sas大數據股票

① 大數據在金融行業的應用與挑戰

大數據在金融行業的應用與挑戰
A 具有四大基本特徵
金融業基本是全世界各個行業中最依賴於數據的，而且最容易實現數據的變現。全球最大的金融數據公司Bloomberg在1981年成立時「大數據」概念還沒有出現。Bloomberg的最初產品是投資市場系統（IMS），主要向各類投資者提供實時數據、財務分析等。
隨著信息時代降臨，1983年估值僅1億美元的Bloomberg以30%股份的代價換取美林3000萬美元投資，先後推出Bloomberg Terminal、News、Radio、TV等各類產品。1996年Bloomberg身價已達20億美元，並以2億美元從美林回購了10%的股份。2004年Bloomberg在紐約曼哈頓中心建成246米摩天高樓。到2008年次貸危機，美林面臨崩盤，其剩餘20%的Bloomberg股份成為救命稻草。Bloomberg趁美林之危贖回所有股份，估值躍升至225億美元。2016年Bloomberg全球布局192個辦公室，擁有1.5萬名員工，年收入約100億美元，估值約1000億美元，超過同年市值為650億美元的華爾街標桿高盛。
大數據概念形成於2000年前後，最初被定義為海量數據的集合。2011年，美國麥肯錫公司在《大數據的下一個前沿：創新、競爭和生產力》報告中最早提出：大數據指大小超出典型資料庫軟體工具收集、存儲、管理和分析能力的數據集。
具體來說，大數據具有四大基本特徵：
一是數據體量大，指代大型數據集，一般在10TB規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量。
二是數據類別大，數據來自多種數據源，數據種類和格式日漸豐富，已沖破了以前所限定的結構化數據范疇，囊括了半結構化和非結構化數據。現在的數據類型不僅是文本形式，更多的是圖片、視頻、音頻、地理位置信息等多類型的數據。
三是處理速度快，在數據量非常龐大的情況下，也能夠做到數據的實時處理。數據處理遵循「1秒定律」，可從各種類型的數據中快速獲得高價值的信息。
四是數據的真實性高，隨著社交數據、企業內容、交易與應用數據等新數據源的興起，傳統數據源的局限被打破，信息的真實性和安全性顯得極其重要。
而相比其他行業，金融數據邏輯關系緊密，安全性、穩定性和實時性要求更高，通常包含以下關鍵技術：數據分析，包括數據挖掘、機器學習、人工智慧等，主要用於客戶信用、聚類、特徵、營銷、產品關聯分析等；數據管理，包括關系型和非關系型數據、融合集成、數據抽取、數據清洗和轉換等；數據使用，包括分布式計算、內存計算、雲計算、流處理、任務配置等；數據展示，包括可視化、歷史流及空間信息流展示等，主要應用於對金融產品健康度、產品發展趨勢、客戶價值變化、反洗錢反欺詐等監控和預警。
B 重塑金融行業競爭新格局
「互聯網+」之後，隨著世界正快速興起「大數據+」，金融行業悄然出現以下變化：
大數據特徵從傳統數據的「3個V」增加到「5個V」。在數量（Volume）、速度（Velocity）、種類（Variety）基礎上，進一步完善了價值（Value）和真實性（Veracity），真實性包括數據的可信性、來源和信譽、有效性和可審計性等。
金融業按經營產品分類變為按運營模式分類。傳統金融業按經營產品劃分為銀行、證券、期貨、保險、基金五類，隨著大數據產業興起和混業經營的發展，現代金融業按運營模式劃分為存貸款類、投資類、保險類三大類別。
大數據市場從壟斷演變為充分市場競爭。全球大數據市場企業數量迅速增多，產品和服務的差異增大，技術門檻逐步降低，市場競爭日益激烈。行業解決方案、計算分析服務、存儲服務、資料庫服務和大數據應用成為市場份額排名最靠前的五大細分市場。
大數據形成新的經濟增長點。Wikibon數據顯示，2016年，全球大數據硬體、軟體和服務整體市場增長22%達到281億美元，預計到2027年，全球在大數據硬體、軟體和服務上的整體開支的復合年增長率為12%，將達到大約970億美元。
