工具，在内容生产和内容推荐上来看，数据化转型之后对我们提供了更多的工具，你可以更直接的接触到读者的阅读行为，这样可以根据他的阅读行为，以及他背后的特征推荐更多的，他可能感兴趣的内容，这样也会对我们整个内容的消费有更好的提升。
主持人：FT研究院刚才介绍把自己作为数字化转型案例，特别是用户智能，这也是SAS非常核心的解决方案，对于这个用户的触达直接找到用户，跟他建立联系，进行数字化转型，因为我知道FT整个转型蛮成功的，在国际上也拿了一些奖。接下来请Stuart Nisbet给我们分享，因为他上午讲到分析经济，特别是提到足球，通过摄像机看球员，分析他的运动轨迹获得整个球场上的数据智能，然后创造新的体验，数据分析现在都有，包括大数据也说了很多，很多公司也有数据分析的能力，但是分析能力的高低还是不一样的，数据分析是不是能够创造颠覆性的体验又不一样，所以请Stuart Nisbet从全球的视野来看一下包括数据分析和数字化转型的趋势和他的观点。
Stuart Nisbet：近年来我们看到了在分析方面有很多的变化，这些变化有体现在计算能力上极大的增强，有GPU单位的变化还有对于比较特殊的应用场景出现特殊的硬件，还有互联性的增强，现在还有应用于足球的自动化AI或者机器学习，他帮助我们做决策，何时把球员撤下场，这不仅仅是帮助他在场上进行分析，同时也降低球员的受伤机率，因为某些动作可能会增加受伤机率，如果这个情况应该把球员暂时撤下来，让他有一段时间修整，所有这些改变使我们更好的做决策，创造更高的价值。
除了在分析自动化方面的进展以外，我们还有一个趋势是增强，这种增强是指人类各方面能力的增强，比如现在在享受比较高质量的交传服务，未来我可以直接说英文通过机器翻译，这是电脑和分析给我们带来的很小的应用场景，未来这些技术将放大我们的视觉，我们的说话能力，我们的听觉和我们生活的方方面面。
所以这些自动化包括在增强方面最大的改变都是由于互联互通能力的增强，这种互联性的增强不仅是人与人之间的互联互通，同时也是万物之间，也是物联网所能实现的。所以无论是智能手机还是家里的电器，车子，巴士、火车甚至飞机已经可以互相通信了。这些物品之间交换的信息是通过前所未有的互联互通网络实现的，这带来很多机遇也带来挑战，如此巨大的数据如何分析使用，所以在自动化方面带来的改变都要感谢互联互通的实现。
我们将智能定义为获取并且使用技能的能力，人工智能就是电脑在一段时间内通过训练数据，通过平行神经网络获得了获取和使用技能的能力。可以预测，这将是未来一段时间内出现的最大的技术变革，这些之所以能实现都要感谢我刚刚说的种种技术，包括自动化增强和互联互通，电脑系统将能够帮助人类实现智能，同时使我们补充人类的智能，所以人工智能所做到的，他只是替代了人类学习能力的一部分，可以说为我们节省了时间，让人类专注于做只有人类能做的事情，所以强调的是电脑能够做的仅仅是帮助和辅助智能，而不是取代人类。
主持人：谢谢，感谢Stuart Nisbet给我们的分享，以及他上午提到的互联技术合作，这三个关键词非常重要，今天上午Stuart Nisbet提到关于手机从功能机到智能机，从手机到颠覆数码相机行业，还有智能眼镜怎么颠覆现有行业，这是我们SAS公司在过去42年时间里一直在观察这样的变化，接下来请吴辅世总分享一下，您在中国市场服务SAS公司也七年时间了，从数据到数据智能，在这个过程中有很大的变化，特别是去年人工智能出现以来，对于整个文化和整个国家的思想观念有很大的转变，所以请您讲一下对于中国市场的观察。
吴辅世：今天很高兴跟媒体有机会分享，SAS公司始终专注做数据分析，42年来公司专注在这个方面，如果有媒体朋友参加早上的论坛，开场的时候有一段视频，我们的创办人讲到人工智能现在这么热，这么火，有些人觉得这是一个很神秘很新奇的东西，但是你自己看，人工智能AI他的本质还是在于分析，因为我们讲到人工智能AI最主要的构建模块是机器学习，深度学习和神经网络，这些构建模块本身的核心是有大量参数的分析模型。所以讲到最后的根本，人工智能的本质是在于分析。我们公司另外一个观点，他也代表了通过分析的技术带来创新。
