De oplossing moet het voor bedrijven mogelijk maken om een groter aantal data analytics-modellen daadwerkelijk in te zetten. Op dit moment bereiken slechts 35 procent van de analytics-modellen dat punt, en blijft de rest achter in eerdere ontwikkelingsfases.
SAS wil zijn kennis op het gebied van data science gaan combineren met AI, om de “last mile challenges” op te vangen die bij machine learning en AI in het algemeen komen kijken. SAS ModelOps wordt geleverd als pakket, waar SAS Model Manager deel van uitmaakt. Ook ondersteunende diensten die open source en SAS-modellen gebruiken worden meegeleverd. ModelOps Health Check Assessment wordt eveneens meegeleverd, een oplossing voor het optimaal uitrollen van modellen.
ModelOps lijkt op DevOps, en neemt van die aanpak ook over dat het pakket de hele life cycle van modellen moet omvatten. Waar het bij DevOps om een holistische aanpak voor het ontwikkelen van applicaties gaat, gaat het dus bij ModelOps om modellen in plaats van applicaties.
Oplossing voor het hele proces
Naast het trainings- en ontwikkelingsproces van analytics-modellen wil SAS bedrijven ook helpen met randvoorwaarden die nodig zijn bij het ontwikkelen van modellen. Zo zijn er functies voor het backtracken van gegevens om zeker te weten dat alles voldoet aan de nodige regelgeving. Ook zijn er monitoringfuncties zodat modellen continu gecontroleerd kunnen worden op performance. Zo nodig kunnen ze dan dus ook nog verbeterd worden terwijl ze al in gebruik zijn.
Met ModelOps Health Check Assessment biedt SAS suggesties voor het optimaal inzetten van analytics-modellen in de specifieke omgevingen van gebruikers. Het ModelOps-pakket moet dus samenvattend alle benodigdheden bieden voor bedrijven om AI-modellen te kunnen ontwikkelen, te monitoren en optimaal in te zetten.