數據和IT技術替代「重復性」業務崗位。數據服務公司Eurekahedge通過追蹤23家對沖基金，發現5位對沖基金經理薪金總額為10億美元甚至更高。過去10年，靠數學模型分析金融市場的物理學家和數學家「寬客」一直是對沖基金的寵兒，其實大數據+人工智慧更精於此道。高盛的紐約股票現金交易部門2000年有600名交易員而如今只剩兩人，其任務全由機器包辦，專家稱10年後高盛員工肯定比今天還要少。
美國大數據發展走在全球前列。美國政府宣稱：「數據是一項有價值的國家資本，應對公眾開放，而不是將其禁錮在政府體制內。」作為大數據的策源地和創新引領者，美國大數據發展一直走在全球最前列。自20世紀以來，美國先後出台系列法規，對數據的收集、發布、使用和管理等做出具體的規定。2009年，美國政府推出Data.gov政府數據開放平台，方便應用領域的開發者利用平台開發應用程序，滿足公共需求或創新創業。2010年，美國國會通過更新法案，進一步提高了數據採集精度和上報頻度。2012年3月，奧巴馬政府推出《大數據研究與開發計劃》，大數據迎來新一輪高速發展。
英國是歐洲金融中心，大數據成為其領先科技之一。2013年，英國投資1.89億英鎊發展大數據。2015年，新增7300萬英鎊，創建了「英國數據銀行」data.gov.uk網站。2016年，倫敦舉辦了超過22000場科技活動，同年，英國數字科技投資逾68億英鎊，而收入則超過1700億英鎊。另外，英國統計局利用政府資源開展「虛擬人口普查」，僅此一項每年節省5億英鎊經費。
C 打造高效金融監管體系
大數據用已發生的總體行為模式和關聯邏輯預測未來，決策未來,作為現代數字科技的核心，其靈魂就是——預測。
偵測、打擊逃稅、洗錢與金融詐騙
全球每年因欺詐造成的經濟損失約3.7萬億美元，企業因欺詐受損通常為年營收額的5%。全球最大軟體公司之一美國SAS公司與稅務、海關等政府部門和全球各國銀行、保險、醫療保健等機構合作，有效應對日益復雜化的金融犯罪行為。如在發放許可之前，通過預先的數據分析檢測客戶是否有過行受賄、欺詐等前科，再確定是否發放借貸或海關通關。SAS開發的系統已被國際公認為統計分析的標准軟體，在各領域廣泛應用。英國政府利用大數據檢測行為模式檢索出200億英鎊的逃稅與詐騙，追回了數十億美元損失。被福布斯評為美國最佳銀行的德克薩斯資本銀行（TCBank），不斷投資大數據技術，反金融犯罪系統與銀行發展同步，近3年資產從90億美元增至210億美元。荷蘭第三大人壽保險公司CZ依靠大數據對騙保和虛假索賠行為進行偵測，在支付賠償金之前先期阻斷，有效減少了欺詐發生後的司法補救。
大數據風控建立客戶信用評分、監測對照體系
美國注冊舞弊審核師協會（ACFE）統計發現，缺乏反欺詐控制的企業會遭受高額損失。美國主流個人信用評分工具FICO能自動將借款人的歷史資料與資料庫中全體借款人總體信用習慣相比較，預測借款人行為趨勢，評估其與各類不良借款人之間的相似度。美國SAS公司則通過集中瀏覽和分析評估客戶銀行賬戶的基本信息、歷史行為模式、正在發生行為模式（如轉賬）等，結合智能規則引擎（如搜索到該客戶從新出現的國家為特有用戶轉賬，或在新位置在線交易等），進行實時反欺詐分析。
美國一家互聯網信用評估機構通過分析客戶在Facebook、Twitter等社交平台留下的信息，對銀行的信貸和投保申請客戶進行風險評估，並將結果出售給銀行、保險公司等，成為多家金融機構的合作夥伴。
D 數據整合困難
應用經濟指標預測系統分析市場走勢
IBM使用大數據信息技術成功開發了「經濟指標預測系統」，該系統基於單體數據進行提煉整合，通過搜索、統計、分析新聞中出現的「新訂單」等與股價指標有關的單詞來預測走勢，然後結合其他相關經濟數據、歷史數據分析其與股價的關系，從而得出行情預測結果。
追蹤社交媒體上的海量信息評估行情變化
當今搜索引擎、社交網路和智能手機上的微博、微信、論壇、新聞評論、電商平台等每天生成幾百億甚至千億條文本、音像、視頻、數據等，涵蓋廠商動態、個人情緒、行業資訊、產品體驗、商品瀏覽和成交記錄、價格走勢等，蘊含巨大財富價值。