过去这两年时间，AI的推动帮大家对分析应用的要求，不管是传统的数据分析来描述，还是用AI人工智能推动，整体市场需求是非常蓬勃的发展，尤其从我们国家的角度来讲，在过去这几年当中，我们国家一开始就把大数据定位成国家整体发展的战略方向，在去年年底，12月份的时候，我们国家做了一个大数据国家战略实施的第二次体系学习，包括习主席亲自主持，参加这个学习做了很多讲话，前几年的大数据，从这个演进过程，先打下数据基础，既然人工智能本质是分析，分析需要大量的数据协助我们不断的训练优化模型，所以过去的基础，我们在今天看到，今天早上的主题演讲中Stuart Nisbet分享到物联网，这两个都跟大数据学习息息相关，因为这个基础，跟人工智能、物联网，新的创新风口，在推动市场发展，我们为国内很多企业，为国内的政府甚至消费者提供服务的角度来看，我们对这个市场的发展非常振奋，非常乐观。因为从大形势来讲，国家上层在推动领导大家，包括人工智能和物联网，今年两会期间，在李克强总理工作报告中都把这两个提到，一个是加强新一代人工智能的发展，另外一个讲到物联网是我们必须要进一步推动，因为他是我们发展中国制造2025非常关键的，这些信息扩散下来之后，企业也得到政府的支持，企业界本身因为这样一个新的竞争环境的改变，大家也加速推动在人工智能和大数据分析方面的应用，我举个例子，SAS公司服务最多的在金融行业。
过去这几年，由于有了互联网金融，带来很多新的竞争压力，让传统银行必须有一些新的作为新的做法，所以很多新的银行在推动运用人工智能、机器学习帮他更高效的推动业务发展，目前国内好几家银行跟我们合作，我们做了一个客户知音的项目，这个项目通过机器学习进行文本数据分析，可以看到来自社交网站，互联网和银行的数据中心，他收到很多客户跟他联系反映产品的使用情形。通过我们把机器学习训练作文本分析之后，我们可以主动掌握市场舆情，了解这些客户未来有哪些新的潜在需求购买什么样的金融产品服务。其他的竞争对手，包括新型的互联网金融怎么应对市场发展，经过新的互联网金融的冲击，从另外一个角度来看，给整个金融体系造成了一个很大的震撼，也是很正向的改革创新的动力。
这个动力当中，从科技的力量会来自于人工智能，或者大数据分析，在当中扮演很关键的角色。另外一个例子，这几年以来有很多银行采用我们大数据分析能力，再用神经网络建成反欺诈模型，一般的欺诈行为会不断的演进，我们的模型要不断的优化，通过自学习的能力能及时的侦测到，实时阻断交易。我们在去年的论坛上请到一家主要银行做重点的分享，他谈到在实施了实时交易反欺诈系统，用了神经网络运营之后一年之内节省了好几个亿欺诈的损失。因为我们运用到新一代人工智能的技术，机器学习的技术带来的便利性，带来的投资效益非常明显，所以整体来讲，我们可以看到在中国，接下来有更多的发展商机。
除了金融服务业以外，还有制造业，大家看到我们在中国定位要走向一个真正的制造大国强国，不止是在最后做一个产品的加工服务，我们希望从基本的科技核心要能够建立很好的基础，这样我们就必须发展所谓的新的高科技制造行业，为了做这样的工作，我们可以采访很多欧美国家，我们SAS公司帮很多制造业者运用人工智能很重要的技术，CNN神经网络图像识别分析，这些可以让你很快的进行图象识别，协助你生产过程中任何产品瑕疵的发生，我们把流程中的哪一个生产设备和生产原件造成瑕疵，所以对于高科技制造业者大幅度提升生产良率有很大的帮助。这方面我们看到中国的制造行业的机会也是非常蓬勃在发展的，所以这些都是接下来SAS公司有很大的信心和决心，我们要继续大力投入，把我们在全球的资源，在Stuart Nisbet的领导下，早上他跟我们分享了，我们在全球把每年总营业额的26%投入到研发经费，这相比其他IT同业在研发投入比例里，要比别人高出两倍以上，所以可以看到SAS在这个领域不断的探索创新，继续维持我们的领导地位。
因为这样一些新技术的发展，的确有一些新竞争对手出现，甚至很多人问我们，有开源软件，你们对开源看法怎么样，开源让我们更普及的运用分析技术，我们在整体系统的安全性稳定性管理性方面，我们跟开源是相辅相成的，Viya是可以让我们非常高效的管理来源于SAS和开源发展的模型平台，最终会结合成非常好的整体的力量形成市场推广。所以总结来说，我们看到有新的竞争力量和新的挑战，大家一起把这个市场大饼做的更大，让更多企业和用户享受到人工智能和大数据分析技术，整体来讲，作为一个传统市场领导者，我们在高级分析领域，占有约31%市场份额，当这个饼更大的时候我们要跟同业分享，但是我们作为领导者还需要发展契机。
主持人：今天早上吴总的演讲里有一句话蛮意味的，好奇心激发数据世界的无限潜能，您在跟用户的接触过程中，比如在政府层面，他们怎么关注数据，用数据说话，让他们有一种数据思维，推动当地产业的发展，您有没有这方面的观察?
