Author: SAS Blogs

Feed: SAS Blogs. Author: Mike Gilliland. Following is Editor Len Tashman's preview of the new issue of Foresight: The International Journal of Applied Forecasting. Jonathon Karelse, author of the lead story, will be presenting in the Practitioner Track of the International Symposium on Forecasting (June 27-30). Preview of Foresight #61 (2021:Q2) For many years, we’ve identified Foresight issues by the seasons of publication as those of us who live in the Northern Hemisphere experience them. A continuation of this policy would see the current issue labeled Spring 2021. But Foresight is distributed to IIF members across the globe, including many ... Read More

Feed: SAS Blogs. Author: Jim Harris. Over twenty-five years ago, I was the victim of identity fraud. Someone with the same full name who lived in my town had billed tens of thousands of dollars in medical expenses to me. The fraudster pulled this off partly because of what is now considered an ancient trove of publicly available data. My full name, postal address and home telephone number were listed in the phone book – those printed, yellow-covered books that were delivered to your doorstep. My identity thief was able to commit in-person fraud using his real photo ID (most ... Read More

Feed: SAS Blogs. Author: Rick Wicklin. Most introductory statistics courses introduce the bar chart as a way to visualize the frequency (counts) for a categorical variable. A vertical bar chart places the categories along the horizontal (X) axis and shows the counts (or percentages) on the vertical (Y) axis. The vertical bar chart is a precursor to the histogram, which visualizes the distribution of counts for a continuous variable that has been binned. Although bar charts are often displayed by using vertical bars, it is often advantageous to use a horizontal bar chart instead. This article ... Read More

Feed: SAS Blogs. Author: Emma McDonald. With unemployment at a three-year high, the socio-economic impact of the COVID-19 pandemic has hit the UK hard. While significant progress has now been made on the clinical side of the crisis, and the success of the vaccination programme is a cause for optimism, the impact on the economy will take longer to heal. For energy and utilities, this poses a pair of related problems. Operating in a highly regulated environment and providing essential services to the population, these organisations have an obligation to supply customers and a moral imperative to support society’s most ... Read More