2011年5月，規模為4000萬美元的英國對沖基金DC Markets，通過大數據分析Twitter的信息內容來感知市場情緒指導投資，首月盈利並以1.85%的收益率一舉戰勝其他對沖基金僅0.76%的平均收益率。
美國佩斯大學一位博士則利用大數據追蹤星巴克、可口可樂和耐克公司在社交媒體的圍觀程度對比其股價，證明Facebook、Twitter和 Youtube上的粉絲數與股價密切相關。
提供廣泛的投資選擇和交易切換
日本個人投資理財產品Money Design在應用程序Theo中使用演算法+人工智慧，最低門檻924美元，用戶只需回答風險承受水平、退休計劃等9個問題，就可使用35種不同貨幣對65個國家的1.19萬只股票進行交易和切換，年度管理費僅1%。Money Design還能根據用戶投資目標自動平衡其賬戶金額，預計2020年將超過2萬億美元投資該類產品。
利用雲端資料庫為客戶提供記賬服務
日本財富管理工具商Money Forward提供雲基礎記賬服務，可管理工資、收付款、寄送發票賬單、針對性推送理財新項目等，其軟體系統連接並整合了2580家各類金融機構的各類型帳戶，運用大數據分析的智能儀表盤顯示用戶當前財富狀況，還能分析用戶以往的數據以預測未來的金融軌跡。目前其已擁有50萬商家和350萬個體用戶，並與市值2.5萬億美元的山口金融集團聯合開發新一款APP。
為客戶定製差異化產品和營銷方案
金融機構迫切需要掌握更多用戶信息，繼而構建用戶360度立體畫像，從而對細分客戶進行精準營銷、實時營銷、智慧營銷。
一些海外銀行圍繞客戶「人生大事」，分析推算出大致生活節點，有效激發其對高價值金融產品的購買意願。如一家澳大利亞銀行通過大數據分析發現，家中即將誕生嬰兒的客戶對壽險產品的潛在需求最大，於是通過銀行卡數據監控准媽媽開始購買保胎葯品和嬰兒相關產品等現象，識別出即將添丁的家庭，精準推出定製化金融產品套餐，受到了客戶的積極響應，相比傳統的簡訊群發模式大幅提高了成功率。
催生並支撐人工智慧交易
「量化投資之王」西蒙斯被公認為是最能賺錢的基金經理人，自1988年創立文藝復興科技公司的旗艦產品——大獎章基金以來，其憑借不斷更新完善的大數據分析系統，20年中創造出35%的年均凈回報率，比索羅斯同期高10%，比股神巴菲特同期高18%，成為有史以來最成功的對沖基金，並於1993年基金規模達2.7億美元時停止接受新投資。在美國《Alpha》雜志每年公布的對沖基金經理排行榜上，西蒙斯2005年、2006年分別以15億美元、17億美元凈收入穩居全球之冠，2007年以13億美元位列第五，2008年再以25億美元重返榜首。
推動金融產品和服務創新
E 面臨三大挑戰
目前，全球各行業數據量的增長速度驚人，在我國尤其集中在金融、交通、電信、製造業等重點行業，信息化的不斷深入正在進一步催生更多新的海量數據。
據統計，2015年中國的數據總量達到1700EB以上，同比增長90%，預計到2020年這一數值將超過8000EB。以銀行業為例，每創收100萬元，銀行業平均產生130GB的數據，數據強度高踞各行業之首。但在金融企業內部數據處於割裂狀態，業務條線、職能部門、渠道部門、風險部門等各個分支機構往往是數據的真正擁有者，缺乏順暢的共享機制，導致海量數據往往處於分散和「睡眠」狀態，雖然金融行業擁有的數據量「富可敵國」，但真正利用時卻「捉襟見肘」。
數據安全暗藏隱患
大數據本質是開放與共享，但如何界定、保護個人隱私權卻成為法律難題。大數據存儲、處理、傳輸、共享過程中也存在多種風險，不僅需要技術手段保護，還需相關法律法規規范和金融機構自律。多項實際案例表明，即使無害的數據大量囤積也會滋生各種隱患。安全保護對象不僅包括大數據自身，也包含通過大數據分析得出的知識和結論。在線市場平台英國Handshake.uk.com就嘗試允許用戶協商個人數據被品牌分享所得的報酬。
人才梯隊建設任重道遠
人才是大數據之本。與信息技術其他細分領域人才相比，大數據發展對人才的復合型能力要求更高，需要掌握計算機軟體技術，並具備數學、統計學等方面知識以及應用領域的專業知識。