吴辅世：我觉得我们国家政府的领导是很睿智的，非常有远见的。其实我们中央政治局的领导平常这么忙碌都要进行一些新知识，做很多集体学习。我们现在如果从中央政府再往下延伸看，到了省级和主要城市，可以感受到非常多地方的领导很重视以科技带动经济发展。过去发展经济，有一些地区的领导很单纯的想，就减税或者影响力投资，就可以招商引资造成经济繁荣，现在有很多领导在想是不是可以运用到智能制造和金融科技，如果我要做一个金融发展，用金融来推动整体实体经济的发展，是不是金融科技方面引进一些全球领导厂商，所以这跟刚才说到的好奇心，怎么想一些新的点子，有一些痛点，劳动密集型的经济不足以支撑我们的发展，我们要有不同的思维和不同的好奇心驱动整体国家的创新，从政府来讲要用新的思维和做法推动转型，所以我的感受非常深刻，甚至在过去一段时间，跟一些政府领导开会，我们发现他从早到晚都排的满满的，一些项目的讨论会议都是到午夜才结束。
包括去年我们跟深圳和贵阳都有密切的合作，我们做了大数据科技创新项目，我们发现这些领导有非常强烈的使命感和企图心，希望以科技驱动引领新的经济发展，他们做了很多新的尝试。
主持人：接下来请钱总，因为他这个部门是做专业服务的，因为SAS公司以前是做传统软件产品的，现在有一个SASViya平台，钱总这个部门是做解决方案，针对用户的场景推解决方案，带动整个SAS公司产品的销售，请您先介绍一下您这个部门，您看到有哪些用户痛点，我们有什么解决方案，因为我看到我们SASViya的客户，在中国还有麦当劳，您谈一下这方面的。
钱立强：谢谢大家。我是负责解决方案部门的，是全球的解决方案和中国市场客户一起进行定制服务，真正产生成果的部门，大家都谈到这个趋势，我们也发现一个很有意思的事情，AI也好，机器学习也好，大家都体会在生活之间带来的变化，无论是指纹还是人脸识别，在功能层面的变化是什么，无论是银行客户，政府客户还是其他行业的客户，我们看到目前的人工智能、深度学习给我们的企业和政府的工作带来的变化。第一个变化，我们看到分析探索的变化，其实我们分析的话，更多强调的是我有什么样的问题，我有什么样的需求，我从数据中找答案，可能用到各样的算法和工具。探索是数据推动，我们帮助客户实现数字化转型最核心的变化，用数据说话，我们不知道到底该说什么，在数据里发现问题和机会。
包括我们提到的Viya平台，它的整个数据也是从分析型和探索型的发展，这是目前很大的趋势，大家在很多文章里谈到Discover，都在谈数据在驱动，从分析到探索，这是第一个很大的变化。第二个很大的变化，有很多银行现在的招工表里我们发现要求约50%到60%的一线员工是具备机器学习和数据分析的能力，早年我们非常苦恼，在中国推广分析的时候发现人员的培养很难，但是后来我们跟美国客户商量的时候发现他的分析工具在学校里已经用的很好了，所以他们就像Word一样一直在用，现在AI和深度学习，人才断层非常严重，是非常热的话题，所以带来一个挑战，大家都希望从专家到平民化的使用，要求门槛低，需要我们的解决方案和平台门槛低。
第三个变化，我们经常在网上可以看到各种各样的特别智能的特别深的分析专题，大家知道我们政府在看什么，你知道今天北京有多少人吗，这是大数据相关性的分析，非常复杂的事情，但是通过我们的工具，我们政府发现看盐的销量是最好的指标，根据盐的销量可以知道这段时间有多少人口，因为中国人的流动很大，这是专题性的分析，现在的趋势是，一个一个量的专题分析正在变成综合性的分析系统，他变成一个端到端的，每天都在运行的系统.
