Categories: Data

SAS erweitert Analytics mit Big Data

Dadurch lasse sich die Analytic-Technologie von SAS leichter dafür nutzen, um Daten zu analysieren, die in Hadoop-Umgebungen gespeichert sind. Dafür unterstützt es jetzt Hadoop und das Hadoop Distributed File System (HDFS). Darüber hinaus lassen sich über die neuen SAS-Funktionen auch andere Datenquellen einfacher als bisher in die Analyse einbeziehen lassen. Wie das Unternehmen mitteilt, können über den Analytic Server auch über eine grafische Oberfläche Befehle für Pig, Hive, MapReduce und HDFS abgeben werden.

Der SAS Analytic Server ist seit etwa einem Jahr verfügbar und richtet sich darauf, mehrere Terabyte große Datensätze zu analysieren und zu visualisieren. Über Technologien wie In-Memory oder In-Database-Analytics kann die Software, die derzeit für Datenbank-Appliances von Teradata und Greenplum verfügbar ist, diese Daten sehr schnell prozessieren.

Mit der aktualisierten Version seien, wie der Hersteller bei einer Veranstaltung in Las Vegas erklärte, die Anwender in der Lage unstrukturierte wie auch strukturierte Daten in großen Mengen direkt aus den Hadoop-Umgebungen zu laden und im High Performance Analytic Server zu analysieren.

Doch über das SAS/Access Interface für Hadoop können Daten nicht nur geladen werden, sondern auch geschrieben und gepflegt werden. Für den Anwender sehen die Hadoop-Daten dann aus wie native Daten aus dem Analytic Server. Das bedeute, dass der Anwender keine datenbankspezifische Sprache zwischenschalten muss, um diese Informationen zu analysieren oder sie mit anderen Daten zu vergleichen.

Daneben stellte SAS auch eine neue Version des Text Minter vor, mit der sich Informationen aus sozialen Netzen, Blogs, Nachrichten oder auch Callcentern auswerten lassen. Neu sind hier statistische Methoden und ein linguistisches Regelwerk, das die Auswertung von solch unstrukturierten Texten deutlich vereinfache und leistungsfähiger mache.

Für das Thema Event-Processing hat SAS die DataFlux Event Stream Processing Engine vorgestellt. Damit können Unternehmen Daten-Streams – etwa aus Online-Tools, oder Daten-Feeds auswerten. Diese können dann zum Beispiel für die Betrugsbekämpfung bei Kreditkarten oder für die Optimierung von Werbekampagnen verwendet werden.

Redaktion

Recent Posts

Alle Prozesse im Blick: IT-Service Management bei der Haspa

Wo es früher auf Buchhalter, Schreiber und Boten ankam, geht es heute vor allem um…

11 Stunden ago

Wie generative KI das Geschäft rund um den Black Friday verändert

Mit KI-Technologien lässt sich das Einkaufserlebnis personalisieren und der Service optimieren, sagt Gastautor Gabriel Frasconi…

11 Stunden ago

Banken und Versicherer sind KI-Großabnehmer

Ein Großteil der weltweiten KI-Gelder fließt in den Finanzsektor. 2023 wurden in der Branche 87…

1 Tag ago

Siemens legt 10 Milliarden Dollar für Software-Spezialisten auf den Tisch

Die Übernahme des US-amerikanischen Anbieters Altair Engineering soll die Position im Markt für Computational Science…

1 Tag ago

Standortübergreifender KI-Einsatz im OP-Saal

Ein deutsch-französisches Projekt hat hybride Operationssäle entwickelt, die durch 5G-Netz und KI neue Anwendungen ermöglichen.

1 Tag ago

OT-Security braucht zunächst Asset-Transparenz

Unternehmen wissen oft nicht, welche Geräte in der Produktion eine IP-Adresse haben, warnt Peter Machat…

4 Tagen ago