Feed: SAS Blogs. Author: SAS Japan. この記事はSAS Institute Japanが翻訳および編集したもので、もともとはMike Gillilandによって執筆されました。オリジナルはこちらです（英語）。 またこれは、ゲストブロガーのジェシカ・カーティス（Jessica Curtis）とアンドレア・ムーア（Andrea Moore）による3部構成記事の第3部です（未読の方はこちら：第1部、第2部）。 SASがそれを実現する方法 オープンソースの予測モデルをSAS Visual Forecastingに統合する方法には2つのメインステップがあり、どちらのステップもオープンソース・モデルのメリットと利用価値を増大させます。 基礎：オープンソース予測をプログラム的実行で加速する 資産の共有：オープンソース予測をカスタム・モデリング・ノードとして利用する ステップ1 - 基礎：オープンソース予測をプログラム的実行で加速する オープンソースの予測モデルをSASに統合するための基礎は、コードベースのアプローチを通じてプロセスを（手作業ではなく）プログラム的に実行することです。あなたは既にTSMODELプロシジャとEXTLANGパッケージのパワーについてお読みです。 TSMODELプロシジャ内部には、オープンソース・モデルを実行するためのオプションがいくつもあります。まず、自社／自組織のオープンソース戦略を加速および業務運用化するためのインフラとしてSASを活用し、オープンソース・モデルだけを実行することができます。また、これをもう一歩進め、オープンソース・モデルをSASのモデルと一緒に実行することができます。この場合、SASは時系列レベルでSASとオープンソースにまたがって最適なモデルを自動的に選択します。さらに、SASおよびオープンソースのモデルを組み合わせることも可能であり、この場合は、SASとオープンソースの組み合わせが個々の時系列に最適かどうかをSASが判断することになります。このアプローチにより、オープンソース・モデルの構築に投じてきた全ての努力を活かしながら、SASのアルゴリズム群も追加で取り込むことで、両方の世界の “いいとこ取り” を実現できるようになります。どのモデリング手法が最適かをあなたが事前に知る必要はなく、SASがあなたのためにその力仕事を代行します。SASは個々の時系列に関して、オープンソースとSASのどちらのモデルを選ぶべきか、あるいは両方を組み合わせるべきかを判断します。選択の機会が無限にある取り組みにおいて、これでその選択機会が一つ減ったことになります（お分かりですよね？ あなたの時間は既に節約されつつあります！）。 図2は、TSMODELプロシジャとEXTLANGパッケージの実際の様子を示しています。これは、R言語のauto.arima関数をSASで実行している例です。EXTLANGパッケージを使うと、オープンソース・コードを読み込む方法の柔軟性が高まります。SASの内部で（図2のように）明示的にオープンソース・コードを記述することも、あるいは、指定したファイルからオープンソース・コードを読み込むこともできます。 図2：SASのTSMODELプロシジャとEXTLANGパッケージを用いて、Rモデルをプログラム的に実行している様子 この基礎のステップにより、オープンソースおよびSASの予測モデルがともにプログラム的に実行されるようになります。予測結果は、幅広いビジネスユーザー層による利用のために、川下側の計画システムや実行システムへと簡単な方法で供給することができます。また、この基礎となるプログラム的アプローチを土台として、追加のメリットを得ることも可能です。具体的には「SAS Visual Forecastingのユーザー・インターフェイスの内部で、TSMODELのコードを取り出し、それをカスタム・モデリング・ノードの中へラッピングする」という方法を使います。 ステップ2 - 資産の共有：オープンソース予測をカスタム・モデリング・ノードとして利用する SAS Visual Forecasting Model Studio User Interfaceは「様々なカスタムノードを作成し、それらをモデル・パイプライン内での利用のためにExchangeにロードできる機能」により、コラボレーションを強化します。カスタムノードはEXTLANGの機能を活用して、あらゆるR／Python予測モデルを実行することができます。様々な技法を使いたい場合には、多数のカスタムノードを作成することができます。その手間をかける見返りは多重的です。これらのノードは、どのような予測プロジェクトにも適用可能であり、また、コラボレーションを強化するためにチーム内で共有することも可能です。いったん作成すれば、様々なパイプラインの中で、あるいは様々なデータ入力に対しても再利用することができます。図3をご覧ください。 図3：オープンソース予測のノードがExchangeにロードされている様子 作成したカスタム・モデリング・ノードは、あらゆるパイプラインに追加することができ、パイプライン内でSASの予測技法と独自のオープンソース・ノード（群）を組み合わせたり競わせたりすることができます。あなたのパイプラインが「複数のオープンソース／SASアルゴリズムによるトーナメント」を実行すると、SASはあなたの仕様指定にベストフィットするモデルを特定するための評価を実行します。