举个例子，我们的一个银行是采用了预测分析，就是所谓的机器学习，采用了运筹学预测的深度学习的东西，还包括仿真，他就是做现金管理系统，从央行拿到现金，拿到他的金库里，他的金库要分到各个网点各个ATM机里，到底应该在银行放多少头寸，ATM里什么时候该补钱什么时候把钱拿走，所以我们经常遇到会满了存不进去，现在中国有150%移动支付使用的人在增长，但是只有10%的资金是非现金支付，90%是现金，如果现金存在央行，一个点一年下来银行收益非常可观的。这个情况下银行做了一个每个小时不停的仿真每个ATM的存取款，他就知道这个ATM机什么时候会短款，甚至知道这个客户有现金需求，或者根据客户的分析有突发大额的取现，每个小时都在运行，他会生成我的补钞员在什么时候在什么地方做什么事情，这是非常综合的系统，他达到的效果是可以让缺钞的情况降低96%。
现在在国内很多银行也在谈，像这样的综合运用人工智能和深度学习系统的建设，像这样三个大的转变，实际上他也要求企业所使用的分析生态和分析平台有几个要点，第一必须是平面化的东西，大家都可以使用，大家有机会可以参观我们的Viya展台，全部是交互式的，可视化的非常方便的东西，曾经我们有一个例子，一周之内就做了一个东西出来，还有谈到的相关性的分析，包括决策数，他们一线的人可以自己来使用。
第二个点，要实现综合的分析应用，他最大的挑战在什么地方，根据我们的统计，一个企业真正把这种模型，把这种深度学习和机器学习的模型建出来，到这个模型投产上线，需要平均三个月的时间，我们知道现在的市场变化，三个月的时间，特别是深度学习的模型，可能已经没效了，如何快速把做出来的模型部署到生产上，这是非常大的挑战，这部分SAS有一个模型的东西，无论是SAS的模型还是开源模式，都可以很好的放进去，这个产生的效益就非常快，而且大家都可以建，建好以后很容易的部署到生产。
第三点，有几种产生价值，一种是报表，一种是评分，你可能违约，你可能只有五万额度，还有第三种是在线部署，这个涉及到决策的过程，因为我们处理每件事情都不是靠一个模型或者一个规则决定的，所以在整个人工智能、机器学习里，所有都是需要有一个决策管理的引擎，所以我们在谈到人工智能的时候很少谈到这么完整的平台，实际上Viya就是这个平台，像这种实时的决策可以一键把模型部署到上面，可以回答一个客户登录的时候应该推什么广告，这个时候协同算法可以算出来最热门的没有买过的商品是什么，这样一整套生态体系，刚才我们描述的这些场景是Viya在一个平台上全面实现的，而且Viya是并行处理的，经过大数据非常快的处理。
比如我们的流分析软件，像深度神经网络的VGG或者CNY这样的模型建出来可以到两个GB，当你到前面的评分或者分类的设备里去的时候几个就跑不动了，所以Viya东西可以把这个压缩的非常小，有效率的进行部署执行。刚才吴总谈到图像侦测，可以做到一秒钟识别两百到五百张的标准图像，所以大家有机会很推荐大家看看Viya这个产品，40年来我们梦想的产品，我们现在终于做出来了。
主持人：谢谢钱总的分享，特别是从分析向探索的转型，是整个数据分析工具包括数据分析平台大的演进方向，特别是刚才提到综合性系统性的分析，这个也是结合了今天早上Stuart Nisbet提到的分析平台，一个完整的平台把过去碎片化的或者单点分析连接起来，这可能是SASViya最大的作用，他可以从用户端，刚才提到2GB的模型，可以用很小的模型实现，再加上模型本身可以部署到数据中心的产品，这一整套的数据分析平台。下面请Stuart Nisbet介绍一下，SASViya推出来快两年的时间，全球用户怎么用这个产品，怎么通过完整的分析平台帮助用户更好的从分析到探索的数字化的转变?
