SASは、多くの企業のデータ分析業務を長年支えてきました。一方、長年の運用に伴い、難読化したプログラムコードの維持・改修、ライセンスや運用にかかるコスト、SAS専門人材への依存、SAS学習コストの高さなどが、分析基盤を継続的に高度化するうえでの課題となる場合があります。
日本TCSは、SASで蓄積されたプログラムやデータ資産を生かしながら、Databricksへの移行を支援します。既存の分析業務を継承し、大規模データ処理、AI・機械学習、データ可視化、ガバナンスを統合した、AI時代のデータ分析基盤への転換につなげます。
課題：SAS環境の維持と、データ・AI活用の拡大をどう両立するか
SAS環境の長期利用に伴い、コスト負担や専門スキルへの依存が課題となる一方、AI・機械学習への活用拡大に向けて、分析基盤全体の見直しが必要となるケースがあります。
主な課題
- ライセンス・運用コストの負担が増大
SASライセンスや関連インフラの維持を含め、データ分析基盤全体で継続的なコストが発生。利用状況の変化に合わせた柔軟なコスト管理が難しい。
- SAS専門人材の確保とスキル継承が困難
SASは学習コストが高い言語であり、SASに関する知識が特定の担当者に集中しやすく、開発・保守人材の確保や、既存プログラムに関する知識継承が課題となる。
- 既存プログラムの維持・改修に時間を要する
長年にわたって蓄積されたSASプログラムやマクロが複雑化し、新たな分析要件への対応や既存処理の変更に時間を要する。
- データ量と分析ニーズの拡大への対応が困難
データ量や処理負荷が増加するなか、大規模データ処理や、需要に応じた柔軟なリソース拡張への対応が求められる。
- AI・機械学習への活用拡大に制約
既存の統計分析を継続しながら、最先端の生成AI、機械学習、自然言語による分析などへ活用範囲を広げるには、データ基盤や開発環境を含めた見直しが必要となる。
課題へのアプローチ：既存のSAS資産を活かしながら、Databricksへ段階的に移行
SASで構築された既存のプログラムやデータ資産を分析し、Databricks上の対応技術へ移行します。SAS言語やマクロ、SQL、統計処理、レポートなどの既存機能を、Python、PySpark、Spark SQL、Databricks AI/BI Dashboardなどを活用する環境へ転換します。
これにより、既存の分析業務を継承しながら、大規模データ処理、AI・機械学習、データ可視化、ガバナンスを統合した基盤への移行につなげます。
期待効果：コストとスキル依存を軽減し、データ・AI活用を支える基盤へ
SASからDatabricksへの移行により、既存の分析業務を継承しながら、コスト構造や開発・保守体制を見直し、将来のデータ・AI活用にも対応できる基盤への転換が期待できます。
- ライセンス・運用コストの最適化
SASライセンスや関連インフラを含むコスト構造を見直し、利用状況に応じた柔軟なリソース活用とコスト管理へ転換する。
- SASスキルへの依存低減
学習コストが高いSAS言語から、Python、SQLなど、より広く利用されている技術へ移行。特定の専門人材に依存する開発・保守体制を見直し、人材確保やスキル継承に関するリスクを軽減する。
- 開発・保守の効率化
既存プログラムをPython、SQLなどを活用する環境へ移行し、プログラムの維持・改修や新たな分析要件への対応を効率化する。
- データ処理の拡張性向上
Apache Sparkを活用した分散処理クラウド基盤へ移行し、データ量や処理負荷の増加に応じて柔軟に拡張できる分析基盤を整備する。
- AI・機械学習の活用拡大
既存の統計分析を継承しながら、最先端の機械学習アルゴリズムの迅速な導入、自然言語による分析、コーディング支援、ダッシュボード作成など、新たなデータ・AI活用へ展開する。
私たちがサポートします
TCSのエキスパートたち
小島 英剛（こじま ひでたか）
AI&サービストランスフォーメーション統括本部 データ＆アナリティクス本部 本部長
20年以上にわたり、CRM、BI/DWH、データレイク、クラウド、アナリティクスといったデータ領域を中心に、企業の意思決定高度化と事業成長を支えるデータ活用の実装と変革に取り組んできたエキスパートです。
お問合せ
お問合せ