② 什麼是法國SAS公司

SocietéParActionsSimplifieé（簡化股票公司）是法國相對較新的實體類型。它是在法國公司和外國合作夥伴之間創建合資亂氏物企業的工具。此前，由於法國公司法的僵化，法國公司很難與外國公司建立合資核纖關嘩液系。然而，考慮在法國成立公司，特別是在美國，希望在法國開展業務的SAS公司越來越受到外國投資者的青睞。

③ 大數據在未來發展怎麼樣啊

大數據行業主要上市公司：易華錄(300212)、美亞柏科(300188)、海量數據(603138)、同有科技(300302)、海康威視(002415)、依米康(300249)、常山北明(000158)、思特奇(300608)、科創信息(300730)、神州泰岳(300002)、藍色游標(300058)等

本文核心數據：大數據應用領域分布 互聯網大數據、金融大數據、政府大數據市場規模 應用場景等

應用領域分布：互聯網、政府、金融為大數據主要應用領域

從具體行業應用來看，互聯網、政府、金融和電信引領大數據融合產業發展，合計規模佔比為77.6%。互聯網、金融和電信三個行業由於信息化水平高，研發力量雄厚，在業務數字化轉型方面處於領先地位;政府大數據成為近年來政府信息化建設的關鍵環節，與政府數據整合與開放共享、民生服務、社會治理、市場監管相關的應用需求持續火熱。此外，工業大數據和健康醫療大數據作為新興領域，數據量大、產業鏈延展性高，未來市場增長潛力大。

註：金融大數據市場規模為前瞻根據中國大數據市場規模與金融大數據所佔市場份額數據測算所得，僅供參考。

④ 什麼是大數據

• 01

  大數據指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

  什麼是大數據

  大數據指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

  大數據歷史和當前考慮因素

  雖然術語“大數據”相對較新，但收集和存儲大量信息以進行最終分析的行為已經很久了。這個概念在 21 世紀初獲得了動力，當時行業分析師 Doug Laney 將現在主流的大數據定義表達為三個 V：

  1.卷，組織從各種來源收集數據，包括業務交易，社交媒體和來自感測器或機器到機器數據的信息。在過去，存儲它將是一個問題 – 但新技術（如 Hadoop）減輕了負擔。

  2.速度，數據以前所未有的速度流入，必須及時處理。RFID 標簽，感測器和智能電表正在推動近乎實時處理數據的需求。

  3.品種，數據有各種格式 – 從傳統資料庫中的結構化數字數據到非結構化文本文檔，電子郵件，視頻，音頻，股票報價數據和金融交易。

  在 SAS，我們在大數據方面考慮兩個額外的維度：

  1.變化性，除了速度和數據種類的增加之外，數據流還可能與周期性峰值高度不一致。社交媒體中有什麼趨勢嗎？每日，季節性和事件觸發的峰值數據負載可能難以管理。非結構化數據更是如此。

  2.復雜，今天的數據來自多個來源，這使得難以跨系統鏈接，匹配，清理和轉換數據。但是，有必要連接和關聯關系，層次結構和多個數據鏈接，否則您的數據可能會迅速失控。

  為什麼大數據很重要？

  大數據的重要性不在於您擁有多少數據，而在於您使用它做了多少。您可以從任何來源獲取數據並進行分析，以找到能夠降低成本，減少時間，新產品開發和優化產品，以及智能決策的答案。將大數據與高性能分析結合使用時，您可以完成與業務相關的任務，例如：