Stuart Nisbet：听了刚才各位的分享，我觉得非常受鼓舞，因为他说出了SAS的精神，我们愿意在创新上面进行投入，创新有好几个元素组成，其中最不可少的是好奇心，愿意问问题并且愿意寻找新答案。SAS在这方面一直非常幸运，我们非常愿意在研发方面，在寻找新产品方面投入，26%的营收投入研发，用于探索新的产品，其中有的产品可能会失败永远不会上市。
当然创新方面还有其他的一些元素，我们一直在用新的科技解决旧的问题，不是旧的科技解决新的问题，举个例子，在象棋领域，IBM研究了一款深蓝电脑希望打败国际象棋冠军，90年代深蓝失败了，后来IBM又给深蓝加了一些新的功能，最后打败了人类的冠军，象棋这个游戏，第一步有20个可能性，你的对手有20种可能性，第一步就有400种可能性，越往后走可能性越多越复杂，但是他还是有限的，IBM的方法是穷尽法，他穷尽所有可能走出的步数，决定在某一个时刻走哪个最有效，但是如果你想用这个方法战胜围棋世界冠军是不可能，围棋的棋盘是19X19，第一步的时候每一方有361种可能性，第二步的时候是361种可能性×360种可能性，第三步361×360×359个可能性，依此类推，所以可以看到围棋出现的下法数量大于可视宇宙中所有原则的数量，所以如果想用穷尽法打败人类的围棋冠军是永远不可能的，但是通过使用深度的神经网络，谷歌却做到了。
所以我很高兴的听到好奇心被反复的提及，因为我们需要好奇心面对新的问题，而不是第一次尝试不成功就放弃，我们在尝试识别第一张图片的时候花了很久的时间，现在我们已经每秒识别三百到五百张图片，现在我们从14个项目图中每秒达到30帧的速率，所以你看到我们面临的问题也是一步一步变的更加复杂，更加难解决。所以作为一个行业，作为一个人类，我们要想继续发展就必须有好奇心，并且持续投入，尝试新的想法，面对新的问题。
我们说到人工智能或者人造神经网络的概念，其实它也是模拟人类大脑中的神经网络而制成的，我们人类用眼睛通过视网膜成像，在视觉前额叶有一个进光跟出光的影射，现在人工智能神经网络可能分为六七，六到九层甚至十层有几百万个神经元，如果是人类大脑，这个数量远不止十几层，它的神经原细胞达到几百亿，我们利用人工智能是利用科技打开新的大门，创造新的机遇，一开始神经网络很有限制，后来通过新数字化革命，通过算力的提高，通过图像识别，视频识别，通过新的特殊的硬件等等，包括Viya在神经网络，在机器学习语音到文字的转换，包括视频跟图像的处理等等，其实我们用的是旧有的科技，但是通过数字转型我们使旧有的科技革新达到更好的成果。
主持人：下面请吴总展望一下SAS公司怎么看2018年的市场，以及有什么计划?
吴辅世：刚才跟Stuart Nisbet聊到整体市场发展，因为人工智能、物联网新的科技的驱动力，让我们传统大数据的分析，这个业务有更大的发展前景，当然我们看到有新的竞争，一些新的挑战来讲，但是同一时间，我们出去非常聚焦，对于擅长的做的工作，对于我们专注一些行业，比如银行业，制造业，我们有很多全球的成功案例，怎么把成功案例引入到国内，同时跟我们的潜在用户做更多的交流分享，对于这个市场推动还是有很大的增长机会，因为在过去六年来，我们SAS在中国也保持了连续六年两位数快速增长。还有一个，除了重点行业的发展。
另外一个是对于渠道的建设，我们看到中国市场这么大，我们在金融行业，我们过去对于四大行五大行，一直到十几家股份制银行做了很多很好的服务，我们在城商行农商行的领域，有上千家的机构，他们也做新一代客户智能的营销，他们也要做风险管理，也要接受银监会合规要求，他们对于分析和人工智能新的投入也同样有这些需求，这个市场我们必须扩大我们的覆盖和服务的范围，这里必须要借助合作伙伴，我们跟重要的合作伙伴在一起研究我们的计划，甚至跟我们国家，包括我们农商行有农商行的联盟，跟他们一起集结大家的力量加速这个市场推广的分享，除了金融以外，一般的工商行业也一样，在过去以我们主要的销售服务团队，我们可能把整个市场，如果他是个金字塔，在顶端比较大型中型的企业先后用我们的产品和解决方案，但是在下面很多中小型企业，他有类似的一些需求，也不断在发展当中，这一块市场领域也跟渠道合作伙伴一起发展，所以我们最终应该有一个大数据分析的生态圈，能够继续扩大，把未来的服务跟发展做好。所以2018年整体来讲，我们还是非常审慎。整体来讲，我们把自身工作做好，尽管在变化的阶段，阶段在经济转型或者调整逆境当中，市场的基本需求，只要你是扎扎实实的，有服务的热诚和有实在的产品，我们相信在中国都能够继续成长发展。当然也需要各位在座的媒体朋友们帮我们多多宣传，因为我们这个公司很专注在一个领域也是很研究性的公司，可能在很多市场的推广，包括让更多人了解我们，要靠很多媒体朋友一起帮助我们。
主持人：谢谢。我们第一个环节就到此，接下来是把时间给在座的媒体，看大家有什么问题。
记者：大家好，我的问题是SAS特别支持人工智能的嵌入，我想知道SAS在这方面有什么进步?
