本港金融機構不少皆是商業分析服務商SAS的客戶，透過機器學習應用於於推測信用卡盗用、預測壞賬、反洗黑錢等活動。SAS也廣泛應用於市務推廣，流動營運商都是利用SAS，以釐定市務策略。
SAS商業智能的領導廠商，從大量商業數據，找出優化業務方法。此外，SAS也利用機器學習，從大量的數據建立統計模型，作出預測，透過「高級及預測性分析」（Advanced and Predictive Analytics）預測客戶市場行為，以早着先鞭。
AI是通過機器模擬人類認知能力，從已知數據去學習蘊含的規律或判斷規律。預測性分析可歸入此類。SAS已坐擁全球「高級及預測性分析」超過三成市場佔有率，可見SAS算法，預測準確率有其優勝之處。
不過，分析性預測並不能解決所有問題，例如不能處理自然語言處理、影像、聲音等。
除了以SAS及R等以統計機器學習建立的分析性預測；近期市場興起神經網絡（Neural Network）作深度學習的以人工智能（AI），以解讀大量數據。以深度學習方式，分析難以量化的資料；如監察社交媒體討論，從而分析市場對商品意見，甚至可以搜尋互聯網資訊，找出潮流和主流用戶的想法。
毋論AI機器學習或深度學習，均須建立數據模型（Model），不斷調整預測公式，以獲得更精確的結論。
SAS推出Viya平台，除了在AI領域提供解讀能力及透明度，協助數據科學家及商業用戶深入理解分析模型的運作，並調整取得最佳結果，更可將開源AI技術直接整合至SAS Viya中，協助企業利用AI自動化數據分析，確保數據的私隱。
Viya平台可接入不同的數據來源，令數據的用途大增。荷蘭初創SciSports就從球場的影片，以識別技術辨識球員，然後以3D追蹤每名球員臨場表現，化成數據輸入Viya建立的模型，幫助球會物色球員。SciSports利用AI，將球場上球員的走位、球技、甚至是傳球的價值，化成客觀的數據，幫助球會經理物色有潛質的球員。
降低數據分析難度
但是，如何應用數據模式，必須借助數據科學家分析能力，配合AI模型，才能獲取具價值的業務見解。這些模型複雜深奧，一般人難以透徹了解，如何獲取分析結果。
數據建立模型之前，要先經過數據預備和處理，要從大量的數據學習，則要為數據作出標註；數據也必須要符合保障私隱的法規。
Viya具數據管理功能，清理並作預備數據（Data Preparation）作分析，通過不同數據連接器（Data connector），從不同來源擷取數據，並套用不同數據模型作分析比較。
SAS香港區總經理何偉信說：「以往商業分析人員不一定是數據科學家，難以自行建立模型作分析。Viya降低了自行分析難度，毋須懂得編程，甚至不用專門技術，就可挑選合適模型，不斷加入數據修正。」
不少企業為了減少依頼IT，紛紛尋求可自我服務（Self service）數據分析平台，其中包括了近年大熱的Tableau。Viya亦可選擇分析模式，從分析的結果，挑選最佳預測模式。
Viya平台可在雲端上運作，甚至架設於企業內部，解決了不少金融機構的法規遵從難題。
「一直以來，SAS為銀行及金融、零售、醫療保健業客戶，提供開放分析平台。SAS解決方案加入如機器學習和深度學習等AI技術，亦協助了解技術背後運作。最新的升級版SAS Viya協助把握持續發展AI技術，以應付業務挑戰。」
AI決策透明度
隨著機器學習的模型漸趨複雜，某些預測原因甚至難以解釋。這些模型有機會提供答案，但或會欠缺透明度又難以解讀。建立對AI及機器學習的信任，當中關鍵—是其解讀能力；也就是理解決策原因的能力，以及對模型結果持續的預測能力。
例如，AI金融工具拒絕了一項按揭申請，或AI人力資源應用提出了招聘建議，理解AI為何作出了有關建議，尤其重要。醫療保健和生命科學等受監管行業，欠缺透明度，亦成AI技術一大障礙。
保障客個人資料（PI）也為企業關注，特別是符合GDPR或其他數據保護手則。數據量與日俱增，系統要識別、管理、保護個人資料。SAS Viya可自動識別和管理個人資料，如年齡、地址及財務資料。只要識別出數據，平台根據私隱條例和法規，自動進行標記和管理，以符合法例的要求。