  1.近乎實時地確定故障，問題和缺陷的根本原因；

  2.根據客戶的購買習慣在銷售點生成優惠券；

  3.在幾分鍾內重新計算整個風險組合；

  4.在欺詐行為影響您的組織之前檢測它。

⑤ sas分析與大數據分析區別

難度、開塌凱虧發時間。
1、難度。sas是全球最大的私營軟體公司之一，是由美國北卡羅來納州立大學1966年開發的統計分析軟體孫鉛。該軟體操作繁瑣，難度很大，大數據分析需要做的就是點擊滑鼠選團神菜單，難度很小。
2、開發時間。sas分析開發時間為1973年，時間較早，大數據分析開發時間為1975年，時間較晚。

⑥ 如何用sas的循環語句算收益率

用SAS算股票的收益率，可以使用公式：r=(Pt-Pt-1)/Pt-1
不需要使用循環，可以在數據里再生成一行，對每一行使用上面的公式進行計算填充即可。

⑦ 學大數據以後可以做什麼工作

1. 數據分析師。

數據分析師 是數據師的一種，指的是不同行業中，專門從事行業數據搜集、整理、分析，並依據數據做出行業研究、評估和預測的專業人員。在工作中通過運用工具，提取、分析、呈現數據，實現數據的商業意義。

作為一名數據分析師、至少需要熟練SPSS、STATISTIC、Eviews、SAS、大數據魔鏡等數據分析軟體中的一門，至少能用Acess等進行資料庫開發，至少掌握一門數學軟體如matalab、mathmatics進行新模型的構建，至少掌握一門編程語言。總之，一個優秀的數據分析師，應該業務、管理、分析、工具、設計都不落下。

2. 數歲祥亂據架構師。

數據架構師是負責平台的整體數據架構設計，完成從業務模型到數據模型的設計工作 ，根據業務功能、業務模型，進行資料庫建模設計，完成各種面向業務目標的數據分析模型的定義和應用開發，平台數據提取、數據挖掘及數據分析。

從事數據架構師這個職位，需要具備較強的業務理解和業務抽象能力，具備大容量事物及交易類互聯網平台的資料庫模型設計能力，對調度系統，元數據系統有非常深刻的認識和理解，熟悉常用的分析、統計、建模方法，熟悉數據倉庫相關技術，如 ETL、報表開發，熟悉hadoop，Hive等系統並有過實戰經驗。

3. 數據挖掘工程師。

一般是指從大量的數據中通過演算法搜索隱藏於其中知識的工程技術專業人員。這些知識可用使企業決策智能化，自動化，從而使企業提高工作效率，減少錯誤決策的可能性，以在激烈的競爭中處於不敗之地。

成為數據挖據工程師需要具備深厚的統計學、數學、數據挖掘理論基礎和相關項目經驗，熟悉R、SAS、SPSS等統計分析軟體之一，參與過完整的數據採集.整理.分析和建模工作。.具有海量數據下機器學習和演算法實施相關經驗，熟悉hadoop，hive，map-rece等。

4. 數據演算法工程師。

在企業中負責大數據產品數據挖掘演算法與模型部分的設計，將業務場景與模型演算法進行融合等；深入研究數據挖掘模型，參與數據挖掘模型的構建、維護、部署和評估，支持產品研發團隊模型演算法構建，整合等；制定數據建模、數據處理和數據安全等架構規范並落地實施。

需要具備的知識有：扎實的數據挖掘基礎知識，精通機器學習、數學統計常用演算法；熟悉大數據生態，掌握常見分布式計算框架和技術原理，如Hadoop、MapRece、Yarn、Storm、Spark等；熟悉Linux操作系統和Shell編程，至少熟悉Scala/Java/Python/C++/R等語言中的一種編程；熟悉大規模並行計算的基本原理並具有實現並行計算演算法的基本能力。

5. 數據宴鉛產品經理。

數據平台建設及維護，客戶端數據的分析，進行數據統計協助，數據化運營整理、提煉已有的數據報告，發現數據變化，進行深度專題分析，形成結論，撰寫報告；負責公司數據產品的設計及開發實施，並保證業務目標的實現；進行數據產品開發。