モデル比較ノードを使うと、「複数のオープンソース／SAS技法を管理しながら、最良のモデリング戦略を評価するためにそれらを比較する作業」のための、迅速で透明性の高い方法が実現します。図4をご覧ください。 図4：パイプライン内にオープンソース予測のためのカスタムノードが表示されている様子 SAS Visual Forecasting User Interfaceを使うことで、「ワークロードの分散処理」や「オープンソースとSASにまたがるモデル選択」など、プログラム的アプローチの全ての利用価値が手に入ります。しかし、それだけではありません。このアプローチには「生産性と透明性の向上」、「オーバーライド（手動調整）機能や例外管理機能も備えた、ガバナンスの効いたワークフロー」、「ビジュアライゼーション機能との統合」という追加のメリットもあります。これらのビジュアライゼーション機能はUIに組み込まれており、ユーザーは追加の労力なしで、予測モデルをより的確に理解および評価できるようになります。その使い勝手は対話操作性と協働作業性に優れており、プログラマー以外の幅広いユーザー層が利用できます。 プログラム的アプローチを利用するか、Visual Forecasting UIの中でカスタム・モデリング・ノードを作成するかを問わず、SASは小規模なプロジェクトから全社規模のソリューションへの転換を図る取り組みに適した、拡張性と弾力性の高い予測環境を実現します。 まとめ 要約すると、SAS Visual Forecastingはオープンソース予測戦略の可能性を広げます。TSMODELはSAS Visual Forecastingの基底をなしているプロシジャであり、EXTLANGパッケージはオープンソース言語との統合を可能にします。TSMODELとEXTLANGの組み合わせによって “マジック” が生まれます。SASはオープンソース・スクリプトを分散処理します。SASは複数の入力データを同時並行で読み込みます。SASはオープンソース・コードの実行を分散処理します。SASは複数の出力データセットを同時並行で書き出します。分散処理、拡張性、弾力性 ──  要チェックです！ SAS Visual Forecastingは、単なるモデリング環境ではありません。これはデータサイエンティスト、予測分析担当者、ビジネスユーザーのための再現性に優れた協働作業型のワークフロー環境でもあります。Visual Forecasting UIにオープンソース・モデルを取り込む機能により、データの準備から、モデルの構築、モデルのデプロイに至るまでの全ての工程において、対話操作型の一貫したユーザー体験を提供します。ユーザー層をプログラマー以外の人々にまで広げ、ビジネス部門による予測の採用を推進することができます。このソリューションにより、あなたの勤務先の企業や組織は、多種多様な予測ユースケースを解決するのに必要な規模拡張を素早く効果的に実現し、ビジネス上の意思決定の向上を全社規模／全組織規模で推進できるようになります。 今後に向けて さて、ここまでお読みになったあなたは、更なる情報に興味が湧いてきたかもしれません。ちょうど良いことに、私たちはその興味にかなうリソースのリストをまとめたところです。これらのトピックに関する詳細は、以下のリンクを参照してください。 SAS Visual Forecasting： https://www.sas.com/ja_jp/software/visual-forecasting.html TSMODELプロシジャとEXTLANGパッケージがオープンソース・モデルを加速する仕組みを更に掘り下げた技術的詳細：「Scalable Cloud-Based Time Series Analysis and Forecasting」（執筆：Thiago Quirino／Michael Leonard／Ed Blair、SAS Institute Inc.）。この論文は無償のe-book「Forecasting with SAS®: Special Collection」にも収録されています。 ... Read More

Feed: SAS Blogs. Author: SAS Japan. この記事はSAS Institute Japanが翻訳および編集したもので、もともとはMike Gillilandによって執筆されました。オリジナルはこちらです（英語）。 またこれは、ゲストブロガーのジェシカ・カーティス（Jessica Curtis）とアンドレア・ムーア（Andrea Moore）による3部構成記事の第2部です（第1部はこちら）。 SASがオープンソースにもたらす価値 何よりもまず、SASは予測用の入力データを分散処理します。SASは時系列予測のためにデータをインテリジェントに分割する方法を理解しており、例えば、時系列グループが様々なワーカーノードにまたがって分割されることはありません。その上で、SASはオープンソースのスクリプト群そのものを複数のワーカーノードにまたがって分散させ、オープンソース・コードの実行を分散処理します。より具体的に言うと、EXTLANGパッケージはPythonまたはRのコードを呼び出す際、個々のPython／Rインタプリタを複数のワーカーノードのそれぞれに振り向けます。その結果、複数の時系列は同時並行で処理されます。このことがスケーラビリティと効率性の観点から何を意味するかを考えてみてください。これにより、あなたは自社／自組織の予測能力を「一つの予測課題の解決」から「組織全体の多種多様な予測課題の解決」へと広げることができるようになります。しかも、より迅速かつ大規模に解決することができます。 例えば、あなたの勤務先がグローバル小売企業だと想像してみてください。