In-Memory-Lösung für Analysen großer Datenbestände

Mit In-Memory-Architektur können Unternehmen riesige Datenmengen untersuchen und erhalten die Antworten auf kritische Fragen fast in Echtzeit. Der sonst übliche Umweg über die IT entfällt. Diese zentralen Vorteile seiner Analytics-Lösungen betont der Softwarehersteller SAS. Denn mit SAS Visual Analytics könnten auch Anwender in den Fachabteilungen sehr zügig Erkenntnisse aus umfangreichen Datenbeständen (Big Data) gewinnen und unmittelbar für Geschäftsentscheidungen nutzen. Möglich mache das eine einfach zu bedienende Benutzeroberfläche mit vielfältigen Visualisierungsmöglichkeiten. Die In-Memory-Technologie liefere die Geschwindigkeit zur explorativen Datenanalyse. SAS Visual Analytics ist ein Baustein von SAS High-Performance Analytics.

SAS Visual Analytics kombiniert branchenweit führende Analytics außerdem mit einer intuitiven Datenauswertung, Hadoop-Unterstützung und der Möglichkeit, die gewonnenen Erkenntnisse auch auf iPads wiederzugeben. Es ist nach Unternehmensangaben die einzige In-Memory-Engine, die speziell für die Visualisierung von Big Data auf einer kostengünstigen, nicht proprietären Hardware entworfen wurde. Jim Goodnight, CEO von SAS, erklärt: „Es geht dabei um weit mehr als Abfragen und Reporting. Selbst kostengünstige, branchenübliche Blade-Server können mit dieser High Performance In-Memory-Architektur innerhalb von Sekunden oder Minuten Antworten liefern.“

„Das Herz von SAS Visual Analytics ist unser SAS LASR Analytic Server, er beschleunigt die Datenauswertung und -visualisierung. Diese In-Memory Analytics Engine wird unser gesamtes Software-Lösungsportfolio erweitern“, sagt Goodnight. Damit würde Innovation aus 35 Jahren SAS Analytics auf Big Data nahtlos übertragen. Unternehmen, denen SAS Visual Analytics bereits in einem frühen Entwicklungsstadium vorgeführt wurde, hätten darin einen Mehrwert für ihre Geschäftsprozesse erkannt: Antoine Georges beispielsweise, Vice President of Analytics bei Virgin Mobile USA, betont potenzielle Vorteile, „wenn es darum geht, die Unmengen von Informationen, die wir in den Aufzeichnungen von Telefonaten finden, in unsere Modelle zu integrieren.“ Der LASR Analytic Server nutzt das verteilte Dateisystem von Hadoop als lokalen Speicher beim Server. Er wurde mit sehr großen Datenmengen getestet und ist laut SAS extrem skalierbar – weit über die bekannten Begrenzungen bei der Auswertung von Datenreihen vieler relationaler Datenbank-Managementsysteme hinaus. Je mehr Daten in einer Auswertung verwendet würden, desto genauer seien die Ergebnisse – sowohl hinsichtlich strukturierter als auch unstrukturierter Daten.

www.sas.com