アナリティクス・ライフサイクルに不可欠な３つの要素（データ、ディスカバリ、デプロイメント）を網羅
畝見氏はさらに、アナリティクス・ライフサイクルを構成する三つのプロセスに合わせて、SAS Viyaの機能を深掘りした。データの準備においては、従来から提供しているETLツールに加え、マウスだけで操作できるセルフサービス型のデータプレパレーション機能が用意されている。データのプロファイリングからクレンジング、加工変換フェーズを自在に行える。
ディスカバリーのプロセスに関して、SAS Viyaでは様々な分析要件に対応できるように、教師なし、教師あり学習、ディープラーニング、自然言語処理、フォーキャスティング、計量経済分析、最適化など豊富なAI&アナリティクス機能を搭載している。パラメーター値の範囲を設定するだけでハイパーパラメーターの最適値を見つけ出し、ベストモデルを自動生成する自動チューニング機能も搭載するほか、ディープラーニングのオートチューニングや転移学習などにも対応する。もちろん、マウス操作のみのセルフサービス型のデータ探索や分析機能もある。見たい項目を画面内にドラッグすることで、最適なビジュアルを自動的に描き出し、過去の見える化から高度な機械学習まで行える。BIレポートやダッシュボードもセルサービスで作成し、全社で共有することも可能だ。
マウス操作でビジュアルなパイプラインを描き実行することで簡単にモデルを生成できる。また、多彩なテンプレートが用意されていることも特徴。学習用のデータを選択し、予測対象の項目を指定し、テンプレートを選んで実行するだけで精度が高い予測モデルが自動的に生成できる。ビジネスニーズに合わせて、ブラックボックス的、ホワイトボックス的なモデル作成も可能だ。さらに、ビジュアル・パイプライン上で異なる言語（Python、R、SAS）間のモデル精度を比較し、その中からチャンピオンモデルを自動的に見つけ出して教えてくれる機能もある。
デプロイメントのフェーズに関して、多くの企業はココで躓いているケースが多いと指摘する。モデルは開発するものの、研究開発分野だけであったり、POC段階までで、モデルの業務実装に至っていないケースがほとんどだ。こうした課題に対してSAS Viyaでは、実装前に作成されたモデルを統合的に管理した上で、容易なデプロイを可能としている。モデルにテストデータを当てはめてスコアリングのテストを実施したり、実装後のモデルの精度をビジュアルにモニタリングすることができる。精度が下がってきたときには自動的に再学習を行ったり、バージョン管理機能により一世代前のモデルを適用することもできる。そして管理されたモデルをそれぞれ異なる業務要件ごとに最適な環境（In-Memory, In-Hadoop, In-DB, etc）に配置し、最適なタイミング（バッチ、リアルタイム、オンデマンド）でのスコアリングが可能になっている。
