在由全球高级分析及预测分析第一大市场份额公司SAS与Futurum Research合作的《消费体验2030》研究报告中，描绘了在不远的2030年智能机器与智能设备将高度参与人类商业、经济与社会活动的愿景：满天飞的无人送货机、满大街跑的无人驾驶出租车、人工智能全面参与品牌沟通、移动设备与可穿戴设备演变为可植入设备或可嵌入设备等。在这样一个高度人机协同的数字化社会中，主要挑战之一就是无处不在的算法和自动智能分析与决策。
如何管理将大量充斥于社会经济环境中的各种算法模型？如何把算法模型转换为可以自动执行的决策并应用于生产环境以创造经济效益？这些年来，虽然“算法经济”一词不绝于耳，但由于这一天的到来还为时尚早，以至于企业管理者们仍在关注如何进行数字化转型。“过去几年，企业纷纷成立了数据分析和算法团队，得出了一些有趣的算法模型，一旦需要把算法模型应用于生产环境，就不那么容易了。”SAS公司CEO Jim Goodnight在SAS Analytics Experience 2019大会上表示。
“SAS公司利用大规模并行计算，把算法模型从实验室带入现实的生产环境中”，Jim Goodnight强调。“这样，算法模型构建师就可以在现实中部署、管理和计算上百个算法模型，而在传统环境中只能管理一个模型，采用SAS平台可以提高百倍的算法模型效率。”云计算作为分布式和大规模并行计算的演进，已经成为SAS的新平台，甚至是未来的主要平台。SAS Analytics Experience 2019大会上，SAS展示了一系列基于云原生以及开源技术的产品，显示了面向智能时代推进算法经济的决心。
算法经济混沌初期
（SAS公司CEO Jim Goodnight）
所谓算法经济，是近年来新兴的一个概念，主要是在数字经济大发展的前提下，大部分企业和政府已经完成了在线化，基本上所有社会基础设施、社会经济活动等都通过互联网进行数据交换，而各种算法和智能机器与设备就成为了数据交换的载体、成为了社会资源的新配置方式。类似于工业时代具有工业知识的工人采用现代化机械设备完成工业生产制造一样，算法经济下具有算法知识的工程师采用智能设备与机器完成数据的生产与交换。
今天，正处于算法经济的混沌初期。实际上，以SAS公司诞生为标志，过去40多年时间里，BI商业智能已经把一定的算法嵌入到商业生产和社会经济活动中；未来，随着人工智能算法、大数据、云计算和边缘计算等新兴算法和无处不在的计算基础设施，嵌入到社会经济活动中的算法将以指数级量级上升，上亿的算法模型将进入到人们的生产与生活中。
然而，今天的商业社会并没有对算法新经济的做好准备。在SAS Analytics Experience 2019大会上，SAS公司执行副总裁、首席运营官（COO）&首席技术官（CTO）Oliver Schabenberger介绍了一种对数字化转型所带来的新经济“操作系统”构想：接入资源的能力要优于构建或拥有资源的能力；分享资源的能力要优于积累资源的能力；资源分发流通的能力优于囤积资源的能力；连接的能力要优于自有或集中的能力；整个经济从产品和组织导向，转向了消费者和用户导向。相应的，整个企业和社会的决策机制从直觉和经验式，将转向数据驱动的分析型决策。
显然，智能时代的数字经济和算法经济下，整个商业模型和社会组织模型都发生了根本性以及颠覆性变化。算法将变得如此重要，但实际上人们对于即将到来的算法洪流却没有准备。很多企业和组织已经在生产系统中嵌入到了成百上千的算法模型，用于支持市场营销、产品报价和定价、风险评估、运营管理、财务支持等各种决策，然而各个业务部门所开发的算法模式却各式各样，缺乏标准化的开发、存储、部署以及管理策略，有些模型甚至没有相应的说明文档，以注明该算法模型的开发者、商业目标、使用指南以及其它需要管理和解释模型的信息。各个业务部门所开发的算法还基于不同的数据集和参数指标，没有跨整个企业和组织的统一数据管理和参数指标管理，相应算法得出的结果对于其它部门来说并没有太大意义，也很难进行事后的有效性检测。更重要的是，算法模型上线后，往往随着时间的推移而质量下降，如何更新模型、下线模型等等，都需要跨整个企业和组织的统一管理。
正如Jim Goodnight所指出的，今天不少企业的数据分析团队所提出的算法模型，都是探索式和基于兴趣所开发的测试性模型，特别是涉及到人工智能算法的模型。算法模型对企业和组织的操作型决策（Operational Decision）是如此重要，但往往缺乏相应的工业标准化管理工具和流程。所以操作型决策，例如信用卡每秒上万笔交易中的每笔交易是否通过的决策，即为一个操作型决策；操作型决策必须自动化、准确、无延时、不产生模糊性结果等，要像机器设备一样产生明确的结果；操作型决策是未来大规模决策的机制，也是算法模型可以产生实际价值的工具。
这一切在今天来看，还处于起步阶段。更多的企业在尝到数字化转型初步成果之时，全然不知已经进入了算法混沌的状态——各种算法在局部起作用的时候，在全局层面却进入了混乱失控的状态，这就是算法经济混沌初期。
自动分析、开放模型管理和云原生
（SAS公司执行副总裁、COO&CTO Oliver Schabenberger）