Stuart Nisbet：有关人工智能嵌入系统，我们在八年前投资了一项技术，事件流处理引擎，他可以吞吐大量的事件，这个事件包括很简单的，比如车里的传感器和比较复杂一点的网络中的流量，或者网络安全问题，我们开始将我们的深度学习应用到物联网的边缘，我们把这叫做边缘分析，我们也可以把分析用于非常小的芯片，这个芯片可能小到像一张信用卡一样甚至更小，可以在车里或者家电中，我们同时还会做很多的训练，让小的芯片有能力即时的处理数据，还不断的从数据处理中学习并且改进这个模型。比如他可以识别并且处理卡车里面的温度传感器，油压传感器震动等等数据，在经过长时间观察之后，当一系列传感器数据组合，如果暗示这个卡车有问题了，我们可以分析在卡车故障之前就找到问题所在，我们还可以把人工智能应用在医学成像领域现在把人工智能和深度学习嵌入物联网边缘。
记者：我是界面新闻的记者我有两个问题，第一，我们知道SAS的合作伙伴有上交所，深交所，想请您介绍一下SAS在和证券交易所的具体合作方式，比如类似交易所会说，他可能在监管中做一些大股东减持，什么时候减持，减持了多少，有没有符合减持规定，他们会做一个大数据的筛选或者回溯，去聚焦到市场中不规范的行为，从这些方面请SAS的领导阐述一下。第二个问题，前天中国银保监会发布了银行业金融机构数据治理指引，请您对这个数据指引做一个解读，谢谢。
钱立强：相关的内容不方便透露。但是有两个方面的支撑，一个是时政的研究，现在国内证监市场出了很多政策，他需要模拟，如果出现以后会怎么样，大股东减持或者非绩优股上市之前要时政研究，研究完了要做模拟部分。另外一部分是用机器学习算法发展的模式，去找出有些行为。随着深度神经网络的发展大家也在开展这样的研究，他们那个部门我们直接去服务，除了产品以外，所以只能谈到这一块。
记者：交易所用的软件是你们的还是他们自己开发的?
钱立强：现在是一个分析的生态，他们用我们的，也用各种各样的开源，所以都在使用。
吴辅世：刚刚您讲到银保监会对数据规范新的要求，我们从媒体方面没有深度的说明，谈到一些架构，对数据的管理，数据的质量，因为要设首席数据官，管理运用更规范，尤其大家发现当我们把数据更普遍的使用，一方面银行通过大数据的运用更了解我们的需求，把服务做的更好，照顾的无微不至，另一方面是隐私权的侵犯问题，从保监会新的规范要求，他的精神要保障银行有一套系统性合规性整体的标准制度，同一时间在你能够为客户提供很好的服务的同时，能够保障我们一般的消费大众化，我觉得精神是这样的，在这个过程中，对我们SAS公司来讲，我们在所谓的数据管理方面有整套的解决方案，比如现在应欧洲《通用数据保护条例》GDPR的要求，很多机构纷纷用了数据管理的解决方案，另一方面在产品以外还有很多专业服务，像钱总的部门有很多专业负责咨询服务的同事，他们对于数据的标准，数据的管理，对于银行保险业可以提供很多专业服务，凡是跟大数据有关的，对于数据的应用分析有关的，都是我们专业投入的领域，我们希望在政府的引导下，我们能够对银行保险业做更多的服务，谢谢。
中国金融电脑：我有一个问题想问一下吴总，我们知道金融行业是SAS重要的客户和合作伙伴，SAS也是随着中国银行业共同发展的，这两年我们看到银行业由于受到互联网经济的影响，他的业务和金融科技发生了很大的变化，SAS如何看待银行业在科技领域一些新的探索，我们SAS公司应该如何顺应这种转型，再一个，我们针对所有大型商业银行和全国银行以及第三级区域银行，针对三类银行，在服务上有什么不同的特色?
