På sin bruker- og partnersamling Premier Business Leadership Series i Berlin denne uken, lanserte SAS Institute et nytt analyseverktøy i kategorien High Performance Computing.
Nyheten, SAS In-Memory Analytics, bruker patentert teknologi for å dele opp analytiske beregninger slik at de foregår mest mulig parallelt, og med så mye data i minne som mulig, med tanke på å kunne besvare komplekse spørsmålsstillinger i tilnærmet sanntid. Verktøyet er beregnet på miljøer som må ta beslutninger raskt med utgangspunkt i alle de enorme mengdene med rådata som IT-systemene deres genererer.
Løsninger som bygger på In-Memory Analytics vil være tilgjengelig fra slutten av 2010. De første vil være rettet mot risikoanalyse i finansnæringen. Deretter kommer systemer rettet mot store butikkjeder og andre analysehungrige næringer.
Blant pilotkundene for verktøyet er den store amerikanske kjeden Macy's og den asiatiske storbanken United Overseas Bank (UOB) med hovedsete i Singapore.
Det er ikke snakk om programvare som kan kjøres hvor som helst, heller ikke om en løsning som kan leveres som tjeneste. Kunden trenger bladservere fra HP – under Linux – og for «å redusere implementasjonstiden» anbefales det å ta i mot et tilbud fra HP Factory Express der In-Memory Analytics leveres forhåndsinstallert på HP BladeSystem infrastruktur med driftssystemet HP Insight Control.
Målgruppen er med andre ord de virkelig store bedriftene.
SAS-sjef Jim Goodnight sier den nye teknologien vil «endre spillet» hos storbedrifter som satser på avansert analyse for å styrke seg i konkurransen.
Ifølge uttalelser fra UOB, er det spesielt evnen til rask og omfattende risikoanalyse som gjør det nye verktøyet interessant.
De har prøvd ut en variant av In-Memory Analytics kalt «High-Performance Risk». Poenget er å sammenfatte myriader av finansielle instrumenter, mulige markedstilstander og ulike tidshorisonter med tanke på risiko innen utlån og likviditet og alternative scenarioer.
Ifølge «chief risk officer» Tham Ming Soong i HOB er risiko- og forretningsanalyse grunnleggende for bedre finansiell og økonomisk stabilitet, gitt at man higer etter evnen til raskt å opprette eller trekke tilbake finansielle produkter.
– Så raskt som markedet endrer seg i dag, er evnen til å forstå og dra fordel av hva som skjer i forkant av konkurrentene en mektig fordel, sier han.
Som eksempel nevnes et tilfelle der verktøyet ble brukt på en portefølje bestående av 44 583 verdipapirer – obligasjoner, kontrakter for valutahandel med mer – verdivurdert i forhold til 100 000 ulike markedstilstander over to tidshorisonter. Å utføre en «Value at Risk»-beregning under slike forutsetninger oppgis å kreve 18 timer hvis alt må kjøres på én server. Beregningen krever til sammen 8,8 milliarder ulike regneoperasjoner.
Ved å bruke High-Performance Risk, det vil si ved å stykke opp beregningene og kjøre mange regneoperasjoner samtidig på et stort antall servere, og med all data kontinuerlig i minne, ble «Value at Risk» gjennomført på mindre enn tre minutter.
Når det var gjort, kunne man gå videre med «stresstesting» av verdipapirporteføljen, det vil si beregne virkninger av endringer i rentesats og valutakurser, i sanntid, og gjøre banken bedre i stand til å forutsi svingninger i markedet og fininnstille sine egne reaksjoner.
Innen detaljhandelen, er det bruken av In-Memory Analytics for optimal bruk av priskutt og planlegging av vareutvalg som framheves.
Ifølge SAS er mange kjeder i dag nødt til å planlegge sentrale priskutt, uten mulighet til å ta i betraktning særegenhetene til de enkelte utsalgsstedene. Ideelt sett skulle analyseverktøyene gjøre det mulig å simulere virkninger priskutt på alle par av varetype og utsalgssted i ukevis om gangen, og samtidig ta hensyn til alt fra lagersituasjonen til hvordan bestemte priskutt påvirker den lokale etterspørselen.
Det skal være mulig, med nye verktøyet, å optimalisere priskutt for 200 millioner par av vare og utsalgssted over 26 uker, noe som hittil har vært praktisk umulig. Det innebærer, ifølge SAS, en mulighet for å detaljplanlegge vareutvalg og prising i store kjeder, med tanke på størst mulig fortjeneste for kjeden, uten at det skal gå på bekostning av kunden.
Les også:
- [03.09.2010] Verktøy for kjappe og innsiktsfulle prognoser
- [26.04.2010] IBM vokser raskest innen beslutningsstøtte
- [18.02.2010] Sammen om verktøy for bedre spådommer
- [01.12.2009] Bør IT-budsjettet dobles eller halveres?