あなたのビジョンは、単一の一貫した予測プラットフォームで会社全体の多種多様な予測課題を解決することです。膨大な数のSKUの品揃えの予測から、サプライチェーン全体に展開すべき適切な在庫量の判断、各店舗における労働の最適化に至るまで、あらゆる取り組みにおけるあなたの目標は、アナリティクスに基づく正確な意思決定を推進することです。今日、あなたはちょうど、「財務計画の意思決定のための集計レベルの予測」をR言語で開発するプロジェクトで、最初の作業パスを終えたところだとしましょう。R言語による予測アプローチは多くの点で成功しているように見えますが、あなたは店舗の労働に関する意思決定をサポートするために、これらの予測機能を拡張し、より高粒度なレベルでの予測を開発することを目指しています。予測担当アナリストのチームは小規模であるため、あなたには、多種多様な予測ユースケースに対応するために効率的に処理規模を拡大・拡張できる自動化されたプロセスが必要不可欠です。 集計レベルでの財務計画のために、あなたは1,000個の時系列を実行しています。店舗別および部門別の店舗労働計画の場合、この数はあっという間に10万個へと膨れ上がります。SKU／店舗レベルのサプライチェーン計画では、時系列は数百万個に及びます。これは間違いなく、大規模な予測課題だと思われます。「分散処理に対応したスケーラブルな予測ソリューションのパワーによってのみ克服可能な課題」ということです。ようこそ、SAS Visual Forecasting の領域へ。 どのような大規模な予測課題でも、成功のカギを握るのは自動化です。そしてそれこそ、SASが行うことです。SASは統計的予測プロセスおよびオープンソース・モデルの実行を自動化することにより、お客様のビジネスにおける予測プロセスの効率化を推進します。TSMODELプロシジャとEXTLANGパッケージのパワーにより、SASはオープンソース・モデルの実行時間を加速することで、予測プロセスの効率化を更に推進します。これにより、あなたのチームは「予測モデルを一度に一つずつ作成する負担」が軽減し、真の例外ベースのプロセスへと移行することができます。解放された時間で、事業計画の取り組みや、予測対象を新しい領域に広げる取り組みに注力できるようになります。端的に言うと、少ないリソースで多くのことが行えるようになる、ということです。 いったんモデルを作成した後は、SASが自動的に複数の出力用データセットを生成します。これは単なる予測を超えた機能です。これには「モデルの仕様」、「当てはめ統計量」、「パラメータ推定値」を格納している多種多様なデータセットも含まれています。次に、これらの出力用データセットは ── あなたのご想像通り ── 分散処理にかけられます。このリッチな出力用データはデータサイエンス・チームとビジネス・チームの両方に対し、「重要な需要推進要因」や「モデルの詳細」に関する多くの洞察をもたらします。統計的予測を信用していないビジネス部門の人々と交わしたことのある様々な議論を思い出してください。その点、SASが自動的に作成する出力用データセットは「モデルがなぜ、何を行うのか」を “見える化” するために役立ち、その結果としてビジネス部門側との議論の質が高まり、モデルの採用率が改善されます。 また、SAS Visual Forecasting は、内蔵されているベストプラクティスにより、オープンソース・モデル群の強化も行います。特許取得済みのデータ診断機能やモデル構築プロセスから、リコンサイル（照合調整）機能付きの自動階層型予測機能、さらには、統合型の時系列セグメンテーション機能に至るまで、SAS Visual Forecastingは単なるアルゴリズムを超えたレベルで、様々なベストプラクティスに基づくエンドツーエンドの予測プロセスを提供します。 自動化機能、加速機能、強化機能は全て、お客様の組織のニーズに合わせた規模調整に対応可能です。組織全体の多種多様な予測ユースケースに応じて処理規模を拡大（または縮小）することができます。製品階層やロケーション階層の最下位レベルの粒度まで掘り下げる大量かつ複雑な処理にも対応できる高度なスケーラビリティにより、任意のレベルで予測を実行し、結果を生成することができます。「最初に上位レベルの予測を作成／調整し、それを手作業で下位レベルに落とし込む（脱集計化する）手法」に頼る必要はもうありません。SASは、ビジネス上の意思決定が行われるのと同じレベルで、高品質な予測を自動的に生成します。 （第3部に続く） ... Read More

Feed: SAS Blogs. Author: SAS Japan. この記事はSAS Institute Japanが翻訳および編集したもので、もともとはMike Gillilandによって執筆されました。オリジナルはこちらです（英語）。 ゲストブロガーのジェシカ・カーティス（Jessica Curtis）とアンドレア・ムーア（Andrea Moore）による3部構成記事の第1部にようこそ。 予測／フォーキャスティングはユビキタスな存在 予測／フォーキャスティング（以下、単に「予測」）は、事実上あらゆる業種にわたり、ビジネスにおける多種多様な意思決定の中核を支えています。それはあなたの勤務先が、「膨大なSKUの品揃えの計画」や「配送センターや店舗の労働計画の改善」に取り組む小売企業であるか、需要計画プロセスの刷新に取り組んでいる消費財企業であるかを問いません。あるいは、デジタル広告／在庫計画／価格設定のために予測を活用しているメディア企業や、最適なリソース配分のためにネットワーク利用率を予測している通信企業など、挙げればきりがありません。