2020年第二季度的Forrester Wave分析報告中，SAS被評為基于AI的文本分析領域領導者。

2020年7月20日，中國北京 — 近日，全球領先的獨立研究機構Forrester發布2020年第二季度的Forrester Wave分析報告。與往年有所不同，今年的報告首次將“基于人工智能的文本分析平臺”的分析主題分為“文檔數據”和“個人數據”兩大方向。而作為全球數字分析領域的領導者，SAS憑借多年以來在文本分析上的技術深耕以及人工智能上的創新成果，同時被Forrester Wave分析報告評為基于人工智能的“文檔數據”和“個人數據”文本分析雙領域的領導者。

眾所周知，大部分的商業相關信息都是以非結構化格式（主要是文本數據）而存在的，但是由于近年來數據的爆發式激增，不僅使本來非結構化的數據被進一步沉積，也讓數據質量更加糅雜。倒逼之下，越來越多的企業竭力尋找更高效、更智能的工具來獲得快速增長的數據并從中挖掘出可實現的價值。但是，一些錯綜復雜的因素（比如：價格、專家評定、學習過程、時間）成為企業尋找“得手”工具的阻礙。可視化文本分析平臺的出現，能幫助企業擺脫這種“進退兩難”的境地，并讓收集信息比以前更加簡單。可視化文本分析平臺讓每一個人都能夠在數據驅動基礎上增加決策程序，同時這個平臺也可成為一些綜合商業智能計劃的重要成分。

“對于不同的行業領域，任何企業和機構都可從海量的非結構化數據中挖掘出深刻洞察和巨大商業價值”。SAS公司高級產品市場經理Katie Tedrow表示：“文本分析確實可以幫助企業機構解決復雜的業務問題，例如偵測欺詐行為、評估客戶反饋等，但是傳統的分析流程更傾向于勞動密集型，更依賴手動操作且需要更多的人力投入。SAS可視化文本分析（SAS Visual Text Analytics）則通過自然語言處理（NLP）、機器學習和語言規則等強大功能，幫助商業用戶輕松挖掘非結構化數據背后隱藏的價值，制定商業決策并提升用戶體驗。”

以“人文”為本，透視非結構化數據中蘊藏的金礦

針對結構化數據的可視化在許多公司中成為最優也是最便捷的文本分析方式。但是無法回避的是，許多企業仍然被淹沒在巨大的數據量以及文本數據源快速增長的洪流當中。因此許多的數據都夾雜了大量的非結構化數據。

文本數據一直存在且隨處可見。這些數據可以在你公司內部的郵件信息、聊天記錄以及搜集到的調查結果中得到，也可以是你對個人網站上的評論、對客戶關系管理系統中的評論或者是從你使用的個人應用程序中得到的文本字段。甚至是你在公司外部的社會媒體、論壇以及來自于一些你很感興趣的話題的評論。因此，這些文本數據零散且冗雜，對于企業而言針對這些非結構化數據進行文本分析有些“入不敷出”。所以有些企業現在正投資幾十億美金分析結構化數據，卻對非結構化數據置之不理。

熟不知，無論是各類文檔數據，還是能夠描繪用戶畫像的個人數據，在這些非結構化數據中都蘊藏著有用的信息寶庫，利用數據可視化工具分析非結構化數據能夠幫助企業快速地了解現狀、顯示趨勢并且識別新出現的問題。在Forrester Wave基于人工智能的文檔數據和個人數據文本分析平臺兩大分析報告中，SAS可視化文本分析秉持“人文為本”的研發和優化策略，在諸多子類別評選中均獲得了最高分，包括：子文檔分析、機器學習能力、架構、安全性、產品支持及服務、全球市場表現等。

兩份報告都指出：“SAS可視化文本分析進一步完善了自身強大的分析產品和解決方案組合，它主要基于SAS Viya 平臺，不僅能夠實現不同應用場景之間的數據共享和模型管理，更輔以杰出的商業智能、便捷的分析圖形用戶界面和其他微服務架構，為企業和用戶提供絕佳的用戶體驗。”

讓機器決策，賦能文本分析引領人工智能3．0時代

事實上，“人工智能”正式提出時，計算機國際象棋和機器翻譯就是人工智能的兩個標志性目標，但直到國際象棋甚至圍棋都被人工智能所攻克，機器認知智能的核心能力之一，即自然語言處理（NLP）能力依然無法和人類相比。

NLP大致包含三個技術層面：詞法分析、句法分析、語義分析，三者之間既遞進又相互包含，這也構成了NLP技術的最大瓶頸。由于詞句往往在具體的場景下擁有不同的涵義，人在理解時會基于已有知識儲備和上下文環境，然而人工智能目前還很難做到。要讓機器理解我們人類的語言，機器必需共享與我們類似的背景知識，還需要依賴深度學習技術，這也就需要大規模甚至超大規模的數據積累，讓機器不斷訓練和學習。

SAS公司副總裁兼大中華區董事總經理何偉信表示：“回首人工智能發展的60多年，我們經歷了“算法為重”的1．0階段，現在則進入“數據凸顯”的2．0階段，但真正步入“讓機器做明智決策”的3．0階段，還需要大量數據積累和技術的提升。因此，實現認知智能不僅是當前人工智能領域發展的重要使命，更是SAS未來幾年不斷探索追求的終極目標。”

SAS可視化文本分析就融合了智能算法、NLP、機器學習等創新技術，自動抽取非結構化數據中的關系和模式，從而使手動分析成為歷史。NLP工具可幫助用戶進行情感分析，將語音轉化為文本，理解自然語言并生成自然語言。例如，通過NLP訪問和分析未挖掘的數據，使金融機構能夠提高反洗錢（AML）調查的管理效率和精準度。采用自動化分析后，調查人員可以使用統一的風險識別手段來應對負面新聞監測、交易單據違規監控等繁雜的業務場景。這使得用戶能夠了解各個事件的風險級別，然后優先調查風險最大的事件。

以“知的力量”，讓智能分析服務人類社會健康發展

一直以來，SAS都秉持“知的力量”，對其簡單易用且功能強大的自動化分析平臺進行完善和升級，以幫助數字顛覆者和新興領導者開辟前進的道路。最新版的SAS Viya  、SAS平臺、SAS可視化文本分析等均加入人工智能相關的創新技術，尤其在機器學習、計算機視覺、NLP以及其它支持人工智能的技術領域大舉發力。

特別是SAS近年來宣布將投資10億美元用于人工智能，在此基礎上SAS還將改進計算機視覺軟件，以幫助企業利用可視化數據來改善業務成果。“我們一直不斷推行‘知的力量’并強調智能創新，這一點清晰地體現在SAS平臺和SAS人工智能技術中。創新推動著領先的公司、管理人員和數據科學家通過應用高級分析來改變其公司、行業的發展軌跡，甚至為人類社會謀福祉”。SAS首席執行官Jim Goodnight表示。

因此，正值疫情期間，SAS還發布了COVID－19科學文獻搜索與文本分析平臺，該平臺為研究人員提供了免費的可視化文本分析環境，憑借強大的人工智能和機器學習技術，讓相關人員能夠從數以萬計的研究文獻中檢索最需要的文本內容，不僅讓研究人員能夠更快、更精準地找到潛在的解決方案，同時也為疫情防控做出貢獻。