作为具有 40多年历史的高级分析软件公司，SAS公司也为算法经济的到来做好了准备。过去40多年中，SAS公司能够成为高级分析及预测分析领域的第一大市场份额公司，最主要的原因就在于SAS公司对于企业级计算架构和数据及算法管理的深刻理解以及相应产品化的能力，特别是对于企业级客户在生产环境中进行数据分析需求的深刻理解。
当前，仅有少于50%的优秀算法模型被部署到实际的企业生产环境中、90%的模型要花费超过3个月的时间进行部署、44%的模型要花费超过7个月的时间才能进入生产环境，这是SAS公司根据客户实践总结的当前分析模型被投入实际操作时的“最后一公里”挑战。在SAS Analytics Experience 2019大会上，Jim Goodnight分享了这些客户洞察。在应对企业客户的操作型分析的挑战时，SAS指出分析生命周期管理和自动分析模型是驱动下一步数字化转型的关键，今年以来SAS还提出了ModelOps的概念。
SAS指出：从准备数据到探索模型再到建模，然后进入模型注册、部署、监控以及重新训练，再回到重新准备数据，这是一个完整的操作型分析生命周期。而SAS之所以能够提高算法模型效率百倍，就在于SAS把过去40余年的产品和技术，都集成到了分析生命周期里，并且还不断创新，为企业算法模型提供完成的解决方案。SAS已经将整个分析生命周期以及整个企业分析流程中的重复性步骤全面自动化，把最佳实践打包到智能模板中让普通用户也可以快速建立原型，把自然语言自动嵌入流程中以帮助普通用户理解数据洞察，一键注册和部署分析模式而避免了数月的编程时间，同时还加强了模型的健康管理。所有这一切，都让企业和组织中80%的用户也能采用基于分析的决策，这就是大规模决策的价值。
今年以来，SAS一直在加强自动分析和丰富的支持分析生命周期的产品。在Analytics Experience 2019上，SAS又宣布了新的自动机器学习技术，以支持基于AI的自动决策。自2019年第四季度起，将在SAS Viya上提供最新的AI以及高级分析技术，帮助数据科学家和普通商业用户完成以前需要手工完成和复杂的数据转换以及机器学习模型构建。SAS提供了丰富的可视化以及自然语言解释系统，让用户能够轻松地理解自动构建出来的算法模型，一旦算法模型构建成功就可以一键部署。SAS还为自动建模过程提供了REST API，让开发者能够使用SAS分析工具进行定制化开发，同时还能嵌入开源代码并用SAS能力增强开源技术。
在2019年10月初，SAS公司还推出了ModelOps产品与服务组合，即把SAS Model Manager与顾问咨询服务打包，为企业客户的SAS及开源分析模型提供模型管理、部署、监控、重新训练和治理等“底座”，同时提供咨询服务以帮助企业尽管展开算法分析生命同期。SAS还提供一项新的ModelOps Health Check Assessment健康检查评估服务，以优化企业部署。
为了加强对开源算法模型的支持，在已经对开源软件提供了多项支持技术的基础上，SAS在Analytics Experience 2019推出了Open Model Manager产品。市场调研公司IDC的分析师指出，当前的分析市场需要新一代的模型管理解决方案，允许数据科学家们以任何他们所喜欢的语言、正确的分类和部署分析模型。而SAS Open Model Manager就让企业用户可以在一个地方管理开源模型以及SAS模型，同时让开源模型也能享受到SAS的模型管理“底座”能力，特别是SAS的大规模并行计算能力，以大幅提升算法模型的效率。
值得一提的是，SAS Open Model Manager以容器化方式交付，基于Kubernetes可在公有云、私有云和混合云上部署。这反应了整个SAS计算基础架构的一大趋势：云原生。负责SAS公司产品策略的副总裁Shadi Shahin表示，云原生是企业软件的未来趋势，云原生无关于公有云、私有云或混合云，而是一种软件架构模式，这种软件架构可以利用大规模的云计算能力，让分析无处不在。
自2019年以来，SAS公司就加强了向云原生架构的迁移，2019年10月初宣布了与Red Hat的合作，SAS分析软件将支持Red Hat Openshift。作为业界著名的Kubernetes发行版，Red Hat Openshift在混合云中有着重要的价值。而把SAS Viya这样的SAS分析软件经过容器化后运行在Openshift之上，就可以给企业混合云环境中的高级分析、AI与机器学习等提供一个统一的治理平台。Shadi Shahin强调，SAS还将陆续兼容其它的Kubernetes发行版。SAS Viya的发展方向就是云原生化，底层可以支持多种计算基础设施，包括IBM Power架构等。
展望即将到来的智能时代，无论是企业管理者、数据科学家还是普通的企业员工，都需要思考如何在一个充斥着大量智能设备和人机智能及高级分析算法的世界里完成人机共存和人机协同。数字化转型已经大规模启动，数字经济即将向算法经济发展进化。而像SAS这样的公司则通过自己的产品和技术迭代，不断提醒着决策者们，在今天就要考虑算法经济时代的企业生存和管理之道，尽早渡过算法混沌期。（文/宁川）
