SAS預測系統融合80種以上分析模型

過去商業智慧所著重處都是針對歷史資料的分析，近來隨著整體市場發展逐漸轉向訴求績效管理，各個廠商也在既有的基礎上不斷延伸，而賽仕電腦（SAS）就決定推出預測系統Forecast Server，其中所採用的分析資料，雖然仍舊是以歷史資料作為基礎，不過Forecast Server在整合時間序列與最佳化預測分析兩大既有產品之後，將可提供企業80種以上的分析模型，並期望藉此提升預測準確度。

SAS資深顧問張瑞文表示，預測系統的使用族群，過去大多鎖定統計分析等專業人士，近來，由於自動化工具的成熟度越來越高，因此即便不是統計分析等專業領域的人，也都可以透過Forecast Server進行預測，例如：新產品上市的需求預測，企業就可以把資料庫當中相類似的產品資料調出，然後加入新的影響因子或是更改參數，Forecast Server就會在15秒以內自動產生預測結果，企業只要比較各個分析模組所產生的Mape值，就可以知道各個分析模型的準確度。

目前Forecast Server在國外的應用，包括了需求預測、銷售預測、庫存預測、電力預測等。臺灣市場的反應，則比較熱中於需求預測的應用。一般來說，企業對於預測系統的需求，未必是因為資料量大的緣故，張瑞文表示，營運面的急迫性問題，才是導入與否的關鍵，例如：因為預測不準而造成的庫存量與營運損失等，都是Forecast Server的潛在需求。

基本上，Forecast Server是一套可以獨立運作的軟體系統，關鍵在於如何匯入企業所累積的資料，張瑞文表示，由於Forecast Server可以支援Excel，因此企業不僅可以把Excel的資料匯入，Forecast Server分析完成之後的結果，也可以匯出到Excel使用，在這樣的前提下，即便是ERP系統的資料，只要轉成Excel之後，都能交由Forecast Server進行預測分析，除此之外，SAS也可以提供ETL工具完成資料轉置。

張瑞文表示，企業在沒有使用預測系統的情況下，如果想要做比較分析是相當痛苦的事情，因為大量的預測分析，往往必須仰賴IT人員建模，然後再交由統計分析等專業人員使用，相關的事業單位才能進一步知道預測結果，而若分析模型無法因應需求，就要重新調整模型，這樣的過程中，不僅使得預測分析的流程變長，預測的準確度，也會因為資料量與個人經驗不同而受到影響。文⊙楊惠芬