吴辅世：谢谢。第一个，互联网金融在过去几年，对于整个金融行业带来很多的冲击，也因为这个竞争才有进步，也让很多的传统的银行业激发了他们很多新的举措，新的投入，举个例子，我们现在讲的传统银行大家已经走到线上线下的整合，我要用大数据分析，我要更了解我的客户，今天大会邀请到很多银行业的客户来，有一些用户领导，大家一见面，聊到更新的工作，大家都说现在行领导要求怎么用人工智能，怎么用最新的科技引领业务发展，我们已经定位几乎每一家都同意以客户为中心，不是以产品为中心，先是以客户为中心，围绕客户，必须深入了解客户，大家在这些方面做了很多新的建设，前几年大家觉得大数据发展的关键性，现在所有的大行和股份制银行都针对大数据建立新的组织，大数据中心，有的是大数据信息中心服务中心，还有一家银行就叫大数据分析中心，就跟所有数据有关的，比如数据库，Hadoop和SaaS，过去首席数据官在西方国家比较多，这样新的领导组织架构会发生变化，银行会继续不断演进发生变化。
另一方面对于大行，股份制银行，跟农商行怎么做市场区隔和差异化服务，基本对于市场的定位都有不同的发展战略，我们可以看到在我们的主要城市，可能大行股份制银行有他的优势，我们到某一个省的区域，可能地方的金融，城商行农商行独霸那边，四大行被打的无力还手，我们要通过合作伙伴联盟开拓新的市场，甚至考虑新的模式，我们用一些共用的平台大家加速推广，因为城商行农商行进入的门槛不太高，从技术层面和财务投资层面比较容易入手的设计方案，让他加速建设他的市场营销或者风险管理各方面的运用。这方面整体加起来，市场潜力非常大的。我们如果讲过去金融市场可能因为很激烈的竞争，已经有点像走到红海了，新一片的蓝海，其实在城商行农商行里逐渐形成，每个公司都有他的定位和发展，我们也是参照在全球的成功案例加上我们自己在国内跟我们的技术团队和合作伙伴共同定出一个服务的计划。谢谢。
记者：我有两个问题，第一个问一下钱总关于运营场景，刚才提到对于金融行业来说人工智能的应用已经到了大规模运维临界点，其实有很多运用场景，包括防控和提高运营效率都是很基本的场景，在面对一些新的应用新的场景的时候，我们的用户的反映是怎样的，他们所面临的挑战和困难有没有共性点?第二个问题，各行各业在数据化转型过程中，尤其是人工智能大数据的前提下，有很多行业都有数据科学家，企业专门培养这样的人才辅助他管理运营提升，在这个层面上，我们作为数据分析领域非常有领导力的厂商有没有相应的策略帮助他们发展这样的平台?
钱立强：现在大家都知道在一些基层行业的董事长要求保安部门必须用人工智能改善自己的业务。今天我们大会超过一百个人，但是非常有趣的是，我们在做实践中间，人工智能方面保安的问题，帮客户做投诉处理的时候，后来发现是保安停车不到位的投诉。金融业一线员工离职是非常严峻的问题，我们就分析他的离职率，从他的请假模式到每天上下班的点，发现这个模式帮助银行通过两年时间从百分之十几的流失率下降到5.6%，你的问题是有什么困难，第一个困难是市场和领导层对这个期望值的不确定性和要实实在在做之间的平行，你怎么克服这一点，你怎么迅速见到效益，怎么支撑，这个你有专门的组织出来做这件事情。
第二个挑战，大家都在谈人工智能，都在谈深度学习，所以他面临了一个很大的挑战，我今天不用CNN，现在是TNN，不神经一下就不是深度学习，大家都在回归，媒体也可以帮帮忙，就像我们各个老总谈到的，其实他就是人工智能，我上大学的时候那个实验室叫人工智能实验室，87年的时候，这是第二个你要真正把这个用起来，做中国的业务。
第三个是人才，我们在前面做大数据的时候是数据经营人才，JAVA，搞PHP是热点，后来做互联网的网页，H5，这是一个热点。最根本的是要发现企业的痛点，你想发展的地方，从一个一个用户开始。但是中国的客户有一个特点，大家的好奇心，这种创新都是非常好的，我们也在学习。
吴辅世：刚刚问到银行培养分析人才，在数据科学，我们怎么把这方面做好，我从三个角度来谈，第一，银行要招聘外面年轻一辈的数据分析的人才，早上在会议中跟贵宾们分享了一个数据，我们在目前大概有超过两百多家高校，有的可能在管理学院，有的在统计学院，有的在计算机学院，我们跟这些院系都有合作，我们每年是成千上万的学生接受SAS培训，我们为了鼓励学生，同时切磋技术，我们每年办中国高校数据分析大赛，这个大赛在去年已经有超过1036支队伍参加，参与的老师和学生是三千多人，非常大的规模，所以他带动大家学习的氛围非常高，我们这次有演讲嘉宾从英国来的教授，他讲在那边教学，开源教，SAS也教，他们认为这是整体性的分析性的工具，开源可以运用，但是最终做管控对企业很重要，所以我们先培养外面年轻的学子，是未来数据科学家的人才。