より優れた予測を得ることのインパクトは、あらゆる企業・組織における “ビジネス上の意思決定” に広範囲かつ抜本的な向上効果をもたらします。 44年以上にわたり、SASは世界各地の数千社の企業のために大規模な予測プロセスを改善し続けています。SASはその間、統計的予測の精度向上と予測プロセスの効率化を通じて最終利益の押し上げに貢献する強固な予測ソフトウェアを開発および強化し続けてきました。「当社は」と言っても過言ではありません。実際、当社は何冊も書籍を出しています。 SASの最新の予測テクノロジーを搭載したSAS Visual Forecasting は、全社規模の様々な予測課題を迅速かつ自動的に解決するための唯一無二の機能を提供します。SAS Visual Forecastingは、最新鋭の各種アルゴリズム ── 機械学習、時系列、アンサンブル ── だけでなく、過去データの診断、複雑な階層にまたがる自動予測、予測の例外管理に関する内蔵型ベストプラクティスも搭載しています。SAS Visual Forecastingの中核にある信条の一つは、「オープンソースのモデルを実行し、それらを大規模にデプロイ（業務実装）するための、オープン・エコシステムを提供する」ということです。 現在、オープンソースは予測モデルを開発するために広く使われています。多くの企業・組織がオープンソース戦略に取り組み始めており、PythonやRを活用して予測を作成していますが、組織全体の多種多様な予測ユースケースに対応するべく規模を拡張しようとしたときに様々な難題に直面しています。オープンソースの予測モデルを「SASのソリューション」（以下、単に「SAS」）で実行することには複数のメリットがあり、既存のオープンソース戦略に立脚しながら俊敏かつ効率的な方法を確立することができます。もはや、SASとオープンソースのいずれかを選択する必要はなく、両者は真の相補的な関係にあります。 オープンソースで開始する 多くの企業・組織は、頑健な予測を作成することに苦戦しているほか、様々な予測ユースケースのために規模を拡張しようとしたときに難題に直面しています。個々の予測課題には、データが徐々に増加し、複雑性も増大していくという問題が伴います。 例えば、あなたの勤務先が通信企業で、あなたは追加のインフラ（例：携帯電話網のセル）投資を行うべき場所に関する意思決定をガイドするために、データ帯域幅の需要を予測する必要があるとします。新規インフラ投資を計画するためには、帯域幅需要が時の経過とともにどのように変化するかを理解する必要があります。そこであなたは、市場における総需要が徐々に増加する様子を推計するために、オープンソースの予測ソリューションを構築します。そこから得られる予測は、ネットワークをどれほど拡大するべきかに関する年間計画の基礎となります。そしてあなたは、計画プロセスへのアナリティクス活用について高く評価されたとしましょう。次のサイクルでは、計画のための単独の総合的な予測ではなく、「追加データの取り込みを伴う分析」と「通信インフラの個々の構成要素に関する予測の作成」を依頼されることになりました。 図1は今回の要請が「市場だけでなく、個々の都市／中継局／ノード／構内も対象とした予測」であることを示しています。この分析には、大量のデータと多数の時系列を用いて数千あるいは数百万もの予測を生成する作業に対応できる処理規模の拡張性が必要不可欠です。上位レベルの値を下位レベルの値へと配分するのではなく、高粒度レベルの個々のネットワーク・コンポーネントに関する統計的予測を集計していくことが、予測精度の向上へとつながるからです。こうした予測精度の向上が実現すれば、資本計画プロセスは更に洗練されたものとなり、リソースは最も必要性の高い場所にピンポイントで、適切なタイミングで配分されるようになります。 これはネットワーク計画に固有の話ではなく、同じテーマの議論が全ての業種で繰り返されています。ここで必要とされているのはパラダイム・シフトです。あなたはもはや、個々の予測を手作業でチューニングすることはできません。数量が大きすぎるからです。 必要なのは、「あらゆるタイプのユーザー（例：プログラマーと非プログラマー）が “モデルの構築” や “高品質な予測の生成” において生産的になること」および「分散環境でデータを高速に処理すること」を可能にするソリューションです。そうしたソリューションでは様々なプロセスの自動化が、高精度な予測の生成を促進します。 図1：ネットワークの複雑性の図解例 ここまで来ると、予測モデルを構築するだけの話ではなくなります。それよりも遥かに大規模な取り組みになります。また、予測を事業計画プロセスに統合することも必要になります。そのためには、多くのユーザーが結果を確認・操作したり、必要に応じて処理を追加したりできるようなソリューションが必要です。また、結果を共有できる機能や、ビジネスユーザーが業務プロセスの中で結果を利用できる機能も重要です。 多くの企業が難題に直面している理由は、これまでの努力を無駄にしたくないと考えたり、継続性を懸念したりしている一方で、自社の現在のオープンソース・アプローチが既に限界に達していると気付いているからです。 SASのソリューションはオープンソースを加速する 全社的／全組織的な予測の取り組みにおいてオープンソース・アプローチが限界に達したとしたら、それこそSASが本領を発揮する状況です。オープンソースの予測モデルを構築するために投じてきた膨大な作業の全てを失いたくないと思うのは当然のことです。実際問題、それらを失う必要はありません。SASのアプローチでは、オープンソースのモデル群をSAS Visual Forecastingに取り込んだ上で、それらの利用価値を拡張します。 