需要具備的技能有：有數據分析/數據挖掘/用戶行乎檔為研究的項目實踐經驗 ；有扎實的分析理論基礎，精通1種以上統計分析工具軟體，如SPSS、SAS，熟練使用Excel、SQL等工具； 熟悉SQL/HQL語句，工作經歷有SQL server/My SQl等的優先 ；熟練操作excel，ppt等辦公軟體,熟練使用SPSS、SAS等統計分析軟體其中之一 ；熟悉hadoop集群架構、有BI實踐經驗、參與過流式計算相關經驗者加分 ；熟悉客戶端產品的產品設計、開發流程 。

⑧ 大數據指數目前有哪些典型應用

博時基金指慧家就是一個典型的大數據指數應用產品，綜合大數據因子、財務價值因子、市場驅動因子，悶如蘆精選出最具投資價值的個股組合編製成指數橡陪。

「指慧家」的大數據指數覆蓋面非常廣，覆蓋衣、食、螞帶住、行、娛、醫等全市場行業，涵蓋互聯網電商、線下消費、社交金融、房地產交易等領域。博時基金優選合作夥伴，螞蟻金服、銀聯、雪球、搜房網等都是各自領域中的龍頭企業，擁有具有行業代表性的大數據。

⑨ SAS，MATLAB，R等，用哪個好

SAS和R是統計軟體，更偏向於統計分析，MATLAB是數學豎肢巧軟體，應用區域更廣，但在統計方面沒有那麼專業。
R語言和SAS語言在統計方余鍵面的比較：
1. R語言上手比較容易，SAS語言較為晦澀
2.R針對行與行之飢滾間的運算比SAS容易
3.SAS比R要成熟，很多分析都可以直接用，而不用自己寫函數
4.SAS處理大數據更有優勢
你可以根據自己的情況選擇

⑩ SAS的歷史和榮譽

2013年
- SAS中國連續六年蟬聯「中國傑出僱主」稱號
- SAS在全球權威研究機構Forrester Research發布的「大數據預測分析解決方案 」報告中超越所有競爭對手， 被譽為領導者
2012年
- IDC研究顯示SAS在高級應用分析領域持續保持全球第一，占據35.2% 市場份額
- SAS被全球銀行和金融界權威媒體《銀行家》授予2012年度銀行科技創新獎，其產品SAS®銀行風險管理解決方案榮獲風險管理技術獎
- 中國民生銀行與SAS攜手共獲2012年《亞洲銀行家》最佳數據分析獎
- SAS中國榮獲由荷搜逗蘭專業出版及排名機構CRF授予的「中國傑出僱主」獎
- SAS聯盟被戰略聯盟專業協會(ASAP) 授予卓越聯盟及創新獎
- SAS榮登2012年度 「全球最佳跨國公司」 榜單摘取「最佳職場」桂冠
2011年
- IDC研究顯示SAS在全球高級分析軟體市場上排名第一，占據32%的市場份額
- SAS被《商業周刊》評為全美500家最具創新性企業之一
- SAS蟬聯《財富》雜志美國最佳僱主排行榜首位
2010年
- SAS位世氏賣列全球權威研究機構Gartner發布的商業智能平台魔力象限領導者象限
- SAS在《The Forrester Wave：預測性分析和數據挖掘解決方案》報告中位列領導者廠商行列
2009年
- SAS蟬聯《商業周刊》全美500家最具創新性企業稱號
- SAS的風險管理解決方案位列《Chartis RiskTech100TM》報告排名首位
- SAS中國榮獲由全球知名人力資源咨詢公司Hewitt頒發的「中國最佳僱主」獎
2000年……
- 2006年SAS將北京設為中國總部
- 2005年 SAS在北京成立研發中心和用戶服務支持中心
- 2001年 SAS成立25周年並提出The Power To Know的願景
1990年……
- SAS成為當時全球唯一提供真正的端到端數據管理解決方案的供應商
- SAS 在美國、歐洲和澳大利亞等地持續被《核唯財富是》、《商業周刊》等雜志評為最佳僱主
1980年……
- 1980年 SAS總部遷至美國北卡羅來那州的凱瑞
1970年……
- 1976年SAS公司成立、創建了SAS軟體研究學院
- 首屆SAS全球用戶大會召開並發布了首款SAS產品