第二，对现有的员工，我们在这几年也感受到银行的重视，这里面有好几家银行，跟我们每年谈五百人一千人的培训计划过去谈银行数据分析应用包括我们SAS主要的优势，他们是少数的专家型，可能在总行部门做一些深入的学习研究，提供给领导做参考，行领导看到分析结果，现在大量的把分析应用尽量普及到各个分行，这样更普及化，所以我刚才谈到这个银行，走到非常前瞻性的银行，跟我们的培训计划，我们签的协议是双方共同认证的。因为我们SAS有全球标准认证，不同的等级不同的专业有一个认证，认证完了之后银行有他的交易部门，同时把这个当作这些人才在行内升迁晋升很重要的资质，所以让来参加的学员非常有积极性，学了这个本领在行里更大展身手，对他的发展很有帮助。
第三，我们SAS要推动让数据无所不在，而且是让所有人都可以运用到，你要这样做，除了专业化软件的发展之外，同时让他更平民化，普及化，所以在Stuart Nisbet的领导下我们就很多产品做可视化分析，通过简单的拖拽让大家普及的应用，不用专门的科技部门或者专门的分析人员，包括一些业务部门人才，你可以透过用户界面非常方便的可视化分析，他直接自己做一些自主的分析应用，这也是我们协助银行把数据分析人才怎么样补强，让他扩大数据分析的运用，这些方面给你参考。
记者：我有一个问题，刚才您一直在说金融这块案例的介绍，金融机构怎么用技术推动业务的转型，说白了是数字化的转型，SAS也接触了那么多客户，SAS怎么看待目前中国数字化转型的进程，还有在这个进程中SAS扮演怎么样的角色?
吴辅世：我先把大方向做一个说明，其实这个数字化转型过程，我们前面看到在欧美的一些银行，他们在很多的管理运用，他们做首席数据官，首席分析官，在很多机构的分析运用比我们更前面，但是接下来我们可以避免走弯路，总结了人家经验，加上中国特色，比如我们中国目前有超过四亿七千多万的人使用移动支付，在移动支付某些特定领域的发展，这个数字是领先全球的，所以在运用分析，对银行怎么取得最新的数据研究了解客户的行为，从不同角度现金的管理，很多应用，因为中国在这方面，这个市场激发了很多新的构想，因为我们过去经济的成长，有人说我们没有劳动人口红利，但是我们消费人口红利在起步阶段，这个带动很大的商机发展，可以看到中国在金融行业数字转型方面有很多新的创意，可以不断的衍生出来，如果SAS把数据分析能力提供了，大家一起共同合作。
我们把最新的点子在全球最大的消费人口市场上做很多创新性的尝试，像刚刚举的例子都是新的尝试，最终中国在这方面会领先超越全球，因为我们人口这么多，很多银行已经变成全球领先级的，前五十大，前十大都有，但是我们自己扪心自问，我们的管理水平是不是同步到这个地方，其实我们还有空间可以成长，因为这样的市场条件和这个特性，加上政府推动，我本人非常有信念，我们可以在未来几年走出一些新的特色，反过来在其他的国际银行可以跟我们切磋学习的地方。
在这个过程中SAS公司绝对把我们全球的专业能力，包括今天Stuart Nisbet也在谈我们在全球三个重要研发基地，除了美国总部以外，中国跟印度，我们中国总部对市场的承诺和支持，我们研发团队有新的技术推动，他不仅是关起门做内部研发，实际上是贴近用户，用户在市场新的应用，还有一些最新的测试发展，我们本地的团队可以请到研发直接参与，我们有新的资源包括研发团队一起加速金融数字化转型的工作。
主持人：谢谢几位嘉宾的分享，也感谢各位媒体朋友，因为我们SAS公司在数据分析领域42年，2017有32.4亿美金的营收，是很健康的增长水平，去年SAS公司成立了新的物联网部门，物联网业务也增长的非常好，以物联网为抓手带动数字化转型，SAS公司产品技术和解决方案服务准备好了，我们在中国市场向数字化转型的浪潮来了，所有人要参与其中。希望大家在明年在这个地方见证我们SAS公司在未来一年的增长，也感谢各位参加今天的媒体论坛，我们明年再见。
|