SAS Visual Forecastingによるオープンソース統合の基礎となっているのは、TSMODELプロシジャとEXTLANGパッケージです。TSMODELは、SAS Visual Forecastingの基底をなしているプロシジャです。EXTLANGパッケージは、外部言語（例：PythonやRなど）のシームレスな統合を可能にします。 TSMODELとEXTLANGは「オープンソースによる予測戦略」を改善します。SASはこれらの技法を通じて、オープンソースのモデルを実行するための「分散処理に対応した拡張性・弾力性の高い方法」を提供します。データの準備から、モデルの開発、モデルのデプロイに至るまで、アナリティクス・ライフサイクルの全てのステップにおいて、SASはオープンソースの予測モデルを強化します。SASはPythonやRで作成されたモデルに対してオープンなだけでなく、分析ワークロードを自動的に分散処理することでオープンソースを加速します。ちょっと立ち止まって掘り下げましょう。言い換えると、SASが「オープンソースのモデルを改善する」というのは、「その実行を高速化する」ということです。また、それ以外にも、SASが備える数々の “実証済みの利用価値の高い機能性” も手に入ります。もし興味をそそられたのなら、どうぞ読み進めてください。 （第2部に続く） ... Read More

Feed: SAS Blogs. Author: Kleber Wedemann. Asumir nuevas responsabilidades suele ser un momento muy importante para un líder. Más allá de todo el reconocimiento personal, la expansión de las competencias es también un momento muy intenso y humilde: hay muchos colegas con los que conectar, procesos que ajustar, cosas que aprender. También es un momento muy emocionante y aventurero. Después de cuatro años en SAS, me encuentro embarcado en un viaje de este tipo, asumiendo la responsabilidad del grupo de telecomunicaciones, medios y tecnología (TMT), así como del grupo de pequeñas y medianas empresas (SMB), además de mi actual cometido ... Read More

Feed: SAS Blogs. Author: Robert Allison. This is another in my series of blog posts where I take a deep dive into converting R graphs into SAS graphs. Today we'll be working on pie charts. I know, I know ... you visualization 'purists' might be wagging your finger at me, and saying "pie charts are no good." I concur that a bar chart is better in most cases - for example, you can more easily compare the exact values (heights) of the bars. But, that being said, a pie chart is a visual representation that people can easily relate to, and ... Read More

Feed: SAS Blogs. Author: Rick Wicklin. As mentioned in my article about Monte Carlo estimate of (one-dimensional) integrals, one of the advantages of Monte Carlo integration is that you can perform multivariate integrals on complicated regions. This article demonstrates how to use SAS to obtain a Monte Carlo estimate of a double integral over rectangular and non-rectangular regions. Be aware that a Monte Carlo estimate is often less precise than a numerical integration of the iterated integral. Monte Carlo estimate of multivariate integrals Multivariate integrals are notoriously difficult to solve. But if you use Monte Carlo ... Read More